机器学习
阿基米德的理论、测试和训练工作已同步进行了近一年时间。
模型设计
对于任何人工智能模型而言，每一组输入数据都需要首先定义，并最终确定用于训练算法的数据。
目前，Mozaic 的机器学习团队在建模时通过一分钟馈送逐块提取数据和币价数据。
这有其特定的道理：
每条链的更新频率不同
逐块 APY 数据是可量化的，并包含许多其他指标
一分钟代币价格数据是在波动市场中销售原生协议代币的关键 (养殖时）。
训练阿基米德，使其成为最高效的收益农场主。
初始测试案例
最初的14天模拟（2022年4月7日至14日）是在理论上利用阿基米德和Mozaic的稳定币保险库在cBridge上进行的。
14天中，阿基米德在雪崩链上进行了约5天的资金再平衡，在以太坊链上进行了4天的资金再平衡，在其余5天中，阿基米德再次交替使用了Optimism、Polygon、Fantom和以太坊的组合。在其中一天的大部分时间里，AAVE 的收益率也出现了峰值（27%）。
在这 14 天中，利用 Mozaic 的 omnichain 稳定币保险库产生的几何日预期收益率约为 19.02%。
在同样的 14 天内，将 100％ 的资产留在表现最好的币库中仅产生了 13.98％ 的收益。
注码优化器
阿基米德对 Stargate（星际之门）单边投注池进行了实时测试。
在此过程中，开发了一个 APY 数据提取工具，以获取必要的建模数据来训练阿基米德。该提取工具可逐块提取任何APY数据。
交易优化器
协议使用其本地代币作为奖励，以提高其APY。
对星际之门进行了另一项实时测试，以显示阿基米德出售原生代币奖励所获得的竞争优势。
Last updated
