اردوغان: آزمایش لیر دیجیتال باید در سال 2020 انجام شود

بلاک چین

رئیس جمهور ترکیه، رجب طیب اردوغان، دستور داد که دولت، طرح آزمایش ارز دیجیتال ملی بانک مرکزی به نام CBDC را در سال 2020 به پایان برساند. طبق گزارش و بر اساس برنامه سالانه رئیس جمهور، ارز دیجیتال لیر که مبتنی بر بلاک چین ملی است، سال 2020 توسط بانک مرکزی ترکیه صادر می شود.

طرح آزمایشی ارز دیجیتال لیر باید تا پایان سال 2020 نهایی شود

طبق برنامه ریاست جمهوری که در تاریخ 3 نوامبر منتشر شد، نخستین آزمایشات لیره دیجیتال باید تا پایان سال 2020 انجام و نهایی شود.

طبق این طرح، دولت قصد دارد تا پلتفرم نرم افزاری را برای انجام پرداخت های سریع با استفاده از ارز دیجیتال لیر ایجاد کند. برای انجام و اجرای این پروژه آژانس ملی فناوری های نو یا شورای تحقیقات علمی و فناوری ترکیه، معروف به TUBITAK نیز با بانک مرکزی همراه خواهد بود.

طبق گزارش ها، راه اندازی لیر دیجیتال بخشی از برنامه کشور ترکیه برای تقویت اقتصاد این کشور است. در این سند آمده:

هدف اصلی از این طرح، ایجاد یک بخش مالی با ساختاری قوی است که می تواند با هزینه کم به تامین نیازهای مالی پاسخ دهد. همچنین این طرح از طریق موسسات معتبر، ابزارهای مختلف مالی را به یک سرمایه گذار ارائه می دهد و به این ترتیب از هدف استانبول برای تبدیل شدن به یک مرکز مالی جذاب جهانی حمایت می شود.

افزایش پذیرش صنعت رمزنگاری در ترکیه

قرار دادن ارائه ارز دیجیتال لیر در برنامه سالانه ریاست جمهوری برای سال 2020 ترکیه، در ادامه نقشه راه اقتصادی این کشور برای 2023-2019 است که در جولای 2019 تدوین و منتشر شد. علاوه بر طرح CBDC،  دولت ترکیه علاقمند به استفاده از فناوری بلاک چین در صنعت حمل و نقل، خدمات عمومی و اداری است.

در ماه سپتامبر دولت ترکیه اعلام کرد برنامه هایی را برای ایجاد زیرساخت بلاک چین ملی برای استقرار فناوری دفتر توزیع شده در سطح مدیریت های عمومی دارد.

ایمان کیمیایی

مقالات مرتبط

توصیه بزرگ‌ترین بانک خصوصی برزیل برای تخصیص ۳ درصد از سبد دارایی به بیت‌کوین در سال ۲۰۲۶

شرکت مدیریت دارایی ایتائو، بازوی سرمایه‌گذاری بانک ایتائو یونیبانکو، بزرگ‌ترین بانک خصوصی…

راهنمای استفاده از ربات‌های تریدر مبتنی بر هوش مصنوعی

مبنای اصلی هوش مصنوعی شامل سه روش یادگیری تحت نظارت (یادگیری از داده‌های برچسب‌خورده) ، یادگیری بدون نظارت (پیدا کردن الگوها در داده‌های بدون برچسب) و یادگیری تقویتی (یادگیری از طریق آزمون و خطا) است. ربات‌های معامله‌گر ارز رمزنگاری از این روش‌های یادگیری ماشین به شکل‌های مختلف استفاده می‌کنند: مدل‌های یادگیری تحت نظارت با بررسی داده‌های گذشته، حرکت قیمت‌ها را پیش‌بینی می‌کنند، مدل‌های یادگیری بدون نظارت الگوهای رفتاری مشابه را شناسایی و دسته‌بندی می‌کنند والگوریتم‌های یادگیری تقویتی استراتژی‌های معاملاتی را در لحظه تنظیم و بهینه می‌کنند.

آیا کاهش تعداد اعتبارسنج‌های شبکه سولانا تهدیدی برای امنیت آن است

تعداد اعتبارسنج‌های شبکه سولانا در سه سال گذشته بیش از ۶۸ درصد کاهش یافته است و از ۲۵۰۰ نود به حدود ۸۰۰ نود رسیده است. این کاهش شدید در تعداد اعتبارسنج‌ها باعث شکل‌گیری بحث‌هایی شده مبنی بر اینکه آیا این افت می‌تواند امنیت و پایداری این شبکه بلاکچین را تهدید کند یا اینکه در واقع فرایندی طبیعی برای حذف نودهای غیرفعال و افزایش کارایی شبکه است.

دیدگاهتان را بنویسید