JP2024500137A - 電子市場取引を促進するためのマーケットプレイスオーケストレーションシステム - Google Patents

Abstract

マーケットプレイスを構成し、立ち上げるためのシステムおよび方法が開示される。この方法は、新しいマーケットプレイスの機会を特定すること、マーケットプレイスの機会データを受信すること、構成パラメータを決定すること、および新しいマーケットプレイス構成を実装する実現可能性を決定することを含み得る。新しいマーケットプレイスのアーキテクチャが決定され、マーケットプレイスオブジェクトが構成され得る。データリソース及びモデルにおけるそれらの構成が決定され、データリソースがマーケットプレイスオブジェクトに接続され得る。その後、新しいマーケットプレイスは、起動され得る。

Description

（関連出願への相互参照）
本出願は、２０２１年７月１６日に出願され、『SYSTEMS AND METHODS FOR CONTROLLING RIGHTSRATED TO DIGITAL KNOWLEDGE』と題する、ＰＣＴ出願第PCT/US2021/042050号（代理人整理番号：SFTX-0018-WO）の優先権の利益を主張する。

本出願は、２０２０年１２月１８日に出願され、『MARKET ORCHESTRATION SYSTEM FOR FACILITATING ELECTRONIC MARKETPLACE TRANSACTIONS』と題された米国特許仮出願第63／127，980号（代理人整理番号：SFTX-0016-P01）、『METHODS AND SYSTEMS FOR MANAGEMENT OF DIGITAL KNOWLEDGE』と題された米国特許仮出願第63/137,690号(代理人整理番号：SFTX-0019-P01)、および２０２１年７月１４日に出願され、『METHODS AND SYSTEMS FOR MANAGEMENT OF DIGITAL KNOWLEDGE』と題された米国特許仮出願第63/221,903号(代理人整理番号：SFTX-0019-P02)、の米国仮出願に対する優先権の利益を主張する。

前述の各出願は、その全体が参照により本明細書に組み込まれる。

（背景）
取引所やその他の市場は、幅広い資産クラスを含む取引に従事する意思のある取引相手を見つける能力を含め、その利害関係者に様々な重要な機能を提供しています。とりわけ、取引所取引によって、当事者は流動性の確保、（裁定取引などの）財務戦略の実行、（オプションや先物契約などの）リスク管理、資本の集約、ある資産クラスから別の資産クラスへの価値の変換、取引による利益への参加、行動の影響、（取引に関するデータストリームなどからの）洞察を行うことができます。ニューヨーク証券取引所（NYSE）やシカゴ・マーカンタイル取引所（CME）のような成功した市場は、世界経済の基本的な構成要素であり、新しい取引所は新しいカテゴリーのために定期的に出現している。取引所は、分散型ストレージ、キャッシング、高速ネットワーキング、アルゴリズム取引、ビッグデータ、データ統合、モデリングおよび分析、ロボットプロセス自動化、分散型台帳技術（DLT）、スマートコントラクト（スマート契約）、リアルタイムデータ収集、検索、資産のデジタル化などを含む、取引、プレゼンテーション、執行、報告、分析、和解およびその他の機能のための幅広い中核機能に対する情報技術基盤機能にますます依存している。当技術分野では、広範かつ拡大する資産クラスのための市場のインテリジェントなオーケストレーションを提供し、ますます多様化する利害関係者を巻き込む必要性が存在する。

デジタルでやり取りされる情報は非常に多く、その量は日々増え続けている。この情報には、企業秘密、ノウハウ、特許物質、著作物など、貴重で機密性の高い情報が含まれることがあります。これらの情報の中には、デジタル情報の閲覧、編集、変更、使用、送信、販売、購入、レンタル、レビュー、ライセンス、ソース提供などの制限を受けるものがあります（特許ライセンス、商標ライセンス、契約書、著作権ライセンスなどに対する制限など）。アクセス制限や制御制限を設定し実施することは困難であり、そのためのコンピュータベースのシステムには、システムの所有者や保守者の不正や信頼性のリスク、他者が不正にアクセスし、デジタル知識に不正にアクセス、コピー、編集、その他の改竄を行うリスクなどの潜在的欠陥がある。このように、デジタル知識を保存し、その便利で安全な制御を提供することができる知識システム用の暗号化された安全なブロックチェーンが必要とされているのである。

貸出取引は、住宅や教育、企業や政府のプロジェクトなど、さまざまなニーズに対して資金を提供し、貸し手が財務的リターンを得ることを可能にします。しかし、融資取引は、情報の不透明性や非対称性、リスクや不適切な行動の結果の転嫁によるモラルハザード、申請や交渉のプロセスの複雑さ、負担の大きい規制や政策体制、債務の担保や裏付けとなる財産の価値の判断の難しさ、事業体の信頼性や財務の健全性の判断の難しさなど、多くの問題をはらんでいる。

データ収集、予測、計画、取引実行など、市場活動への機械や自動エージェントの関与はますます増えています。これには、高速取引に使用されるような高性能なシステムも含まれます。このような市場の参加者の効率、速度、信頼性などを高めるために、市場を実現する機械を改善する方法とシステムが必要である。

多くの市場では、ブロックチェーンのような分散型台帳、ピアツーピアの交流モデル、マイクロトランザクションなどが、中央集権的な当局や仲介者を伴う従来のモデルに取って代わり、あるいは補完する形で、中央集権的ではなく分散化が進んでいます。人間の参加者や自動化されたエージェントを含む多数の参加者の間で、分散型取引を大規模に行うことを可能にする機械の改良が必要であるとされている。

暗号通貨などのブロックチェーン上では、ブロックの連鎖が大きくなるにつれて、非常に大きなハッシュ関数を計算するなど、エネルギー集約的な演算処理が求められるようになっています。プルーフ・オブ・ワークやプルーフ・オブ・ステークなどを用いたシステムでは、ブロックチェーンに記録された取引に対する集団的信頼を支える計算を行うために、コンピュータの処理能力を大規模に適用する「マイニング」作業が行われるようになった。

人工知能の多くの用途では、非常に多数の相互接続を持つ非常に大規模なニューラルネットワークが多数の入力に対して演算を行い、予測、分類、最適化、制御出力などの1つまたは複数の出力を生成する場合など、エネルギー集約型の演算処理も必要となる。

また、モノのインターネットやクラウドコンピューティングプラットフォームの発展により、デバイス、アプリケーション、それらの間の接続が急増し、サーバーなどのITコンポーネントを収容するデータセンターが、米国をはじめとする先進国のエネルギー消費のかなりの割合を占めている。

その結果、エネルギー消費はコンピューティングリソースの利用において大きな要因となり、エネルギーリソースとコンピューティングリソース（あるいは単に「エネルギーとコンピューティング」）は、入力、活動、出力などの要求、購入、提供、設定、管理など、さまざまな観点から収束し始めています。例えば、ビットコインなどの暗号通貨マイニングのような大規模なコンピューティングリソース施設を、ナイアガラの滝のような大規模な水力発電所に近接させるプロジェクトが実施されてる。

施設の所有者および運営者にとっての大きな課題は、施設の最適化に伴う不確実性であり、例えば、投入物のコストおよび利用可能性の変動（特に安定性の低い再生可能資源が関与する場合）、コンピューティングおよびネットワーク資源のコストおよび利用可能性の変動（ネットワーク性能が変動する場合など）などに起因する、エネルギーおよびコンピューティングリソースが適用される様々な最終市場における変動性および不確実性（暗号通貨の変動性、エネルギー市場の変動性、その他の様々な市場における価格の変動性、幅広い用途における人工知能の有用性の不確実性など）、その他の要素。

（概要）
本明細書で提供されるのは、マーケットプレイス（市場）のインテリジェントかつ自動化されたオーケストレーションのための方法、システム、およびその他の要素（任意でプラットフォームとして構成される）であり、様々な利害関係者が関わる広範な資産クラスに対して様々な実施形態で適用可能です。マーケットプレイスのオーケストレーションは、商品、サービス、または他のアイテムもしくは資産が交換される広範囲の市場タイプの特定、構成、および実行を可能にする。これらのマーケットプレイスは、伝統的な資産クラス（株式、商品、債券など）や非伝統的な資産クラス（人が提供するサービスや娯楽体験など）をサポートすることができる。従来の市場は、長期間にわたって確立され、一貫した資産セットで運営されるが、マーケットオーケストレーションは、カスタマイズ可能なパラメータを持つさまざまなマーケットプレイスの設定と実行を可能にし、取引に多くの必要な柔軟性をもたらすものである。

本開示の側面は、マーケットプレイスを構成し、立ち上げるための方法に関する。本方法は、処理システムによって、新規マーケットプレイスを促進する機会を特定することを含むことができる。本方法は、処理システムによって、マーケットプレイス機会データを受信することを含むことができる。マーケットプレイス機会データは、1つまたは複数の資産に関連する情報を含むことができる。本方法は、処理システムによって、新規マーケットプレイスで実装されるべき構成パラメータを決定することを含むことができる。本方法は、処理システムによって、新規マーケットプレイスで構成パラメータを実装する実現可能性を決定することを含むことができる。本方法は、処理システムによって、新規マーケットプレイスをサポートするためのデータベースを決定することを含むことができる。本方法は、処理システムによって、新規マーケットプレイスのアーキテクチャを決定することを含むことができる。本方法は、処理システムによって、選択されたデータベース環境内のデータの設計を決定することを含むことができる。本方法は、処理システムによって、マーケットプレイスオブジェクトを構成することを含むことができる。本方法は、処理システムによって、新規マーケットプレイスを接続することを含むことができる。

本開示の他の側面は、役割ベースのマーケットオーケストレーションデジタルツインを構成するための方法に関する。本方法は、処理システムによって、マーケットプレイスのデジタルツインを生成することを含み得る。デジタルツインは、市場の構造のデジタル表現であってもよい。本方法は、処理システムによって、マーケットプレイスに基づいて、役割のセット内の異なる役割の間の関係のセットを決定することを含むことができる。本方法は、処理システムによって、推論された関係に基づいて、役割の集合から役割のための設定の集合を決定することを含むことができる。本方法は、マーケットプレイス構造内の推論された関係を使用して、役割のセットのための設定のセットを提供することを含むことができる。本方法は、一組のアイデンティティを役割にリンクさせることを含むことができる。本方法は、処理システムによって、アイデンティティにリンクされている少なくとも1つの役割の設定に基づいて、役割に対応する役割ベースのマーケットオーケストレーションデジタルツインのプレゼンテーション層の構成を決定することを含むことができる。プレゼンテーション層の構成システムは、役割に関連する役割ベースのマーケットオーケストレーションデジタルツインに描かれる状態のセットを定義してもよい。本方法は、処理システムによって、状態のセットに対応するデータを提供するデータソースのセットを決定することを含むことができる。各データソースは、1つまたは複数のそれぞれのタイプのデータを提供することができる。本方法は、1つまたは複数のデータソースから受信されるデータを格納する1つまたは複数のデータ構造を構成することを含むことができる。つまたは複数のデータ構造は、役割ベースのマーケットプレイスオーケストレーションデジタルツインの状態のセットの1つまたは複数を入力するために使用されるデータを提供するように構成される場合がある。本方法は、一組のアイデンティティを一組の役割にリンクさせることを含むことができる。実施形態において、各アイデンティティは、役割のセットからのそれぞれの役割に対応し得る。実施形態において、役割ベースのマーケットオーケストレーションデジタルツインは、マーケットオーケストレーションプラットフォームにおける変更が役割ベースのマーケットオーケストレーションデジタルツインに自動的に反映されるように、役割ベースのマーケットオーケストレーションデジタルツイン上で動作するマーケットオーケストレーションプラットフォームと統合してもよい。実施形態において、役割のセットのための設定のセットは、役割ベースの許可設定を含む。実施形態において、役割のセットのための設定のセットは、役割に基づくプリファレンス設定を含む。実施形態において、役割ベースのプリファレンス設定は、役割固有のテンプレートのセットに基づいて構成される。実施形態では、テンプレートのセットは、トレーダーテンプレート、マーケットプレイスホストテンプレート、ブローカーテンプレート、バイヤーテンプレート、およびセラーテンプレートのうちの少なくとも1つを含む。実施形態において、役割のセットのための設定のセットは、役割ベースのタクソノミー設定を含む。実施形態において、タクソノミー設定は、役割ベースのデジタルツインに対応する役割にリンクされるタクソノミーでデータが提示されるように、役割ベースのデジタルツインで提示されるデータを特徴付けるために使用されるタクソノミーを特定する。実施形態において、タクソノミーのセットは、トレーダーテンプレート、マーケットプレイスホストテンプレート、ブローカーテンプレート、バイヤーテンプレート、及びセラーテンプレートのうちの少なくとも1つを含む。実施形態では、少なくとも1つの役割は、トレーダー役割、マーケットプレイスホスト役割、ブローカー役割、買い手役割、および売り手役割の中から選択される。実施形態において、少なくとも1つの役割は、マーケットメーカー役割、マーケットアナリスト役割、取引所管理者役割、ブローカーディーラー役割、取引役割、和解役割、契約カウンターパーティ役割、為替レート設定役割、マーケットプレイスオーケストレーション役割、市場構成役割、および契約構成役割のうちから選択される。実施形態では、役割は、最高マーケティング責任者の役割、製品開発の役割、サプライチェーンマネージャーの役割、顧客の役割、サプライヤの役割、ベンダーの役割、需要管理の役割、マーケティングマネージャーの役割、セールスマネージャーの役割、サービスマネージャーの役割、需要予測の役割、小売マネージャーの役割、倉庫マネージャーの役割、販売員の役割、流通センターマネージャーの役割の中から選択される。

本発明の他の側面は、インテリジェントエージェントを構成するための方法に関する。本方法は、一組のデータソースからデジタルツインデータを受信することを含み得る。デジタルデータは、マーケットプレイスに関連する一組の監視対象物理エンティティを監視する一組のセンサから受信されるセンサデータを含んでもよく、センサデータは一組のネットワークエンティティによって輸送される。デジタルデータは、マーケットプレイス資産のセットによって生成されるマーケットプレイスデータストリームを含んでもよく、マーケットプレイス資産は、マーケットプレイスに関連する物理的エンティティおよびマーケットプレイスに関連するデジタルエンティティのうちの少なくとも1つを含んでいる。本方法は、デジタルツインデータを、複数の異なる役割ベースのデジタルツインを提供するように構成されたデジタルツインデータ構造のセットに構造化することを含むことができる。本方法は、クライアントアプリケーションから役割ベースのデジタルツインの要求を受信することを含むことができる。実施形態において、役割ベースのデジタルツインは、マーケットプレイス内の定義された役割に関して構成される。本方法は、役割ベースのデジタルツインに描かれる状態のセットに対応する構造化デジタルツインデータのサブセットを決定することを含むことができる。本方法は、構造化されたデジタルツインデータのサブセットをクライアントアプリケーションに提供することを含むことができる。本方法は、クライアントアプリケーションからインテリジェントエージェント訓練データセットを受信することを含み得、各インテリジェントエージェント訓練データセットは、クライアントアプリケーションを使用してユーザが取ったそれぞれのアクションと、それぞれのアクションに対応する1つまたは複数の特徴とを示す。本方法は、インテリジェントエージェント訓練データセットに基づき、ユーザに代わってインテリジェントエージェントを訓練することを含み得る。実施形態において、インテリジェントエージェントは、ユーザに代わって実行されるアクションを決定するように構成される。実施形態において、決定されたアクションは、ユーザに推奨されるか、またはユーザに代わって自動的に実行される。実施形態において、役割は、トレーダー役割、マーケットプレイスホスト役割、ブローカー役割、買い手役割、及び売り手役割のうちから選択される。実施形態では、役割は、マーケットメーカーの役割、取引所管理者の役割、ブローカーディーラーの役割、取引の役割、和解の役割、契約の相手方の役割、為替レートの設定の役割、マーケットプレイスオーケストレーションの役割、市場設定の役割、および契約の設定の役割の中から選択される。実施形態において、役割は、最高マーケティング責任者の役割、製品開発の役割、サプライチェーンマネージャーの役割、顧客の役割、サプライヤの役割、ベンダーの役割、需要管理の役割、マーケティングマネージャーの役割、セールスマネージャーの役割、サービスマネージャーの役割、需要予測の役割、小売マネージャーの役割、倉庫マネージャーの役割、販売員の役割、流通センターマネージャーの役割の中から選択される。実施形態において、インテリジェントエージェント訓練データは、役割の実行中にユーザによる専門家の集合との対話の集合を示す対話訓練データを含む。実施形態において、インテリジェントエージェントを訓練するために使用されるインタラクションのセットは、物理的エンティティとのユーザのインタラクションを含む。実施形態において、インテリジェントエージェントを訓練するために使用される一連の相互作用は、役割ベースのデジタルツインとユーザーの相互作用を含む。実施形態において、インテリジェントエージェントを訓練するために使用される相互作用のセットは、役割ベースのデジタルツインに描かれたセンサーデータとのユーザーの相互作用を含む。実施形態において、人工知能システムを訓練するために使用される一連の相互作用は、物理的エンティティによって生成されたデータストリームとの専門家の相互作用を含む。実施形態において、インテリジェントエージェントシステムを訓練するために使用される一連の相互作用は、1つまたは複数の計算エンティティとの専門家の相互作用を含んでいる。実施形態において、インテリジェントエージェントを訓練するために使用されるインタラクションのセットは、ユーザと1つ以上のネットワークエンティティとのインタラクションを含んでいる。実施形態において、インテリジェントエージェントは、以下からなる群から選択されるアクションを決定するように訓練される：資産の選択、資産の価格設定、マーケットプレイスの構成、マーケットプレイスへの資産の掲載、マーケットプレイスに掲載された資産に関連する情報のアップロード、取引相手の特定、取引相手の選択、機会の特定、機会の選択、交渉の実施、新規マーケットプレイスの必要性を特定する、資産をデジタル的に検査する、資産を物理的に検査する、デジタルツインを構成する、注文要求を出す、スマートコントラクトを生成する、資産を物理的に配送する、資産を物理的に回収する、取引戦略の選択、取引を仲介する、資産の評価、及び注文照合を行う。実施形態において、インテリジェントエージェントは、ユーザによって取られたアクションに起因する結果の訓練セットで訓練される。実施形態において、成果の訓練セットは、財務成果、運用成果、障害成果、成功成果、パフォーマンス指標成果、出力成果、消費成果、エネルギー利用成果、資源利用成果、コスト成果、利益成果、収益成果、販売成果、及び生産成果のうちの少なくとも1つに関するデータを含む。実施形態において、インテリジェントエージェントは、システムのアーキテクチャの決定、状態に関する報告、イベントに関する報告、コンテキストに関する報告、条件に関する報告、モデルの決定、モデルの構成、モデルの投入、システムの設計、プロセスの設計、装置の設計、システムのエンジニアリング、装置のエンジニアリング、プロセスのエンジニアリング、製品のエンジニアリング、システムの維持、装置の維持、プロセスの維持、ネットワークの維持から選ばれたアクションを実行するように訓練される、システムを維持する、装置を維持する、プロセスを維持する、ネットワークを維持する、計算資源を維持する、装置を維持する、ハードウェアを維持する、システムを修理する、装置を修理する、プロセスを修理する、ネットワークを修理する、計算資源を修理する、装置を修理する、ハードウェアを修理する、システムを組む、装置を組む、プロセスを組む、ネットワークを組む、計算資源を組む、装置を組立てる、ソフトウェアを組む、価格を決める、システムを物理的に固定する、デバイスを物理的に固定する、物理的に安全なシステム、物理的に安全なデバイス、物理的に安全なネットワーク、物理的に安全な計算資源、物理的に安全な機器、物理的に安全なハードウェア、サイバーセキュリティシステム、サイバーセキュリティデバイス、プロセス、サイバーセキュリティネットワーク、サイバーセキュリティ計算資源、サイバーセキュリティ機器、サイバーセキュリティハードウェア、脅威を検出、障害を検出、システムのチューニング、デバイスのチューニング、プロセスを調整、ネットワークを調整、計算資源の調整、機器の調整ハードウェアのチューニング、システムの最適化、デバイスの最適化、プロセスの最適化、ネットワークの最適化、計算資源の最適化、機器の最適化、ハードウェアの最適化、システムの監視、デバイスの監視、プロセスの監視、ネットワークの監視、計算資源の監視、機器の監視、ハードウェアの監視、システムの構成、デバイスの構成、プロセスの構成、ネットワークの構成、計算資源の構成、機器の構成、及びハードウェアの構成。実施形態において、インテリジェントエージェントは、インテリジェントエージェントの出力のセットに関する定義された役割の少なくとも1つの専門家からのフィードバックを介して訓練され、構成されることの少なくとも一方である。実施形態において、専門家がフィードバックを提供するインテリジェントエージェントの出力のセットは、推奨、分類、予測、制御命令、入力選択、プロトコル選択、通信、警告、通信のターゲット選択、データ記憶選択、計算選択、設定、イベント検出、及び予測のうちの少なくとも1つを含む。実施形態において、少なくとも1つの専門家のフィードバックは、役割における専門家の専門知識を複製するようにインテリジェントエージェントを訓練するために勧誘される。実施形態において、少なくとも1人の専門家のフィードバックは、インテリジェントエージェントへの入力のセットを修正するために使用される。実施形態において、少なくとも1人の専門家のフィードバックは、インテリジェントエージェントによる少なくとも1つのエラーを特定し、特徴付けるために使用される。実施形態において、一組のエラーに関する報告は、専門家からのフィードバックに基づいてインテリジェントエージェントの再構成を可能にするために、インテリジェントエージェントのユーザに提供される。実施形態において、人工知能システムは、エラーの原因である入力を除去すること、人工知能システムのノードのセットを再構成すること、人工知能システムの重みのセットを再構成すること、人工知能システムの出力のセットを再構成すること、人工知能システム内の処理フローを再構成すること、人工知能システムに対する入力のセットを増強することの少なくとも1つを含む。実施形態において、インテリジェントエージェントは、成果の訓練セットに基づいて訓練され、市場において定義された役割を果たす個人に訓練及び指導の少なくとも一方を提供する。実施形態において、成果の訓練セットは、財務成果、運用成果、障害成果、成功成果、パフォーマンス指標成果、出力成果、消費成果、エネルギー利用成果、資源利用成果、コスト成果、利益成果、収益成果、販売成果、及び生産成果のうちの少なくとも1つに関連するデータを含む。実施形態において、本方法は、対話のトレーニングデータセットを解析して、対話のセットを解析する際にユーザによって行われた処理の種類を特定することをさらに含む。実施形態において、処理の種類は、音声情報を分析する際の音声処理、触覚処理、文字情報処理、運動処理、視覚処理、時空間処理、数学処理、および分析処理のセットから選択される。

本開示の他の側面は、エキスパートワーカーに報酬を与えるための方法に関する。本方法は、物理的エンティティのセットのデジタルツインをサポートする情報技術アーキテクチャを取ることを含み得る。実施形態において、情報技術アーキテクチャは、物理的エンティティのセットに関するセンサデータを提供するセンサのセットと、物理的エンティティのセットの少なくともサブセットによって生成されるデータストリームのセットと、データを処理するための計算エンティティのセットと、センサのセットおよびデータストリームのセットから得られるデータを輸送するためのネットワークエンティティのセットと、抽出するためのデータ処理システムセットと、を含む。本方法は、ネットワークエンティティによって輸送されるデータを、デジタルツインのソースであるリソースのセットに変換してロードすることを含むことができる。本方法は、人工知能システムを情報技術アーキテクチャと統合することを含んでもよく、人工知能システムは、市場の定義された役割のためのエキスパートワーカーのダブルとして動作するように構成される。実施形態において、エキスパートワーカーは、人工知能システムを訓練するための利益を提供される。実施形態において、利益は、人工知能システムの使用の結果に基づく報酬である。実施形態において、特典は、人工知能システムの生産性に基づく報酬である。実施形態において、利益は、人工知能システムの専門性の尺度に基づく報酬である。実施形態において、特典は、人工知能システムの作業によって生成される収益または利益の取り分である。実施形態において、報酬は、ブロックチェーン上で動作するスマートコントラクトを介して管理される。実施形態において、人工知能システムは、定義された役割の遂行中の特定の専門家ワーカーによる対話のセットを含むデータの訓練セットに基づいて訓練される。実施形態において、人工知能システムを訓練するために使用される一連の相互作用は、専門家と物理的実体との相互作用を含む。実施形態において、人工知能システムを訓練するために使用される一連の相互作用は、デジタルツインとの専門家の相互作用を含む。実施形態において、人工知能システムを訓練するために使用される一連の相互作用は、専門家とセンサーデータとの相互作用を含む。実施形態において、人工知能システムを訓練するために使用される相互作用のセットは、物理的エンティティによって生成されたデータストリームとの専門家の相互作用を含む。実施形態において、人工知能システムを訓練するために使用される相互作用のセットは、専門家と計算エンティティとの相互作用が含まれる。実施形態において、人工知能システムを訓練するために使用される相互作用のセットは、ネットワークエンティティとの専門家の相互作用を含む。実施形態において、人工知能システムは、資産の選択、資産の価格設定、マーケットプレイスの設定、マーケットプレイスへの資産の掲載、マーケットプレイスに掲載された資産に関連する情報のアップロード、カウンターパーティーの特定、カウンターパーティーの選択、機会の特定、機会からなる群から選択されるアクションを決定するために相互作用に基づき訓練される、機会の選択、交渉の実行、新規マーケットプレイスの必要性の特定、資産のデジタル検査、資産の物理的検査、デジタルツインの構成、注文要求の発注、スマートコントラクトの生成、資産の物理的配達、資産の物理的回収、取引戦略の選択、取引の仲介、資産の評価、および注文のマッチング。実施形態において、インタラクションのトレーニングセットは、一組の情報に基づくエキスパートワーカーの推論の連鎖を特定するために解析され、推論の連鎖は、人工知能システムの構成に具体化される。実施形態において、推論の連鎖は、エキスパートワーカーの推論のタイプを識別するために解析され、推論のタイプは、人工知能システムの構成のための基礎として使用される。実施形態において、推論の連鎖は、データのセットからの推論の演繹的な連鎖である。実施形態において、人工知能システムは、システムのアーキテクチャを決定すること、ステータスについて報告すること、イベントについて報告すること、コンテキストについて報告すること、条件について報告すること、モデルを決定すること、モデルを構成すること、モデルを入力すること、システムを設計すること、プロセスを設計すること、装置を設計すること、システムをエンジニアリングすること、装置をエンジニアリングすること、プロセスをエンジニアリングすること、製品をエンジニアリングすること、システムを維持すること、装置を維持すること、プロセスを維持する、システムを維持する、装置を維持する、プロセスを維持する、ネットワークを維持する、計算資源を維持する、装置を維持する、ハードウェアを維持する、システムを修理する、装置を修理する、プロセスを修理する、ネットワークを修理する、計算資源を修理する、装置を修理する、ハードウェアを修理する、システムを組む、装置を組む、プロセスを組む、ネットワークを組む、計算資源を組む、装置を組立てる、ソフトウェアを組む、価格を決める、システムを物理的に固定する、デバイスを物理的に固定する、物理的に安全なシステム、物理的に安全なデバイス、物理的に安全なネットワーク、物理的に安全な計算資源、物理的に安全な機器、物理的に安全なハードウェア、サイバーセキュリティシステム、サイバーセキュリティデバイス、プロセス、サイバーセキュリティネットワーク、サイバーセキュリティ計算資源、サイバーセキュリティ機器、サイバーセキュリティハードウェア、脅威を検出、障害を検出、システムのチューニング、デバイスのチューニング、プロセスを調整、ネットワークを調整、計算資源の調整、機器の調整システムの最適化、デバイスの最適化、プロセスの最適化、ネットワークの最適化、計算資源の最適化、機器の最適化、ハードウェアの最適化、システムの監視、デバイスの監視、プロセスの監視、ネットワークの監視、計算資源の監視、機器の監視、ハードウェアの監視、システムの構成、デバイスの構成、プロセスの構成、ネットワークの構成、計算資源の構成、機器の構成、およびハードウェアの構成、の中から選ばれた動作を行うように訓練されている。

本開示の他の態様は、AIエンボディドワークフォース（労働力）ダブルをデジタルツインデータ処理アーキテクチャに統合する方法に関する。本方法は、物理的エンティティのセットのデジタルツインをサポートする情報技術アーキテクチャを取ることを含み得る。実施形態では、アーキテクチャは、物理的エンティティのセットに関するセンサデータを提供するセンサのセットと、物理的エンティティのセットの少なくともサブセットによって生成されるデータストリームのセットと、データを処理するための計算エンティティのセットと、センサのセットおよびデータストリームのセットから得られるデータを輸送するためのネットワークエンティティのセットと、ネットワークエンティティによって輸送されるデータを抽出、変換およびロードしてデジタルツインのリソースであるセットのリソースにするデータ処理システムセットと、を備える。本方法は、人工知能システムを情報技術アーキテクチャと統合することを含み得る。実施形態において、人工知能システムは、市場の定義された役割のセットを含む定義されたマーケットプレイスオーケストレーションワークフォースのダブルとして動作するように構成される。実施形態において、人工知能システムは、定義された役割のセットの実行中の定義されたワークフォースのメンバーによる相互作用のセットを含むデータの訓練セットに基づいて訓練される。実施形態において、人工知能システムを訓練するために使用される相互作用のセットは、ワークフォースと物理的実体との相互作用を含む。実施形態において、人工知能システムを訓練するために使用される一連の相互作用は、デジタルツインとのワークフォースの相互作用を含む。実施形態において、人工知能システムを訓練するために使用されるインタラクションのセットは、センサデータとのワークフォースのインタラクションを含む。実施形態において、人工知能システムを訓練するために使用される相互作用のセットは、物理的エンティティによって生成されたデータストリームとのワークフォースの相互作用を含む。実施形態において、人工知能システムを訓練するために使用される一組の相互作用は、計算エンティティとのワークフォースの相互作用を含む。実施形態において、人工知能システムを訓練するために使用される相互作用のセットは、ネットワークエンティティとのワークフォースの相互作用を含む。実施形態において、相互作用の訓練セットは、一組の情報に基づく作業員の動作の連鎖を特定するために解析され、推論の連鎖は、人工知能システムの構成に具現化される。実施形態において、相互作用のトレーニングセットは、一組の情報に対するワークフォースの処理の種類を識別するために解析され、処理の種類は、人工知能システムの構成に具現化される。実施形態において、人工知能システムは、資産の選択、資産の価格設定、マーケットプレイスの構成、マーケットプレイスへの資産の掲載、マーケットプレイスに掲載された資産に関連する情報のアップロード、カウンターパーティの識別、カウンターパーティの選択、機会の識別からなる群から選択されたアクションを決定するために、相互作用に基づいて訓練される、機会の選択、交渉の実行、新規マーケットプレイスの必要性の特定、資産のデジタル検査、資産の物理的検査、デジタルツインの構成、注文依頼、スマートコントラクトの生成、資産の物理的配達、資産の物理的回収、取引戦略の選択、取引の仲介、資産の評価、及び注文のマッチング。実施形態において、人工知能システムは、結果の訓練セットで訓練される。実施形態において、成果の訓練セットは、財務成果、運用成果、障害成果、成功成果、パフォーマンス指標成果、出力成果、消費成果、エネルギー利用成果、資源利用成果、コスト成果、利益成果、収益成果、販売成果、及び生産成果のうちの少なくとも1つに関するデータを含む。実施形態において、人工知能システムは、人工知能システムの出力のセットに関するワークフォースのメンバーからのフィードバックを介して訓練され、構成されることの少なくとも一方である。実施形態において、ワークフォースメンバーがフィードバックを提供する人工知能システムの出力のセットは、推奨、分類、予測、制御命令、入力選択、プロトコル選択、通信、警告、通信のターゲット選択、データ記憶選択、計算選択、構成、イベント検出、及び予測のうちの少なくとも1つを含む。実施形態において、ワークフォースメンバーのフィードバックは、定義された役割のセットにおけるワークフォースの動作を複製するように人工知能システムを訓練するために募集される。実施形態において、ワークフォースメンバーのフィードバックは、人工知能システムへの入力のセットを修正するために使用される。実施形態では、人工知能システムによる少なくとも1つのエラーを識別し、特徴付けるために、作業員メンバーのフィードバックが使用される。実施形態において、一組のエラーに関する報告は、フィードバックに基づいて人工知能システムの再構成を可能にするために、人工知能システムのマネージャに提供される。実施形態において、人工知能システムを再構成することは、エラーの原因である入力を除去すること、人工知能システムのノードのセットを再構成すること、人工知能システムの重みのセットを再構成すること、人工知能システムの出力のセットを再構成すること、人工知能システム内の処理フローを再構成すること、人工知能システムに対する入力のセットを増強すること、の少なくとも1つを含む。実施形態において、人工知能システムは、他の労働者が労働者の定義された役割のセット内の役割を実行できるように、訓練および指導の少なくとも一方を提供するように構成される。実施形態において、人工知能システムは、トレーニング及びガイダンスを強化するために、成果のトレーニングセットについて学習する。実施形態において、成果の訓練セットは、財務成果、運用成果、障害成果、成功成果、パフォーマンス指標成果、出力成果、消費成果、エネルギー利用成果、資源利用成果、コスト成果、利益成果、収益成果、販売成果、及び生産成果のうちの少なくとも1つに関するデータを含む。実施形態において、人工知能システムは、システムのアーキテクチャの決定、状態に関する報告、イベントに関する報告、コンテキストに関する報告、条件に関する報告、モデルの決定、モデルの構成、モデルの投入、システムの設計、プロセスの設計、装置の設計、システムのエンジニアリング、装置のエンジニアリング、プロセスのエンジニアリング、製品のエンジニアリング、システムの維持、装置の維持、プロセスの維持、ネットワークの維持から選ばれたアクションを行うように訓練されている、システムを維持する、装置を維持する、プロセスを維持する、ネットワークを維持する、計算資源を維持する、装置を維持する、ハードウェアを維持する、システムを修理する、装置を修理する、プロセスを修理する、ネットワークを修理する、計算資源を修理する、装置を修理する、ハードウェアを修理する、システムを組む、装置を組む、プロセスを組む、ネットワークを組む、計算資源を組む、装置を組立てる、ソフトウェアを組む、価格を決める、システムを物理的に固定する、デバイスを物理的に固定する、物理的に安全なシステム、物理的に安全なデバイス、物理的に安全なネットワーク、物理的に安全な計算資源、物理的に安全な機器、物理的に安全なハードウェア、サイバーセキュリティシステム、サイバーセキュリティデバイス、プロセス、サイバーセキュリティネットワーク、サイバーセキュリティ計算資源、サイバーセキュリティ機器、サイバーセキュリティハードウェア、脅威を検出、障害を検出、システムのチューニング、デバイスのチューニング、プロセスを調整、ネットワークを調整、計算資源の調整、機器の調整ハードウェアのチューニング、システムの最適化、デバイスの最適化、プロセスの最適化、ネットワークの最適化、計算資源の最適化、機器の最適化、ハードウェアの最適化、システムの監視、デバイスの監視、プロセスの監視、ネットワークの監視、計算資源の監視、機器の監視、ハードウェアの監視、システムの構成、デバイスの構成、プロセスの構成、ネットワークの構成、計算資源の構成、機器の構成、およびハードウェアの構成、。実施形態において、人工知能システムは、作業員が定義された役割を実行することを可能にするために、作業員に対して訓練および指導の少なくとも一方を提供するように構成される。実施形態において、人工知能システムは、トレーニングおよびガイダンスを強化するために、成果のトレーニングセットで学習する。実施形態において、成果の訓練セットは、財務成果、運用成果、障害成果、成功成果、パフォーマンス指標成果、出力成果、消費成果、エネルギー利用成果、資源利用成果、コスト成果、利益成果、収益成果、販売成果、及び生産成果のうちの少なくとも1つに関するデータを含む。実施形態において、成果は、労働者の行動のセットと人工知能システムの出力のセットとの間で比較される。実施形態において、比較は、作業員を訓練するために使用される。実施形態において、比較は、人工知能システムを改善するために使用される。実施形態において、ワークフォースの役割のセット内の少なくとも1つの役割は、トレーダー役割、マーケットプレイスホスト役割、ブローカー役割、買い手役割、および売り手役割のうちから選択される。実施形態において、ワークフォースは、サプライチェーン管理ワークフォースである。実施形態において、ワークフォースは、需要計画ワークフォースである。実施形態において、ワークフォースは、ロジスティクス計画ワークフォースである。実施形態において、ワークフォースは、ベンダーマネジメントワークフォースである。実施形態において、ワークフォースは、マーケットプレイスの仲介ワークフォースである。実施形態において、ワークフォースは、マーケットプレイスのためのトレーディングワークフォースである。実施形態において、ワークフォースは、マーケットプレイスのための貿易調整ワークフォースである。実施形態において、ワークフォースは、マーケットプレイスのための取引実行ワークフォースである。実施形態では、計算エンティティ及びネットワークエンティティは、収束した計算及びネットワークエンティティとして統合される。

本発明の他の側面は、ワークフォースデジタルツインを構成するための方法に関する。本方法は、デジタルマーケットプレイスオーケストレーション企業のデジタルツインにおいて、企業の組織構造を表現することを含むことができる。本方法は、組織構造内の一連の役割の間の関係を推論するために構造を解析することを含み、関係および役割は、デジタルマーケットプレイスオーケストレーションエンタープライズのワークフォースを定義することができる。本方法は、デジタルツインのプレゼンテーション層を構成して、デジタルマーケットプレイスオーケストレーションエンタープライズを、一連の属性及び関係を有するワークフォースのセットとして表現することを含むことができる。実施形態において、デジタルツインは、マーケットプレイスオーケストレーションプラットフォームにおける変更がデジタルツインに自動的に反映されるように、市場における役割のセットを表すデータ構造上で動作するマーケットプレイスオーケストレーションプラットフォームと統合する。実施形態において、ワークフォースは、マーケットプレイスのブローカーワークフォースである。実施形態において、ワークフォースは、マーケットプレイスのためのトレーディングワークフォースである。実施形態において、ワークフォースは、マーケットプレイスのための取引照合ワークフォースである。実施形態において、ワークフォースは、マーケットプレイスのための取引実行ワークフォースである。実施形態において、少なくとも1つのワークフォースの役割は、トレーダー役割、マーケットプレイスホスト役割、ブローカー役割、買い手役割、及び売り手役割の中から選択される。実施形態において、少なくとも1つのワークフォースの役割は、マーケットメーカーの役割、取引所管理者の役割、ブローカーディーラーの役割、取引の役割、和解の役割、契約の取引相手の役割、為替レートの設定の役割、マーケットプレイスオーケストレーションの役割、市場設定の役割、および契約の設定の役割の中から選択される。実施形態において、デジタルツインは、ワークフォースのためのトレーニングの推奨を表す。実施形態において、デジタルツインは、ワークフォースの増強のための推奨を表す。実施形態において、デジタルツインは、ワークフォースを含む一連の操作の構成のための推奨を提供する。実施形態において、デジタルツインは、ワークフォースの構成のための推奨を提供する。

本発明の他の態様は、市場の段階を認識するために訓練された機械学習および人工知能を活用するマーケットプレイスオーケストレーションプラットフォームに関連する。実施形態において、機械学習システムは、市場の特徴および結果からなる訓練データを使用して、市場の段階に関連する決定を出力するために、機械学習モデルのセットを訓練する。実施形態において、人工知能システムは、市場の段階に関連する決定に対する要求を受け取り、機械学習モデルのセットおよび要求に基づいて、市場の段階に関連する決定を生成する。実施形態において、市場の段階に関連する決定は、少なくとも部分的に、市場のパラメータを自動的に調整するために活用される。実施形態において、機械学習モデルのセットは、畳み込みニューラルネットワーク、リカレントニューラルネットワーク、フィードフォワードニューラルネットワーク、長期／短期記憶（LTSM）ニューラルネットワーク、自己組織化ニューラルネットワーク、およびこれらのハイブリッドおよび組合せを用いる。

本発明の他の側面は、マーケットオーケストレーションデジタルツインのプロパティを更新するための方法に関する。本方法は、1つまたは複数のデジタルツインの1つまたは複数のプロパティを更新する要求を受信することを含むことができる。本方法は、要求を満たすために必要な1つまたは複数のデジタルツインを取得することを含むことができる。本方法は、利用可能なデータソースのセットからデータソースを選択することを含むことができる。本方法は、選択されたデータソースからデータを取得することを含むことができる。本方法は、取得されたデータに基づいて、1つまたは複数のデジタルツインの1つまたは複数のプロパティを更新することを含むことができる。実施形態において、デジタルツインは、マーケットプレイスデジタルツイン、アセットデジタルツイン、トレーダーデジタルツイン、ブローカーデジタルツイン、環境デジタルツイン、及びマーケットプレイスホストデジタルツインの集合から選択される。実施形態において、1つまたは複数のデジタルツインの1つまたは複数の特性は、資産所有権に関連する。実施形態において、データソースは、モノのインターネット接続デバイス、マシンビジョンシステム、アナログ振動センサ、デジタル振動センサ、固定デジタル振動センサ、3軸振動センサ、1軸振動センサ、光学振動センサ、およびクロスポイントスイッチからなるセットから選択される。

本発明の別の態様は、トランザクションのセットに対する公平性スコアを生成するための方法に関する。本方法は、公平性エンジンによって、実行エンジンからトランザクションデータを受信することを含むことができる。本方法は、公平性エンジンによって、トランザクションの公正さを表す公平性スコアを計算することを含むことができる。実施形態において、公平性エンジンは、ユーザの集合に対する待ち時間の尺度の集合を決定または受信する実行タイミング公平性エンジンを含むことができる。実施形態において、実行タイミング公平性エンジンは、ばらつきのある待ち時間によって引き起こされる可能性のある不公平を緩和する設定パラメータまたは他の機能のセットを自動的に編成する。実施形態において、待ち時間の尺度のセットは、ネットワークの戻り時間をテストすることによって決定される。実施形態において、ネットワーク復帰時間をテストすることは、ping、アップロード速度、またはダウンロード速度を決定することを含み得る。実施形態において、一組のトランザクションは、公平性スコアが所定の閾値を超えることに基づいて実行される。

本発明の他の態様は、量子コンピューティングシステムに関する。実施形態において、量子コンピューティングシステムは、市場の集合を含む取引活動の集合をシミュレートすることによって、市場の集合の間、市場の集合の間、または市場の集合にまたがる交換レートを決定するように構成される。実施形態において、量子コンピューティングシステムは、量子回路モデル、量子チューリングモデル、断熱量子コンピュータ、一方向量子コンピュータ、量子アニーリング、量子セルラーオートノマ（quantum cellular autonoma）、および前述のハイブリッドおよび組み合わせのセットから選択されるモデルをサポートする。

本発明の別の態様は、カウンターパーティ戦略エンジンに関する。実施形態において、カウンターパーティ戦略エンジンは、市場の特徴および結果を含むトレーニングデータを使用して、カウンターパーティのセットによって採用される取引戦略に関連する決定を出力するために、機械学習モデルのセットをトレーニングする機械学習システムを含む。実施形態において、カウンターパーティ戦略エンジンは、カウンターパーティのセットによって採用される取引戦略に関連する決定の要求を受け取り、機械学習モデルのセットおよび要求に基づいて、カウンターパーティのセットによって採用される戦略に関連する決定を生成する、人工知能システムを含んでいる。実施形態において、取引戦略は、バイ・アンド・ホールド、株式ロング／ショート、資産配分、時間間ポートフォリオ選択、ペア取引、スイング取引、スキャルピング、デイトレード、ニュースベース、マーケットタイミング、ソーシャル取引、フロントランニング、チャートベース、コンピュータ科学ベース、自動／アルゴリズム、および前述のハイブリッドおよび組み合わせのセットから選択される。

本開示の別の態様は、類似のバイヤーをコホートターゲットのマーケットプレイスにグループ化するように訓練された機械学習及び／又は人工知能システムに関する。実施形態において、機械学習システムは、市場の特徴および結果を含むトレーニングデータを使用して、コーホートターゲットされた市場のための類似のバイヤーのセットを識別するために、機械学習モデルのセットをトレーニングする。実施形態において、人工知能システムは、類似のバイヤーのグループを識別する要求を受け取り、類似のバイヤーのグループを識別し、識別に基づいてコーホートターゲットされたマーケットプレイスを生成する。実施形態において、機械学習モデルのセットは、畳み込みニューラルネットワーク、リカレントニューラルネットワーク、フィードフォワードニューラルネットワーク、長期／短期記憶（LTSM）ニューラルネットワーク、自己組織化ニューラルネットワーク、および前記のハイブリッドおよび組合せを採用する。実施形態では、製品ウェブサイトのセットからのコンテンツが、機械学習モデルのセットに供給される場合があり、これらのモデルは、コホートを対象とする市場に関連する新しい製品またはサービスの提供を識別するように訓練される。

本開示の別の態様は、ニューラルネットワークの開発または選択プロセスを接続し、指示するように構成された量子コンピューティングシステムに関連する。実施形態において、量子コンピューティングシステムは、ニューラルネットワークが所望の出力を生成するように、ニューラルネットワークの重みを直接プログラムする。実施形態において、量子コンピューティングシステムは、量子回路モデル、量子チューリングモデル、断熱量子コンピュータ、一方向量子コンピュータ、量子アニーリング、量子セルラーオートノマ、および前記のハイブリッドおよび組み合わせのセットから選択されるモデルをサポートする。

本明細書の例示的な実施形態は、同じものの便利で安全な制御を提供するためにデジタル知識を格納することができる知識システムのための暗号的に安全なブロックチェーンを提供するシステム、手順、および態様を開示する。本明細書の例示的な方法およびシステムは、不動産評価の決定、エンティティの財務的健全性の信頼性、透明性、情報の対称性、および融資環境における申請および交渉プロセスにおける改善を提供する。本明細書の例示的な方法およびシステムは、市場を可能にする機械に対する改善を提供し、そのような市場の参加者に対する効率、速度、および／または信頼性の向上を提供するものである。本明細書の例示的な方法およびシステムは、データの収集、保存および処理、入力、リソース、および出力の自動構成、ならびにエネルギーおよび計算施設のための施設最適化のための手段に対する改善を提供するものである。

１つ以上の例示的な実施形態において、デジタル知識に関連する権利を制御するための知識流通システムが開示される。知識流通システムは、暗号的に安全な分散型台帳を介して、デジタル知識の保存、デジタル知識の売買、デジタル知識のトークン化、および／またはデジタル知識のレビュー／監査を可能にする知識用ブロックチェーンシステムであってよい。スマートコントラクトは、分散型台帳上で実装され、デジタル知識に対する権利の制御、デジタル知識の譲渡、およびデジタル知識に関連する契約に対する当事者の順守を行うことができる。知識システムのためのブロックチェーンは、第三者がデジタル知識に関連する情報をレビュー、監査、または検証することを容易にすることもできる。

知識の共有には、知識の共有によって利益を得る可能性のある当事者間の信頼がないなど、多くの現実的な障害が存在する可能性があります。デジタル知識流通システムにはプラットフォームがあり、取引相手が共有知識にアクセスできる範囲を高度に制御することで、知識共有のオーケストレーションを容易にすることができます。知識が安全で十分に管理されている場合であっても、知識の種類によっては、所有者が知識のセット全体を単一の相手方と共有することを望まない可能性があるほど敏感である。実施形態では、知識のサブセットの分割から生じる知識の集約、または関連する出力の自動処理を含む、知識のサブセットの処理および制御を容易にするデジタル知識流通システムのためのプラットフォームが開示される。

知識流通システムは、分散型台帳を作成し管理するように構成された台帳管理システムを含んでもよく、分散型台帳は、ネットワークのノード上に分散されてもよく、暗号を介してリンクされたブロックを含んでもよい。スマートコントラクトシステムは、分散型台帳と通信することができ、分散型台帳を介してスマートコントラクトを実装および管理するように構成されることができる。スマートコントラクトは、分散型台帳に格納されてもよく、トリガーイベントを含んでもよい。スマートコントラクトは、トリガーイベントの発生に応答して、デジタル知識に関してスマートコントラクトアクションを実行するように構成されてもよい。知識流通システムは、デジタル知識のインスタンスをユーザから受信するように構成される場合がある。デジタル知識は、デジタル知識のインスタンスが分散型台帳上でトークンとして操作され得るように、トークン化されてもよい。トークン化されたデジタル知識は、分散型台帳を介して保存されることができる。スマートコントラクトの当事者のコミットメントが処理されることがある。知識流通システムは、スマートコントラクトに従ってトークン化されたデジタル知識の制御権およびアクセス権を管理し、トリガーイベントに応答してスマートコントラクトアクションを管理するように構成されてもよい。

以下の例示的な特徴のうちの1つ以上が含まれ得る。デジタル知識は、スマートコントラクトが分散型台帳に埋め込まれた知的財産に対する知的財産ライセンス条項を埋め込み、分散型台帳上の操作を実行することで知的財産へのアクセスを提供し、知的財産ライセンス条項に対するスマートコントラクトの当事者のコミットメントを処理することができる知的財産を含むことができる。分散型台帳上のスマートコントラクトラッパーは、台帳上の操作が知的財産の集約スタックに知的財産を追加することを可能にし、台帳上の操作が台帳内の当事者間でロイヤリティの配分に合意することを可能にし、台帳上の操作が知的財産の集約スタックに知的財産を追加することを可能にし、及び／又は台帳上の操作が契約条項への当事者のコミットを処理することを可能にするかもしれない。トークン化されたデジタル知識は、命令セットを含んでもよい。分散型台帳は、命令セットへの証明可能なアクセスを提供し、分散型台帳にトランザクションを記録する結果をもたらすシステム上で命令セットを実行するように構成されてもよい。トークン化されたデジタル知識は、実行可能なアルゴリズムロジック、3次元（3D）プリンタの命令セット、コーティングプロセスの命令セット、半導体製造プロセスの命令セット、ファームウェアプログラム、フィールドプログラマブルゲートアレイの命令セット、サーバレスコードロジック、結晶製造システムの命令セット、食品準備プロセスの命令セット、ポリマー製造プロセスの命令セット、化学合成プロセスの命令セット、生物製造プロセスの命令セット、デジタルツインのデータセット、および／またはエキスパートラッパー付き企業秘密を含んでいても良い。システムは、営業秘密の閲覧を、当事者のどの知識受領者が営業秘密を閲覧したかを証明するチェーンに集約するように構成されてもよい。知識流通システムは、分散型台帳またはデジタル知識に対して行われた操作に基づいて分析結果を報告するように構成された報告システムを含むことができる。分散型台帳は、分散型台帳上の操作が、少なくとも1つの命令を既存の命令セットに追加して修正された命令セットを提供することができる命令セットを集約するように構成されていてもよい。スマートコントラクトは、分散型台帳への命令サブセットの割り当てと、命令サブセットへのアクセスを管理するように構成されてもよい。分散型台帳は、ブロックの少なくとも1つに当事者に関連するデータを格納することによって、デジタル知識のインスタンスに貢献した当事者を記録するように構成されてもよい。知識流通システムは、ブロックの少なくとも1つにソースに関連するデータを格納することによって、デジタル知識のインスタンスのソースを記録するように構成される場合がある。分散型台帳は、認可された参加者のプライベートネットワークが、ブロックに追加される新しいブロックの検証に必要な暗号ベースのコンセンサスを確立するように構成されていてもよい。台帳管理システムは、分散台帳のブロックに追加される情報のクラウドソーシングを促進するように構成されてもよい。分散型台帳は、クラウドソーサーによるデジタル知識のインスタンスのレビューをブロックのブロックに格納するように構成されてもよい。分散型台帳は、クラウドソーサーによるデジタル知識のインスタンスの署名をブロックのブロックに保存するように構成されてもよい。分散型台帳は、クラウドソーサーによるデジタル知識のインスタンスの検証をブロックのブロックに保存するように構成されてもよい。台帳管理システムは、分散台帳のユーザ間で取引可能な暗号通貨トークンを確立するように構成されてもよい。知識流通システムは、知識流通システムのユーザに関連するユーザアカウントの作成および管理を容易にするように構成され得る、分散型台帳と通信するアカウント管理システムを含んでもよい。知識流通システムは、分散型台帳と通信するユーザインターフェースシステムを含み、知識流通システムのユーザにユーザインターフェースを提示するように構成され、ユーザインターフェースが、ユーザがデジタル知識のインスタンスに関連するデータを閲覧することを可能にすることができる場合がある。知識流通システムは、分散型台帳と通信するマーケットプレイスシステムを含み、デジタル知識のインスタンスに関連するデータを知識流通システムのユーザに視覚的に提示するように構成され得るデジタルマーケットプレイスを確立および維持するように構成され得る。知識流通システムは、分散型台帳と通信する知識データストアを含み、デジタル知識に関連するデータを格納するように構成され得る。知識流通システムは、分散型台帳と通信するクライアントデータストアを含み、知識流通システムのユーザに関連するデータを格納するように構成される場合がある。知識流通システムは、分散型台帳と通信するスマートコントラクトデータストアを含んでもよく、スマートコントラクトに関連するデータを格納するように構成されてもよい。前記知識流通システムは、前記分散型台帳と通信する報告システムを含み、前記トークン化されたデジタル知識を分析し、前記トークン化されたデジタル知識の分析に基づく分析結果を報告するように構成されていてもよい。前記スマートコントラクトは、パラメータ化可能なスマートコントラクトテンプレートを使用して生成されてもよい。前記スマートコントラクトは、トークン化されるデジタル知識のタイプに基づくパラメータを含んでもよい。パラメータは、財務パラメータ、ロイヤリティパラメータ、使用パラメータ、生成された出力パラメータ、対価の配分パラメータ、アイデンティティパラメータ、及び／又はアクセス条件パラメータを含み得る。

他の例示的な実施形態では、知識流通システムは、デジタル知識のアクセス、ライセンス、および所有権の管理および交換を容易にするために、分散型台帳およびスマートコントラクトを使用し得る。

他の例示的な実施形態では、デジタル知識に関連する権利を制御するためのコンピュータ実装の方法が開示される。本方法は、ネットワークのノード上に分散され、暗号を介してリンクされたブロックを含む分散型台帳を作成及び管理することを含み得る。スマートコントラクトは、分散型台帳を介して実装および管理されてもよく、スマートコントラクトは分散型台帳に格納されてもよく、トリガーイベントを含んでもよい。トリガーイベントの発生に応答して、デジタル知識に関してスマートコントラクトアクションが実行される場合がある。デジタル知識のインスタンスが受信されることがある。デジタル知識は、デジタル知識のインスタンスが分散型台帳上でトークンとして操作され得るように、トークン化されてもよい。トークン化されたデジタル知識は、分散型台帳を介して保存されることがある。スマートコントラクトに対する当事者のコミットメントが処理されてもよい。本方法は、スマートコントラクトに従って、トークン化されたデジタル知識の制御及びアクセスに対する権利の管理と、トリガーイベントに応答したスマートコントラクトアクションの管理とを含んでもよい。

以下の例示的な特徴のうちの1つまたは複数が含まれてもよい。スマートコントラクトに基づくトークン化されたデジタル知識の交換のための知識交換がオーケストレーションされることがある。トークン化されたデジタル知識の知識交換は、知識交換が他の交換の主題に関連する貴重な及び／又は機密性の高い知識の交換を促進する、他の交換と統合されてもよい。

他の例示的な実施形態では、デジタル知識に関連する権利を制御するための知識流通システムが開示される。知識流通システムは、分散型台帳を作成し管理するように構成された台帳管理システムを含むことができる。分散型台帳は、ネットワークのノード上に分散されてもよく、暗号を介してリンクされたブロックを含んでもよい。スマートコントラクトシステムは、分散型台帳と通信してよく、分散型台帳を介してスマートコントラクトを実装および管理するように構成されてもよい。スマートコントラクトは、分散型台帳に格納されてもよく、トリガーイベントを含んでもよい。スマートコントラクトは、トリガーイベントの発生に応答して、デジタル知識に関してスマートコントラクトアクションを実行するように構成されてもよい。知識流通システムは、オブジェクトを3Dプリントするための3次元（3D）プリンタ命令セットを含むデジタル知識のインスタンスを知識プロバイダデバイスから受信するように構成されていてもよい。デジタル知識は、デジタル知識のインスタンスが分散型台帳上でトークンとして操作され得るように、トークン化されることがある。トークン化されたデジタル知識は、分散型台帳を介して保存されることがある。スマートコントラクトに対する3Dプリンタ命令セットの知識提供者及び知識受領者のコミットメントが処理されてもよい。知識流通システムは、スマートコントラクトに従ってトークン化されたデジタル知識の制御権およびアクセス権を管理するように構成されてもよく、条件およびトリガーイベントに従ってスマートコントラクトアクションを管理してもよい。

以下の例示的な特徴のうちの1つ以上が含まれることがある。Dプリンタ命令セットは、3Dプリント概略図を含んでもよい。対象物は、カスタム部品、カスタム製品、製造部品、交換部品、玩具、医療機器、およびツールのうちの少なくとも1つであってもよい。知識受信者は、知識受信者デバイスを使用して、3Dプリンタ命令セットをダウンロードし使用することができる。知識受信者デバイスは、コンピューティングデバイス、サーバ、3Dプリンタ、および製造デバイスのうちの少なくとも1つであってもよい。知識受信者は、知識受信者デバイスを使用して、3Dプリンタ命令セットに対応するトークン化されたデジタル知識を購入することができる。知識流通システムは、知識流通システムと知識受領者の知識受領者デバイスとの間の接続を提供し得るアプリケーションプログラミングインターフェース（API）をリッスンするように構成されたイベントリスナーを含んでもよい。スマートコントラクトは、トークン化されたデジタル知識の制御権およびアクセス権に基づいて、3Dプリンタ命令セットが転送または使用され得る場合に、知識受信者が支払いを行うという条件をトリガするように構成されてもよい。トークン化されたデジタル知識の制御権およびアクセス権は、ユーザが3Dプリンタ命令セットの複数のインスタンスを使用して3Dプリントするための許可を含むことができる。トークン化されたデジタル知識の管理権およびアクセス権には、3Dプリンタの要件、対象物を3Dプリントできる期間、トークン化されたデジタル知識が下流の知識受領者に転送されるかどうか、対象物に関する保証、免責、補償、および証明のうちの少なくとも1つを含めることができる。トークン化されたデジタル知識の3Dプリンタ命令セットに関連する情報は、3Dプリンタ命令セットが購入、ダウンロード、および使用のうちの少なくとも1つを行ったときに、分散台帳上で変更されることがある。例では、3Dプリンタ命令セットに関連する情報は、起源、作成日、1つまたは複数の貢献した個人、グループ、および／または企業の名前、価格、関連する回路図の市場動向、シリアル番号、および部品識別子のうちの少なくとも1つを含むことがある。スマートコントラクトアクションは、3Dプリントされるオブジェクトへのシリアル番号の割り当て、トリガーイベントの監視、条件に基づく義務の履行の検証、トークン化されたデジタル知識の支払いおよび／または譲渡の検証、トークン化されたデジタル知識の譲渡、分散台帳に1つまたは複数のトランザクションを記録、分散台帳に関して1つまたは複数の操作を実行、分散台帳に1つまたは複数の新しいブロックを生成、のいずれかであっても良い。スマートコントラクトの動作は、条件がプリンタ要件、知識レシピエントの知識レシピエントデバイスから受け取った支払いまたは転送された通貨、およびトークン化されたデジタル知識の知識レシピエントデバイスへの転送のうちの1つであり得るスマートコントラクトで定義されたように条件が満たされることを検証することを含み得る。トークン化されたデジタル知識が知識受信者の知識受信者デバイスに転送され得る場合、3Dプリンタは、3Dプリンタ命令セットに従ってオブジェクトを印刷するように構成されてもよい。知識流通システムは、知識プロバイダによって提供された情報、条件、およびトリガーイベントの少なくとも1つに基づいてスマートコントラクトテンプレートをパラメトリ化するように構成され得るスマートコントラクト生成器を含み得る。

他の例示的な実施形態では、デジタル知識に関連する権利を制御するためのコンピュータ実装の方法が開示される。本方法は、ネットワークのノード上に分散され、暗号を介してリンクされたブロックを含む分散型台帳を作成及び管理することを含み得る。スマートコントラクトは、分散型台帳を介して実装および管理されてもよく、スマートコントラクトは分散型台帳に格納されてもよく、トリガーイベントを含んでもよい。トリガーイベントの発生に応答して、デジタル知識に関してスマートコントラクトアクションが実行される場合がある。本方法は、知識提供デバイスから、オブジェクトを3Dプリントするための3次元（3D）プリンタ命令セットを含むデジタル知識のインスタンスを受信することを含んでもよい。デジタル知識は、デジタル知識のインスタンスが分散型台帳上でトークンとして操作され得るように、トークン化されてもよい。トークン化されたデジタル知識は、分散型台帳を介して保存されることがある。スマートコントラクトに対する3Dプリンタ命令セットの知識提供者及び知識受領者のコミットメントが処理されてもよい。方法は、スマートコントラクトに従って、トークン化されたデジタル知識の制御権およびアクセス権を管理することと、条件およびトリガーイベントに従って、スマートコントラクトアクションを管理することとを含んでもよい。

以下の例示的な特徴のうちの1つ以上が含まれてもよい。スマートコントラクトを介したデジタル知識のインスタンスの要素は、クラウドソーシングであってもよい。デジタル知識のインスタンスの要素は、スマートコントラクトに従って、スマートコントラクトシステムによって管理されてもよい。

本明細書で提供されるのは、貸出エンティティおよびトランザクションを処理するためのデータ収集および監視サービス、ブロックチェーンサービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有する貸出トランザクション有効化プラットフォームである。このプラットフォームは、広範な専用ソリューションを可能にすることができ、これらは、データ収集およびストレージインフラを共有することができ、また、学習を強化し、自動化を可能にし、様々なソリューションにわたって適応型インテリジェンスを可能にするように、入力、イベント、活動、および出力を共有または交換し得る。

本開示の側面は、ライセンサーの1つまたは複数の人格権のライセンスを電子的に促進するための方法に関するものである。本方法は、利用可能なライセンサーのセットから人格権をライセンスする承認を得るために、ライセンシーからアクセス要求を受信することを含むことができる。本方法は、アクセス要求に基づいてライセンシーにアクセスを選択的に許可することを含むことができる。本方法は、ライセンシーから資金量の入金の確認を受け取ることを含むことができる。本方法は、ライセンシーによって入金された資金量に対応する量の暗号通貨をライセンシーの口座に発行することを含むことができる。本方法は、ライセンシーによるライセンサーの1つまたは複数の人格権のライセンスを管理するスマートコントラクトを作成するためのスマートコントラクト要求を受信することを含むことができる。スマートコントラクト要求は、ライセンサーの1つまたは複数の義務と引き換えにライセンサーに支払われる暗号通貨の対価額を含む1つまたは複数の条件を示すことができる。本方法は、スマートコントラクト要求に基づいてスマートコントラクトを生成することを含むことができる。本方法は、ライセンシーの口座から暗号通貨の対価額をエスクローすることを含む場合がある。本方法は、スマートコントラクトを分散型台帳にデプロイすることを含んでもよい。本方法は、スマートコントラクトによって、ライセンサーが1つまたは複数の義務を履行したことを検証することを含むことができる。本方法は、ライセンサーが1つまたは複数の義務を履行したことの検証を受けることに応答して、対価額の暗号通貨の少なくとも一部をライセンサーのライセンサー口座に解放することを含むことができる。本方法は、スマートコントラクトによって定義されたライセンス取引の完了を示す記録を分散型台帳に出力することを含むことができる。

本開示の他の態様は、ライセンサーの1つまたは複数の人格権のライセンスを電子的に促進するために構成されたシステムに関する。システムは、機械可読命令によって構成された1つまたは複数のハードウェアプロセッサを含み得る。プロセッサ（複数可）は、利用可能なライセンサーのセットから人格権をライセンスする承認を得るために、ライセンシーからアクセス要求を受け取るように構成されることがある。プロセッサ（複数可）は、アクセス要求に基づいてライセンシーにアクセスを選択的に許可するように構成される場合がある。プロセッサ（複数可）は、ライセンシーから金額の入金の確認を受け取るように構成される場合がある。プロセッサ（複数可）は、ライセンシーによって入金された資金量に対応する量の暗号通貨をライセンシーの口座に発行するように構成されている場合がある。プロセッサ（複数可）は、ライセンシーによるライセンサーの1つまたは複数の人格権のライセンスを管理するスマートコントラクトを作成するためのスマートコントラクト要求を受信するように構成されていてもよい。スマートコントラクト要求は、ライセンサーの1つまたは複数の義務と引き換えにライセンサーに支払われる暗号通貨の対価額を含む1つまたは複数の条件を示すことができる。プロセッサ（複数可）は、スマートコントラクト要求に基づいてスマートコントラクトを生成するように構成される場合がある。プロセッサ（複数可）は、ライセンシーの口座から対価額の暗号通貨をエスクローするように構成される場合がある。プロセッサ（複数可）は、スマートコントラクトを分散型台帳にデプロイするように構成されてもよい。プロセッサ（複数可）は、スマートコントラクトによって、ライセンサーが1つまたは複数の義務を履行したことを検証するように構成され得る。プロセッサ（複数可）は、ライセンサーが1つまたは複数の義務を履行したことの検証を受信したことに応答して、対価額の暗号通貨の少なくとも一部をライセンサーのライセンサー口座に放出するように構成される場合がある。プロセッサ（複数可）は、スマートコントラクトによって定義されたライセンス取引の完了を示すレコードを分散型台帳に出力するように構成されてもよい。

これらおよび他の特徴、ならびに本技術の特徴、ならびに構造の関連要素の操作方法および機能、ならびに部品の組み合わせおよび製造者の経済性は、添付の図面を参照して以下の説明および添付の請求項を考慮すればより明らかになるであろう（これらはすべてこの明細書の一部を構成し、同様の参照数字は種々の図における対応部分を指定する）。しかしながら、図面は、例示および説明の目的だけのためのものであり、本発明の限界の定義として意図されていないことが、明示的に理解されるであろう。本明細書および特許請求の範囲で使用されるように、単数形は、文脈から明らかにそうでないことが指示されない限り、複数を参照する場合を含む。本開示のより完全な理解は、以下の説明および添付の図面ならびに特許請求の範囲から理解されるであろう。

（添付図面の簡単な説明）
本開示及びその特定の実施形態の以下の詳細な説明は、以下の図を参照することによって理解され得る。

図１は、本開示の実施形態に従ったインテリジェントトランザクションを可能にするためのプラットフォームのコンポーネントの概略図である。

図２Ａ及び図２Ｂは、本開示の実施形態によるインテリジェントトランザクションを可能にするためのプラットフォームの追加のコンポーネントの概略図である。 図２Ａ及び図２Ｂは、本開示の実施形態によるインテリジェントトランザクションを可能にするためのプラットフォームの追加のコンポーネントの概略図である。

図３は、本開示の実施形態に従ったインテリジェントトランザクションを可能にするためのプラットフォームの追加コンポーネントの概略図である。

図４～図３１は、エキスパートシステム、自己組織化、機械学習、人工知能を含むものを含む知的取引を可能にし、本開示の実施形態に従って、パターン認識のため、１つ以上のパラメータ、特性、または現象の分類のため、自律制御のサポートのため、および他の目的のために訓練したニューラルネットシステムを含むプラットフォームによって接続され、統合されて、アクセスされ得るニューラルネットシステムの実施形態の模式図である。 図４～図３１は、エキスパートシステム、自己組織化、機械学習、人工知能を含むものを含む知的取引を可能にし、本開示の実施形態に従って、パターン認識のため、１つ以上のパラメータ、特性、または現象の分類のため、自律制御のサポートのため、および他の目的のために訓練したニューラルネットシステムを含むプラットフォームによって接続され、統合されて、アクセスされ得るニューラルネットシステムの実施形態の模式図である。 図４～図３１は、エキスパートシステム、自己組織化、機械学習、人工知能を含むものを含む知的取引を可能にし、本開示の実施形態に従って、パターン認識のため、１つ以上のパラメータ、特性、または現象の分類のため、自律制御のサポートのため、および他の目的のために訓練したニューラルネットシステムを含むプラットフォームによって接続され、統合されて、アクセスされ得るニューラルネットシステムの実施形態の模式図である。 図４～図３１は、エキスパートシステム、自己組織化、機械学習、人工知能を含むものを含む知的取引を可能にし、本開示の実施形態に従って、パターン認識のため、１つ以上のパラメータ、特性、または現象の分類のため、自律制御のサポートのため、および他の目的のために訓練したニューラルネットシステムを含むプラットフォームによって接続され、統合されて、アクセスされ得るニューラルネットシステムの実施形態の模式図である。 図４～図３１は、エキスパートシステム、自己組織化、機械学習、人工知能を含むものを含む知的取引を可能にし、本開示の実施形態に従って、パターン認識のため、１つ以上のパラメータ、特性、または現象の分類のため、自律制御のサポートのため、および他の目的のために訓練したニューラルネットシステムを含むプラットフォームによって接続され、統合されて、アクセスされ得るニューラルネットシステムの実施形態の模式図である。 図４～図３１は、エキスパートシステム、自己組織化、機械学習、人工知能を含むものを含む知的取引を可能にし、本開示の実施形態に従って、パターン認識のため、１つ以上のパラメータ、特性、または現象の分類のため、自律制御のサポートのため、および他の目的のために訓練したニューラルネットシステムを含むプラットフォームによって接続され、統合されて、アクセスされ得るニューラルネットシステムの実施形態の模式図である。 図４～図３１は、エキスパートシステム、自己組織化、機械学習、人工知能を含むものを含む知的取引を可能にし、本開示の実施形態に従って、パターン認識のため、１つ以上のパラメータ、特性、または現象の分類のため、自律制御のサポートのため、および他の目的のために訓練したニューラルネットシステムを含むプラットフォームによって接続され、統合されて、アクセスされ得るニューラルネットシステムの実施形態の模式図である。 図４～図３１は、エキスパートシステム、自己組織化、機械学習、人工知能を含むものを含む知的取引を可能にし、本開示の実施形態に従って、パターン認識のため、１つ以上のパラメータ、特性、または現象の分類のため、自律制御のサポートのため、および他の目的のために訓練したニューラルネットシステムを含むプラットフォームによって接続され、統合されて、アクセスされ得るニューラルネットシステムの実施形態の模式図である。 図４～図３１は、エキスパートシステム、自己組織化、機械学習、人工知能を含むものを含む知的取引を可能にし、本開示の実施形態に従って、パターン認識のため、１つ以上のパラメータ、特性、または現象の分類のため、自律制御のサポートのため、および他の目的のために訓練したニューラルネットシステムを含むプラットフォームによって接続され、統合されて、アクセスされ得るニューラルネットシステムの実施形態の模式図である。 図４～図３１は、エキスパートシステム、自己組織化、機械学習、人工知能を含むものを含む知的取引を可能にし、本開示の実施形態に従って、パターン認識のため、１つ以上のパラメータ、特性、または現象の分類のため、自律制御のサポートのため、および他の目的のために訓練したニューラルネットシステムを含むプラットフォームによって接続され、統合されて、アクセスされ得るニューラルネットシステムの実施形態の模式図である。 図４～図３１は、エキスパートシステム、自己組織化、機械学習、人工知能を含むものを含む知的取引を可能にし、本開示の実施形態に従って、パターン認識のため、１つ以上のパラメータ、特性、または現象の分類のため、自律制御のサポートのため、および他の目的のために訓練したニューラルネットシステムを含むプラットフォームによって接続され、統合されて、アクセスされ得るニューラルネットシステムの実施形態の模式図である。 図４～図３１は、エキスパートシステム、自己組織化、機械学習、人工知能を含むものを含む知的取引を可能にし、本開示の実施形態に従って、パターン認識のため、１つ以上のパラメータ、特性、または現象の分類のため、自律制御のサポートのため、および他の目的のために訓練したニューラルネットシステムを含むプラットフォームによって接続され、統合されて、アクセスされ得るニューラルネットシステムの実施形態の模式図である。 図４～図３１は、エキスパートシステム、自己組織化、機械学習、人工知能を含むものを含む知的取引を可能にし、本開示の実施形態に従って、パターン認識のため、１つ以上のパラメータ、特性、または現象の分類のため、自律制御のサポートのため、および他の目的のために訓練したニューラルネットシステムを含むプラットフォームによって接続され、統合されて、アクセスされ得るニューラルネットシステムの実施形態の模式図である。 図４～図３１は、エキスパートシステム、自己組織化、機械学習、人工知能を含むものを含む知的取引を可能にし、本開示の実施形態に従って、パターン認識のため、１つ以上のパラメータ、特性、または現象の分類のため、自律制御のサポートのため、および他の目的のために訓練したニューラルネットシステムを含むプラットフォームによって接続され、統合されて、アクセスされ得るニューラルネットシステムの実施形態の模式図である。 図４～図３１は、エキスパートシステム、自己組織化、機械学習、人工知能を含むものを含む知的取引を可能にし、本開示の実施形態に従って、パターン認識のため、１つ以上のパラメータ、特性、または現象の分類のため、自律制御のサポートのため、および他の目的のために訓練したニューラルネットシステムを含むプラットフォームによって接続され、統合されて、アクセスされ得るニューラルネットシステムの実施形態の模式図である。 図４～図３１は、エキスパートシステム、自己組織化、機械学習、人工知能を含むものを含む知的取引を可能にし、本開示の実施形態に従って、パターン認識のため、１つ以上のパラメータ、特性、または現象の分類のため、自律制御のサポートのため、および他の目的のために訓練したニューラルネットシステムを含むプラットフォームによって接続され、統合されて、アクセスされ得るニューラルネットシステムの実施形態の模式図である。 図４～図３１は、エキスパートシステム、自己組織化、機械学習、人工知能を含むものを含む知的取引を可能にし、本開示の実施形態に従って、パターン認識のため、１つ以上のパラメータ、特性、または現象の分類のため、自律制御のサポートのため、および他の目的のために訓練したニューラルネットシステムを含むプラットフォームによって接続され、統合されて、アクセスされ得るニューラルネットシステムの実施形態の模式図である。 図４～図３１は、エキスパートシステム、自己組織化、機械学習、人工知能を含むものを含む知的取引を可能にし、本開示の実施形態に従って、パターン認識のため、１つ以上のパラメータ、特性、または現象の分類のため、自律制御のサポートのため、および他の目的のために訓練したニューラルネットシステムを含むプラットフォームによって接続され、統合されて、アクセスされ得るニューラルネットシステムの実施形態の模式図である。 図４～図３１は、エキスパートシステム、自己組織化、機械学習、人工知能を含むものを含む知的取引を可能にし、本開示の実施形態に従って、パターン認識のため、１つ以上のパラメータ、特性、または現象の分類のため、自律制御のサポートのため、および他の目的のために訓練したニューラルネットシステムを含むプラットフォームによって接続され、統合されて、アクセスされ得るニューラルネットシステムの実施形態の模式図である。 図４～図３１は、エキスパートシステム、自己組織化、機械学習、人工知能を含むものを含む知的取引を可能にし、本開示の実施形態に従って、パターン認識のため、１つ以上のパラメータ、特性、または現象の分類のため、自律制御のサポートのため、および他の目的のために訓練したニューラルネットシステムを含むプラットフォームによって接続され、統合されて、アクセスされ得るニューラルネットシステムの実施形態の模式図である。 図４～図３１は、エキスパートシステム、自己組織化、機械学習、人工知能を含むものを含む知的取引を可能にし、本開示の実施形態に従って、パターン認識のため、１つ以上のパラメータ、特性、または現象の分類のため、自律制御のサポートのため、および他の目的のために訓練したニューラルネットシステムを含むプラットフォームによって接続され、統合されて、アクセスされ得るニューラルネットシステムの実施形態の模式図である。 図４～図３１は、エキスパートシステム、自己組織化、機械学習、人工知能を含むものを含む知的取引を可能にし、本開示の実施形態に従って、パターン認識のため、１つ以上のパラメータ、特性、または現象の分類のため、自律制御のサポートのため、および他の目的のために訓練したニューラルネットシステムを含むプラットフォームによって接続され、統合されて、アクセスされ得るニューラルネットシステムの実施形態の模式図である。 図４～図３１は、エキスパートシステム、自己組織化、機械学習、人工知能を含むものを含む知的取引を可能にし、本開示の実施形態に従って、パターン認識のため、１つ以上のパラメータ、特性、または現象の分類のため、自律制御のサポートのため、および他の目的のために訓練したニューラルネットシステムを含むプラットフォームによって接続され、統合されて、アクセスされ得るニューラルネットシステムの実施形態の模式図である。 図４～図３１は、エキスパートシステム、自己組織化、機械学習、人工知能を含むものを含む知的取引を可能にし、本開示の実施形態に従って、パターン認識のため、１つ以上のパラメータ、特性、または現象の分類のため、自律制御のサポートのため、および他の目的のために訓練したニューラルネットシステムを含むプラットフォームによって接続され、統合されて、アクセスされ得るニューラルネットシステムの実施形態の模式図である。 図４～図３１は、エキスパートシステム、自己組織化、機械学習、人工知能を含むものを含む知的取引を可能にし、本開示の実施形態に従って、パターン認識のため、１つ以上のパラメータ、特性、または現象の分類のため、自律制御のサポートのため、および他の目的のために訓練したニューラルネットシステムを含むプラットフォームによって接続され、統合されて、アクセスされ得るニューラルネットシステムの実施形態の模式図である。 図４～図３１は、エキスパートシステム、自己組織化、機械学習、人工知能を含むものを含む知的取引を可能にし、本開示の実施形態に従って、パターン認識のため、１つ以上のパラメータ、特性、または現象の分類のため、自律制御のサポートのため、および他の目的のために訓練したニューラルネットシステムを含むプラットフォームによって接続され、統合されて、アクセスされ得るニューラルネットシステムの実施形態の模式図である。 図４～図３１は、エキスパートシステム、自己組織化、機械学習、人工知能を含むものを含む知的取引を可能にし、本開示の実施形態に従って、パターン認識のため、１つ以上のパラメータ、特性、または現象の分類のため、自律制御のサポートのため、および他の目的のために訓練したニューラルネットシステムを含むプラットフォームによって接続され、統合されて、アクセスされ得るニューラルネットシステムの実施形態の模式図である。 図４～図３１は、エキスパートシステム、自己組織化、機械学習、人工知能を含むものを含む知的取引を可能にし、本開示の実施形態に従って、パターン認識のため、１つ以上のパラメータ、特性、または現象の分類のため、自律制御のサポートのため、および他の目的のために訓練したニューラルネットシステムを含むプラットフォームによって接続され、統合されて、アクセスされ得るニューラルネットシステムの実施形態の模式図である。

図３２は、本開示の実施形態による、インテリジェントエネルギーおよび計算施設、ホストインテリジェントエネルギーおよび計算施設リソース管理プラットフォーム、データソースのセット、エキスパートシステムのセット、市場プラットフォームのセットおよび外部リソースへのインターフェース、ならびにユーザーまたはクライアントシステムおよびデバイスのセットを含む環境のコンポーネントの模式図である。

図３３は、取引、財務、およびマーケットプレイス実現システムの構成要素と相互作用を示す。

図３４は、取引金融市場実現システムの一連のデータ処理レイヤーの構成要素と相互作用を示す図である。

図３５は、取引、金融、およびマーケットプレイス実現システムの適応型インテリジェンスとロボティックプロセスオートメーション機能を示している。

図３６は、取引、財務、マーケットプレイス実現システムの機会マイニング機能を示している。

図３７は、取引、金融、および市場を可能にするシステムの適応型エッジ計算管理およびエッジインテリジェンス機能を示している。

図３８は、トランザクション、金融、マーケットプレイス実現システムのプロトコル適応と適応型データストレージ機能を示す図である。

図３９は、取引財務市場実現システムのロボット運用分析能力を示す図である。

図４０は、イベントへのアクセス権のフォワードマーケットのためのブロックチェーンおよびスマートコントラクトプラットフォームを示す図である。

図４１は、イベントへのアクセス権のフォワードマーケットのためのブロックチェーンとスマートコントラクトプラットフォームのアルゴリズムとダッシュボードを示す図である。

図４２は、前方市場の需要集約のためのブロックチェーンおよびスマートコントラクトプラットフォームを示す図である。

図４３は、フォワードマーケットの需要集約のためのブロックチェーンおよびスマートコントラクトプラットフォームのアルゴリズムとダッシュボードを示す図である。

図４４は、イノベーションのためのクラウドソーシングのためのブロックチェ－ンとスマートコントラクトプラットフォームを示す図である。

図４５は、イノベーションのためのクラウドソーシングのためのブロックチェ－ンおよびスマートコントラクトプラットフォームのアルゴリズムとダッシュボードを示す図である。

図４６は、証拠のためのクラウドソーシングのためのブロックチェーンとスマ－トコントラクトのプラットフォームを示す図である。

図４７は、証拠のためのクラウドソーシングのためのブロックチェーンおよびスマートコントラクトプラットフォームのアルゴリズムおよびダッシュボードを示す図である。

図４８は、貸出エンティティおよびトランザクションを処理するためのデータ収集および監視サービスを含むデータ統合マイクロサービスのセットを有する貸出プラットフォームの実施形態のコンポーネントおよびインタラクションを描いている。

図４９は、一連の貸出ソリューションが、データ収集およびモニタリングサービス、適応型インテリジェントシステム、およびデータストレージシステムのデータ統合セットによってサポートされる貸出プラットフォームの実施形態のコンポーネントおよび相互作用を示す図である。

図５０は、貸出取引に関与する又は関連するエンティティに関する情報を収集、監視及び処理するためのデータ統合ブロックチェーンサービス、スマートコントラクトサービス、ソーシャルネットワーク分析サービス、クラウドソーシングサービス及びモノのインターネットデータ収集及び監視サービスのセットを有する貸出プラットフォームの実施形態の構成要素と相互作用を示す図である。

図５１は、ローン、債券、または債務取引のための資産のセット、担保のセット、および保証の少なくとも１つを監視するためのモノのインターネットとセンサープラットフォームを有する貸出プラットフォームのコンポーネントと相互作用を表しています。

図５２は、貸出取引に関与するエンティティに関連する情報を収集するためのクラウドソーシングシステムを有する貸出プラットフォームの構成要素と相互作用を示す図である。

図５３は、貸出プラットフォームによって実現されるクラウドソーシングワークフローの一実施形態を示す図である。

図５４は、モノのインターネットシステム、クラウドソーシングシステム、ソ－シャルネットワーク分析サービスのセット、及びデータ収集及び監視サービスのセットのうちの少なくとも１つを介して収集された情報に基づいてローンの金利を自動的に調整するスマートコントラクトシステムを有する貸付プラットフォームの実施形態の構成要素と相互作用を示す図である。

図５５は、監視された条件に基づいて自動的に債務を再編するスマートコントラクトを有する貸出プラットフォームの実施形態のコンポーネント及びインタラクションを示す図である。

図５６は、モノのインターネットシステムおよびソーシャルネットワーク分析システムを含む、融資のための保証の信頼性を検証するための一連のデータ収集および監視システムを有する融資プラットフォームのコンポーネントおよび相互作用を示す図である。

図５７は、融資のための一連の条件の交渉のためのロボットプロセス自動化システムを有する貸出プラットフォームの構成要素と相互作用を示す図である。

図５８は、ローン回収のためのロボットプロセス自動化システムを有する貸出プラットフォームの構成要素と相互作用を示す図である。

図５９は、一連のローンを統合するためのロボティックプロセスオートメーションシステムを有する貸出プラットフォームのコンポーネントおよびインタラクションを示す。

図６０は、ファクタリングローンを管理するためのロボティックプロセスオートメーションシステムを有する貸出プラットフォームの構成要素と相互作用を示す図である。

図６１は、住宅ローンを仲介するためのロボティックプロセスオートメーションシステムを有する貸出プラットフォームの構成要素と相互作用を示す。

図６２は、債券に対する発行者の条件を検証するためのクラウドソーシング及び自動分類システム、債券に関する条件を分類するための人工知能を有するソーシャルネットワーク監視システム、及び債券に関する条件を分類するための人工知能を有するモノのインターネットデータ収集及び監視システムを有する貸付プラットフォームの構成要素と相互作用を示す図である。

図６３は、ＩｏＴによって監視されるパラメータ、ソーシャルネットワーク分析システムによって決定されるパラメータ、またはクラウドソーシングシステムによって決定されるパラメータに基づいて、ローンの条件を管理するシステムを有する貸出プラットフォームのコンポーネントおよび相互作用を示す図である。

図６４は、一組のカストディ資産を管理するための自動ブロックチェーンカストディサービスを有する貸出プラットフォームの構成要素と相互作用を示す図である。

図６５は、貸出エンティティおよびトランザクションを引き受けるためのデータ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有するローンのための引受システムを有する貸出プラットフォームのコンポーネントおよび相互作用を示す図である。

図６６は、一連の見込み客にローンをマーケティングするための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有するローンマーケティングシステムを有する貸出プラットフォームのコンポーネントおよび相互作用を示す図である。

図６７は、ローン関連エンティティのセットを格付けするための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有する格付けシステムを有する貸付プラットフォームのコンポーネントおよび相互作用を示す図である。

図６８は、貸出取引に適用される法律、規制、およびポリシーの少なくとも１つに対するコンプライアンスを自動的に促進するための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有する規制および／またはコンプライアンスシステムを有する貸出プラットフォームのコンポーネントと相互作用を示す図である。

図６９は、ローン管理を自動化するためのシステムを示す図である。

図７０は、システムの一例を示したものである。

図７１は、融資の処理方法を示す図である。

図７２は、取引、金融、およびマーケットプレイスを可能にする適応型知能とボティックプロセスオートメーション機能のためのシステムを示している。

図７３は、スマートコントラクトの作成と担保の割り当てを自動化する方法を示す図である。

図７４は、融資を取り扱うシステムを示す図である。

図７５は、融資の処理方法を示す図である。

図７６は、適応型知能とロボティックプロセスオートメーションのためのシステムを示す図である。

図７７は、ローン作成管理方法を示す図である。

図７８は、トランザクション、金融、マーケットプレイスを可能にする適応型インテリジェンスとロボティックプロセスオートメーション機能のためのシステムを示している。

図７９は、取引、金融、市場活動のロボティックプロセスオートメーションの方法を示す図である。

図８０は、適応型知能とロボティックプロセスオートメーションのためのシステムを示す図である。

図８１は、取引、金融、市場活動を自動化する方法を示している。

図８２は、適応型知能ロボット処理のシステムを示す図である。

図８３は、ローン関連のアクションを実行するための方法を示す図である。

図８４は、適応型知能ロボット処理のシステムを示す図である。

図８５は、ローン関連のアクションを実行するための方法を示す図である。

図８６は、適応型知能ロボット処理のシステムを示す図である。

図８７は、ローン関連のアクションを実行するための方法を示す図である。

図８８は、融資の担保を管理するためのスマートコントラクトシステムを示す図である。

図８９は、融資のための担保を管理するスマートコントラクトの方法を示す図である。

図９０は、融資のための担保や保証人の条件を検証するシステムを示したものである。

図９１は、融資の際の担保や保証人の条件を検証するためのクラウドソーシングの方法を示したものである。

図９２は、ローンを修正するためのスマートコントラクトシステムを示す図である。

図９３は、ローンを修正するためのスマートコントラクトの方法を示す図である。

図９４は、ローンを修正するためのスマートコントラクトシステムを示す図である。

図９５は、ローンを修正するためのスマートコントラクトの方法を示す図である。

図９６は、ローンを修正するためのスマートコントラクトシステムを示す図である。

図９７は、ローンを修正するためのスマートコントラクトの方法を示す図である。

図９８は、融資に対する保証の条件を検証するための監視システムを示す図である。

図９９は、融資に対する保証の条件を検証するためのモニタリング方法を示す図である。

図１００は、融資交渉のためのロボティックプロセスオートメーションシステムを示す図である。

図１０１は、融資交渉のためのロボティックプロセスオートメーション方法を示す図である。

図１０２は、適応型知能とロボティックプロセスオートメーションのためのシステムを示す図である。

図１０３は、貸出回収方法を示す図である。

図１０４は、適応型知能とロボティックプロセスオートメーションのためのシステムを示す図である。

図１０５は、ローンの借り換え方法を示す図である。

図１０６は、適応型知能とロボティックプロセスオートメーションのためのシステムを示す図である。

図１０７は、ローン連結方法のための図である。

図１０８は、適応型知能とロボティックプロセスオートメーションのためのシステムを示す図である。

図１０９は、ローンファクタリングの方法を示す図である。

図１１０は、適応型知能とロボティックプロセスオートメーションのためのシステムを示す図である。

図１１１は、住宅ローンの仲介方法を示す図である。

図１１２は、適応型知能とロボティックプロセスオートメーションのためのシステムを示す図である。

図１１３は、債務管理の方法を示したものである。

図１１４は、適応型知能とロボティックプロセスオートメーションのためのシステムを示す図である。

図１１５は、債券の管理方法を示す図である。

図１１６は、債券に係る発行者の状態を監視するシステムを示す図である。

図１１７は、債券の発行者の状態を監視する方法を示す図である。

図１１８は、債券の発行者の状態を監視するためのシステムを示す図である。

図１１９は、債券の発行者の状態を監視する方法を示す図である。

図１２０は、補助金ローン自動管理システムを示す図である。

図１２１は、補助貸付条件を自動的に変更する方法を示す図である。

図１２２は、融資の条件を自動的に変更するシステムを示す図である。

図１２３は、補助ローン取引に関与するエンティティに関するソーシャルネットワーク情報を収集するための方法を示す図である。

図１２４は、クラウドソーシングを利用して補助金の取り扱いを自動化するためのシステムを示す図である。

図１２５は、補助貸付の取扱いを自動化する方法を示す図である。

図１２６は、資産アクセス制御のためのシステムを示す図である。

図１２７は、資産アクセス制御の方法を示す図である。

図１２８は、ローン差し押さえをシステムで自動処理する様子を示したものである。

図１２９は、担保の差し押さえを容易にする方法を示す図である。

図１３０は、エネルギー及びコンピューティングリソースプラットフォームの一例を示す図である。

図１３１は、設備データ記録の一例を示す図である。

図１３２は、人物データレコードのスキーマの一例を示す図である。

図１３３は、コグニティブプロセッシングシステムを示す図である。

図１３４は、リード生成システムがリードリストを生成するための処理を示す図である。

図１３５は、リード生成システムが、特定されたリードに対する設備出力を決定するためのプロセスを示す図である。

図１３６は、パーソナライズされたコンテンツを生成し、出力する処理を示す図である。

図１３７は、本開示のいくつかの実施形態による、デジタルツインを活用したトランザクション人工知能のための情報技術システムの一部の例を示す概略図である。

図１３８は、本開示のいくつかの実施形態による人格権のライセンス供与を容易にするコンプライアンスシステムを示す概略図である。

図１３９は、本開示のいくつかの実施形態によるコンプライアンスシステムの構成要素のセットの例を示す概略図である。

図１４０は、本開示のいくつかの実施形態による、ライセンサーの人格権をライセンスする目的で潜在的ライセンシーを審査する方法の一連の動作を示す図である。

図１４１は、本開示のいくつかの実施形態による、ライセンシーによるライセンサーの人格権のライセンスを容易にするための方法の一連の動作を示す図である。

図１４２は、本開示のいくつかの実施形態による、ライセンサーおよび／またはライセンシーによる規則または規制の潜在的回避を検出するための方法の一連の動作を示す図である。

図１４３は、ＡＩソリューションの選択方法を示す図である。

図１４４は、ＡＩソリューションの選択方法を示す図である。

図１４５は、組み立てられたＡＩソリューションの一例を示す図である。

図１４６は、ＡＩソリューションの選択方法を示す図である。

図１４７は、ＡＩソリューションの選択方法を示す図である。

図１４８は、ＡＩソリューション選択設定システムを示す図である。

図１４９は、ＡＩソリューション選択設定システムを示す図である。

図１５０は、ＡＩソリューション選択設定システムを示す図である。

図１５１は、部品構成回路を示す図である。

図１５２は、ＡＩソリューションの選択設定システムを示す図である。

図１５３は、人工知能モデルを選択し、設定するためのシステムを示す図である。

図１５４は、人工知能モデルを選択し、設定する方法を示す図である。

図１５５は、本開示の実施形態に係るデジタルツインシステムのアーキテクチャの例を示す概略図である。

図１５６は、本開示の実施形態によるデジタルツインマネジメントシステムの例示的な構成要素を示す概略図である。

図１５７は、本開示の実施形態による、結合されたコンポーネント間のデータの双方向転送を提供するために、環境、デジタルツインシステム、及び／又はそのコンポーネントとインターフェースするデジタルツインＩ／Ｏシステムの例を示す概略図である。

図１５８は、本開示の実施形態による、デジタルツインシステムが、知的システム（例えば、認知知能システム）又はデジタルツインシステムのユーザーによるアクセスのために識別及び／又は記憶し得る、産業環境に関連する識別状態の一例を示す模式図である。

図１５９は、クライアントアプリケーション及び／又は１つ以上の埋め込みデジタルツインに代わって本開示のデジタルツインのプロパティのセットを更新するための方法の例示的な実施形態を示す概略図である。

図１６０は、乾燥機遠心分離機に関連する情報を有する乾燥機遠心分離機のデジタルツインをレンダリングする本開示のディスプレイインターフェースの例示的な実施形態を示す図である。

図１６１は、クライアントアプリケーションに代わって、産業機械のデジタルツインにおけるベアリングなどの機械部品の振動故障レベル状態のセットを更新するための方法の例示的な実施形態を示す概略図である。

図１６２は、クライアントアプリケーションに代わって、機械のデジタルツインにおけるベアリングなどの機械部品の振動厳しさ単位値のセットを更新するための方法の例示的な実施形態を示す概略図である。

図１６３は、クライアントアプリケーションに代わって機械部品のデジタルツインにおける故障確率値のセットを更新するための方法の例示的な実施形態を示す概略図である。

図１６４は、クライアントアプリケーションに代わって、製造施設のデジタルツインにおける機械のダウンタイム確率値のセットを更新するための方法の例示的な実施形態を示す概略図である。

図１６５は、クライアントアプリケーションに代わって、企業のデジタルツインにおける製造設備の停止確率値のセットを更新するための方法の例示的な実施形態を示す概略図である。

図１６６は、製造施設のデジタルツインにおける機械のダウンタイム値のコストセットを更新するための方法の例示的な実施形態を示す概略図である。

図１６７は、クライアントアプリケーションに代わって、製造施設のデジタルツインにおいて１つ以上の製造ＫＰＩ値を更新するための方法の例示的な実施形態を示す概略図である。

図１６８は、本開示の実施形態による、デジタル知識の管理を容易にするための知識流通システム及び通信ネットワークの構成要素の概略図である。

図１６９は、本開示の実施形態に係る知識流通システムの台帳ネットワークを示す模式図である。

図１７０は、本開示の実施形態に係る知識流通システムのスマートコントラクト及びスマートコントラクトシステムの詳細を含む、図１６８の知識流通システムの概略図である。

図１７１は、本開示の実施形態に係る知識流通システムの複数のデータストアを示す模式図である。

図１７２は、本開示の実施形態による、知識流通システムを介して知識トークンおよび関連するスマートコントラクトを展開する方法を示す図である。

図１７３は、本開示の実施形態による、知識流通システムを介してデジタル知識を分配するスマートコントラクトの高レベルプロセスフローを実行する方法を示す図である。

図１７４は、本開示の実施形態によるデジタル知識の管理を容易にするための知識流通システム及び通信ネットワークのコンポーネントの別の実施形態の概略図である。

図１７５は、デジタル知識に関する権利を管理するための知識流通システムを示す図である。

図１７６は、デジタル知識に関する権利を制御するためのコンピュータに実装された方法を示している。

図１７７は、デジタル知識に関する権利を制御するためのコンピュータ実装の方法を示す図である。

図１７８は、デジタル知識に関する権利を制御するための知識流通システムを示す図である。

図１７９は、３Ｄプリンタの命令セットの構成要素の可能性を示す図である。

図１８０は、トークン化されたデジタル知識の可能なコンテンツを示している。

図１８１は、スマートコントラクトの可能なアクションを示したものである。

図１８２は、トリガーとなる事象について、考えられる条件を示したものである。

図１８３は、考えられる制御とアクセス権を示したものである。

図１８４は、想定されるトリガーイベントを示したものである。

図１８５は、デジタル知識に関する権利を制御するためのコンピュータで実装された方法を示している。

図１８６は、デジタル知識に関する権利を制御するためのコンピュータが実行する方法を示す図である。

図１８７は、クラウドソーシングの可能性を示したものである。

図１８８は、分散型台帳の内容として考えられるものを示したものである。

図１８９は、可能なパラメータを示したものである。

図１９０は、デジタル知識に関する権利を制御するための知識流通システムの一実施形態を示す図である。

図１９１～図１９６は、デジタル知識に関する権利を制御するための操作の実施形態を示す図である。 図１９１～図１９６は、デジタル知識に関する権利を制御するための操作の実施形態を示す図である。 図１９１～図１９６は、デジタル知識に関する権利を制御するための操作の実施形態を示す図である。 図１９１～図１９６は、デジタル知識に関する権利を制御するための操作の実施形態を示す図である。 図１９１～図１９６は、デジタル知識に関する権利を制御するための操作の実施形態を示す図である。 図１９１～図１９６は、デジタル知識に関する権利を制御するための操作の実施形態を示す図である。

図１９７は、本開示のいくつかの実施形態による、コンセンサス信頼スコアを使用して不正取引の可能性を特定し、そのような不正取引を防止するための信頼ネットワークを含む知識流通システムの例示的な実施形態を示す斜視図である。

図１９８は、本開示のいくつかの実施形態による、図１９７に例示された例示的な信託ネットワークの動作を記述する例示的な方法を示す図である。

図１９９は、本開示のいくつかの実施形態による、複数のノードコンピューティングデバイスを含む台帳ネットワークによって処理されているトランザクションを例示する斜視図である。

図２００は、本開示のいくつかの実施形態による、知識プロバイダおよび知識レシピエントがデジタル知識の移転に関連する商取引に従事することを可能にする環境を提供するように構成されたデジタル市場を含む知識流通システムの実施例を示す図式的な図である。

図２０１は、本開示のいくつかの実施形態による知識流通システムの様々なユーザー間の取引および商取引を可能にするように構成されたデジタルマーケットプレイスの例示的なユーザインタフェースを示す斜視図である。

図２０２は、本開示のいくつかの実施形態によるマーケットプレイスオーケストレーションシステムの例示的な実施形態の概略図である。

図２０３は、マーケットプレイスを構成し起動するためのマーケットプレイス構成システムを含む、マーケットオーケストレーションシステムの例示的な実施形態の概略図である。

図２０４は、本開示のいくつかの実施形態による、マーケットプレイスを構成し起動する方法の例示的な実施形態を示す概略図である。

図２０５は、ロボティックプロセスオートメーションに基づいて内部マーケットプレイスワークフローを自動化するように構成されたロボティックプロセスオートメーションシステムを含むマーケットオーケストレーションシステムの例示的な実施形態の略図である。

図２０６は、エッジ計算およびインテリジェンスを実行するように構成されたエッジデバイスを含むマーケットプレイスオーケストレーションシステムの例示的な実施形態の模式図である。

図２０７は、適応型エッジコンピューティングシステムのセットをマーケットプレイスオーケストレーションデジタルツインと統合するように構成されたデジタルツインシステムを含むマーケットプレイスオーケストレーションシステムの例示的な実施形態の模式図である。

図２０８は、デジタルツインシステムの構成を示す概略図である。

本明細書で利用されるサービス／マイクロサービス（及び類似の用語）という用語は、広義に理解されるべきである。本開示の他の態様または説明を制限することなく、サービス／マイクロサービスは、サービスの操作を機能的に実行するように構成された任意のシステム（またはプラットフォーム）を含み、ここで、システムは、データ収集回路、ブロックチェーン回路、人工知能回路、および／または貸出エンティティおよび取引を処理するためのスマートコントラクト回路などデータ統合型であってよい。サービス／マイクロサービスは、データの取り扱いを容易にし、データ抽出、変換およびロードのための設備、データクレンジングおよび重複排除設備、データ正規化設備、データ同期設備、データセキュリティ設備、計算設備（例えば、データストリームに対して予め定義された計算操作を実行し、出力ストリームを提供するための設備）、圧縮および解凍設備、分析設備（データ可視化の自動生産の提供など）、データ処理設備、および／またはデータストレージ設備（ストレージ保持、フォーマット、圧縮、移行などを含む）、ならびにその他が含んでもよい。

サービス／マイクロサービスは、コントローラ、プロセッサ、ネットワークインフラ、入出力デバイス、サーバ、クライアントデバイス（例えば、ラップトップ、デスクトップ、端末、モバイルデバイス、及び／又は専用デバイス）、センサ（例えば、１以上のエンティティ、機器、及び／又は担保に関連付けられたＩｏＴセンサ）、アクチュエータ（例えば、自動ロック、通知デバイス、照明、カメラ制御等）、前述のいずれか１以上の仮想化バージョン（例えば、クラウドストレージなどのアウトソーシングされたコンピューティングリソース、コンピューティング操作、仮想センサ、株価または商品価格、記録ログなどの収集される購読データ）、および／またはプロセッサによって実行されると、プロセッサにサービスの一つまたは複数の機能を実行させるコンピュータ可読命令として構成された構成要素を含む、などである。サービスは、多数のデバイスにわたって分散されてもよく、及び／又はサービスの機能は、サービスの所定の機能を実行するために協力する１つ又は複数のデバイスによって実行されてもよい。

サービス／マイクロサービスは、サービスを実行するシステムのコンポーネント（例えば、マイクロサービス）間、及びシステムの外部であるエンティティ（例えば、プログラム、ウェブサイト、ユーザデバイス等）との間の接続を容易にするアプリケーションプログラミングインターフェースを含んでもよい。本開示の他の態様を制限することなく、特定の実施形態に存在し得る例示的なマイクロサービスは、（Ａ）貸付取引に関連するエンティティに関する情報を収集し監視するデータ収集回路のマルチモーダルセット、（ｂ）貸付に関連するイベントの安全な履歴台帳を維持するためのブロックチェーン回路、ブロックチェーン回路は貸付に関係する一連の当事者によるアクセスを支配するアクセス制御機能を有する、（Ａ）マイクロサービス（アプリケーションプログラミング回路）。（ｃ）ローン関連イベント及びローン関連活動を処理するための一連のアプリケーションプログラミングインターフェース、データ統合サービス、データ処理ワークフロー及びユーザインターフェース、並びに（Ｄ）ローン条件、ローン関連イベント及びローン関連活動の少なくとも１つを支配するスマートコントラクトの条件を規定するためのスマートコントラクト回路。サービス／マイクロサービスのいずれかは、コントローラによって制御され、またはコントローラを制御することができる。特定のシステムは、サービス／マイクロサービスであるとみなされない場合がある。例えば、商品またはサービスに対して単に設定された費用を請求するＰＯＳ装置は、サービスでない場合がある。別の例では、財またはサービスのコストを追跡し、価値が変化したときに通知をトリガするサービスは、評価サービスそのものではないかもしれないが、評価サービスに依存することができ、および／または特定の実施形態において評価サービスの一部を形成することができる。所定の回路、コントローラ、またはデバイスは、回路、コントローラ、またはデバイスの機能または能力が本明細書に記載されるようなサービスまたはマイクロサービスをサポートするように構成される場合など、特定の実施形態においてサービスまたはサービスの一部であってもよいが、他の実施形態についてサービスまたはサービスの一部でなくてもよい（例えば、回路、コントローラ、またはデバイスの機能または能力が本明細書に記載されるようなサービスまたはマイクロサービスに関連していない場合）ことが分かる。別の例では、ユーザーによって操作されているモバイルデバイスは、第１の時点（例えば、ユーザーがモバイルデバイスからのアプリケーションまたは他の通信を介してサービスの機能にアクセスするとき、および／または監視機能がモバイルデバイスを介して実行されているとき）において本明細書に記載のサービスの一部を形成してもよく、第２の時点（例えば、取引の完了後、ユーザーのアプリケーションのアンインストール後、および／または監視機能が停止および／または別のデバイスに渡されたとき）ではサービスの一部を形成しなくてよい。したがって、本開示の利点は、多種多様なプロセスまたはシステムにおいて適用され得、任意のそのようなプロセスまたはシステムは、本明細書においてサービス（またはサービスの一部分）と見なされ得る。

本明細書の開示の利益と、その人が通常利用できる企図されたシステムに関する知識を有する当業者は、本開示のどの側面が特定のシステムに利益をもたらすか、性能特性（例えば、帯域幅、計算能力、時間応答など）を構築、提供するために本開示からのプロセスおよびシステムをどのように組み合わせるか、および／または動作能力（例えば。チェック間の時間、縦方向（例えば、連続動作時間）および／または順次（例えば、一日の時間、カレンダー時間など）を含むアップタイム要件、センシングの解像度および／または精度、データ決定（例えば、精度、タイミング、データ量）、および／またはアクチュエータ確認能力）、本明細書に記載のサービス、プラットフォーム、および／またはマイクロサービスの所定の実施形態を提供するに十分なサービスの構成要素を提供する。本明細書に記載されるようなサービス、プラットフォーム、および／またはマイクロサービス（以下のリストにおける「サービス」）を実装するための構成要素、回路、コントローラ、および／またはデバイスの構成を決定する際の、当業者の特定の考慮事項は、限定されないが、サービスを実装および運用する際の資本コスト対運用コストのバランス、システム構成要素、サービスユーザ、および／またはサービスと対話する他のエンティティにとって利用可能なネットワークサービスの可用性、速度、および／または帯域、サービスに対する考慮事項の応答時間（例えば、「。サービスの商業的機能をサポートするためにサービス内の決定をいかに迅速に実行しなければならないか、様々な人工知能または他の高い計算操作の動作時間）、および／または所定の応答時間をサポートするための資本または動作コスト、サービスの相互作用する構成要素の場所、およびサービスの操作に対するその場所の影響（例えば、データ保存場所と関連する規制スキーム、ネットワーク通信の制限及び／又はコスト、場所の機能としての電力コスト、サービスに関連する時間帯のサポートの可用性など）、特定のセンサータイプの利用可能性、それらのセンサに対する関連サポート、及び十分な代替物の利用可能性（例えば、カメラは、サポート用の照明を必要とする場合がある。カメラは、センシングの目的のために、支援照明、及び／又は、高いネットワーク帯域幅若しくはローカルストレージを必要とする場合がある）、基礎となる価値の時間感度（例えば、ローンの元本、担保の価値、担保価値の変動率、貸し手、保証人及び／又は借り手の純資産若しくは相対的純資産等）を含むサービスの一側面の基礎となる価値の側面（例えば、サービスの運用または融資の期間に関連して急速にまたはゆっくりと変化する場合）、取引の当事者間の信頼指標（例えば、当事者間のパフォーマンスの履歴、信用格付け、社会的格付け、または他の外部指標、業界標準または他の正規化取引タイプに対する取引に関する活動の適合性など）、および／またはサービス、プラットフォーム、および／またはマイクロサービスの所定の構成および／または機能に対するコスト回収オプション（例えば、購読、手数料、サービスに対する支払いなど）の利用可能性。本開示の他の態様を制限することなく、本明細書のサービスによって実行される特定の操作は、追跡されたデータに基づいてローンにリアルタイムの変更を行うこと、データを利用して担保付きスマートコントラクトを実行すること、追跡された条件またはデータに応答して債務取引を再評価すること、などを含む。サービス／マイクロサービス及び考慮事項の具体例は、例示の目的で本明細書に記載されているが、本明細書の開示から利益を得る任意のシステム、及び本明細書の開示の利益を有する当業者に理解される任意の考慮事項は、本開示の範囲内で特に企図される。

限定されないが、サービスには、金融サービス（例えば、ローン取引サービス）、データ収集サービス（例えば、データを収集し監視するデータ収集サービス）、ブロックチェーンサービス（例えば、データを安全に維持するブロックチェーンサービス）、データ統合サービス（例えば、データを集約するデータ統合サービス）、スマートコントラクトサービス（例えば、スマートコントラクトのアスペクトを決定するスマートコントラクトサービス）、ソフトウェアサービス（例えば、公開されている情報サイトからエンティティに関連するデータを抽出するソフトウェアサービス）、クラウドソーシングサービス（例えば、情報を募集し報告するクラウドソーシングサービス）、モノのインターネットサービス（例えば、環境を監視するモノのインターネットサービス）、公開サービス（例えば、データを公開する公開サービス）、マイクロサービス（例えば、マイクロサービス間の接続を容易にする一連のアプリケーションプログラミングインターフェースを有する）、評価サービス（例えば、情報に基づいて担保の価値を設定するために評価モデルを使用する）、人工知能サービス、市場価値データ収集サービス（例えば、市場情報を監視し報告する）、クラスタリングサービス（例えば、属性の類似性に基づいて担保アイテムをグループ化するための）、ソーシャルネットワークサービス（例えば、ソーシャルネットワークのパラメータに関する設定を可能にするもの）、資産識別サービス（例えば、金融機関が保管する責任を負う資産のセットを識別するためのもの）、アイデンティティ管理サービス（例えば、金融機関がアイデンティティおよび資格情報を検証するもの）等、および／または同様の機能用語が使用されます。本明細書における１つ以上の機能を実行する例示的なサービスは、コンピューティングデバイス、サーバ、ネットワーク化されたデバイス、ユーザインターフェース、通信プロトコル、共有情報及び／又は情報ストレージ、及び／又はアプリケーションプログラミングインターフェース（ＡＰＩ）などのデバイス間インターフェース、センサ（例えば、監視対象のコンポーネント、機器、場所などに動作可能に結合されたＩｏＴセンサ）、分散型台帳、回路、並びにプロセッサに当該サービスの１つ又は複数の機能を実行させるよう構成されたコンピュータ読み取り可能なコードを含む。本明細書におけるサービスの１つ以上の態様または構成要素は、多数のデバイスにわたって分散されてもよく、および／または所与のデバイスに全体または一部が統合されてもよい。実施形態において、本明細書のサービスの側面または構成要素は、非限定的な例では、データを収集および監視するように構造化されたデータ収集回路として少なくとも部分的に実装されたデータ収集サービス、安全なデータを維持するように構造化されたブロックチェーン回路として少なくとも部分的に実装されたブロックチェーンサービス、データを集約するように構造化されたデータ集約回路として少なくとも部分的に実装されたデータ集約サービス、スマートコントラクトの側面を決定するために構造化されたスマートコントラクト回路として少なくとも部分的に実装されたスマートコントラクトサービス等の回路を通して少なくとも一部実施されてもよい。公開された情報サイトからエンティティに関連するデータを抽出するように構成されたソフトウェアサービス回路として少なくとも一部が実装されたソフトウェアサービス、情報を募集し報告するように構成されたクラウドソーシング回路として少なくとも一部が実装されたクラウドソーシングサービス、環境を監視するように構成されたＩｏＴ回路として少なくとも一部が実装されたＩｏＴサービス、データを公開するように構成された公開サービス回路として少なくとも一部が実装された公開サービス、複数のサービス回路の相互接続のために構成されたマイクロサービス回路として少なくとも一部が実装されたマイクロサービスサービス。データに基づいて担保の価値を設定するために評価モデルにアクセスするように構成された評価サービス回路として少なくとも部分的に実装された評価サービス、人工知能サービス回路として少なくとも部分的に実装された人工知能サービス、市場情報を監視し報告するように構成された市場価値データ収集サービス回路として少なくとも部分的に実装された市場価値データ収集サービス、属性の類似性に基づいて担保項目をグループ化するように構成されたクラスタ化サービス回路として少なくとも部分的に実装されたクラスタ化サービス。ソーシャルネットワークに関するパラメータを設定するように構成されたソーシャルネットワーク分析サービス回路として少なくとも部分的に実装されたソーシャルネットワーキングサービス、金融機関が保管する責任を有する一連の資産を識別するための資産識別サービス回路として少なくとも部分的に実装された資産識別サービス、金融機関がアイデンティティおよび資格を確認することを可能にするアイデンティティ管理サービス回路として少なくとも部分的に実装されたアイデンティティ管理サービス等である。したがって、本開示の利点は、多種多様なシステムにおいて適用され得、任意のそのようなシステムは、本明細書の項目およびサービスに関して考慮され得るが、特定の実施形態において、所定のシステムは、本明細書の項目およびサービスに関して考慮されない可能性がある。本明細書の開示の利益およびその人が通常利用できる企図されたシステムに関する知識を有する当業者は、本開示のどの局面が特定のシステムに利益をもたらすか、および／または本開示からのプロセスおよびシステムをどのように組み合わせて企図されたシステムの操作を強化するかを容易に決定することができる。特定のサービスのための構成を決定するために当業者が企図し得る考慮事項の中には、以下のものが含まれる。特定の取引の１つ以上の当事者が利用できる配布およびアクセスデバイス、特定のタイプの情報の保存、タイプ、および通信に関する管轄権の制限、サービスのための情報通信のセキュリティおよび検証の要件または望ましい側面、情報収集、当事者間通信、およびサービスのアルゴリズム、機械学習コンポーネント、および／または人工知能コンポーネントによって行われる判断の応答時間。資本経費および運用コスト、ならびにどの当事者または団体がコストを負担するか、およびサブスクリプション、サービス料、または同様のものを介してコストを回収する可用性を含む、サービスのコスト検討、サービスをサポートするために保存および／または通信される情報の量、および／またはサービスをサポートするために利用される処理または計算能力。

本明細書で利用されるアイテムおよびサービス（および類似の用語）という用語は、広義に理解されるべきである。本開示の他の態様または説明を制限することなく、アイテムおよびサービスは、報酬として使用される、担保として使用される、交渉の対象となる、などを含む任意のアイテムおよびサービスを含むが、これらに限定されるものではない。製品、サービス、提供物、ソリューション、物理的製品、ソフトウェア、サービスレベル、サービス品質、金融商品、債務、担保物件、サービスの履行、またはその他の項目など、融資の対象、融資の担保、または同様のものとなる項目に関する保証または担保を求める申請書。本開示の他の態様または説明を制限することなく、アイテムおよびサービスは、物理的アイテム（例えば、車両、船舶、飛行機、建物、家、不動産物件、未開発の土地、農場、作物、地方自治体施設、倉庫、在庫品のセット、古物、備品、家具のアイテム、設備のアイテム、ツール、機械のアイテム、および個人資産のアイテム）に適用するアイテムおよびサービス、金融アイテム（例えば、商品、証券、通貨、有価証券、チケット、暗号通貨）、消耗品（例えば、食用品、飲料）、高価値品（例えば、貴金属、宝飾品、宝石）、知的品（例えば、知的財産品、知的財産権、契約権）等である。したがって、本開示の利点は、多種多様なシステムにおいて適用され得、任意のそのようなシステムは、本明細書のアイテムおよびサービスに関して考慮され得るが、特定の実施形態において、所定のシステムは、本明細書のアイテムおよびサービスに関して考慮されない可能性がある。本明細書の開示の利益と、その人が通常利用できる企図されたシステムに関する知識を有する当業者は、本開示のどの局面が特定のシステムに利益をもたらすか、および／または本開示からのプロセスおよびシステムを組み合わせて企図されたシステムの動作を強化する方法を容易に決定することができる。

本明細書で利用されるエージェント、自動化エージェント、及び類似の用語は、広義に理解されるべきである。本開示の他の側面または説明を制限することなく、エージェントまたは自動エージェントは、担保または資産の項目の価値、状態、および所有権のうちの少なくとも１つに関連するイベントを処理してもよい。エージェント又は自動化エージェントは、処理されたイベントに応答するなどして、担保又は資産が対象となるローン、負債取引、債券取引、補助金付きローンなどに関連するアクションを実行してもよい。エージェントまたは自動化エージェントは、データの収集、スポット市場取引のテスト、取引の実行などの目的で市場と相互作用してもよく、動的システム動作は、ユーザーが理解、予測、制御、および／または最適化を望むかもしれない複雑な相互作用を含んでいます。ある種のシステムは、エージェントまたは自動化されたエージェントとみなされない場合がある。例えば、イベントが単に収集されるだけで処理されない場合、システムはエージェントまたは自動化されたエージェントでない可能性がある。いくつかの実施形態では、ローン関連アクションが処理されたイベントに応答していない場合、それはエージェントまたは自動化されたエージェントによって実行されていない可能性がある。本明細書の開示の利益と、その人が通常利用できる企図されたシステムに関する知識を有する当業者は、本開示のどの局面がエージェントまたは自動化エージェントを含み、および／またはそこから利益を得るかを容易に判断することができる。当業者のための特定の考慮事項、またはエージェントもしくは自動化されたエージェントに関する本開示の実施形態は、限定されないが、資産または担保の価値、状態または所有権に変化があったときに決定する規則、および／または変化がローンまたは他の取引に関するさらなる行動を保証するかどうかを決定する規則、ならびに他の考慮事項を含む。市場価値及び市場情報の特定の例が例示の目的で本明細書に記載されているが、本明細書の開示から利益を得る任意の実施形態、及び本明細書の開示の利益を有する当業者に理解される任意の考察は、本開示の範囲内で特に企図されるものである。

本明細書で利用される市場情報、市場価値及び類似の用語は、広範に理解されるべきである。本開示の他の側面又は説明を制限することなく、市場情報及び市場価値は、定義された時点又は期間における資産、担保、食品、又はサービスの状態又は価値を説明するものである。市場価値は、市場又はオークションの設定において品目に付けられる期待値、又は少なくとも１つの公開市場において品目、資産、若しくは担保に類似する品目の価格設定若しくは財務データを参照してもよい。企業の場合、市場価値は、その発行済株式数に現在の株価を乗じたものとなる。評価サービスは、担保、発行者、一組の債券、一組の資産の価値（例えば、市場価値）に関連する市場情報を監視し報告する市場価値データ収集サービスを含んでもよい。一組の補助金付きローン、当事者、等々である。市場価値は、物理的な動作条件から経済情勢、需要と供給の動態に至るまで、様々な要因に依存するため、本質的に動的である可能性がある。市場価値は、他の資産への近接性、資産の在庫または供給、資産に対する需要、品目の出所、品目の履歴、品目の構成要素の基礎となる現在価値、事業体の倒産状況、事業体の差し押さえ状況、事業体の契約上の不履行状況、事業体の規制違反状況、事業体の刑事状況、事業体の輸出規制状況、事業体の禁輸状況、事業体の輸出管理状況、事業体の輸出管理状況などの影響を受けうるし、市場の情報は、これらの情報によってもたらされる可能性がある。企業の禁輸状況、企業の関税状況、企業の税務状況、企業の信用報告書、企業の信用格付け、企業のウェブサイト格付け、企業の製品に対する顧客レビューのセット、企業のソーシャルネットワーク格付け、企業の資格情報のセット、企業の紹介のセット、企業の証言のセット、企業の行動のセット、企業の位置、及び企業のジオロケーションが挙げられる。特定の実施形態では、市場価値は、価値の変動性、価値の感度（例えば、それに関連する不確実性を有する他のパラメータに対する相対的）、及び／又は特定の当事者に対する評価対象物の特定の価値（例えば、対象物は、第１の当事者が所有する方が第２の当事者が所有するよりも価値を有する場合がある）等の情報を含んでもよい。

ある種の情報は、市場情報または市場価値でない場合がある。例えば、価値に関連する変数が市場由来でない場合、それらは使用価値または投資価値である可能性がある。特定の実施形態では、投資価値は、市場価値とみなされ（例えば、評価当事者が、取得した場合、資産を投資として利用することを意図する場合）、他の実施形態では、市場価値でないとみなされ（例えば、評価当事者が、取得した場合、投資を直ちに清算しようとする場合）得る。本明細書の開示の利益と、その人が通常利用できる企図されたシステムに関する知識を有する当業者は、本開示のどの側面が市場情報または市場価値の恩恵を受けるかを容易に判断することができる。当業者にとって、市場価値という用語が資産、アイテム、担保、商品、またはサービスを指しているかどうかを判断する際の特定の考慮事項は、市場における他の同様の資産の存在、場所による価値の変化、定価を超えるアイテムの開始入札、および他の考慮事項である。市場価値及び市場情報の具体例は、説明の目的で本明細書に記載されているが、本明細書の開示から利益を得る任意の実施形態、及び本明細書の開示の利益を有する当業者に理解される任意の考察は、本開示の範囲内で特に企図されている。

本明細書で利用される用語、割り当てるまたは割り当てられたおよび同様の用語は、広範に理解されるべきである。本開示の他の態様または説明を制限することなく、割り当てるは、価値の比例配分または割り当て、または比例分配の規則に従って価値を分割し割り当てるプロセスを説明する。価値の配分は、複数の当事者（例えば、複数の当事者の各々が価値の一部の受益者である）、複数の取引（例えば、取引の各々が価値の一部を利用する）、及び／又は多対多の関係（例えば、オブジェクトのグループは、多数の当事者及び／又は取引の間で配分される集約的な価値を有する）であってよい。いくつかの実施形態では、値は純損失であってよく、配分された値は、各エンティティへの負債の配分である。他の実施形態では、配分された価値は、経済的利益、不動産、担保などの分配または配分を指す場合がある。特定の実施形態では、配賦は、当事者に対する価値の考慮を含んでもよい。例えば、２当事者間で５０／５０に配賦された１０００万ドルの資産は、当事者がその資産に対して異なる価値の考慮をしている場合、一方の当事者が配賦を信用し、配賦から生じる価値が異なる結果となることがある。例えば、第一のタイプの取引（例えば、長期ローン）は、第二のタイプの取引（例えば、短期クレジットライン）とは異なる所定の資産の評価を有するかもしれない。

ある種の条件やプロセスは、配分された価値に関係しない場合がある。例えば、品目の総価値は、その固有の価値を提供し得るが、価値のうちのどれだけが各識別された実体によって保持されているかは提供しない。本明細書の開示の利益と配分された価値に関する知識を有する当業者は、本開示のどの側面が配分された価値のための特定のアプリケーションに利益をもたらすかを容易に決定することができる。当業者、または本開示の実施形態の配分された価値に関する特定の考慮事項には、限定されないが、元本合計の通貨、予想される取引タイプ（ローン、債券または債務）、特定のタイプの担保、価値に対するローンの比率、ローンに対する担保の比率、取引／ローン総量、元本合計額、負うべき実体数、担保価値、および同様のものが含まれる。配分された値の具体例が説明の目的で本明細書に記載されているが、本明細書の開示から利益を得る任意の実施形態、及び本明細書の開示の利益を有する当業者に理解される任意の考慮事項は、本開示の範囲内で特に企図される。

本書で使用される財務状態という用語および類似の用語は、広義に理解されるべきである。本開示の他の側面又は説明に限定されることなく、財務状態は、ある時点又は期間における企業の資産、負債及び資本の位置の現状を説明するものである。財務状態は、財務諸表に記録されることがある。財務状態は、さらに、企業が将来のリスクシナリオに耐え、将来または満期の到来する債務を履行する能力の評価を含んでいてもよい。財務状態は、公表された企業の評価、公的記録によって示された企業が所有する一連の財産、企業が所有する一連の財産の評価、企業の破産状況、企業の差し押さえ状況、企業の契約不履行状況、企業の規制違反状況、企業の犯罪状況、企業の輸出規制状況の中から選ばれた企業の一連の属性に基づくことができる。企業の輸出規制状況、企業の禁輸状況、企業の関税状況、企業の税務状況、企業の信用報告書、企業の信用格付け、企業のウェブサイト格付け、企業の製品に対する顧客レビューのセット、企業のソーシャルネットワーク格付け、企業の資格情報のセット、企業の紹介のセット、企業の証言のセット、企業の行動のセット、企業の位置、企業のジオロケーションなどである。財務条件は、契約や融資のための要件や閾値を記述することもできる。例えば、開発者が開発を進めるための条件は、様々な証明書と金銭的な支払いへの同意かもしれない。つまり、開発者が事業を進めることができるのは、特に財務的な要素が条件となるのである。ある種の条件は、金銭的な条件でない場合もあります。例えば、クレジットカードの残高だけでは、財務状況を知る手がかりにはなっても、それだけでは財務状況とは言えないかもしれません。別の例では、支払いスケジュールは、負債が企業の貸借対照表上にどれくらいの期間存在し得るかを決定するかもしれないが、サイロでは、財務状態を正確に提供しないかもしれない。本明細書の開示の利益と、その人が通常利用できる企図されたシステムに関する知識を有する当業者は、本開示のどの局面が財務状態を含み、及び／又は財務状態から利益を得るかを容易に決定することができる。当業者にとって、財務状況という用語が、定義された時点もしくは期間、および／または所定の目的における事業体の資産、負債、および資本ポジションの現在の状態を指しているかどうかを判断する際の特定の考慮事項は、１つ以上の財務データポイントの報告、担保の価値に対するローンの比率、ローンに対する担保の比率、取引／ローン総量、借り手および貸し手の信用スコア、および他の考慮事項が含まれる。金融条件の特定の例が説明の目的で本明細書に記載されているが、本明細書の開示から利益を得る任意の実施形態、及び本明細書の開示の利益を有する当業者に理解される任意の考察は、本開示の範囲内で特に企図される。

本明細書で利用される金利という用語および同様の用語は、広義に理解されるべきである。本開示の他の側面または説明を制限することなく、金利は、貸与、預金または借入額に対する割合として、期間ごとに支払うべき利息の量を含む。貸し出された金額または借り入れられた金額に対する利息の合計は、元金、利率、複利計算の頻度、および貸し出された、預けられた、または借り入れられた時間の長さに依存し得る。一般的に、金利は年率で表されるが、任意の期間について定義することができる。金利は、銀行や他の貸し手がそのお金を借りるために請求する金額、または銀行などが口座にお金を入れておくために貯蓄者に支払う金利に関係する。金利は変動することもあれば、固定されることもある。例えば、金利は、政府または他の利害関係者の指令、貸し借りされる元金の通貨、投資の満期までの期間、借り手の認識されるデフォルト確率、市場の需要と供給、担保の量、経済の状態、またはコール条項などの特別な機能に従って変化する場合がある。特定の実施形態では、金利は相対金利であってもよい（例えば、プライムレート、インフレ指数などに対する相対金利）。特定の実施形態では、金利は、金利を調整するために適用されるコストまたは手数料（例えば、「ポイント」）をさらに考慮してもよい。名目金利は、実質金利がインフレを考慮するのに対し、インフレに対して調整されない場合がある。特定の例は、特定の実施形態の目的のための金利でない場合がある。例えば、毎年固定されたドル額によって成長する銀行口座、及び／又は固定された手数料額は、特定の実施形態のための金利の例でない場合がある。本明細書の開示の利益と金利に関する知識を有する当業者は、特定の実施形態のための金利の特性を容易に決定することができる。金利に関する当業者、または本開示の実施形態に対する特定の考慮事項は、限定されないが、以下を含む。元本の通貨、金利を設定するための変数、金利を修正するための基準、予想される取引タイプ（ローン、債券または債務）、担保の特定のタイプ、価値に対するローンの比率、ローンに対する担保の比率、総取引／ローン額、元本の金額、特定の産業に対する取引及び／または担保の適切な寿命、貸し手が期間前にローンを売却及び／または統合する可能性等である。金利の特定の例が例示の目的で本明細書に記載されているが、本明細書の開示から利益を得る任意の実施形態、及び本明細書の開示の利益を有する当業者に理解される任意の考慮事項は、本開示の範囲内で特に企図されている。

本書で利用される評価サービス（および類似の用語）という用語は、広義に理解されるべきである。本開示の他の態様または説明を制限することなく、評価サービスは、財またはサービスの価値を設定する任意のサービスを含む。評価サービスは、データ収集及びモニタリングサービスからの情報に基づいて担保の価値を設定するために、評価モデルを使用してもよい。スマートコントラクトサービスは、評価サービスのセットからの出力を処理し、融資の担保を提供するのに十分な担保の項目を割り当て、及び／又は担保の項目に対する価値を貸し手のセット及び／又は取引の間で割り当ててもよい。評価サービスは、担保の取引に関連する結果データに基づいて評価モデルを反復的に改善し得る人工知能サービスを含んでもよい。評価サービスは、担保の価値に関連する市場情報を監視し報告する市場価値データ収集サービスを含んでもよい。特定のプロセスは評価サービスとはみなされない場合がある。例えば、単に財又はサービスに対して設定された費用を請求する販売時点情報管理装置（ＰＯＳ）は、評価サービスではない場合がある。別の例では、財またはサービスのコストを追跡し、価値が変化したときに通知をトリガするサービスは、評価サービスそのものではないかもしれないが、評価サービスに依存し、および／または評価サービスの一部を形成することができる。したがって、本開示の利点は、多種多様なプロセスシステムにおいて適用されてよく、そのようなプロセスまたはシステムはいずれも本明細書において評価サービスとみなされてよく、一方、特定の実施形態では、所定のサービスは本明細書において評価サービスとみなされないことがある。本明細書における開示の利益と、その人が通常利用できる企図されたシステムに関する知識を有する当業者は、本開示のどの側面が特定のシステムに利益をもたらすか、および企図されたシステムの動作を強化するためおよび／または評価サービスを提供するために本開示からのプロセスおよびシステムをどのように組み合わせるかについて容易に判断することができる。当業者にとって、企図されたシステムが評価サービスであるかどうか、および／または本開示の態様が企図されたシステムに利益をもたらし得るかどうか判断する際の特定の考慮事項は、限定されないが、担保の価値に基づいてローンにリアルタイムで変更を行うこと、担保に裏付けられたスマートコントラクトを実行するのに市場のデータを利用すること、保管状況またはジオロケーション、担保が変動性の価値を持ち、利用され、および／または移動されるという傾向、および同様のものに基づいて担保を再評価すること、である。評価サービス及び考慮事項の具体例は、例示の目的で本明細書に記載されているが、本明細書の開示から利益を得る任意のシステム、及び本明細書の開示の利益を有する当業者に理解される任意の考慮事項は、本開示の範囲内で特に企図されるものである。

本明細書で利用される担保属性（および類似の用語）という用語は、広義に理解されるべきである。本開示の他の態様または説明に限定されることなく、担保属性には、耐久性（担保が摩耗に耐える能力または担保の耐用年数）、価値、識別（担保が識別または市場化を容易にする明確な特性を有するか）、価値の安定性（担保が長期間にわたって価値を維持するか）、標準化、等級、品質、市場性、流動性、譲渡性、望ましさのいずれかの識別が含まれます。価値の安定性（担保が長期間価値を維持するか）、標準化、等級、品質、市場性、流動性、譲渡性、望ましさ、追跡可能性、交付可能性（担保が価値の劣化なしに交付または譲渡できるか）、市場の透明性（担保価値が容易に検証可能か、広く合意されているか）、物理的か仮想的か、など。担保の属性は、絶対的または相対的な用語で測定されることがあり、および／または定性的（例えば、カテゴリカルな記述）または定量的な記述を含むことがあります。担保属性は、業界、製品、要素、用途等によって異なる場合がある。担保の属性には、定量的または定性的な値を割り当てることができる。担保の属性に関連する値は、尺度（１～１０など）または相対的指定（高い、低い、良いなど）に基づくことがあります。担保は様々な構成要素を含むことができ、各構成要素は担保属性を持つことができます。従って、担保は、同じ担保属性について複数の値を有していてもよい。ある実施形態では、担保属性の複数の値を組み合わせて、各属性に１つの値を生成することができます。担保属性の中には、担保の特定の部分にのみ適用されるものがあります。一部の担保属性は、担保の所定の構成要素であっても、利害関係者（例えば、担保のある側面を他の当事者よりも高く評価する当事者）および／または取引の種類（例えば、担保は、第２の種類のローンよりも第１の種類のローンにとってより価値があるか適切であるかもしれない）に応じて異なる値を有することができる。担保に関連する特定の属性は、本明細書における担保属性の目的によっては、本明細書に記載された担保属性でない場合があります。例えば、ある製品は、類似の製品と比較して耐久性があると評価されてもよいが、製品の寿命が考慮中の特定の融資の期間よりもはるかに低い場合、製品の耐久性は、異なる評価（例えば、耐久性がない）または無関係（例えば、製品の現在の在庫が担保として添付され、融資の期間中に交換されることが予想される場合）であってもよい。したがって、本開示の利点は、様々な属性に適用され得、任意のそのような属性は、本明細書において担保属性と見なされ得るが、特定の実施形態では、所定の属性は、本明細書において担保属性と見なされなくてもよい。本明細書における開示の利益と、その人に通常利用可能な企図された担保属性に関する知識を有する当業者は、本開示のどの局面が特定の担保属性に利益をもたらすかを容易に判断することができる。企図された属性が担保属性であるかどうか、および／または本開示の態様が企図されたシステムに利益をもたらすかもしくは強化できるかどうかを決定する際の、当業者のための特定の考慮事項は、限定されないが、属性のソースおよび属性値のソース（e.属性の出所および属性値の出所（例えば、属性および属性値は信頼できる出所から来たものか）、属性の変動性（例えば、担保の属性値は変動するか、属性は担保の新しい属性か）、同様の担保に対する属性値の相対的な違い、属性の例外的な値（例えば、ある属性値は、類似クラスの担保と比較して、９８パーセンタイルのように高い、または２パーセンタイルのように非常に低い場合があります）、担保の換金性、担保に関連する取引の種類、および／または特定の当事者または取引に対する担保の利用目的などです。担保の属性および考慮事項の具体例は、説明の目的で本明細書に記載されているが、本明細書の開示から利益を得る任意のシステム、および本明細書の開示の利益を有する当業者に理解される任意の考慮事項は、本開示の範囲内で特に企図されている。

本明細書で利用されるブロックチェーンサービス（および類似の用語）という用語は、広義に理解されるべきである。本開示の他の態様または説明を制限することなく、ブロックチェーンサービスは、ブロックチェーンの処理、記録、および／または更新に関連する任意のサービスを含み、ブロックの処理、ハッシュ値の計算、ブロックチェーンにおける新しいブロックの生成、ブロックチェーンにブロックを追加するためのサービスを含み得る。ブロックチェーンのフォークの作成、ブロックチェーンのフォークのマージ、以前の計算の検証、共有台帳の更新、分散型台帳の更新、暗号鍵の生成、取引の検証、ブロックチェーンの維持、ブロックチェーンの更新、ブロックチェーンの検証、乱数の生成、などである。サービスは、ローカルコンピュータ上でのコンピュータ可読命令の実行によって、および／または、リモートサーバおよびコンピュータによって実行されてもよい。特定のサービスは、個々にブロックチェーンサービスとみなされないかもしれないが、サービスの最終的な使用に基づいて、および／または特定の実施形態においてブロックチェーンサービスとみなされるかもしれない-たとえば、ハッシュ値の計算が、安全な通信のコンテキストなどブロックチェーンの外のコンテキストで実行されるかもしれない。いくつかの初期サービスは、最初にブロックチェーンに適用されることなく呼び出されるかもしれないが、初期サービスと連携したさらなるアクションまたはサービスは、初期サービスをブロックチェーンの側面に関連付けることができる。例えば、乱数が定期的に生成され、メモリに格納されてもよく、乱数は、最初はブロックチェーンの目的のために生成されないかもしれないが、ブロックチェーンに利用されてもよい。したがって、本開示の利点は、多種多様なサービスにおいて適用されてよく、任意のそのようなサービスは、本明細書においてブロックチェーンサービスとみなされてよく、一方、特定の実施形態において、所定のサービスは、本明細書においてブロックチェーンサービスとみなされてはならない場合がある。本明細書の開示の利益と、その人が通常利用できる企図されたブロックチェーンサービスに関する知識を有する当業者は、本開示のどの態様が特定のブロックチェーンサービスを実装するように構成され得るか、および／または利益をもたらすかを容易に決定することができる。当業者にとって、企図されたサービスがブロックチェーンサービスであるかどうか、および／または本開示の態様が企図されたシステムに利益をもたらすかもしくは強化できるかどうかを判断する際の特定の考慮事項は、限定されないが、次のものを含む：サービスの用途、サービスのソース（たとえば、サービスが既知のまたは検証可能なブロックチェーンサービスプロバイダーに関連している場合）、サービスの応答性（たとえば、以下のとおり。いくつかのブロックチェーンサービスは、予想される完了時間を有してよく、および／または利用率を通じて決定されてよい）、サービスのコスト、サービスのために要求されるデータ量、および／またはサービスによって生成されるデータ量（ブロックチェーンのブロックまたはブロックチェーンに関連する鍵は、特定のサイズまたは特定の範囲のサイズであってよい）。ブロックチェーンサービスおよび考慮事項の特定の例は、説明の目的で本明細書に記載されているが、本明細書の開示から利益を得る任意のシステム、および本明細書の開示の利益を有する当業者に理解される任意の考慮事項は、本開示の範囲内で特に企図されたものである。

本明細書で利用されるブロックチェーン（および暗号通貨台帳などの変形）という用語は、オンライン取引を記録、管理、またはその他の方法で処理する暗号通貨台帳を説明するために広範に理解され得る。ブロックチェーンは、限定されることなく、公開、非公開、またはそれらの組み合わせであってもよい。ブロックチェーンはまた、一連のデジタル取引、合意、条件、または他のデジタル価値を表すために使用されてもよい。本開示の他の態様または説明を制限することなく、前者の場合、ブロックチェーンは、投資アプリケーション、トークントレーディングアプリケーション、および／またはデジタル／暗号通貨ベースのマーケットプレイスと関連して使用されることもできる。ブロックチェーンは、物品、サービス、アイテム、料金、制限された領域またはイベントへのアクセス、データ、または他の価値ある利益の提供などの対価のレンダリングと関連付けることもできる。対価の単位、担保、通貨、暗号通貨、または任意の他の形態の価値を論じる場合、様々な形態のブロックチェーンが含まれ得る。本明細書の開示の利益及び企図されたシステムに関して通常利用可能な知識を有する当業者は、ブロックチェーンによって象徴される又は表される価値を容易に決定することができる。ブロックチェーンの特定の例が説明の目的で本明細書に記載されているが、本明細書の開示から利益を得る任意の実施形態、及び本明細書の開示の利益を有する当業者に理解される任意の考慮事項は、本開示の範囲内で特に企図される。

本明細書で利用される台帳および分散型台帳（および類似の用語）という用語は、広義に理解されるべきである。本開示の他の態様又は説明を制限することなく、台帳は、取引の記録を維持する文書、ファイル、コンピュータファイル、データベース、書籍等であってよい。台帳は、物理的なものであってもよいし、デジタルなものであってもよい。台帳は、売上、勘定、購入、取引、資産、負債、収入、支出、資本などに関する記録を含んでもよい。台帳は、時間と関連付けられた取引の履歴を提供することができる。台帳は集中型であってもよいし、分散型／分散型であってもよい。集中型台帳は、１つ以上の選択されたエンティティまたはクリアリングハウスによって管理、更新、または閲覧可能であり、台帳の変更または更新がエンティティまたはクリアリングハウスによって支配または管理される文書であってよい。分散型台帳は、複数のエンティティ、参加者、または地域にわたって分散された台帳であり、これらのエンティティは、独立して、同時に、または同意して、台帳のコピーを更新または修正することができます。台帳や分散型台帳は、コンテンツに署名、隠蔽、検証を行うためのセキュリティ対策や暗号機能を含んでいてもよい。分散型台帳の場合、ブロックチェーン技術が使用されることがある。ブロックチェーンを用いて実装された分散型台帳の場合、台帳は、各ノードが前のノードのハッシュ化又は暗号化された取引データを含むノードのリンクリストを構成するマークル木であってもよい。ある種の取引記録は、台帳とみなされない場合がある。ファイル、コンピュータファイル、データベース、書籍は、保存するデータ、データの編成方法、維持方法、セキュリティによって、台帳になる場合もあればならない場合もある。たとえば、取引のリストは、信頼または検証できない場合、および／または、一貫性のない、不正な、あるいは不完全なデータに基づいている場合、台帳とはみなされない場合があります。台帳のデータは、テーブル、リスト、データのバイナリストリームなど、利便性、データソース、データの種類、環境、アプリケーションなどに依存する任意の形式で編成される可能性があります。様々なエンティティ間で共有される台帳は、分散型台帳でなくてもよいが、分散の区別は、どのエンティティが台帳に変更を加えることを許可されているか、及び／又は、変更が異なるエンティティ間でどのように共有及び処理されるかに基づくことができる。したがって、本開示の利点は、多種多様なデータにおいて適用されてよく、任意のそのようなデータは、本明細書において台帳とみなされてよく、一方、特定の実施形態において、所定のデータは、本明細書において台帳とみなされてはならないかもしれない。本明細書における開示の利益と、その人が通常利用できる企図された台帳および分散型台帳に関する知識を有する当業者は、本開示のどの態様が実装に利用され得るか、および／または特定の台帳に利益をもたらすかを容易に決定することが可能である。企図されたデータが台帳であるかどうか、および／または本開示の態様が企図された台帳に利益をもたらすかもしくは強化できるかどうかを決定する際の、当業者にとっての特定の考慮事項は、限定されないが、以下を含む。台帳のデータのセキュリティ（データを改ざんまたは変更できる）、台帳のデータに変更を加えることに関連する時間、変更を加えるコスト（計算上および金銭上）、データの詳細、データの構成（アプリケーションで使用するためにデータを処理する必要があるかどうか）。誰が台帳を管理するか（台帳を管理する当事者が信頼できるか、頼れるか）、データの機密性（誰が台帳のデータを見たり追跡できるか）、インフラの規模、通信要件（分散型台帳は通信インターフェースや特定のインフラが必要な場合がある）、弾力性。ブロックチェーンサービス及び考慮事項の具体例は、例示の目的で本明細書に記載されているが、本明細書の開示から利益を得る任意のシステム、及び本明細書の開示の利益を有する当業者に理解される任意の考慮事項は、本開示の範囲内で特に企図される。

本明細書で利用されるローンという用語（及び類似の用語）は、広義に理解されるべきである。本開示の他の態様又は説明を制限することなく、ローンは、借用され、現物（例えば、借用された金銭及び返却された金銭）又は合意された取引（例えば、第１の財又はサービスが借用され、金銭、第２の財又はサービス、又はその組み合わせが返却される）として返却が期待される資産に関する合意であってもよい。資産は、金銭、財産、時間、物理的オブジェクト、仮想オブジェクト、サービス、権利（例えば、チケット、ライセンス、その他の権利）、償却額、クレジット（例えば、税額控除、排出権控除など）、リスクまたは責任の合意された引き受け、および／またはそれらの任意の組合せであってもよい。融資は、借り手と貸し手の間の公式または非公式な合意に基づいて行われ、貸し手は、あらかじめ定義された期間、可変期間、または無期限で借り手に資産を提供することができます。貸し手と借り手は、個人、事業体、企業、政府、グループ、組織などであってもよい。ローンの種類は、住宅ローン、個人ローン、有担保ローン、無担保ローン、譲歩ローン、商業ローン、マイクロローンなどを含むことができる。借り手と貸し手の間の契約は、融資の条件を指定することができる。借り手は、資産を返却すること、または借り入れとは異なる資産で返済することを要求される場合があります。場合によっては、借りた資産に利子をつけて返済することが要求されることもあります。借り手と貸し手は、他の事業体の仲介役であり、資産を所有することも使用することもない場合がある。ある実施形態では、ローンは、物品の直接的な移転に関連しないが、使用権又は共有使用権に関連する場合がある。特定の実施形態では、借り手と貸し手との間の契約は、借り手と貸し手との間で実行されてもよく、及び／又は仲介者（例えば、ローンの売却などによるローン権利の受益者）の間で実行されてもよい。特定の実施形態では、借り手と貸し手との間の契約は、融資の条件の少なくとも一部を決定し、特定の実施形態では、借り手及び／又は貸し手を契約の条件にコミットし得る、スマートコントラクトであってよい、スマートコントラクトサービスなど、本明細書のサービスを通じて実行されてもよい。特定の実施形態では、スマートコントラクトサービスは、契約の条件を入力し、それらを実行のために借り手及び／又は貸し手に提示してもよい。特定の実施形態では、スマートコントラクトサービスは、借り手または貸し手の一方を条件に自動的にコミットしてもよく（少なくともオファーとして）、実行のために借り手または貸し手の他方にオファーを提示してよい。特定の実施形態では、ローン契約は、例えば、ローンのセットがローンのセットに対する支払いの多数の受益者、及び／又はローンのセットに対する多数の借り手を含む場合、複数の借り手及び／又は複数の貸し手を含んでもよい。特定の実施形態では、ローンのセットのリスク及び／又は義務は、個別化され（例えば、各借手及び／又は貸手がローンのセットの特定のローンに関連している）、配分され（例えば、特定のローンのデフォルトは、貸手の間で配分された関連損失を有する）、及び／又はこれらの組み合わせ（例えば、ローンのセットの１又は複数のサブセットが個別に処理及び／又は配分されて）されてもよい。

特定の契約は、貸付金とみなされない場合があります。資産を譲渡または借入するための契約は、資産が転送され、どのように資産が転送された、または関係者によっては、ローンではないかもしれません。例えば、資産の譲渡が無期限で行われ、資産の売却や永久譲渡とみなされるケースもあります。同様に、貸主と借主の間で明確な条件や合意がないまま、資産の借入れや譲渡が行われた場合、場合によっては、貸付けとみなされないことがあります。正式な契約が契約書に直接成文化されていなくても、当事者が進んで承知の上で取り決めに合意している限り、および／または通常の慣行（例えば、特定の業界における）が取引を融資として扱うことがあるため、契約は融資と見なされることがある。したがって、本開示の利点は、多種多様な契約において適用され得、任意のそのような契約は、本明細書において融資と見なされ得るが、特定の実施形態では、所定の契約は、本明細書において融資と見なされない可能性がある。本明細書の開示の利益と、その人に通常利用可能な企図されたローンに関する知識を有する当業者は、本開示のどの局面がローンを実施し、ローンを利用し、または特定のローン取引に利益をもたらすかを容易に判断することができる。企図されたデータがローンであるかどうか、および／または本開示の態様が企図されたローンに利益をもたらすかもしくは強化できるかどうかを決定する際の、当業者のための特定の考慮事項には、限定されないが、関与する資産の価値、ローンを返却または返済する借り手の能力、関与する資産の種類（例えば、資産が利用によって消費されるかどうか）、ローンに関連する返済期間、ローンの利息、ローンの契約がどのように手配されたか、契約の形式、契約の詳細、ローンの契約の詳細、ローンに関連する担保属性、および／または特定の文脈における前述のいずれかの通常のビジネス上の期待などが含まれます。融資および考慮事項の特定の例が説明の目的で本明細書に記載されているが、本明細書の開示から利益を得る任意のシステム、および本明細書の開示の利益を有する当業者に理解される任意の考慮事項は、本開示の範囲内で特に企図される。

本明細書で利用されるローン関連イベント（複数可）（及びローン関連イベントを含む類似の用語）は、広義に理解されるべきものである。本開示の他の態様又は説明に限定されることなく、ローン関連イベントは、ローンの条件に関連する任意のイベント又はローンに関連する契約によってトリガされるイベントを含んでもよい。ローン関連イベントは、ローンの不履行、契約違反、履行、返済、支払い、利息の変更、遅延損害金評価、返金評価、分配などを含んでもよい。ローン関連イベントは、明示的な契約条件によってトリガされてもよい。例えば、契約は、ローンの開始から一定期間経過後の金利の上昇を指定してもよく、契約によってトリガされた金利の上昇は、ローン関連イベントであってもよい。ローン関連イベントは、関連するローン契約条項によって暗黙的に引き起こされることもある。特定の実施形態では、ローン契約の仮定、及び／又はローン契約の当事者の期待に関連すると考えられるあらゆる事象が、イベントの発生とみなされてもよい。例えば、融資のための担保が交換可能であると予想される場合（例えば、担保としての在庫）、在庫レベルの変化は、融資関連イベントの発生と見なされ得る。別の例では、担保のレビュー及び／又は確認が期待される場合、担保へのアクセスの欠如、監視センサの無効化又は故障等が、融資関連事象の発生と見なされ得る。特定の実施形態では、本明細書に記載される回路、コントローラ、または他のデバイスは、ローン関連イベントの決定を自動的にトリガし得る。いくつかの実施形態では、ローン関連イベントは、ローン又はローン関連契約を管理するエンティティによってトリガされてもよい。ローン関連イベントは、ローン契約における１つ又は複数の条件に基づいて条件付きでトリガされてもよい。ローン関連イベントは、貸し手、借り手、または第三者によって完了される必要があるタスクまたは要件に関連していてもよい。特定のイベントは、特定の実施形態及び／又は特定の文脈においてローン関連イベントと見なされるかもしれないが、別の実施形態又は文脈ではローン関連イベントと見なされないかもしれない。多くの事象は、ローンに関連付けられるかもしれないが、ローンに関連付けられない外部トリガによって引き起こされるかもしれない。しかしながら、特定の実施形態では、外部トリガーイベント（例えば、担保品に関連する商品価格変動）は、ローンに関連するイベントであってもよい。例えば、貸し手によって開始された貸付条件の再交渉は、既存の貸付契約の条件及び／又は性能が再交渉を誘発しなかった場合、貸付関連イベントと見なされない場合がある。したがって、本開示の利点は、多種多様な事象において適用され得、任意のそのような事象は、本明細書においてローン関連事象と見なされ得る一方で、特定の実施形態において所定の事象は、本明細書においてローン関連事象と見なされない可能性がある。本明細書の開示の利益と、その人に通常利用可能な企図されたシステムに関する知識を有する当業者は、企図されたシステムおよび／またはそのシステムによってサポートされる特定の取引について本開示のどの局面がローン関連イベントと見なされ得るかを容易に判断することができる。当業者にとって、企図されたデータがローン関連イベントであるかどうか、および／または本開示の態様が企図された取引システムに利益をもたらし得るかどうか判断する際の特定の考慮事項は、限定されないが、ローンに対する関連イベントの影響（ローンのデフォルトまたは終了を引き起こすイベントは、より高い影響を有し得る）、イベントに関連するコスト（資本および／または運営）、イベントの発生を監視することに関連するコスト（資本および／または運営）、イベントへの対応に責任があるエンティティ、イベントに関連する期間および／または応答時間（例えば、イベントを完了するために必要な時間、イベントがトリガされた時点からイベントの処理または検出が望まれる時点までに割り当てられる時間）、イベントに責任を負うエンティティ、イベントを処理するために必要なデータ（例えば、機密情報には異なるセーフガードまたは制限があるかもしれない）、未検出イベントが発生した場合の緩和措置の可用性、および／またはイベントが未検出に発生した場合にリスクのあるパーティが利用できる救済措置。ローン関連イベントおよび考慮事項の具体例が例示の目的で本明細書に記載されているが、本明細書の開示から利益を得る任意のシステム、および本明細書の開示の利益を有する当業者に理解される任意の考慮事項は、本開示の範囲内で特に企図される。

本明細書で利用されるローン関連活動という用語（及び類似の用語）は、広く理解されるべきである。本開示の他の側面または説明を制限することなく、ローン関連活動は、ローンの生成、維持、終了、回収、執行、サービシング、請求、マーケティング、履行能力、または交渉に関連する活動を含んでもよい。ローン関連活動は、ローン契約または約束手形の署名、ローン文書のレビュー、支払いの処理、担保の評価、借り手または貸し手のローン条件への準拠の評価、条件の再交渉、ローンのための担保または担保の完成、および／または条件の否定に関連する活動を含んでもよい。融資関連活動は、最初の交渉に関連する活動など、条件について正式に合意する前の融資に関連する事象に関連することがある。融資関連活動は、融資の期間中及び融資の終了後の事象に関連する場合がある。ローン関連活動は、貸し手、借り手、または第三者が行うことができる。例えば、ローン残高に対する請求書発行はローン関連活動と考えられるが、ローンに対する請求書発行がローン関連以外の要素に対する請求書発行と組み合わされた場合、その請求書発行はローン関連活動とはみなされない可能性がある。ある種の活動は、ローンが資産に関連しているかどうかにかかわらず、資産に関連して行われることがあるが、このような場合、その活動はローン関連の活動とはみなされないことがある。例えば、資産に関連する定期的な監査は、資産がローンと関連付けられているかどうかに関係なく行われることがあり、ローン関連活動と見なされないことがあります。別の例では、資産に関連する定期的な監査は、ローン契約によって要求されることがあり、ローンと関連していなければ通常発生しないであろう、この場合、活動はローン関連活動と考えられるかもしれない。いくつかの実施形態において、活動は、ローンがアクティブでない又は存在しない場合、そうでなければ発生しないであろう場合、ローン関連活動と考えられてもよいが、場合によってはまだローン関連活動と考えられてもよい（例えば、監査が通常発生するが、貸し手が監査を実施又はレビューする能力を有しない場合、監査は、そうでなければ既に発生していても、ローン関連活動と考えられてもよい）。したがって、本開示の利点は、多種多様な事象において適用されてよく、任意のそのような事象は、本明細書においてローン関連事象とみなされてよく、一方、特定の実施形態において所定の事象は本明細書においてローン関連事象とみなされない可能性がある。本明細書の開示の利益と、その人に通常利用可能な企図されたシステムに関する知識を有する当業者は、企図されたシステムの目的のためにローン関連活動を容易に決定することができる。企図されたデータがローン関連活動であるかどうか、および／または本開示の態様が企図されたローンに利益をもたらすかもしくは強化できるかどうかを決定する際の、当業者のための特定の考慮事項は、限定されないが、以下のものを含む。ローンに対する活動の必要性（活動なしにローン契約または条件を満たすことができる）、活動のコスト、ローンに対する活動の特異性（活動は他の産業と類似または同一か）、活動に関わる時間、ローンのライフサイクルに対する活動の影響、活動を行うエンティティ、活動に必要なデータの量（活動はローンに関連する機密情報、またはエンティティに関連する個人情報を必要とするか）、および／または活動を実施および／またはレビューする当事者の能力。ローン関連事象および考慮事項の具体例が例示の目的で本明細書に記載されているが、本明細書の開示から利益を得る任意のシステム、および本明細書の開示の利益を有する当業者に理解される任意の考慮事項は、本開示の範囲内で特に企図されたものである。

本明細書で利用されるローン用語、融資条件、融資のための条件、条件などは、広く理解されるべきである（「ローン用語」）。本開示の他の態様又は説明を制限することなく、ローン条件は、タイミング、返済、組成、及び借り手とローンの貸し手とが合意する他の強制可能な条件に関連する条件、規則、制限、契約義務等に関するものであってよい。貸付条件は、借り手と貸し手との間の正式な契約書に明記されることがある。貸付条件は、金利、担保、差押条件、債務の帰結、支払方法、支払予定、特約などの側面を指定することができる。融資条件は交渉可能であり、融資期間中に変更されることもある。融資条件は、市場価格、債券価格、貸し手や借り手に関連する条件など、外部のパラメータによって変更されたり、影響を受けたりする場合があります。融資のある側面は融資条件とみなされない場合がある。特定の実施形態では、貸し手と借り手の間で正式に合意されていない、および／または、ビジネスの過程（および／または特定の業界）で通常理解されていないローンの側面は、ローン条件と見なされない場合があります。融資のある側面は、契約や正式な合意で正式に確認されるまでは、予備的または非公式なものである場合がある。融資のある側面は、個々には融資条件とみなされないが、特定の融資に対するその側面の特異性に基づいて融資条件とみなされないことがある。融資のある側面は、融資中の特定の時点では融資条件とみなされないかもしれないが、融資中の別の時点では融資条件とみなされるかもしれない（例えば、当事者の履行を通じて発生しうる義務および／または放棄、および／または融資期間の満了）。例えば、金利は、一般に、ローンの関係で定義され、利息の複利計算（年、月）、計算方法などに関して定義されるまで、ローン条件とみなされない場合がある。ローンのアスペクトは、それが不定であったり、強制力がない場合は、タームとみなされないことがあります。ある側面は、ローンの用語の現れであったり、関連したりするが、それ自体が用語でない場合もある。例えば、貸付条件は、１年などの貸付の返済期間である場合がある。条件は、その年にどのようにローンを返済するかを特定しない場合がある。ローンは、１２ヶ月の毎月の支払いで返済されるかもしれませんし、１年間の支払いで返済されるかもしれません。この場合の月々の支払い計画は、ローンによって直接指定されない返済のための単なる１つのオプションまたは多くのオプションであり得るので、ローン期間とみなされない場合がある。したがって、本開示の利点は、多種多様なローン態様において適用され得、任意のそのような態様は、本明細書においてローン用語とみなされ得るが、特定の実施形態において所定の態様は、本明細書においてローン用語とみなされない可能性がある。本明細書における開示の利益と、その人に通常利用可能な企図されたシステムに関する知識を有する当業者は、本開示のどの局面が企図されたシステムのローン条件であるかを容易に決定することが可能である。

企図されたデータがローン条件であるかどうか、及び／又は本開示の態様が企図されたローンに利益をもたらし又は強化し得るかどうかを決定する際の、当業者にとっての特定の考慮事項は、限定されないが、以下を含む。条件の強制力（貸し手または借り手が条件を強制できるか）、条件を強制するためのコスト（条件が守られていることを確認するために必要な時間、または努力の量）、条件の複雑さ（関係者がどれだけ簡単に条件を守ったり理解できるか、条件は間違いやすいか、誤解しやすいか）、条件に責任を持つエンティティ、条件の公平さ。条件の安定性（どの程度の頻度で変更されるか）、条件の観察可能性（他の当事者が条件を検証できるか）、一方の当事者に対する条件の有利性（借り手と貸し手のどちらに有利か）、融資に伴うリスク（条件は融資が返済されない可能性に依存するかもしれない）、借り手と貸し手の特性（条件を満たす能力）、および／または融資や関連業界に対する通常の期待値。

本明細書では、説明のために貸付条件の具体例を記載しているが、本明細書の開示から利益を得る任意のシステム、および本明細書の開示の利益を有する当業者に理解される任意の考察は、本開示の範囲内で特に企図される。

本明細書で利用されるローン条件、ローン条件、ローンのための条件、条件などの用語は、広義に理解されるべきである（「ローン条件」）。本開示の他の態様又は説明を制限することなく、貸付条件は、貸付に関連する規則、制限、及び／又は義務に関するものであってよい。融資条件は、融資を受けるための、融資を維持するための、融資を申請するための、融資を譲渡するための、規則または必要な義務に関連していてもよい。ローン条件は、債務の元本、債務残高、固定金利、変動金利、支払額、支払予定、バルーン支払予定、担保の指定、担保の代替性の指定、担保の扱い、担保へのアクセス、当事者、保証、保証人、担保、個人保証、先取特権、期間、契約、差押条件、デフォルト条件、借り手の他の債務に関する条件、デフォルトの結果などを含むことができる。

融資のある側面は、融資条件とみなされない場合がある。貸し手と借り手の間で正式に合意されていない融資の側面、および／またはビジネス（および／または特定の業界）の過程で通常理解されていない融資の側面は、貸付条件と見なされない場合があります。融資のある側面は、契約書や正式な合意書で正式に合意確認されるまでは、予備的非公式なものである可能性があります。融資のある側面は、個別には融資条件とみなされないが、特定の融資に対するその側面の特異性に基づいて融資条件とみなされることがある。融資のある側面は、融資中の特定の時点では融資条件とみなされないかもしれないが、融資中の別の時点では融資条件とみなされるかもしれない（例えば、当事者の履行を通じて生じ得る義務及び／又は放棄、及び／又は融資条件の期限切れ）。したがって、本開示の利点は、多種多様なローンの局面において適用され得、任意のそのような局面は、本明細書においてローン条件とみなされ得るが、特定の実施形態において、所定の局面は、本明細書においてローン条件とみなされない可能性がある。本明細書における開示の利益と、その人が通常利用できる企図されたシステムに関する知識を有する当業者は、本開示のどの側面が企図されたシステムのローン条件であるかを容易に決定することができる。企図されたデータがローン条件であるかどうか、および／または本開示の態様が企図されたローンに利益をもたらし得るかもしくは強化し得るかどうかを決定する際の、当業者にとっての特定の考慮事項は、限定されないが、以下の通りである。条件の強制力（貸主または借主によって条件を強制することができる）、条件を強制するためのコスト（条件が守られていることを確認するために必要な時間、または努力の量）、条件の複雑さ（関係者がどれだけ容易に条件を守ることができるか、理解できるか、条件は誤りやすいか、または誤解されやすいか）、条件に対して責任を負う主体、条件に対して責任を負う主体、条件を守る主体、条件を守る主体、条件を守る主体、条件を守る主体、条件を守る主体、条件を守る主体、条件を守る主体、条件を守る主体、条件を守る主体、条件を守る主体、条件を守る主体、条件を守る主体条件に対する責任者、条件の公平性、条件の観察可能性（条件を他者が検証できるか）、条件の一方の当事者への有利性（条件は借り手と貸し手のどちらに有利か）、融資に伴うリスク（条件は融資が返済されない可能性に依存するかもしれない）、融資や関連業界に対する通常の期待などです。

本明細書では、説明のために貸付条件の具体例を記載しているが、本明細書の開示から利益を得る任意のシステム、および本明細書の開示の利益を有する当業者に理解される任意の考察は、本開示の範囲内で特に企図される。

本明細書で利用されるローン担保、担保、担保品、および同様の用語は、広義に理解されるべきである。本開示の他の態様または説明を制限することなく、ローン担保は、借り手が貸し手にローンと引き換えにバックアップとして、および／またはローンの担保として約束する任意の資産または財産に関連し得る。担保は、ローンの不履行の場合に返済の代替形態として受け入れられる任意の価値のある品目であってもよい。担保は、車両、船舶、飛行機、建物、家、不動産物件、未開発の土地、農場、作物、自治体施設、倉庫、在庫一式、商品、証券、通貨、価値のあるトークン、チケット、暗号通貨など、任意の数の物理または仮想アイテムを含むことができます。消耗品、食用品、飲料、貴金属、宝石、知的財産、知的財産権、契約上の権利、骨董品、備品、家具、設備、工具、機械、および動産を含みます。担保には、複数の品目または種類の品目を含めることができます。

担保品目は、ローンや取引の担保として定義された資産、財産、価値、その他の品目を表すことがあります。担保アイテムのセットが定義されてもよく、そのセット内で担保アイテムの置換、削除または追加が影響を受ける可能性があります。例えば、担保品目は、限定されないが、以下のようなものであってもよい。車両、船舶、航空機、建物、家屋、不動産物件、未開発の土地、農場、作物、自治体施設、倉庫、在庫一式、商品、証券、通貨、有価証券、チケット、暗号通貨、消耗品、食用品、飲料、貴金属、宝飾品。貴金属、宝飾品、宝石、知的財産権、契約上の権利、骨董品、備品、家具、設備、工具、機械類、又は動産等の物品。担保アイテムのセットまたは複数が定義される場合、担保アイテムのセットへの、またはセットからの担保アイテムの置換、除去、または追加などが影響する場合がある。本開示の他の態様または説明を制限することなく、担保項目または担保項目のセットは、契約または融資に対する他の条件、例えば、表明、保証、補償、約款、債務残高、固定金利、変動金利、支払額などと共に使用されることもある。変動金利、支払額、支払スケジュール、バルーン支払スケジュール、担保の指定、担保の代替性の指定、担保、個人保証、先取特権、期間、差押条件、デフォルト条件、及びデフォルトの結果など、契約又は融資の他の条件と共に使用される。特定の実施形態において、スマートコントラクトは、借り手が条件又は規約を満たしているかどうかを計算してもよく、借り手がかかる条件又は規約を満たしていない場合、自動行動を可能にするか、担保アイテムのステータス、所有又は移転に影響を与え得る別の条件又は規約をトリガするか、ローンのための担保セットに対する担保アイテムの代替、除去又は追加を開始することができる。当業者は、本明細書の開示の利益および担保物に関する知識を有するので、本明細書に開示された様々な実施形態および文脈における担保物の目的および使用（その置換、除去および追加を含む）を容易に決定することができる。

本明細書では、説明のためにローン担保の具体例を記載しているが、本明細書の開示から利益を得る任意のシステム、および本明細書の開示の利益を有する当業者に理解される任意の考察は、本開示の範囲内で特に企図される。

本明細書で利用されるスマートコントラクトサービス（及び類似の用語）という用語は、広範に理解されるべきである。本開示の他の態様又は説明を制限することなく、スマートコントラクトサービスは、スマートコントラクト又はスマートレンディング契約を管理する任意のサービス又はアプリケーションを含む。例えば、スマートコントラクトサービスは、ルールデータベース内など、スマートコントラクトの条件を指定してもよいし、一連の評価サービスからの出力を処理し、融資の担保を提供するのに十分な担保の項目を割り当ててもよい。スマートコントラクトサービスは、スマートコントラクトを具体化する一連の規則又は条件を自動的に実行してもよく、その実行は、収集されたデータに基づいてもよいし、収集されたデータを利用してもよい。スマートコントラクトサービスは、ローンの支払要求を自動的に開始し、差し押さえプロセスを自動的に開始し、代替担保若しくはバックアップ担保を請求する行動又は担保の所有権を移転する行動を自動的に開始し、検査プロセスを自動的に開始し、担保に基づいている支払又は金利条件を自動的に変更し、さらにローン関連行動を自動的に引き受けるようにスマートコントラクトを構成しても良い。スマートコントラクトは、ローン条件、ローン関連イベント、及びローン関連活動のうちの少なくとも１つを支配してもよい。スマートコントラクトは、コンピュータプロトコルとして符号化される契約であってよく、スマートコントラクトの交渉又は実行を容易にし、検証し、又は強制することができる。スマートコントラクトは、部分的もしくは完全な自己実行、または部分的もしくは完全な自己強制のうちの１つまたは複数であってもよいし、そうでなくてもよい。

あるプロセスは、個々にスマートコントラクト関連であるとみなされないかもしれないが、集約されたシステムにおいてスマートコントラクト関連であるとみなされるかもしれない-例えば、ローン関連アクションを自動的に引き受けることは、ある例ではスマートコントラクト関連ではないかもしれないが、別の例では、スマートコントラの条件により支配されるかもしれない。したがって、本開示の利点は、多種多様なプロセスシステムにおいて適用されてもよく、そのようなプロセスまたはシステムはいずれも、本明細書においてスマートコントラクトまたはスマートコントサービスと見なされ得るが、特定の実施形態において所定のサービスは本明細書においてスマートコントサービスと見なされない可能性がある。

本明細書の開示の利益と、その人が通常利用できる企図されたシステムに関する知識を有する当業者は、本開示のどの側面が特定のシステムに利益をもたらすか、および本開示からのプロセスおよびシステムを組み合わせてスマートコントラクトサービスを実装しおよび／または企図されたシステムの動作を強化する方法を容易に決定することができる。企図されたシステムがスマートコントラクトサービスまたはスマートコントラクトを含むかどうか、および／または本開示の態様が企図されたシステムに利益をもたらし得るかどうか判断する際の、当業者にとっての特定の考慮事項は、限定されないが、以下の通りである。イベントに応答して担保の所有権を自動的に移転する能力、コベナンツの遵守（または遵守の欠如）の発見時に利用可能な自動化されたアクション、担保のクラスタリング、再バランス、分配、追加、置換、および担保からの項目の除去に対する従順性、イベントに応答したローンの側面の修正パラメータ（例えば、タイミング、複雑さ、ローンタイプに対する適合性など）、ローンに関連するエンティティ（例えば、担保、当事者の財務状態、オフセット担保、及び／又は当事者に関連する業界）における変更の迅速な決定及び／又は予測からの利益を含む、システムに対するローンの条件の複雑さ、システムに対して企図されるローン、当事者、及び／又は業界のタイプに対する条件の自動生成及び／又は条件実行の適合性、などである。スマートコントラクトサービス及び考慮事項の具体例が例示の目的で本明細書に記載されているが、本明細書の開示から利益を得る任意のシステム、及び本明細書の開示の利益を有する当業者に理解される任意の考慮事項は、本開示の範囲内で特に企図される。

本明細書で利用されるＩｏＴシステム（および類似の用語）という用語は、広義に理解されるべきである。本開示の他の態様または説明を制限することなく、ＩｏＴシステムは、介入なしにネットワーク上でデータを転送することができる、一意に識別され相互に関連するコンピューティングデバイス、機械およびデジタルマシン、センサおよびオブジェクトの任意のシステムを含む。特定の構成要素は、個々にＩｏＴシステムとみなされない場合があるが、集約されたシステム-例えば、単一のネットワーク化されたシステム-においてＩｏＴシステムとみなされる場合がある。

センサ、スマートスピーカ、および／または医療デバイスは、ＩｏＴシステムでなくてもよいが、より大きなシステムの一部であってもよく、および／または多数の他の同様の構成要素と蓄積されてＩｏＴシステムおよび／またはＩｏＴシステムの一部とみなされてもよい。特定の実施形態では、システムは、ある目的ではＩｏＴシステムと見なされるが、他の目的では見なされない場合がある-例えば、スマートスピーカは、サラウンドサウンドを提供するためなどの特定の動作についてはＩｏＴシステムの一部と見なされるが、単一のローカルにネットワーク接続されたソースからコンテンツを直接ストリーミングするなど他の動作についてはＩｏＴシステムの一部と見なされない可能性がある。さらに、特定の実施形態では、そうでなければ類似の外観のシステムは、そのようなシステムがＩｏＴシステムであるかどうか、および／またはどのタイプのＩｏＴシステムであるかを決定する際に区別される場合がある。例えば、医療機器の１つのグループは、ある時点で、集約されたＨＥＲデータベースに対して共有していないかもしれないが、医療機器の別のグループは、臨床研究の目的のために集約されたＨＥＲに対してデータを共有しているかもしれず、それに応じて医療機器の１つのグループはＩｏＴシステムであるかもしれないが、他のグループはそうでない可能性がある。したがって、本開示の利点は、多種多様なシステムにおいて適用され得、任意のそのようなシステムは、本明細書においてＩｏＴシステムと見なされ得る一方で、特定の実施形態において、所定のシステムは、本明細書においてＩｏＴシステムと見なされない可能性がある。本明細書における開示の利益と、その人が通常利用可能な企図されたシステムに関する知識とを有する当業者は、本開示のどの態様が特定のシステムに利益をもたらすか、企図されたシステムの動作を強化するために本開示からのプロセスおよびシステムをどのように組み合わせるか、ならびにどの回路、コントローラ、および／またはデバイスが企図されたシステムのＩｏＴシステムを含んでいるかを容易に判断し得る。企図されるシステムがＩｏＴシステムであるかどうか、および／または本開示の態様が企図されるシステムに利益をもたらし得るかもしくは強化し得るかどうかを決定する際の、当業者にとっての特定の考慮事項は、限定されないが、システムの伝送環境（たとえば、以下のとおり。低電力、デバイス間ネットワーキングの利用可能性）、デバイス群の共有データストレージ、デバイス群によるジオフェンスの確立、ブロックチェーンノードとしてのサービス、資産、担保、またはエンティティモニタリングの性能、デバイス間のデータの中継、複数のセンサまたはモニタリングデバイスからのデータを集約する能力、および同様のものがある。ＩｏＴシステムおよび考慮事項の特定の例が例示の目的で本明細書に記載されているが、本明細書の開示から利益を得る任意のシステム、および本明細書の開示の利益を有する当業者に理解される任意の考慮事項は、本開示の範囲内で特に企図される。

本明細書で利用されるデータ収集サービス（および類似の用語）という用語は、広義に理解されるべきである。本開示の他の態様又は説明を制限することなく、データ収集サービスは、データを格納、送信、転送、共有、処理、整理、比較、報告及び／又は集計し得る任意の回路、コントローラ、デバイス、又はアプリケーションを含む、データ又は情報を収集する任意のサービスを含む。データ収集サービスは、データ収集デバイス（例えば、センサー）を含んでもよく、及び／又は、データ収集デバイスと通信してもよい。データ収集サービスは、収集のためのデータ又は情報を識別するためなど、エンティティを監視してもよい。データ収集サービスは、イベント駆動型であってもよく、定期的に実行されてもよく、またはアプリケーションの実行中の特定の時点でアプリケーションからデータを取得してもよい。特定のプロセスは、個々にデータ収集サービスであるとはみなされないかもしれないが、集約されたシステムにおいてデータ収集サービスとみなされるかもしれない-例えば、ネットワーク化されたストレージデバイスは、ある例ではデータ収集サービスのコンポーネントであるかもしれないが、別の例では、スタンドアロン機能を有するかもしれない。したがって、本開示の利点は、多種多様なプロセスシステムにおいて適用され得、任意のそのようなプロセスまたはシステムは、本明細書においてデータ収集サービスと見なされ得るが、特定の実施形態において、所定のサービスは、本明細書においてデータ収集サービスと見なされない可能性がある。本明細書の開示の利益と、その人が通常利用できる企図されたシステムに関する知識を有する当業者は、本開示のどの側面が特定のシステムに利益をもたらすか、および本開示からのプロセスおよびシステムをどのように組み合わせてデータ収集サービスを実装するか、および／または企図されたシステムの動作を強化するかを容易に決定することができる。企図されたシステムがデータ収集サービスであるかどうか、および／または本開示の態様が企図されたシステムに利益をもたらすかもしくは強化できるかどうかを判断する際の、当業者にとっての特定の考慮事項は、限定されないが、以下を含む。ビジネスルールをオンザフライで修正し、データ収集プロトコルを変更する能力、イベントのリアルタイム監視の実行、データ収集用デバイスの監視インフラストラクチャへの接続、プロセッサにイベントを記録または追跡させるコンピュータ可読命令の実行、自動検査システムの使用、ネットワーク化されたＰＯＳでの販売の発生、１つまたは複数の分散センサまたはカメラからのデータの必要、および同様のものがある。データ収集サービス及び考慮事項の特定の例が例示の目的で本明細書に記載されているが、本明細書の開示から利益を得る任意のシステム、及び本明細書の開示の利益を有する当業者に理解される任意の考慮事項は、本開示の範囲内で特に企図されるものである。

本明細書で利用されるデータ統合サービス（および類似の用語）という用語は、広範に理解されるべきである。本開示の他の態様または説明を制限することなく、データ統合サービスは、データまたは情報を統合する任意のサービスを含み、データパケット、信号、および他の情報を抽出、変換、ロード、正規化、圧縮、解凍、エンコード、デコード、およびその他の処理を行いうる任意のデバイスまたはアプリケーションを含む。データ統合サービスは、統合のためのデータまたは情報を識別するために、エンティティを監視してもよい。データ統合サービスは、必要な頻度、通信プロトコル、又は複雑な統合パターンに必要なビジネスルールに関係なく、データを統合してもよい。したがって、本開示の利点は、多種多様なプロセスシステムにおいて適用されてもよく、任意のそのようなプロセス又はシステムは、本明細書においてデータ統合サービスとみなされてもよく、一方、特定の実施形態において所定のサービスは、本明細書においてデータ統合サービスとみなされなくてもよい。本明細書の開示の利益と、その人が通常利用できる企図されたシステムに関する知識を有する当業者は、本開示のどの側面が特定のシステムに利益をもたらすか、およびデータ統合サービスを実装し、および／または企図されたシステムの動作を強化するために本開示からのプロセスおよびシステムをどのように組み合わせるかについて容易に判断することができる。当業者にとって、企図されたシステムがデータ統合サービスであるかどうか、および／または本開示の態様が企図されたシステムに利益をもたらし得るかどうか判断する際の特定の考慮事項は、限定されないが、ビジネスルールをその場で修正しデータ統合プロトコルを変更する能力、統合するデータを取り込むための第三者データベースとの通信、異種のプラットフォームにわたるデータの同期、中央データウェアハウスへの接続、システム全体に分散したデータストレージ容量、処理容量、および／またはコミュニケーション容量、別々の自動ワークフローの接続、および同様のものを含んでいる。データ統合サービス及び考慮事項の具体例は、例示の目的で本明細書に記載されているが、本明細書の開示から利益を得る任意のシステム、及び本明細書の開示の利益を有する当業者に理解される任意の考慮事項は、本開示の範囲内で特に企図される。

本明細書で利用される計算サービスという用語（及び類似の用語）は、広義に理解されるべきである。本開示の他の態様又は説明を制限することなく、計算サービスは、ブロックチェーンサービス、データ収集サービス、データ統合サービス、評価サービス、スマートコントラクトサービス、データ監視サービス、データマイニング、及び／又はデータの収集、アクセス、処理、変換、分析、保管、可視化、若しくは共有を促進する任意のサービス等の１又は複数のサービス、プラットフォーム、若しくはマイクロサービスの一部として含まれてもよい。特定のプロセスは、計算サービスであるとみなされない場合がある。例えば、プロセスは、サービスを支配する規則の種類、サービスの最終製品、またはサービスの意図によって、計算サービスとはみなされない場合がある。したがって、本開示の利点は、多種多様なプロセスシステムにおいて適用され得、任意のそのようなプロセスまたはシステムは、本明細書において計算サービスと見なされ得るが、特定の実施形態において、所定のサービスは、本明細書において計算サービスと見なされない可能性がある。本明細書の開示の利益と、その人が通常利用できる企図されたシステムに関する知識を有する当業者は、本開示のどの側面が特定のシステムに利益をもたらすか、および１つ以上の計算サービスを実施するために本開示からのプロセスおよびシステムをどのように組み合わせるか、および／または企図されたシステムの動作を強化するために容易に決定することが可能である。企図されるシステムが計算サービスであるかどうか、および／または本開示の態様が企図されるシステムに利益をもたらすかもしくは強化され得るかどうかを決定する際の、当業者にとっての特定の考慮事項は、限定されないが、サービスへの合意ベースのアクセス、異なるサービス間の交換の仲介、ウェブサービスへの要求時計算能力の提供、データの監視、収集、アクセス、処理、変換、分析、保存、統合、視覚化、マイニングまたは共有の１以上を達成することである。計算サービス及び考慮事項の具体例は、説明の目的で本明細書に記載されているが、本明細書の開示から利益を得る任意のシステム、及び本明細書の開示の利益を有する当業者に理解される任意の考慮事項は、本開示の範囲内で特に企図される。

本明細書で利用されるセンサという用語は、広義に理解されるべきである。本開示の他の態様又は説明を制限することなく、センサは、物理的品質、イベント又は変化を検出又は測定するデバイス、モジュール、機械、又はサブシステムであってよい。実施形態では、検出又は測定に対して、記録、指示、送信、又は他の方法で応答してもよい。センサの例は、実体の動きを感知するためのセンサ、実体又はその環境に関する温度、圧力又は他の属性を感知するためのセンサ、実体の静止画又は動画像を捕らえるカメラ、担保又は資産に関するデータ、例えば、位置、状態（健康、物理、又はその他）、品質、セキュリティ、所有、又は同様のものに関するデータを収集するセンサであり得る。実施形態において、センサは、測定される特性には感度があるが、他の特性には感度がなく、影響を受けない場合がある。センサは、アナログであってもデジタルであってもよい。センサは、プロセッサ、送信機、トランシーバ、メモリ、電力、検知回路、電気化学流体リザーバ、光源などを含んでもよい。システムでの使用が企図されるセンサのさらなる例としては、バイオセンサ、化学センサ、ブラックシリコンセンサ、ＩＲセンサ、音響センサ、誘導センサ、運動センサ、光学センサ、不透明度センサ、近接センサ、誘導センサ、渦電流センサ、受動赤外線近接センサ、レーダ、容量センサ、容量性変位センサ、ホール効果センサ、磁気センサ、ＧＰＳセンサ、熱画像センサ、熱電対、サーミスター、光電センサ、超音波センサ。赤外線レーザーセンサー、慣性モーションセンサー、ＭＥＭＳ内部モーションセンサー、超音波３Ｄモーションセンサー、加速度計、傾斜計、力センサ、圧電センサ、ロータリーエンコーダー、リニアエンコーダー、オゾンセンサー、煙センサ、熱センサ、磁力計、二酸化炭素検知器、一酸化炭素検知器、酸素センサ、ブドウ糖センサ、煙センサ、金属検知器、雨センサ、高度計、ＧＰＳ、屋外検出、文脈検出、活動検出、物体検出（例、コラテラル）、マーカー検出。担保など）、マーカー検出器（ジオロケーションマーカーなど）、レーザー距離計、ソナー、静電容量、光学応答、心拍センサ、またはＲＦ／マイクロパワーインパルス無線（ＭＩＲ）センサなどである。特定の実施形態では、センサは、仮想センサ-例えば、システム内の他の感知されたパラメータに基づく計算として関心のあるパラメータを決定すること-であってもよい。特定の実施形態において、センサは、スマートセンサであってもよい-例えば、感知された値を抽象化された通信として（例えば、ネットワーク通信として）報告することである。特定の実施形態において、センサは、感知された値を直接（例えば、電圧レベル、周波数パラメータ等として）システム内の回路、コントローラ、又は他のデバイスに提供してもよい。本明細書の開示の利益と、その人が通常利用できる企図されたシステムに関する知識を有する当業者は、本開示のどの局面がセンサから利益を得るかを容易に決定することができる。企図された装置がセンサであるかどうか、および／または本開示の態様が企図されたセンサから利益を得ることができるか、または企図されたセンサによって強化されるかどうかを決定する際の、当業者にとっての特定の考慮事項は、限定されないが、環境品質に対するシステムの活性化／非活性化の調整、電気出力の測定量への変換、ジオフェンスを強制する能力、担保の変更に応答してローンの自動変更、および同様のものを含む。センサ及び考慮事項の具体例は、例示の目的で本明細書に記載されているが、本明細書の開示から利益を得る任意のシステム、及び本明細書の開示の利益を有する当業者に理解される任意の考慮事項は、本開示の範囲内で特に企図される。

本明細書で利用される保管条件という用語及び類似の用語は、広義に理解されるべきである。本開示の他の側面または説明を制限することなく、保管条件は、契約、ローン、または合意、または契約、ローン、または他の合意を裏付けるものにおいて指定および監視される資産、担保、または実体の保管に関する環境、物理的場所、環境品質、暴露レベル、セキュリティ対策、メンテナンス説明、アクセス性説明、および同様のものを含んでいる。担保、資産、または実体の保管状態に基づいて、その資産の状態またはその資産の担保としての使用を維持、改善、および／または確認するためのアクションが実行される場合があります。保管状況に基づき、ローンや債券の条件を変更するための措置が取られることがある。保管状態は、様々な規則、閾値、条件付き手順、ワークフロー、モデルパラメータ等に従って分類されてもよく、自己申告に基づくか、またはモノのインターネット装置からのデータ、環境条件センサのセットからのデータ、ソーシャルネットワーク分析サービスおよびネットワークドメイン、ソーシャルメディアデータ、クラウドソーシングデータ等を照会するアルゴリズムのセットからのデータ、に基づくことがある。保管条件は、担保、発行者、借り手、資金の分配、又は他の地理的位置に関連する地理的位置に結びつけられてもよい。ＩｏＴデータの例としては、画像、センサデータ、位置情報等を挙げることができる。ソーシャルメディアデータ又はクラウドソースデータの例としては、融資の当事者の行動、当事者の財務状況、当事者の融資の条件又は債券の条件の遵守、又はそのようなものが含まれてもよい。融資の当事者は、債券の発行者、関連団体、貸し手、借り手、債務に利害関係を持つ第三者を含んでもよい。保管条件は、自治体資産、車両、船舶、飛行機、建物、家、不動産物件、未開発の土地、農場、作物、自治体施設、倉庫、在庫一式、商品、証券、通貨、有価証券、チケット、暗号通貨などの資産または担保の種類に関するものであってもよい。消耗品、食用品、飲料、貴金属、宝飾品、宝石、知的財産権、契約上の権利、骨董品、備品、家具、設備、工具、機械、及び動産である。保管状態は、環境が、自治体環境、企業環境、証券取引環境、不動産環境、商業施設、倉庫施設、交通環境、製造環境、保管環境、家庭、及び車両の中から選択される環境を含んでもよい。担保、資産、または事業体の保管状態に基づく行動は、ローン、契約、または合意の管理、報告、変更、シンジケーション、統合、終了、維持、条件および／または修正、資産の差押え、またはその他の処理を含むことができる。本明細書の開示の利益と、想定される保管条件についての知識を有する当業者は、本開示のどの側面が保管条件についての特定のアプリケーションに利益をもたらすかを容易に判断することができる。管理及び／又は監視するための適切な保管条件を選択する際の当業者、又は本開示の実施形態のための特定の考慮事項は、限定されないが、取引の管轄権を与えられた条件の合法性、所定の担保について利用可能なデータ、予想される取引のタイプ（ローン、債券又は債務）、特定のタイプの担保、価値に対するローンの比率、ローンに対する担保の比率、取引／ローン総額、借り手及び貸し手のクレジットスコア、業界における通常の慣行、及び他の考慮事項が含まれる。保管条件の具体例が説明のために本明細書に記載されているが、本明細書の開示から利益を得る任意の実施形態、及び本明細書の開示の利益を有する当業者に理解される任意の考察は、本開示の範囲内で特に企図される。

本明細書で利用されるジオロケーションという用語及び類似の用語は、広義に理解されるべきである。本開示の他の態様又は説明を制限することなく、ジオロケーションは、一連の地理座標（例えば、緯度及び経度）及び／又は住所を生成することを含む、オブジェクトの実世界の地理的位置の特定又は推定を含む。担保、資産、または実体のジオロケーションに基づき、その資産の状態またはその資産を担保として使用することを維持または改善するための行動が取られる場合がある。地理的位置に基づいて、ローンや債券の条件を変更するための措置が取られる場合がある。ジオロケーションに基づき、例えば天候、特定地域の内乱、及び／又は地域災害（例えば地震、洪水、竜巻、ハリケーン、産業事故など）に基づき、取引に関する決定又は予測が実行されることがある。ジオロケーションは、様々な規則、閾値、条件付き手順、ワークフロー、モデルパラメータ等に従って決定されてよく、自己申告に基づいてもよいし、モノのインターネットデバイスからのデータ、環境条件センサのセットからのデータ、ソーシャルネットワーク分析サービスおよびネットワークドメインを照会するためのアルゴリズムのセットからのデータ、ソーシャルメディアデータ、クラウドソーシングデータ等に基づいて決定されてもよい。ジオロケーションデータの例としては、ＧＰＳ座標、画像、センサデータ、住所などを挙げることができる。ジオロケーションデータは、定量的（例えば、経度／緯度、平面地図との相対関係等）及び／又は定性的（例えば、「沿岸」、「地方」等のカテゴリ、「ニューヨーク市内」等）であってもよい。地理位置データは、絶対的（例えば、ＧＰＳ位置）または相対的（例えば、予想される位置から１００ヤード以内）であってもよい。ソーシャルメディアデータまたはクラウドソースデータの例としては、ジオロケーションによって推測されるローンの当事者の行動、ジオロケーションによって推測される当事者の財務状況、ローン、または債券の条件または条項に対する当事者の順守、またはそのようなものが含まれる場合がある。ジオロケーションは、自治体の資産、車両、船舶、飛行機、建物、家、不動産物件、未開発の土地、農場、作物、自治体の施設、倉庫、在庫一式、商品、証券などの資産または種類の担保について決定されてもよい。通貨、有価証券、チケット、消耗品、食用品、飲料、貴金属、宝飾品、宝石、骨董品、備品、家具、設備、工具、機械、および個人所有の品目。ジオロケーションは、当事者の一方、第三者（例えば、取引に関連する検査サービス、保守サービス、清掃サービスなど）、又は取引に関連する他のエンティティなどのエンティティについて決定されてもよい。また、ジオロケーションは、自治体環境、企業環境、証券取引環境、不動産環境、商業施設、倉庫施設、交通環境、製造環境、保管環境、自宅、及び車両の中から選択された環境を含んでもよい。担保、資産、または事業体のジオロケーションに基づく行動は、ローン、契約、または合意を管理、報告、変更、シンジケーション、統合、終了、維持、条件および／または修正、資産の差押え、またはその他の処理を含み得る。本明細書の開示の利益と企図されたシステムに関する知識を有する当業者は、本開示のどの態様がジオロケーションのための特定のアプリケーションに利益をもたらすか、およびアイテムのどの位置の態様が企図されたシステムのためのジオロケーションであるかを容易に決定することができる。管理するための適切なジオロケーションを選択する際の、当業者、または本開示の実施形態に対する特定の考慮事項は、限定されないが、以下を含む。取引の管轄を考慮したジオロケーションの合法性、所定の担保について利用可能なデータ、予想される取引タイプ（ローン、債券又は債務）、特定のタイプの担保、価値に対するローンの比率、ローンに対する担保の比率、取引／ローン総額、借り手の特定の管轄への旅行頻度及び他の考慮事項、担保の移動性、及び／又は取引に関連する場所固有の事象発生の可能性（例えば、天候、関連する産業施設の位置、関連するサービスの利用可能性など）。ジオロケーションの特定の例が説明の目的で本明細書に記載されているが、本明細書の開示から利益を得る任意の実施形態、及び本明細書の開示の利益を有する当業者に理解される任意の考察は、本開示の範囲内で特に企図されている。

本明細書で使用される管轄区域という用語および類似の用語は、広義に理解されるべきである。本開示の他の態様又は説明に限定されることなく、管轄区域は、ローン事業体を支配する法律及び法的権限を指す。管轄区域は、事業体の地理的位置、事業体の登録場所（例えば、船舶の旗国、企業の設立国など）、知的優先権などの特定の権利の付与国などに基づいてもよい。特定の実施形態では、管轄位置は、システム内のエンティティのジオロケーションのうちの１つまたは複数であってもよい。特定の実施形態では、管轄位置は、システム内の任意のエンティティのジオロケーションと同じでなくてもよい（例えば、契約により他の何らかの管轄が指定される場合）。特定の実施形態では、管轄の場所は、システム内のエンティティに対して異なる場合がある（例えば、借り手はＡで、貸し手はＢで、担保はＣで、契約はＤで施行される、など）。特定の実施形態では、所与のエンティティのための管轄ロケーションは、システムの運用中に（例えば、担保、関連データ、条件の変更などの移動に起因して）変化することがある。特定の実施形態では、システムの所与のエンティティは、（例えば、関連する法律の運用、及び／又は１つ以上の当事者が利用できるオプションに起因して）１つ以上の管轄区域を有することがあり、及び／又は異なる目的のために異なる管轄区域を有することがある。担保の品目、資産、または実体、行為の管轄区域の位置は、ローンまたは債券の特定の条件または条項を規定する場合があり、および／または当事者への通知、差し押さえおよび／または債務不履行の実行、担保および／または債務証券の取り扱い、ならびにシステム内の種々のデータの取り扱いについて異なる義務を示す場合がある。司法権の位置の具体例が説明の目的で本明細書に記載されているが、本明細書の開示から利益を得る任意の実施形態、および本明細書の開示の利益を有する当業者に理解される任意の考慮事項は、本開示の範囲内で特に企図されている。

価値の増分という文脈で本明細書で利用される、価値のトークン、トークン、および暗号通貨トークンなどの変形は、（Ａ）通貨または暗号通貨の単位（例えば、暗号通貨トークン）、および（ｂ）物品、サービス、データまたは他の価値ある対価と交換できる信用証明書を表すために使用することもでき（例えば、価値のトークン）、いずれかを表すために広義で理解され得る。本開示の他の態様または説明を制限することなく、前者の場合、トークンは、投資アプリケーション、トークン取引アプリケーション、およびトークンベースのマーケットプレイスと組み合わせて使用することも可能である。後者の場合、トークンは、商品、サービス、手数料、制限された領域またはイベントへのアクセス、データ、または他の価値ある利益の提供などの対価のレンダリングと関連付けることも可能である。トークンは、偶発的なもの（例えば、偶発的なアクセストークン）であってもよいし、偶発的でないものであってもよい。例えば、価値のあるトークンは、宿泊施設、（例えばホテルの部屋）、食事／食の商品およびサービス、スペース（例えば共有スペース、ワークスペース、コンベンションスペースなど）、フィットネス／ウェルネス商品またはサービス、イベントチケットまたはイベント入場、旅行、フライトまたは他の交通機関、デジタルコンテンツ、仮想商品、ライセンスキー、または他の価値ある商品、サービス、データまたは対価と交換されることができる。通貨、暗号通貨、または物品、サービス、データ、または他の利益などの他の形態の価値のいずれであっても、対価、担保、または価値の単位を議論する場合に、様々な形態のトークンが含まれる場合がある。本明細書の開示の利益とトークンに関する知識を有する当業者は、通貨、暗号通貨、商品、サービス、データ、または他の価値のいずれであっても、トークンによって象徴または表される価値を容易に決定することができる。トークンの特定の例が説明の目的で本明細書に記載されているが、本明細書の開示から利益を得る任意の実施形態、及び本明細書の開示の利益を有する当業者に理解される任意の考慮事項は、本開示の範囲内で特に企図される。

本明細書で利用される価格設定データという用語は、市場における１つまたは複数の品目の、価格またはコストなどの情報量を記述するために広範に理解される場合がある。本開示の他の態様又は説明を制限することなく、価格設定データは、スポット市場価格、フォワード市場価格、価格割引情報、プロモーション価格、及び品目のコスト又は価格に関する他の情報と共に使用されることもある。価格設定データは、１つ又は複数の条件を満たしてもよく、又はスマートコントラクトの１つ又は複数の規則の適用をトリガしてもよい。価格設定データは、市場価値データ、会計データ、アクセスデータ、資産及び施設データ、労働者データ、イベントデータ、引受データ、クレームデータ又は他の形式のデータなどの他の形式のデータと組み合わせて使用されてもよい。価格設定データは、評価対象アイテムのコンテキスト（例えば、状態、流動性、場所など）および／または特定の当事者のコンテキストに合わせて調整されてもよい。本明細書の開示の利益及び価格設定データに関する知識を有する当業者は、本明細書に開示される様々な実施形態及び文脈における価格設定データの目的及び使用を容易に決定することができる。

本開示の他の態様または説明を制限することなく、トークンは、担保、資産、報酬などの価値のトークン、例えば、商品またはサービスと交換できる価値保持バウチャーなどの価値の表現として機能するトークンにおいて、限定することなく、任意のトークンを含む。ある構成要素は、個別にトークンとみなされないかもしれないが、集約されたシステムにおいてトークンとみなされるかもしれない-例えば、資産に置かれた価値はそれ自体トークンでないかもしれないが、資産の価値は、貯蔵、交換、取引などのために、価値のトークンに置かれるかもしれない。例えば、非限定的な例では、ブロックチェーン回路は、トークンに帰属する価値がブロックチェーン回路の分散型台帳に格納される、資産の価値を格納するメカニズムを貸し手に提供するように構成されてもよいが、価値を割り当てられたトークン自体は、トークン市場を通じてなど、交換または取引されることが可能である。特定の実施形態では、トークンは、ある目的ではトークンとみなされるが、他の目的ではみなされない場合がある-例えば、トークンは資産の所有権の表示として使用される場合があるが、資産の価値を含むトークンがそうであるかもしれないところ、トークンのこの使用は価値として取引されないだろう。したがって、本開示の利点は、多種多様なシステムにおいて適用され得、任意のそのようなシステムは、本明細書においてトークンと見なされ得るが、特定の実施形態では、所定のシステムは、本明細書においてトークンと見なされない可能性がある。本明細書の開示の利益と、その人が通常利用できる企図されたシステムに関する知識を有する当業者は、本開示のどの態様が特定のシステムに利益をもたらすか、および／または本開示からのプロセスおよびシステムを組み合わせて企図されたシステムの動作を強化する方法を容易に決定することができる。当業者にとって、企図されたシステムがトークンであるかどうか、および／または本開示の態様が企図されたシステムに利益をもたらすかもしくは強化できるかどうかを判断する際の特定の考慮事項は、限定されないが、アクセス権、チケット、およびトークンに関するなどのアクセスデータ、株式、持分、およびトークンに対する投資などの投資アプリケーションにおける使用、トークン取引アプリケーション、トークンベースの市場、金銭報酬およびトークンなどの対価形態、トークンでの資源の価値の換算。暗号通貨トークン、ＩＤ情報、イベント情報、およびトークン情報などの所有権の表示、マーケットプレイスアプリケーションで取引されるブロックチェーンベースのアクセストークン、随伴アクセス権、基礎となるアクセス権、トークン、および手数料に対する価格を設定および監視するためなどの価格設定アプリケーション、随伴アクセス権または基礎となるアクセス権もしくはトークンの取引または交換のための取引アプリケーション、所有権をもたらす随伴アクセス権についてブロックチェーン上に作成および格納されるトークン（例えば、チケット）などを含む。

本明細書で利用される財務データという用語は、資産、担保、または他の項目またはアイテムに関する財務情報の集合を表すものとして広範に理解されうる。財務データは、収益、費用、資産、負債、資本、債券格付け、デフォルト、資産利益率（ＲＯＡ）、投資利益率（ＲＯＩ）、過去の業績、予想される将来の業績、１株当たり利益（ＥＰＳ）、内部収益率（ＩＲＲ）、業績発表、比率、前述のいずれかの統計分析（例えば移動平均）等を含んでもよい。本開示の他の態様又は説明を制限することなく、財務データは、価格データ及び市場価値データと共に使用されることもできる。財務データは、１つ以上の条件を満たすことができ、又はスマートコントラクトの１つ以上の規則の適用をトリガすることができる。財務データは、市場価値データ、価格設定データ、会計データ、アクセスデータ、資産及び施設データ、労働者データ、イベントデータ、引受データ、クレームデータ又は他の形態のデータなど、他の形態のデータと組み合わせて使用されてもよい。本明細書の開示の利益及び財務データに関する知識を有する当業者は、本明細書に開示される様々な実施形態及び文脈における価格設定データの目的及び使用を容易に決定することができる。

本書で使用される約款という用語は、ある行為または不作為の履行などの条件、合意または約束を表すものとして広く理解される場合があります。例えば、誓約は、当事者の行動又は当事者の法的地位に関するものであってもよい。本開示の他の態様または説明に限定されることなく、特約は、表明、保証、補償、債務残高、固定金利、変動金利、支払額、支払スケジュール、支払条件など、契約または融資に関連する他の用語と組み合わせて使用されることもある。支払額、支払スケジュール、バルーン支払スケジュール、担保の指定、担保の代替性の指定、当事者、保証、保証人、担保、個人保証、先取特権、期間、差押条件、デフォルト条件、およびデフォルトの結果などです。誓約または誓約の不履行は、１つまたは複数の条件を満たすことができ、または回収、違反、または他の条件をトリガすることができる。特定の実施形態では、スマートコントラクトは、特約が満たされているかどうかを計算してもよく、特約が満たされていない場合には、自動化された行動を可能にするか、又は他の条件若しくは条項をトリガしてもよい。本明細書の開示の利益及びコベナンツに関する知識を有する当業者は、本明細書に開示される様々な実施形態及び文脈におけるコベナンツの目的及び使用を容易に決定することができる。

本明細書で使用されるエンティティという用語は、当事者、第三者（例えば、監査人、規制当局、サービスプロバイダなど）、及び／又は取引に関連する担保物品のような識別可能な関連物体を表すために広く理解される場合がある。例示的なエンティティは、個人、パートナーシップ、企業、有限責任会社、または他の法的組織を含む。他の例示的なエンティティは、担保の識別可能なアイテム、オフセット担保、潜在的担保などを含む。例えば、エンティティは、契約または融資の個人などの所定の当事者であってもよい。本明細書におけるデータまたは他の用語は、エンティティ指向のデータなど、エンティティに関連するコンテキストを有するものとして特徴付けられてもよい。エンティティは、限定されないが、人間のエンティティ、物理的なエンティティ、取引エンティティ、または金融エンティティなどの特定のコンテキストまたはアプリケーションを有するものとして特徴付けられることがある。エンティティは、そのエンティティを代表する、またはそのエンティティを代理して行動する代理人を有することができる。本開示の他の態様または説明に限定されることなく、エンティティは、他の関連するエンティティまたは契約または融資の条件と組み合わせて使用されることもある：例えば、表明、保証、補償、契約、債務残高、固定金利、変動金利、支払額、支払スケジュール、支払表、支払表など。支払額、支払スケジュール、バルーン支払スケジュール、担保の指定、担保の代替性の指定、当事者、保証、保証人、担保、個人保証、先取特権、期間、差押条件、デフォルト条件、およびデフォルトの結果などです。エンティティは、以下のような一連の属性を有することができる。公示された評価額、公的記録によって示される事業体が所有する一連の財産、事業体が所有する一連の財産の評価額、破産状態、差し押さえ状態、契約上の不履行状態、規制違反状態、犯罪状態、輸出規制状態、禁輸状態、関税状態。輸出規制状況、禁輸状況、関税状況、課税状況、信用報告書、信用格付け、ウェブサイト格付け、エンティティの製品に対する顧客レビューのセット、ソーシャルネットワーク格付け、資格情報のセット、紹介のセット、証言のセット、行動のセット、場所、及びジオロケーション（限定されない）。特定の実施形態において、スマートコントラクトは、エンティティが条件又は誓約を満たしているかどうかを計算してもよく、エンティティがかかる条件又は誓約を満たしていない場合、自動行動を可能にするか又は他の条件若しくは条項をトリガしてもよい。本明細書の開示の利益とエンティティに関する知識を有する当業者は、本明細書に開示される様々な実施形態及びコンテキストにおけるエンティティの目的及び使用を容易に決定することができる。

本明細書で使用する当事者という用語は、個人、パートナーシップ、企業、有限責任会社、または他の法的組織など、契約のメンバーを表すために広く理解されるかもしれません。例えば、当事者は、一次貸し手、二次貸し手、貸し出しシンジケート、企業貸し手、政府貸し手、銀行貸し手、担保付き貸し手、債券発行者、債券購入者、無担保貸し手、保証人、担保提供者、借り手、債務者、引受人、検査官、評価人、監査人、評価の専門家、政府関係者、会計士、その他契約、取引または融資に対して権利または義務を持つエンティティであってもよい。当事者は、複数の当事者が取引に関与するマルチパーティトランザクションという用語のように、異なる用語を特徴づけることができ、そのような用語は制限されない。当事者は、自己を代表し又は自己を代行する代表者を有していてもよい。特定の実施形態では、当事者という用語は、潜在的当事者または見込み当事者-例えば、システムと相互作用する意図的な貸し手または借り手であって、システムとの相互作用中に実際の合意にまだコミットしていない可能性があるもの-を参照してもよい。本開示の他の側面または説明を制限することなく、当事者はまた、他の関連当事者または契約もしくは融資の条件（表明、保証、補償、契約、債務残高、固定金利、変動金利など）と組み合わせて使用されることもある。支払額、支払スケジュール、バルーン支払スケジュール、担保の指定、担保の代替性の指定、実体、保証、保証人、担保、個人保証、先取特権、期間、差押条件、デフォルト条件、およびデフォルトの結果などです。当事者は、ＩＤ、信用度、活動、行動、商習慣、契約の履行状況、売掛金に関する情報、買掛金に関する情報、担保の価値に関する情報、及び他の種類の情報などの一連の属性を有していてもよく、これらに限定されるものではない。特定の実施形態において、スマートコントラクトは、当事者が条件又は特約を満たしたかどうかを計算してもよく、当事者がかかる条件又は特約を満たしていない場合、自動行動を可能にするか又は他の条件若しくは条項をトリガしてもよい。本明細書の開示の利益と当事者に関する知識を有する当業者は、本明細書に開示された様々な実施形態及び文脈における当事者の目的及び用途を容易に決定することができる。

本明細書で使用する当事者属性、実体属性、または当事者／実体属性という用語は、当事者または実体の価値、特性、または状態を記述するために広く理解される場合がある。例えば、当事者又はエンティティの属性は、限定されないが、価値、品質、場所、純資産、価格、物理的状態、健康状態、セキュリティ、安全、所有権、アイデンティティ、信用度、活動、行動、ビジネス慣習、契約の履行状況、売掛に関する情報、買掛に関する情報、担保価値に関する情報、及び他のタイプの情報等であってもよい。特定の実施形態において、スマートコントラクトは、当事者又はエンティティの属性に関連する値、ステータス又は条件を計算してもよく、当事者又はエンティティがそのような条件又は特約を満たしていない場合、自動行動を可能にするか、他の条件又は条項をトリガしてもよい。本明細書の開示の利益と当事者又はエンティティの属性に関する知識を有する当業者は、本明細書に開示される様々な実施形態及びコンテキストにおけるこれらの属性の目的及び使用を容易に決定することができる。

本明細書で使用する貸し手という用語は、貸し出し用の資産や融資の収益を提供する契約の当事者を表すものとして広く理解され、個人、パートナーシップ、企業、有限責任会社、または他の法的組織を含むことができる。例えば、貸し手は、一次貸し手、二次貸し手、貸し出しシンジケート、企業貸し手、政府貸し手、銀行貸し手、担保貸し手、無担保貸し手、または借り手への融資を提供する契約、取引または融資に対する権利または義務を有する他の当事者であってよく、制限されない。貸手は、自己を代表し行動する代理人を持つことができる。本開示の他の側面または説明に限定されることなく、当事者は、他の関連当事者または契約や融資の用語と組み合わせて使用されることもあります：借り手、保証人、表明、保証、免責、契約、債務残高、固定金利、変動金利、支払額などです。担保の指定、担保の代替性の指定、担保、個人保証、先取特権、期間、差押え条件、不履行条件、及び不履行の結果などである。特定の実施形態において、スマートコントラクトは、貸し手が条件又は特約を満たしているかどうかを計算してもよく、貸し手がかかる条件又は特約を満たしていない場合、自動化されたアクション、通知又は警告を可能にし、又は他の条件若しくは条項をトリガしてもよい。本明細書の開示の利益と貸し手に関する知識を有する当業者は、本明細書に開示される様々な実施形態及び文脈における貸し手の目的及び用途を容易に決定することができる。

本明細書で利用されるクラウドソーシングサービスという用語は、クラウドソーシングモデルまたは取引に関連して提供またはレンダリングされるサービスを広く理解することができ、そこでは、多数の人々またはエンティティが、ローンなどのニーズを満たすための貢献を供給する。クラウドソーシングサービスは、限定されることなく、プラットフォーム又はシステムによって提供されてもよい。クラウドソーシングのリクエストは、情報供給者のグループに伝達されてもよく、それによって、リクエストに対する応答が収集され、成功した少なくとも１つの情報供給者に報酬を提供するために処理されてもよい。要求及びパラメータは、融資のための一連の担保の状態に関連する情報を取得するように構成されてもよい。クラウドソーシングのリクエストは、公開されてもよい。特定の実施形態では、限定されないが、クラウドソーシングサービスは、クラウドソーシング要求に対する応答を処理し、クラウドソーシング要求に対して構成された一連のパラメータを満たす情報に報酬を自動的に割り当てるスマートコントラクトによって管理される、スマートコントラクトによって実行されてもよい。本明細書の開示の利益及びクラウドソーシングサービスに関する知識を有する当業者は、本明細書に開示された様々な実施形態及び文脈におけるクラウドソーシングサービスの目的及び使用を容易に決定することができる。

本明細書で利用される出版サービスという用語は、クラウドソーシングの要求を出版するための一連のサービスを説明すると理解されてもよい。出版サービスは、限定されないが、プラットフォームまたはシステムによって提供されてもよい。特定の実施形態では、限定されないが、出版サービスは、スマートコントラクトによって実行されてもよく、クラウドソーシング要求が出版されるか、または出版がスマートコントラクトによって開始される。本明細書の開示の利益と出版サービスに関する知識を有する当業者は、本明細書に開示される様々な実施形態およびコンテキストにおける出版サービスの目的および使用を容易に決定することができる。

本明細書で使用されるインターフェースという用語は、相互作用または通信が達成されるコンポーネント、例えばコンピュータのコンポーネントなどを説明するために広く理解され、ソフトウェア、ハードウェアまたはそれらの組み合わせで具体化される場合がある。例えば、インターフェースは、限定されないが、アプリケーションプログラミングインターフェース、グラフィックユーザーインターフェース、ユーザインターフェース、ソフトウェアインターフェース、マーケットプレイスインターフェース、需要集約インターフェース、クラウドソーシングインターフェース、安全なアクセス制御インターフェース、ネットワークインターフェース、データ統合インターフェースまたはクラウドコンピューティングインターフェース、またはそれらの組み合わせなど、多くの異なる目的を果たすかまたは異なるアプリケーションもしくはコンテキスト用に構成される可能性がある。インターフェースは、貸出、借り換え、回収、統合、ファクタリング、仲介、または差押えの範囲内で、データを入力、受信、または表示する方法として機能することができる（限定されない）。インターフェースは、他のインターフェースのインターフェースとして機能してもよい。本開示の他の態様または説明を制限することなく、インターフェースは、アプリケーション、プロセス、モジュール、サービス、層、デバイス、コンポーネント、機械、製品、サブシステム、インターフェース、接続とともに、またはシステムの一部として使用されることができる。特定の実施形態では、インターフェースは、ソフトウェア、ハードウェア、またはそれらの組み合わせで具現化され、また、媒体またはメモリに格納されてもよい。当業者は、本明細書の開示の利益とインターフェースに関する知識を有するので、本明細書に開示された様々な実施形態及びコンテキストにおけるインターフェースの目的及び用途を容易に決定することができる。

本明細書で利用されるグラフィカルユーザインターフェースという用語は、ユーザーがシステム、コンピュータ、または他のインターフェースと相互作用することを可能にするインターフェースの一種として理解され得、その中で相互作用または通信はグラフィカルデバイスまたは表現を通じて達成される。グラフィカルユーザインターフェースは、コンピュータの構成要素であってよく、コンピュータ可読命令、ハードウェア、またはそれらの組み合わせで具現化されてもよい。グラフィカルユーザインターフェースは、多くの異なる目的を果たすか、または異なる用途もしくは文脈のために構成されることができる。このようなインターフェースは、限定されないが、視覚的表現、刺激、または対話型データを使用してデータを受信または表示する方法として機能するのに役立つ場合がある。グラフィカルユーザインターフェースは、別のグラフィカルユーザインターフェースまたは他のインターフェースのためのインターフェースとして機能することができる。本開示の他の態様または説明を制限することなく、グラフィカルユーザインターフェースは、アプリケーション、プロセス、モジュール、サービス、層、デバイス、コンポーネント、機械、製品、サブシステム、インターフェース、接続、またはシステムの一部として併用されてもよい。特定の実施形態では、グラフィカルユーザインターフェースは、コンピュータ可読命令、ハードウェア、またはそれらの組み合わせで具現化されてもよく、また、媒体またはメモリに格納されてもよい。グラフィカルユーザインターフェースは、キーボード、マウス、タッチスクリーンなどを含む任意の入力タイプのために構成されてもよい。グラフィカルユーザインターフェースは、例えば専用アプリケーション、ウェブページインタフェース、またはこれらの組み合わせを含む、任意の所望のユーザインタラクション環境のために構成されてもよい。本明細書の開示の利益とグラフィカルユーザインターフェースに関する知識を有する当業者は、本明細書に開示される様々な実施形態および文脈におけるグラフィカルユーザインターフェースの目的および使用を容易に決定することができる。

本明細書で使用するユーザインターフェースという用語は、ユーザーがシステム、コンピュータ、または他の装置と相互作用できるようにするインターフェースの一種として理解することができ、相互作用または通信はグラフィカルな装置または表現を通じて達成される。ユーザインターフェースは、コンピュータの構成要素であってよく、ソフトウェア、ハードウェア、またはそれらの組み合わせで具現化されてもよい。ユーザインターフェースは、媒体上またはメモリに格納されてもよい。ユーザインターフェースは、デフォルト、テンプレート化、推奨、または事前設定された条件を持つドロップダウンメニュー、表、フォームなどを含んでもよい。特定の実施形態では、ユーザインターフェースは、音声対話を含むことができる。本開示の他の態様または説明を制限することなく、ユーザインターフェースは、アプリケーション、回路、コントローラ、プロセス、モジュール、サービス、層、デバイス、コンポーネント、機械、製品、サブシステム、インターフェース、接続、またはシステムの一部と組み合わせて使用され得る。ユーザインターフェースは、多くの異なる目的を果たすか、異なるアプリケーションやコンテキストのために構成されるかもしれない。例えば、貸手側ユーザインターフェースは、複数の顧客プロファイルを表示するための機能を含むが、特定の変更を行うことが制限される場合がある。債務者側ユーザインターフェースは、ユーザアカウントの詳細を表示し、変更を行うための機能を含むことができる。第三者中立側インターフェース（例えば、規制当局、監査人など、基礎となる取引に利害関係を持たない第三者）は、データを操作する能力なしに、会社の監督及び匿名化されたユーザデータの表示を可能にする機能を有してよく、第三者及びアクセスの目的に応じて予定されたアクセスを有してよく、第三者中立側インターフェース（例えば、監査人など、基礎となる取引に利害関係を有しない第３者）は、データを操作する能力を有してよく、第３者がアクセスするための目的に応じて、アクセスを予定してよく、第３者中立側インターフェース（例えば、監査人など）は、データを操作する能力を有しない。第３者利害関係者側インターフェース（例えば、回収者、債務者擁護者、調査者、部分所有者など、基礎となる取引に利害関係を持ちうる第３者）は、変更を加えることに制限を伴う特定のユーザデータの表示を可能にする機能を含んでもよい。これらのユーザインターフェースの多くのより多くの特徴は、本開示を通して説明されるシステムおよび／または手順の実施形態を実装するために利用可能であり得る。したがって、本開示の利点は、多種多様なプロセスおよびシステムにおいて適用され得、任意のそのようなプロセスまたはシステムは、本明細書においてサービスと見なされ得る。本明細書の開示の利点とユーザインターフェースに関する知識を有する当業者は、本明細書に開示される様々な実施形態およびコンテキストにおけるユーザインターフェースの目的および使用を容易に決定することができる。当業者にとって、企図されたインターフェースがユーザインターフェースであるかどうか、および／または本開示の態様が企図されたシステムに利益をもたらすかもしくは強化できるかどうかを決定する際の特定の考慮事項は、限定されないが、構成可能なビュー、操作またはビューを制限する能力、レポート機能、ユーザープロファイルおよびデータを操作する能力、規制要件を実装する、借り手、貸し手および第３者に望ましいユーザー特性を提供するなど、である。

本明細書で利用されるインターフェースおよびダッシュボードは、さらに、ソフトウェア、ハードウェアまたはそれらの組み合わせで具現化され得るコンピュータのコンポーネントなど、相互作用または通信が達成されるコンポーネントを説明するために広く理解されるかもしれない。インターフェースおよびダッシュボードは、アイテム、サービス、提供物、または取引もしくは融資の他の側面を取得、受信、提示、または他の方法で管理することができる。例えば、インターフェースおよびダッシュボードは、限定されないが、アプリケーションプログラミングインターフェース、グラフィックユーザーインターフェース、ユーザインターフェース、ソフトウェアインターフェース、マーケットプレイスインターフェース、需要集約インターフェース、クラウドソーシングインターフェース、安全なアクセス制御インターフェース、ネットワークインターフェース、データ統合インターフェースもしくはクラウドコンピューティングインターフェース、またはこれらの組み合わせなど、多くの異なる目的を果たすかまたは異なるアプリケーションもしくはコンテキスト用に構成され得る。インターフェースまたはダッシュボードは、限定されないが、貸出、借り換え、回収、統合、ファクタリング、仲介または差押えの文脈で、データを受信または表示する方法として機能する役割を果たすことができる。インターフェースまたはダッシュボードは、別のインターフェースまたはダッシュボードのためのインターフェースまたはダッシュボードとして機能してもよい。本開示の他の態様または説明を制限することなく、インターフェースは、アプリケーション、回路、コントローラ、プロセス、モジュール、サービス、層、デバイス、コンポーネント、機械、製品、サブシステム、インターフェース、接続、またはシステムの一部として併用されてもよい。特定の実施形態では、インターフェースまたはダッシュボードは、コンピュータ可読命令、ハードウェアまたはそれらの組み合わせで具現化されるだけでなく、媒体上またはメモリに格納されることもある。当業者は、本明細書の開示の利益と、想定されるシステムに関して通常利用可能な知識を有するので、本明細書に開示される様々な実施形態およびコンテキストにおけるインターフェースおよび／またはダッシュボードの目的および使用を容易に決定することができる。

本明細書で利用されるドメインという用語は、トランザクション及び／又はトランザクションに関連する通信の範囲又はコンテキストを記述するために広範に理解され得る。例えば、ドメインは、限定されないが、実行のためのドメイン、デジタル資産のためのドメイン、リクエストが公開されるドメイン、ソーシャルネットワークデータ収集及び監視サービスが適用されるドメイン、モノのインターネットデータ収集及び監視サービスが適用されるドメイン、ネットワークドメイン、地理位置ドメイン、管轄位置ドメイン及び時間ドメインなど、多くの異なる目的を果たし、又は異なるアプリケーション若しくはコンテキスト用に構成されてもよい。本開示の他の態様または説明を制限することなく、１つまたは複数のドメインは、任意のアプリケーション、回路、コントローラ、プロセス、モジュール、サービス、層、デバイス、コンポーネント、機械、製品、サブシステム、インターフェース、接続、またはシステムの一部として関連して利用され得る。特定の実施形態では、ドメインは、コンピュータ可読命令、ハードウェア、またはそれらの組み合わせで具現化され、また、媒体上またはメモリに格納されてもよい。本明細書の開示の利益とドメインに関する知識を有する当業者は、本明細書に開示される様々な実施形態及びコンテキストにおけるドメインの目的及び使用を容易に決定することができる。

本明細書で利用されるリクエスト（およびその変形）という用語は、あるもの（例えば情報、応答、オブジェクトなど）が提供されるように開始または依頼する動作またはインスタンスを記述するために広く理解されるかもしれない。特定のタイプのリクエストはまた、限定されないが、正式な法的リクエスト（例えば、召喚状）、借り換えのリクエスト（例えば、ローン）、またはクラウドソーシングのリクエストなど、多くの異なる目的を果たし、または異なるアプリケーションまたはコンテキスト用に構成されることがある。システムは、要求を実行するためだけでなく、要求を満たすためにも利用され得る。法的措置、ローンの借り換え、またはクラウドソーシングサービスを議論する場合、限定されないが、様々な形態のリクエストが含まれてもよい。本明細書の開示の利益と企図されたシステムに関する知識を有する当業者は、実施形態において実装されるリクエストの価値を容易に決定することができる。リクエストの特定の例が説明の目的で本明細書に記載されているが、本明細書の開示から利益を得る任意の実施形態、及び本明細書の開示の利益を有する当業者に理解される任意の考察は、本開示の範囲内で特に企図される。

本明細書で利用される報酬（及びその変形）という用語は、行動又は刺激に応答して受け取る又は提供される物又は対価を説明するために広く理解される場合がある。報酬は、限定されることなく、金銭的なタイプ、又は非金銭的なタイプであることができる。特定のタイプの報酬はまた、限定されないが、報酬イベント、報酬の請求、金銭的報酬、データセットとして取り込まれる報酬、報酬ポイント、及び他の形態の報酬など、多くの異なる目的を果たすか、又は異なる用途又は文脈のために構成されることができる。報酬は、トリガされ、割り当てられ、革新のために生成され、証拠の提出のために提供され、要求され、提供され、選択され、管理され、構成され、割り当てられ、伝達され、識別されてもよく、他のアクションと同様に、制限されない。前述の行動を実行するために、システムを利用してもよい。特定の行動、又は特定の行動の奨励を議論するところに、限定されないが、様々な形態の報酬が含まれてもよい。本明細書の特定の実施形態では、報酬は、特定のインセンティブ（例えば、クラウドソーシングの要求に応答する特定の人に報酬を与える）又は一般的なインセンティブ（例えば、応答した特定の人に対する報酬に加えて又は代替的に、成功したクラウドソーシングの要求に応答する報酬を与える）として利用され得る。本明細書の開示の利益及び報酬に関する知識を有する当業者は、実施形態において実装される報酬の価値を容易に決定することができる。報酬の特定の例が説明の目的で本明細書に記載されているが、本明細書の開示から利益を得る任意の実施形態、及び本明細書の開示の利益を有する当業者に理解される任意の考察は、本開示の範囲内で特に企図される。

本明細書で利用されるロボットプロセス自動化システムという用語は、本開示のシステムのタスクを実行すること、またはニーズを提供することができるシステムを説明するために広範に理解され得る。例えば、ロボットプロセス自動化システムは、限定されないが、以下のために構成され得る。ローンのための一連の条件の交渉、ローンの借り換えの交渉、ローンの回収、ローンのセットの統合、ファクタリングローンの管理、住宅ローンの仲介、差し押さえ交渉のための訓練、ローンのための一連の属性に基づくクラウドソーシング要求の構成、報酬の設定。リクエストが公開されるドメインのセットを決定すること、リクエストの内容を設定すること、ローンの属性のセットに基づいてデータ収集および監視アクションを設定すること、モノのインターネットデータ収集および監視サービスが適用されるドメインのセットを決定すること、および一連の結果に基づいて繰り返しトレーニングおよび改良を行うこと。ロボットプロセス自動化システムは、データ収集および監視サービスのセットと、人工知能システムと、より上位のロボットプロセス自動化システムの構成要素である別のロボットプロセス自動化システムとを含んでもよい。ロボティックプロセスオートメーションシステムは、以下を含んでもよい。一連の住宅ローン活動および一連の住宅ローン相互作用のうちの少なくとも１つは、マーケティング活動、一連の見込み借り手の識別、物件の識別、担保の識別、借り手の資格、権原検索、権原確認、物件評価、物件検査、物件評価、所得確認、借り手人口統計分析、資本提供者の識別、利用可能金利の決定、を含む活動である。利用可能な支払条件の決定、既存の住宅ローンの分析、既存および新規の住宅ローン条件の比較分析、申請ワークフローの完了、申請フィールドの人口、住宅ローン契約の準備、住宅ローン契約へのスケジュールの完了、資本提供者との住宅ローン条件の交渉、借り手との住宅ローン条件の交渉、権利譲渡、先取特権の配置および住宅ローン契約の完了。例示的かつ非限定的なロボットプロセス自動化システムは、１つまたは複数のユーザインターフェース、データを提供、要求、および／または共有するためのシステム全体の回路および／またはコントローラとのインターフェース、ならびにロボットプロセス自動化システムの１つまたは複数の動作を反復的に改善するように構成された１つまたは複数の人工知能回路を含んでもよい。当業者は、本明細書の開示の利益および企図されるロボットプロセス自動化システムに関して通常利用可能な知識を有するので、企図されるシステムのために選択された機能を実行するロボットプロセス自動化システムを実装するために含めるべき回路、コントローラ、および／またはデバイスを容易に決定し得る。ロボットプロセス自動化システムの特定の例が例示の目的で本明細書に記載されているが、本明細書の開示から利益を得る任意の実施形態、および理解される任意の考慮事項が含まれる。

ローン関連行為（及びローン関連イベントやローン関連活動などの他の関連用語）という用語は本明細書で利用され、取引内にローンを含む取引に関連する一つ又は複数の行為、イベント又は活動を説明するために広く理解される場合がある。アクション、イベント、または活動は、融資、借り換え、統合、ファクタリング、仲介、差し押さえ、管理、交渉、収集、調達、執行、およびデータ処理（例えばデータ収集）、またはそれらの組み合わせなど、融資の多くの異なる文脈で、制限なく発生する可能性がある。ローン関連アクションは、名詞の形で使用されてもよい（例えば、デフォルトの通知が正式な通知で借り手に伝達されたが、これはローン関連アクションと見なされ得る）。ローン関連のアクション、イベント、またはアクティビティは、単一のインスタンスを指すこともあれば、アクション、イベント、またはアクティビティのグループを特徴づけることもある。例えば、延滞している支払いについて借り手に特定の通知を行うといった単一の行為は、ローン関連行為とみなされるかもしれない。同様に、債務不履行に関連する最初から最後までの一連の行為も、単一のローン関連行為とみなされる場合がある。査定、検査、資金調達、記録も、限定するものではないが、すべてローンに関連するイベントと同様に、発生したローン関連のアクションとみなされることがある。同様に、これらのアクションを完了するこれらの活動もまた、限定されないが、ローン関連の活動（例えば、鑑定、検査、資金調達、記録など）と見なされてもよい。特定の実施形態において、スマートコントラクトまたはロボットプロセス自動化システムは、当事者のうちの１つまたは複数のためにローン関連アクション、ローン関連イベント、またはローン関連アクティビティを実行し、これらを完了するための適切なタスクを処理し得る。場合によっては、スマートコントラクトまたはロボットプロセス自動化システムは、ローン関連アクションを完了しないことがあり、そのような結果に応じて、これは自動化アクションを有効にすることができ、または他の条件または条項をトリガすることができる。本明細書の開示の利益とローン関連アクション、イベント、及び活動に関する知識を有する当業者は、本開示を通じて説明されるような様々な形態及び実施形態におけるこの用語の目的及び使用を容易に判断することができる。

本書に記載されているローン関連の行動、イベント、活動という用語は、より具体的には、ローンの呼び出しのコンテキストを説明するために利用されることもある。ローンの呼び出しは、貸し手がローンの返済を要求できる行動であり、通常、支払いの延滞など、何らかの他の条件または用語によって引き起こされる。例えば、ローン関連のアクションとして、借り手が３回連続で支払いを怠り、ローンの支払いスケジュールに深刻な延滞が発生し、ローンが不履行に陥った場合にローンを呼び出すことができる。このようなシナリオでは、貸し手は、その権利を保護するために、ローンの呼び出しのためのローン関連のアクションを開始することがあります。このようなシナリオでは、おそらく、借り手は、延滞と罰則を治すために金額を支払うが、これもローンの呼び出しのためのローン関連アクションと見なされるかもしれない。いくつかの状況において、スマートコントラクトまたはロボティックプロセスオートメーションシステムは、ローンの呼び出しのためのローン関連アクションを開始、管理または処理してもよく、これは、限定されないが、通知の提供、支払履歴の調査および収集、またはローンの呼び出しの一部として行われる他の作業を含んでもよい。本明細書の開示の利益を有し、ローンの呼び出しのためのローン関連アクション、またはこの用語の他の形態およびその様々な形態に関する知識を有する当業者は、本明細書に開示されるイベントまたは他の様々な実施形態および文脈におけるこの用語の目的および使用を容易に決定することができる。

本明細書に記したように、ローン関連のアクション、イベント、及びアクティビティという用語は、より具体的には、ローンの支払いに関するコンテキストを説明するために利用されることもある。典型的には、ローンを含む取引において、限定されないが、ローンは、支払いスケジュールに基づいて返済される。ローンを返済するための情報を借り手に提供するための様々なアクション、及びローンの支払いを受けるための貸し手のためのアクションが取られてもよい。例えば、借り手がローンの支払いを行う場合、ローンの支払いのためのローン関連アクションが発生してもよい。限定されないが、そのような支払いは、貸主に入札される支払い、支払いが行われたことを反映するローン台帳または会計、行われた支払いの借主に提供される受領証、および借主に要求される次の支払いなど、ローンの支払いに関して発生し得るいくつかのアクションから構成されてもよい。いくつかの状況において、スマートコントラクトまたはロボティックプロセスオートメーションシステムは、ローンの支払いのためのそのようなローン関連アクションを開始、管理または処理してもよく、これは、限定されないが、貸し手への通知の提供、支払い履歴の調査および収集、借り手への受領書の提供、借り手への次の支払いに関する通知の提供、またはローンの支払いに関連する他のアクションを含むことができる。本明細書の開示の利益を有し、ローンの支払いのためのローン関連のアクション、またはこの用語の他の形態およびその様々な形態に関する知識を有する当業者は、イベントまたは本明細書に開示された他の様々な実施形態および文脈におけるこの用語の目的および使用を容易に決定することができる。

本明細書に記したように、ローン関連行為、イベント、及び活動という用語は、より具体的には、支払スケジュール又は代替支払スケジュールの文脈を説明するために利用されることもある。典型的には、ローンを含む取引において、限定されるものではないが、ローンは支払いスケジュールに基づいて返済され、それは時間の経過とともに変更されることがある。または、そのような支払いスケジュールは、代替的な支払いスケジュールを開発し、合意することができる。貸し手または借り手の支払いスケジュールまたは代替支払いスケジュールとの関連で、例えば、当該支払額、当該支払期限、支払遅延に伴うペナルティまたは手数料の内容、またはその他の条件など、様々なアクションが行われる可能性がある。例えば、借り手がローンの早期支払いを行った場合、ローンの支払いスケジュールおよび代替支払いスケジュールに関するローン関連アクションが発生する可能性がある。この場合、おそらくその支払いは元本として適用され、通常の支払いは依然として予定されている。限定されないが、支払いスケジュールおよび代替支払いスケジュールのためのローン関連アクションは、貸し手に提出される支払い、支払いが行われたことを反映するローン台帳または会計、行われた支払いの借り手に提供される受領書、任意の手数料が添付されているかまたは期限がある場合の計算、および借り手に要求される次の支払いなど、ローンの支払いに関して起こりうるいくつかのアクションから構成されてもよい。特定の実施形態では、支払いスケジュールまたは代替支払いスケジュールを決定する活動は、ローン関連の行動、イベント、または活動であってよい。特定の実施形態では、支払いスケジュールまたは代替支払いスケジュールを（例えば、借り手、貸し手、または第３者に）伝達するアクティビティは、ローンに関連するアクション、イベント、またはアクティビティであってもよい。いくつかの状況において、スマートコントラクト回路またはロボティックプロセスオートメーションシステムは、支払スケジュールおよび代替支払スケジュールのためのそのようなローン関連アクションを開始、管理、または処理してもよく、これは、限定されないが、貸し手への通知の提供、支払履歴の調査および収集、借り手への受領書の提供、次の支払期限の計算、最終支払額および日付の計算、借り手への次の支払期限の通知の提供、支払スケジュールまたは代替支払スケジュールの決定、支払スケジュール器もしくは代替支払スケジュールの伝達、またはローンの支払いと関連する他のアクション、を含んでもよい。本明細書の開示の利益を有し、支払いスケジュールおよび代替支払いスケジュール、またはこの用語の他の形態およびその様々な形態のためのローン関連のアクションに関する知識を有する当業者は、イベントまたは本明細書に開示される他の様々な実施形態および文脈におけるこの用語の目的および使用を容易に決定することができる。

本書で使用される規制上の通知要件（及びその派生語）という用語は、通知又はメッセージを他の当事者又は団体に伝達する義務又は条件を記述するものとして広く理解される場合がある。規制上の通知要件は、トリガされる１つ以上の条件の下で要求されることもあれば、一般的に要求されることもある。例えば、貸し手は、ローンの不履行、ローンの金利の変更、又は取引やローンに関連する他の通知を借り手に提供するための規制上の通知要件を有する場合がある。この用語の規制的側面は、コミュニケーションの特定の義務を要求する司法管轄権特有の法律、規則、または規範に起因している場合がある。特定の実施形態では、政策指令は規制上の通知要件として扱われるかもしれない-例えば、貸出人が取引に関連する１つ以上の管轄地の規制要件を超える可能性のある内部通知政策を有する場合などである。通知の側面は、一般に、正式なコミュニケーションに関するものであり、様々な形態をとることができるが、内容証明郵便、ファクシミリ、電子メール送信、またはその他の物理的もしくは電子的形態などの特定の通知の形態、通知の内容、および／または通知に関連するタイミング要件として具体的に指定することができる。要件面は、法律、規則、コード、ポリシー、標準的な慣行、または契約もしくは融資の条件を遵守するために当事者がその義務を完了する必要性に関連する。特定の実施形態において、スマートコントラクトは、規制上の通知要件を処理またはトリガし、適切な通知を借り手に提供することができる。これは、貸し手、借り手、ローンを介して提供された資金、ローンの返済、及びローンの担保、又はローン、取引、若しくは契約の条件によって指定される他の場所のうちの少なくとも１つの場所に基づいてもよい。当事者又は事業体がかかる規制通知の要件を満たしていない場合、当事者間の権利又は義務における特定の変更がトリガされる場合がある-例えば、貸し手が借り手に非適合通知を提供する場合、ローンの条件に基づく、及び／又は外部情報（例えば、規制処方、貸し手の内部方針等）に基づく自動化されたアクション又はトリガは、スマートコントラクト回路及び／又はロボットプロセスオートメーションシステムによって影響を受ける場合がある-が実施されてもよい。本明細書の開示の利益及び企図されたシステムに関して通常利用可能な知識を有する当業者は、本明細書に開示された様々な実施形態及び文脈における規制通知要件の目的及び用途を容易に決定することができる。

規制通知要件という用語は、本書において、特定の法域、又は特定の場所の法律、規則、又は規範に基づくのではなく、一般的又は特定の方針に基づき、他の当事者又は事業体に通知又はメッセージを伝達する義務又は条件を記述するために利用されることもある（法域固有の場合がある規制通知要件におけるように）。規制上の通知要件は、誘発される、又は一般的に要求される一つ以上の条件の下で、義務又は要求というよりも、慎重又は提案されるかもしれない。例えば、貸出人は、新しい情報提供サイトについて借主に通知すること、将来的にローンの金利が変更されること、あるいは義務的ではなく、助言的または有用である取引またはローンに関連する他の通知を提供することに、政策に基づく規制通知の要件を持っているかもしれない（ただし、義務的な通知も政策的根拠に該当する場合がある）。したがって、規制通知要件という用語のポリシーベースの使用において、スマートコントラクト回路は、規制通知要件を処理またはトリガし、法律、規則またはコードによって必ずしも要求されないかもしれない借り手に適切な通知を提供することができる。通知または通信の根拠は、慎重さ、礼儀、習慣、または義務からであってもよい。

規制通知という用語は、本書において、貸主や借主など、他の当事者や事業体に特に通知やメッセージを伝達する義務や条件を表すために利用されることもある。規制通知は、任意の当事者もしくは団体、または当事者もしくは団体のグループに対して具体的に指示される場合がある。例えば、債務者がローンの約定返済を行わず債務不履行に陥った場合など、特定の通知や連絡が債務者に提供されることが望ましい、または要求される場合がある。このように、貸し手または借り手などの特定のユーザーに向けられたそのような規制通知は、法域固有のまたは政策に基づく規制通知要件の結果であってもよいし、そうでなければ、そうでなくてもよい。したがって、状況によっては、スマートコントラクトが規制通知を処理またはトリガし、借り手などの特定の当事者に適切な通知を提供する場合があり、これは、法律、規則または規範によって必ずしも要求されるとは限らないが、それ以外は、慎重さ、礼儀または習慣から提供される場合がある。当事者または事業体が、特定の当事者に対するかかる規制上の通知要件を満たしていない場合、特定の権利が１つまたは複数の当事者または事業体によって放棄される、または自動的な行動を可能にする、または他の条件または条項を引き起こす状況を作り出す可能性がある。当業者は、本明細書の開示の利益と、想定されるシステムに関して通常利用可能な知識を有するので、本明細書に開示された様々な実施形態及び文脈に基づいて、規制通知の要件の目的及び用途を容易に決定することができる。

本書で使用される規制的競売要件（およびその派生語）という用語は、ローンのデフォルト、競売または担保の奪還、またはその他の関連する競売行為を誘発、処理または完了するための義務または条件を表すものとして広く理解されるかもしれません。規制上の差し押さえ要件は、トリガされる、または一般的に要求される１つ以上の条件の下で要求されることがあります。例えば、貸し手は、差し押さえの前にローンの不履行に関する通知を借り手に提供すること、またはローンの不履行に関連する他の通知を提供するための規制上の差し押さえ要件を有することができる。この用語の規制的側面は、コミュニケーションの特定の義務を要求する法域特有の法律、規則、またはコードに起因することがあります。差し押さえの側面は、一般に、差し押さえ、または担保物件の奪還およびローンの不履行という特定の救済措置に関するものであり、多くの異なる形態をとることができるが、ローンの条件に明記されていることがある。要件側面は、法律、規則、コード、または契約や融資の条件の遵守または履行であるために、当事者がその義務を完了する必要性に関連するものである。特定の実施形態において、スマートコントラクト回路は、規制上の差し押さえ要件を処理またはトリガし、そのような差し押さえ行為に関連する適切なタスクを処理し得る。これは、貸し手、借り手、ローンを介して提供される資金、ローンの返済、及びローンの担保のうちの少なくとも１つの管轄の場所、又はローン、取引、若しくは契約の条件によって指定される他の場所に基づいてもよい。当事者または事業体がそのような規制上の差し押さえ要件を満たしていない場合、特定の権利が当事者または事業体（例えば、貸し手）によって放棄される場合があり、またはそのような規制上の通知要件を満たさない場合、自動的なアクションが可能になったり、他の条件または条項をトリガしたりする場合がある。当業者は、本明細書の開示の利益と、企図されたシステムに関して通常利用可能な知識を有するので、本明細書に開示された様々な実施形態および文脈における規制的差し押さえ要件の目的および用途を容易に決定することが可能である。

規制差押え要件という用語は、本書において、ローン、差押え、担保の奪回、またはその他の関連する差押え行為を誘発、処理または完了するための義務または順序を記述するためにも利用される。特定の法域、または特定の場所の法律、規則、または規範（法域固有である規制差押え要件のように）ではなく、一般または特定の政策に基づいている。規制上の差押え要件は、誘発される一つ以上の条件の下で、義務的または要求的ではなく、慎重または示唆的であってもよい、または一般的に要求される。例えば、貸出人は、ローンの不履行について借主に通知すること、あるいは、義務的ではなく、助言的または有用である取引またはローンに関連する他の通知を提供することに、政策に基づく規制的差し押さえ要件を有するかもしれない（ただし、義務的通知も政策ベースに該当する可能性がある）。したがって、規制的差し押さえ要件という用語の政策に基づく使用において、スマートコントラクトは、規制的差し押さえ要件を処理またはトリガし、法律、規則またはコードによって必ずしも要求されるとは限らない借り手への適切な通知を提供し得る。通知または通信の根拠は、慎重さ、礼儀、慣習、業界慣行、または義務からであってもよい。

また、本書では、規制的な差し押さえ要件という用語は、貸し手や借り手などの特定のユーザーに関して実行されるべき義務や条件を説明するために利用されることもある。規制通知は、任意の当事者もしくは団体、または当事者もしくは団体のグループに対して具体的に指示されてもよい。例えば、債務者がローンの約定返済を行わず債務不履行に陥った場合など、特定の通知や連絡を債務者に提供することが望ましい、または要求される場合がある。このように、そのような規制上の差押え要件は、貸し手または借り手などの特定のユーザーに向けられ、管轄区域固有または政策に基づく、あるいはその他の規制上の差押え要件の結果である可能性がある。例えば、差し押さえ要件は、取引に関わる特定のエンティティ（例えば、現在の借り手は３０年間顧客であるため、その人は固有の扱いを受ける）、またはエンティティのクラス（例えば、「優先」借り手、または「初めてのデフォルト」借り手）に関連してもよい。したがって、いくつかの状況において、スマートコントラクト回路は、貸し手または借り手などの特定の当事者から、または行動が指示される、差し押さえに従って取らなければならない義務または行動を処理またはトリガしてもよく、それは必ずしも法律、規則またはコードによって要求されてもされなくてもよいが、さもなければ慎重、礼儀、または習慣から提供されることができる。特定の実施形態では、特定のユーザーに関して実行されるべき義務又は条件は、条件の一部を形成するか、又はそうでなければ、それが適用される特定のユーザーに知られていてもよい（例えば、以下の通り。保険会社または銀行が、初回デフォルト顧客、初回事故顧客などの特定のクラスの顧客に関して特定の慣行を宣伝する場合）、特定の実施形態では、特定のユーザーに関して実行されるべき義務または条件は、それが適用される特定のユーザーには不明であってもよい（例えば、銀行は特定のユーザーが属するユーザーのクラスに関する方針を有しているが、特定のユーザーはその分類を認識していない）。

本明細書で利用される価値、評価、評価モデル（及び類似の用語）という用語は、担保の推定価値を評価及び決定するアプローチを説明するために広範に理解されるべきである。本開示の他の態様または説明を制限することなく、評価モデルは、担保（例えば、担保物件）、人工知能サービス（例えば、評価モデルを改善するため）、データ収集および監視サービス（例えば、評価額を設定するため）、評価サービス（例えば、評価モデルを通知、使用、および／または改善する過程）、および／または担保における取引に関する結果（例えば、評価モデルを改善する根拠として）と関連して使用され得る。"管轄別評価モデル"は、特定の地理的／管轄的地域または地域で用いられる評価モデルとしても用いられる、ここで、管轄は、貸し手、借り手、資金の交付、ローンの支払いまたはローンの担保の管轄、またはそれらの組み合わせに固有であり得る。特定の実施形態において、法域別評価モデルは、少なくとも、関連する法域における借り手及び貸し手の権利及び義務、担保を移動、輸入、輸出、代替、及び／又は清算する能力に対する法域の影響、デフォルトと差し押さえ又は担保の回収の間のタイミングに対する法域の影響、及び／又は担保価値決定の変動性及び／又は感度に対する法域の影響を含む担保評価への法域の影響を考慮している。特定の実施形態では、地理的位置特定評価モデルは、担保の評価に対する地理的位置効果を考慮します。これは、相対的管轄効果（管轄位置（複数可）は地理的位置（複数可）とは異なる場合がありますが）の同様の考慮事項リストを含む場合がありますが、天候関連効果、監視、保守、または押収サービスからの担保の距離、および／またはリスク現象（例えば断層、工業地帯、原発など）の近接などの追加の効果も含む場合があります。評価モデルは、担保の評価の一部として、オフセット担保の評価（例えば、担保の類似アイテム、類似または可換担保の市場価値などの汎用価値、及び／または担保の価値と相関するアイテムの価値）を利用してもよい。特定の実施形態において、人工知能回路は、評価モデルを改善するために、１つまたは複数の機械学習および／または人工知能アルゴリズムを含み、例えば、評価モデルを反復的に改善するために、類似のまたは相殺された担保を含む複数の取引間の経時情報を利用し、および／または同じまたは他の取引からの結果情報（例えば、ローン取引が成功または失敗して完了したところ、および／または現実の担保評価の決定を示す担保押収または清算事象に応答して）を利用する、ことが含まれる。特定の実施形態では、人工知能回路は、担保評価データセット、例えば以前に決定された評価、および／またはトレーナー（例えば、人間、会計評価、および／または他の評価データ）との相互作用を通じて、訓練される。特定の実施形態では、評価モデルおよび／または評価モデルのパラメータ（例えば、仮定、較正値など）は、取引（例えば、ローン、ローンのセット、および／またはローンのセットのサブセット）の条件の一部として決定および／または交渉され得る。本明細書の開示の利益および企図されたシステムに関して通常利用可能な知識を有する当業者は、本開示のどの側面が評価モデルのための特定のアプリケーションに利益をもたらすか、および評価モデルの実施形態を実装するために評価モデルをどのように選択または結合するかを容易に決定することが可能である。適切な評価モデルを選択する際の当業者、または本開示の実施形態に対する特定の考慮事項は、限定されないが、以下を含む。担保の法域を考慮した評価モデルの法的考察、所定の担保について利用可能なデータ、予想される取引／ローンの種類、特定の担保の種類、価値に対するローンの比率、ローンに対する担保の比率、取引／ローンの総額、借り手の信用度、ローンの種類および／または関連業界の会計慣習、前述のいずれかに関連する不確実性、および／または前述のいずれかに関連する感受性の考慮事項。評価モデルおよび考慮事項の具体例が例示の目的で本明細書に記載されているが、本明細書の開示から利益を得る任意の実施形態、および本明細書の開示の利益を有する当業者に理解される任意の考慮事項は、本開示の範囲内で特に企図される。

本書で使用される市場価値データまたは市場情報（および他の形態または変形）という用語は、ローン、担保または取引の対象として使用される可能性がある不動産、資産、担保または他の有価物の評価に関するデータまたは情報を表すものとして広く理解される場合がある。市場価値データまたは市場情報は、時々刻々と変化し、様々な情報源から推定、計算、または客観的もしくは主観的に決定されることがある。市場価値データまたはマーケットプレイス情報は、担保物件に直接関連する場合もあれば、オフセットされた担保物件に関連する場合もあります。市場価値データまたは市場情報は、財務データ、市場格付け、製品格付け、顧客データ、顧客のニーズまたは好みを理解するための市場調査、競合他社、供給業者などに関する競合情報、実体売上、取引、顧客獲得コスト、顧客生涯価値、ブランド認知、解約率、などを含む場合があります。この用語は、貸出、借り換え、統合、ファクタリング、仲介、差し押さえ、データ処理（データ収集など）、またはそれらの組み合わせなど、契約または融資の多くの異なる文脈で、制限なく発生する可能性がある。市場価値データまたは市場情報は、単一の数値または複数の数値またはデータを識別するための名詞として使用され得る。例えば、市場価値データまたは市場情報は、貸し手によって、不動産または資産が担保付きローンの担保として機能するかどうかを決定するために利用されてもよく、あるいは代わりに、用語の使用においてこれらの状況に限定されないが、ローンがデフォルトである場合に差し押さえの決定において利用されることができる。市場価値データまたは市場情報はまた、ローントゥバリューの数値または計算を決定するために使用されてもよい。特定の実施形態において、回収サービス、スマートコントラクト回路、および／またはロボティックプロセスオートメーションシステムは、１つまたは複数のデータまたは情報のソースから市場価値データまたは市場情報を推定または計算することができる。場合によっては、市場データ値または市場情報は、そこに含まれるデータ／情報に応じて、自動化された行動を可能にし、または他の条件または条項をトリガすることができる。当業者であれば、本明細書の開示の利益と、企図されたシステムおよび利用可能な関連市場情報に関して通常得られる知識を有するので、本明細書に開示された様々な形態、実施形態および文脈におけるこの用語の目的および用途を容易に判断することが可能である。

本明細書で利用される類似担保、担保に類似、オフセット担保、および他の形態または変形という用語は、ローンまたは他の取引に関する担保（例えば、担保として保有される価値品）と性質が似ている可能性がある財産、資産または価値品を説明するために広く理解される場合があります。類似の担保は、類似性が、担保物件の種類、担保物件のカテゴリ、担保物件の年数、担保物件の状態などの共通属性の形でもたらされるかどうかにかかわらず、他の担保と関連して集約、代替、またはその他の形で参照され得る財産、資産、担保またはその他の価値ある品目を指す場合があります。担保物件の履歴、担保物件の所有権、担保物件の管理人、担保物件の担保、担保物件の所有者の状態、担保物件の先取特権、担保物件の保管状態、担保物件の地理的位置、及び担保物件の管轄的位置など、共通の属性の形でもたらされる。特定の実施形態では、オフセット担保は、担保の品目と価値相関を有する品目を参照する-例えば、オフセット担保は、担保の品目に対して同様の価格変動、変動性、保管要件等を示すことがある。特定の実施形態では、類似の担保は、より大きな担保権または追加のローンもしくは分配、または取引のための担保を形成するために集約される場合があります。特定の実施形態において、オフセット担保は、担保の評価を通知するために利用されてもよい。特定の実施形態において、スマートコントラクト回路又はロボティックプロセスオートメーションシステムは、類似の担保に関連する数値、データ又は情報を推定又は計算してもよく、又は類似の担保を集約することに関する機能を実行してもよい。本明細書の開示の利益及び企図されたシステムに関して通常利用可能な知識を有する当業者は、本明細書に開示された様々な形態、実施形態、及び文脈における担保に関連する類似担保、相殺担保、又は関連用語の目的及び使用を容易に決定することができる。

本書で使用されるリストラクチャリング（およびリストラクチャリングなどの他の形態）という用語は、ローンまたは取引に影響を与える条件、物件、担保、または他の検討事項の修正を表すものとして広く理解される場合があります。リストラクチャリングは、当事者間で修正された条件が採用される成功した結果、または修正またはリストラクチャリングが行われない失敗した結果になることがありますが、これらに限定されるものではありません。再編は、申込、貸出、借換、回収、統合、ファクタリング、仲介、差押え、およびそれらの組み合わせなど、契約や融資の多くの場面で発生する可能性がありますが、これらに限定されるものではありません。また、債務が再編されることもあり、これは、ある当事者に負っている債務が、時期、金額、担保、またはその他の条件に関して変更されることを示す場合がある。例えば、借り手は、財務状況の変化に対応するためにローンの債務を再編してもよく、又は貸し手は、自身のニーズ又は慎重さのために債務の再編を借り手に提供してもよい。特定の実施形態において、スマートコントラクト回路又はロボティックプロセスオートメーションシステムは、監視された条件に基づいて自動的に又は手動で債務を再構築し、又は債務を再構築するためのオプションを作成し、債務の再構築を交渉又は実現するプロセスを管理し、又はローン若しくは取引の条件の再構築若しくは変更に関連して他のアクションを行うことができる。本明細書における開示の利益と、企図されたシステムに関して通常利用可能な知識を有する当業者は、本明細書に開示された様々な実施形態および文脈において、債務の文脈であるかどうかにかかわらず、この用語の目的および用途を容易に決定することが可能である。

本明細書で利用されるソーシャルネットワークデータ収集、ソーシャルネットワーク監視サービス、およびソーシャルネットワークデータ収集および監視サービス（およびその様々な形態または派生物）という用語は、１つまたは複数のソーシャルネットワークから得られるデータまたは情報の取得、整理、観察、またはその他の行為に関連するサービスを表すものとして広く理解される場合がある。ソーシャルネットワークデータ収集および監視サービスは、関連するサービスシステムの一部であってもよいし、独立したサービスセットであってもよい。ソーシャルネットワークデータ収集および監視サービスは、限定されないが、プラットフォームまたはシステムによって提供されてもよい。ソーシャルネットワークデータ収集およびモニタリングサービスは、貸出、借り換え、交渉、回収、統合、ファクタリング、仲介、差し押さえ、およびそれらの組み合わせなどの様々な文脈で使用されてもよい（限定されない）。ソーシャルネットワークデータ収集およびモニタリングのリクエストは、構成パラメータとともに、他のサービスによってリクエストされ、自動的に開始され、または発生する条件または状況に基づいて発生するようにトリガされてもよい。ソーシャルネットワークデータ収集および監視サービスを設定、開始、表示、またはその他の方法で相互作用するためのインターフェースが提供される場合がある。本明細書で利用されるソーシャルネットワークは、データ及び通信が個人及び／又は事業体間で発生し、データ及び通信が少なくとも部分的に実施形態システムにアクセス可能である任意の大衆プラットフォームを指す。特定の実施形態では、ソーシャルネットワークデータは、公に利用可能な（例えば、いかなる権限もなくアクセス可能な）情報を含む。特定の実施形態では、ソーシャルネットワークデータは、実施形態システムに適切にアクセス可能な情報を含むが、一般に自由に利用できないが、アクセス可能であってもよい（例えば、ソーシャルネットワークのユーザーとのプライバシーポリシーに一致する）情報への購読アクセス又は他のアクセスを含んでもよい。ソーシャルネットワークは、主に社会的な性質であってよいが、追加的または代替的に、専門家ネットワーク、同窓会ネットワーク、産業関連ネットワーク、学問指向のネットワークなどを含んでもよい。特定の実施形態では、ソーシャルネットワークは、ユーザー（及び／又はユーザーのサブセット、潜在的に指定された基準を満たす）に向けられたクエリ又は要求を受け入れるように構成されたプラットフォームなどのクラウドソーシングプラットフォームであってよく、ユーザーは、特定のコミュニケーションが要求者、プラットフォームのユーザーの少なくとも一部に共有及びアクセス可能となる、及び／又は公に入手可能となることを認識することができる。特定の実施形態では、限定されないが、ソーシャルネットワークデータ収集および監視サービスは、スマートコントラクト回路またはロボティックプロセスオートメーションシステムによって実行されてもよい。本明細書の開示の利益及び企図されたシステムに関して通常利用可能な知識を有する当業者は、本明細書に開示された様々な実施形態及び文脈におけるソーシャルネットワークデータ収集及び監視サービスの目的及び使用を容易に決定することができる。

本明細書で利用されるクラウドソース及びソーシャルネットワーク情報という用語は、さらに、クラウドソーシングモデル若しくは取引に関連して取得若しくは提供される情報、又はソーシャルネットワーク上で若しくはソーシャルネットワークに関連して取得若しくは提供される情報を説明するために広く理解され得る。クラウドソース及びソーシャルネットワーク情報は、限定されないが、プラットフォーム又はシステムによって提供されてもよい。クラウドソース及びソーシャルネットワーク情報は、情報供給者のグループに対して又はそこから取得、提供又は通信されてもよく、それによって要求に対する応答が収集及び処理されてもよい。クラウドソース及びソーシャルネットワーク情報は、ローン又は契約に関する情報、条件又は要因を提供することができる。クラウドソース情報及びソーシャルネットワーク情報は、限定されないが、非公開又は公開、又はそれらの組み合わせであってもよい。特定の実施形態では、限定されないが、クラウドソース及びソーシャルネットワーク情報は、スマートコントラクト回路によって、取得、提供、編成又は処理されてもよく、クラウドソース及びソーシャルネットワーク情報は、設定されたパラメータのセットを満たすように情報を処理するスマートコントラクト回路によって管理されてもよい。本明細書の開示の利益及び企図されたシステムに関して通常利用可能な知識を有する当業者は、本明細書に開示された様々な実施形態及び文脈におけるこの用語の目的及び使用を容易に判断することができる。

本書で使用される交渉（および交渉またはネゴシエーションなどの他の形態）という用語は、当事者または事業体間の妥協、結果、または合意をもたらす、または得るための議論またはコミュニケーションを表すものとして広く理解される場合がある。交渉は、条件が当事者間で合意される成功した結果、又は当事者が特定の条件に合意しない失敗した結果、又はそれらの組み合わせをもたらすことがあるが、これらに限定されるものではない。交渉は、ある側面や特定の目的では成功し、別の側面や別の目的では失敗することがあります。交渉は、融資、借り換え、回収、統合、ファクタリング、仲介、差し押さえ、およびそれらの組み合わせなど、契約または融資の多くの文脈で発生する可能性があり、これらに限定されるものではない。例えば、借り手は、貸し手と金利や融資条件について交渉することができる。別の例では、債務不履行に陥った借り手は、貸し手と差し押さえを回避するための代替的な解決策を交渉することができる。特定の実施形態では、スマートコントラクト回路又はロボティックプロセスオートメーションシステムは、当事者の１つ又は複数のために交渉し、条件の交渉を完了する又は完了しようとするための適切なタスクを処理し得る。場合によっては、スマートコントラクト又はロボットプロセス自動化システムによる交渉は、完了しないか又は成功しないことがある。交渉の成功は、スマートコントラクト回路又はロボットプロセス自動化システムによって実装される自動化されたアクションを可能にし、又は他の条件又は条項をトリガし得る。当業者は、本明細書の開示の利益と、企図されたシステムに関して通常利用可能な知識とを有するので、本明細書に開示された様々な実施形態及び文脈における交渉の目的及び使用を容易に決定することができる。

様々な形態での用語、交渉は、より具体的には、動詞の形態（例えば、交渉する）または名詞の形態（例えば、交渉）、または結果につながる相互議論の文脈を記述する他の形態で本明細書に利用され得る。例えば、ロボティックプロセスオートメーションシステムは、当事者の代わりに条件を交渉することができ、これは動詞句としての使用であろう。別の例では、ロボティックプロセスオートメーションシステムは、ローンの修正のための条件交渉、または統合の申し出の交渉、または他の条件を交渉しているかもしれない。名詞句として、交渉（例えば、イベント）は、ロボティックプロセスオートメーションシステムによって実行されてもよい。したがって、ある状況において、スマートコントラクト回路又はロボットプロセス自動化システムは、（例えば動詞句として）条件を交渉してもよく、又は、そうすることの記述が（例えば名詞句として）交渉とみなされてもよい。本明細書の開示の利益を有し、交渉及びネゴシエーション、又はネゴシエートという単語の他の形態に関する知識を有する当業者は、本明細書に開示される様々な実施形態及び文脈におけるこの用語の目的及び使用を容易に決定することができる。

また、様々な形態での用語交渉は、特に、相互の妥協や結果につながる交渉の完了などの結果を表すために利用されることがある。例えば、ローンは、ロボティックプロセスオートメーションシステムなどによって、交渉が完了に達した、当事者間の合意をもたらした成功した結果としてネゴシエートされたと考えられてもよい。したがって、ある状況では、スマートコントラクト回路またはロボティックプロセスオートメーションシステムは、一連の条件、または交渉されたローンを完了するように交渉している可能性がある。本明細書における開示の利益と、企図されたシステムに対して通常利用可能な知識とを有する当業者は、本明細書に開示された様々な実施形態及び文脈における交渉の完了を通じて相互に合意された結果に関連するこの用語の目的及び使用を容易に決定することが可能である。

様々な形式の用語交渉は、特に、交渉イベント、または当事者間で合意可能な条件のセットに到達することを含むイベント交渉などのイベントを特徴付けるために利用されることもある。当事者間の相互合意または妥協を必要とする事象は、限定されることなく、交渉事象と見なすことができる。例えば、ローンの調達中、当事者間で相互に合意可能な一連の条件に到達するプロセスは、交渉イベントと見なされ得る。したがって、状況によっては、スマートコントラクト回路又はロボットプロセス自動化システムは、交渉イベントのための当事者の通信、行動、又は振る舞いを収容し得る。

本明細書で利用される収集（および収集または収集などの他の形態）という用語は、ソースからの有形（例えば物理的アイテム）、無形（例えばデータ、ライセンス、または権利）、または貨幣（例えば支払い）アイテム、または他の義務または資産の取得を説明するために広く理解される場合がある。この用語は一般に、初期段階での関連作業から後期段階での関連作業、または品目の取得の完全な完了まで、そのような品目の取得見込み全体に関する場合がある。収集は、アイテムが当事者に入札される成功した結果、またはアイテムが当事者に入札または取得されない失敗した結果、またはそれらの組み合わせ（例えば、アイテムの遅延またはその他の欠陥のある入札）をもたらすかもしれないが、これらに限定されるものではない。回収は、貸出、借換、統合、ファクタリング、仲介、差押え、データ処理（例えば、データ収集）、またはそれらの組み合わせなど、契約または融資の多くの異なる文脈で発生する可能性があり、これらに限定されるものではない。収集は、名詞の形で使用されてもよく（例えば、事象を指すかまたは事象を特徴付けるデータ収集または延滞金の収集）、アイテムの品揃えを名詞として参照してもよく（例えば、取引における多数のアイテムを指すローンのための担保収集）、または動詞の形で使用してもよい（例えば、借り手から支払いを収集すること）。例えば、貸し手は、オンライン決済を通じて借り手から延滞金を回収してもよいし、顧客サービスの電話を通じて取得した延滞金の回収を成功させてもよい。特定の実施形態において、スマートコントラクト回路又はロボットプロセス自動化システムは、当事者のうちの１つ又は複数のために回収を実行し、１つ又は複数の項目（例えば、延滞金）に対する回収を完了又は試みるために適切なタスクを処理してもよい。場合によっては、スマートコントラクト又はロボットプロセス自動化システムによる交渉は完了しないか又は成功しない可能性があり、そのような結果に応じて、これは自動化された行動を可能にするか又は他の条件若しくは条項をトリガする可能性がある。本明細書の開示の利益と企図されたシステムに関して通常利用可能な知識を有する当業者は、本明細書に開示された様々な形態、実施形態、及びコンテキストにおける収集の目的及び使用を容易に決定することができる。

また、本明細書では、様々な形態での収集という用語は、より具体的には、収集イベント、または収集支払いなどのイベントまたは事物のコンテキストを表すために名詞の形態で利用される場合がある。例えば、収集イベントは、限定されないが、当事者への通信、または当該活動におけるアイテムの取得に関連する他の活動を指す場合がある。回収支払は、例えば、回収のプロセスを通じて、または貸し手との回収部門を通じて取得された借り手によって行われた支払に関連する場合がある。延滞、延滞またはデフォルトしたローンに限定されないが、回収は、延滞したものに対する救済措置であるとして、イベント、支払いまたは部門、または取引またはローンに関連する他の名詞を特徴付けることができる。したがって、ある状況では、スマートコントラクト回路またはロボティックプロセスオートメーションシステムは、借り手から支払いまたは割賦を回収することができ、そうする活動は、制限なく、回収イベントと見なされることがある。

また、本明細書では、様々な形態での回収という用語は、より具体的には、回収訴訟（例えば、ローンの延滞または不払いに関する訴訟）の結果など、訴訟に関連する文脈を表す形容詞または他の形態として利用され得る。例えば、回収訴訟の結果は、借り手または他の当事者が負うべき延滞支払いに関連する場合があり、それらの延滞支払いに関連する回収努力は、当事者によって訴訟される場合がある。したがって、ある状況では、スマートコントラクト回路またはロボティックプロセスオートメーションシステムは、回収訴訟の結果を受け取り、決定し、または他の方法で管理することができる。

また、本明細書では、より具体的には、様々な形態の回収という用語が、回収行為（例えば、ローンまたは他の債務に関する延滞または不履行の支払いの入札または獲得を誘導する行為）などの取得の行為に関する文脈を表す形容詞または他の形態として利用され得る。回収率、回収の財務的利回り、及び／又は回収の財務的利回りという用語が使用されることがある。このような回収行動の結果は、財務的利回りを有することも有しないこともある。例えば、回収行為は、ローンに関する１つまたは複数の未払い金の支払いにつながる可能性があり、これは、貸し手などの別の当事者に対して財務的利回りをレンダリングする可能性がある。したがって、いくつかの状況において、スマートコントラクト回路またはロボティックプロセスオートメーションシステムは、回収行為から金銭的利回りをレンダリングしてもよく、またはそうでなければ回収行為の金銭的利回りを管理し、もしくは何らかの方法で補助してもよい。実施形態において、回収行為は、回収訴訟の必要性を含んでもよい。

様々な形態の回収という用語（回収ＲＯＩ、回収に関するＲＯＩ、回収活動に関するＲＯＩ、回収活動ＲＯＩなど）はまた、より具体的には、回収行為（例えば、ローンまたは他の義務に関する延滞または不履行の支払いの入札または獲得を誘導する行為）などの価値を受け取る行為に関する文脈を説明するために本明細書で利用され、投資に対する利益（ＲＯＩ）が存在することができる。このような回収行動の結果は、回収行動自体に関して（回収行動のＲＯＩとして）、または回収行動の対象である広範なローンや取引に関するＲＯＩとして、ＲＯＩを持つことも持たないこともあります。例えば、回収行為に関するＲＯＩは、貸し手のような当事者に提供されるかどうかにより、限定されるものではないが、デフォルトローンに関して慎重であるか否かが決まる場合がある。回収に関する予測されたＲＯＩは、推定されてもよく、また、経過する実際の事象を考慮して計算されてもよい。いくつかの状況において、スマートコントラクト回路またはロボティックプロセスオートメーションシステムは、限定されないが、回収行為または回収イベントに対する推定ＲＯＩをレンダリングしてもよく、または回収行為または回収イベントにおいて蒸散する実際のイベントに対するＲＯＩを算出してもよい。実施形態において、そのようなＲＯＩは、推定または実際のいずれであっても、正または負の数値であってよい。

レピュテーション、レピュテーションの尺度、貸し手レピュテーション、借り手レピュテーション、エンティティレピュテーション等の用語は、個人、エンティティ、担保等について一般的に広く持たれている信念、意見、及び／又は認識を含む場合があります。評判の尺度は、好き嫌い、エンティティまたはエンティティによって提供される製品およびサービスのレビュー、会社または製品のランキング、現在および過去の市場および財務データは、価格、予測、買い／売り推奨、エンティティ、競合他社、およびパートナーに関する財務ニュースを含む社会データに基づいて決定されるかもしれません。評判は、製品の評判、会社のリーダーやリードサイエンティストの評判が、事業体の全体的な評判に影響を与えるという点で累積することがあります。エンティティに関連する機関（例えば、学生が通っている学校）の評判は、エンティティの評判に影響を与える可能性がある。いくつかの状況において、スマートコントラクト回路又はロボットプロセス自動化システムは、上記に関連するデータの収集を収集又は開始し、評判の尺度又はランキングを決定し得る。エンティティの評判の尺度又はランキングは、エンティティとの契約を締結するか否かの決定、融資の条件の決定、金利などに、スマートコントラクト回路又はロボットプロセス自動化システムによって使用されてもよい。特定の実施形態では、評判決定の指標は、エンティティの評判の尺度またはランキングを決定するために、１つまたは複数の取引の結果（例えば、特定のソーシャルメディアデータセット上の「いいね」の、成功した支払い、成功した交渉結果、特定のタイプの担保を清算する能力等の結果指標との比較）に関連してもよい。本明細書の開示の利益と企図されたシステムに関して通常利用可能な知識を有する当業者は、評判の目的及び使用、評判の尺度又はランキング、及び／又は交渉における評判の利用、条件の決定、取引を進めるかどうかの決定、並びに本明細書に開示された他の様々な実施形態及び文脈を容易に決定することができる。

様々な形態の収集という用語（例えば収集家）はまた、より具体的には、収集行為、収集イベント、または他の収集関連コンテキストを誘導、管理、または促進する当事者または実体を記述するために本明細書で利用され得る。コレクターなどの関係者の評判の尺度、または収集のコンテキストの間の評判の尺度は、客観的、主観的、または過去の測定基準またはデータを使用して推定または計算されてもよい。例えば、収集家は、収集行為に関与することができ、その収集家の評判は、決定、行為または条件を決定するために使用されることができる。同様に、コレクションはまた、貸し手、借り手、または債務者などの関係者の評判を測定するために、客観的、主観的、または履歴的なメトリクスまたはデータを記述するために使用されてもよい。いくつかの状況において、スマートコントラクト回路またはロボティックプロセスオートメーションシステムは、取引または融資のコンテキスト内で、コレクションまたは措置をレンダリングし、またはコレクターを実装することができる。

データ収集システムを含む様々な形態の収集およびデータ収集という用語はまた、本明細書において、より具体的に、データの取得、編成、または処理、またはそれらの組み合わせに関連するコンテキストを説明するために利用され得るが、これらに限定されるものではない。このようなデータ収集の結果は、限定されないが、アイテムの収集（例えば、物理的又は論理的なアイテムのグループ化）、又は滞納のために取られるアクション（例えば、担保、債務等の回収）に関連してもよいし、全く関連しなくてもよい。例えば、データ収集は、データ収集システムによって実行されてもよく、データは、見込みまたは実際の取引または融資の意思決定、監視、または他の目的のために取得、整理または処理される。いくつかの状況において、スマートコントラクトまたはロボットプロセス自動化システムは、データ収集またはデータ収集システムを組み込んで、データ収集の一部または全体のタスクを、制限なく実行することができる。本明細書の開示の利益及び企図されたシステムに対して通常利用可能な知識を有する当業者は、本明細書で使用されるデータ又は情報の文脈における収集の目的及び用途を容易に決定し区別することが可能である。

本明細書で利用される、借り換え、借り換え活動、借り換え相互作用、借り換え結果、及び同様の用語は、広義に理解されるべきである。本開示の他の態様又は説明を制限することなく、借り換え及び借り換え活動は、既存の住宅ローン、ローン、債券、債務取引等を、以前の金融取り決めを完済又は終了する新しい住宅ローン、ローン、債券、又は債務取引等と置き換えることを含む。特定の実施形態において、ローンの条件に対するあらゆる変更、及び／又はローンの条件に対するあらゆる重要な変更は、借り換え活動と見なされ得る。特定の実施形態では、借り換え活動は、ローン契約について異なる財務的結果をもたらすローン契約の変更のみと見なされる。典型的には、新たなローンは、借り手又は発行者にとって有利であり、及び／又は相互に同意できる（例えば、一方の生の財務結果、及び他方のセキュリティ又は他の結果を改善する）ものであるべきである。借り換えは、金利の引き下げ、定期的な支払いの引き下げ、ローン期間の変更、ローンに関連する担保の変更、単一のローンへの負債の統合、負債の再編、ローンの種類の変更（例えば、変動金利から固定金利）、期限の到来したローンの返済、信用度の向上に応じた、ローンの拡大、および／または市場状況（例えば、金利、担保の価値など）の変化に応じた形で行われることがあります。

借り換え活動は、借り換えの申し出の開始、借り換えの要求の開始、借り換え金利の設定、借り換え支払スケジュールの設定、借り換えローンの金額または条件に応じた借り換え残高の設定、使用する担保の変更、担保条件の変更、担保金額の変更等を含む借り換えの担保設定、借り換えの収入の使用管理、を含むことができる。借り換えの一部としての条件の変更を考慮して適切なように担保の異なる品目の先取特権を除去または配置すること、借り換えられたローンを確保するために使用される担保の新規または既存の品目の所有権を確認すること、借り換えられたローンを確保するために使用される担保の新規または既存の品目の検査プロセスの所有権を管理すること、ローンの借り換えのためのアプリケーションを入力すること、借り換えローンの条件を交渉し、借り換えを完了することなどがある。借り換え及び借り換え活動は、一連のローン借り換え活動のためのエンティティ間の相互作用の訓練セットを収集するデータ収集及び監視サービスの文脈で開示されてもよい。借り換え及び借り換え活動は、借り換え活動及び結果の両方を含む相互作用の収集された訓練セットを使用して訓練される人工知能システムの文脈で開示されてもよい。その後、訓練された人工知能は、借り換え活動の推奨、借り換え活動の評価、借り換え活動の期待される結果に関する予測を行うことなどに使用されてもよい。借り換え及び借り換え活動は、借り換えの相互作用及び活動のサブセットを自動化し得るスマートコントラクトシステムの文脈で開示され得る。一例では、スマートコントラクトシステムは、モノのインターネットシステム、クラウドソーシングシステム、ソーシャルネットワーク分析サービスのセット、及びデータ収集及び監視サービスのセットのうちの少なくとも１つを介して収集された情報に基づいて、ローンの金利を自動的に調整してもよい。金利は、二次貸し手から貸し手が利用できる金利、借り手のリスク要因（人工知能を用いた１つ以上の予測モデルに基づく予測リスクを含む）、マーケティング要因（他の貸し手が提供する競合金利など）などに基づいて、ローンの借り換えのための金利を決定または推奨するルール、閾値、モデルパラメータに基づいて調整されてもよい。借り換え活動の結果及び事象は、分散型台帳に記録されてもよい。借り換え活動の結果に基づいて、借り換えローンのためのスマートコントラクトは、負債の元本額、負債の残高、固定金利、変動金利、支払額、支払スケジュール、バルーン支払スケジュールなどの新しいローンの条件を定義するために自動的に再設定されてもよい。支払スケジュール、バルーン支払スケジュール、担保の指定、担保の代替性の指定、当事者、保証、保証人、担保、個人保証、先取特権、期間、約款、差押条件、不履行条件、不履行の結果など、新しいローンの条件を定義するために、スマートローンの契約書を自動的に再構成することができる。

本明細書の開示の利益および企図されたシステムに関して通常利用可能な知識を有する当業者は、本開示のどの側面が借り換え活動の特定の適用から利益を得るか、借り換え活動をどのように選択または組み合わせるか、借り換え活動の１つまたは複数の（またはすべての）側面の自動実行するシステム、サービスまたは回路の実装方法等を容易に決定することが可能である。当業者、または本開示の実施形態が、特定の借り換え活動の結果を行動、推奨、または予測するために人工知能を訓練するための相互作用の適切な訓練セットを選択する際の特定の考慮事項である。借り換えおよび借り換え活動の特定の例が例示の目的で本明細書に記載されているが、本明細書の開示から利益を得る任意の実施形態、および本明細書の開示の利益を有する当業者に理解される任意の考察は、本開示の範囲内で特に企図される。

本明細書で利用される用語、統合、統合活動、ローン統合、債務統合、統合プラン、および同様の用語は、広く理解されるべきものである。本開示の他の側面又は説明に限定されることなく、コンソリデート、コンソリデーション活動、ローンコンソリデーション、債務整理、又はコンソリデーション計画は、いくつかの小さなローンを返済するための単一の大きなローンの使用、及び／又は第２のセットのローンの１以上の少なくとも一部を返済するための一連のローンの１以上の使用に関するものである。実施形態において、ローンの統合は、担保付き（すなわち、担保によって支えられている）であってもよいし、無担保であってもよい。ローンは、現在のローンのうちの１つ以上よりも低い金利を得るため、毎月のローン支払総額を減らすため、及び／又は債務者の連結ローン若しくは他の債務義務を遵守させるために、統合されてもよい。連結の候補として分類され得るローンは、当事者の身元、金利、支払残高、支払条件、支払スケジュール、ローンの種類、担保の種類、当事者の財務状態、支払状況、担保の状態、及び担保の価値を含むローンの集合に関わる主体の属性を処理するモデルに基づいて決定されてもよい。連結活動は、一連の候補ローンからのローンの識別、連結申し出の準備、連結計画の準備、連結申し出を伝える内容の準備、連結申し出のスケジュール設定、連結申し出の伝達、連結申し出の変更の交渉、連結契約の準備、連結契約の実行、一連のローンに対する担保の変更、連結に関する申し込みワークフローの処理、検査の管理、評価の管理、金利の設定、支払い要件の延期、支払いスケジュールの設定、及び連結契約の成立のうち少なくとも１つを含むことができる。実施形態において、１つまたは複数のイベント、条件、状態、アクションなどに基づいて、貸付取引またはローンのセットに対する統合アクションまたは計画を決定または推奨するために、（１つまたは複数のテンプレートまたはライブラリを使用するなど）様々なルール、閾値、条件付き手順、ワークフロー、モデルパラメータなどを作成、設定、または（ユーザインターフェースなどにおいて）取り扱うように構成されたシステム、回路、および／またはサービスが存在し得る。実施形態において、統合計画は、支払いの状況、ローンのセットの金利、プラットフォーム市場または外部市場における実勢金利、ローンのセットの借り手の状況、担保または資産の状況、借り手、貸し手、１つまたは複数の保証人のリスク要因、市場リスク要因など、様々な要因に基づいてもよい。連結及び連結活動は、一連のローン連結活動のためのエンティティ間の相互作用の訓練セットを収集するデータ収集及び監視サービスの文脈で開示されてもよい。連結及び連結活動は、連結活動及びそれらの活動に関連する結果の両方を含む相互作用の収集訓練セットを使用して訓練される人工知能システムの文脈で開示されてもよい。次いで、訓練された人工知能は、債務の状態、一連のローンを確保又は裏付けるために使用される担保又は資産の状態、事業又は事業運営の状態（例えば、債権、債務、又は同様のもの）、当事者の状態（純資産、富、債務、場所、及びその他の状態など）、当事者の行動（好みを示す行動、債務の好みを示す行動など）、及びその他のものを含むモデルに基づいて、統合活動を推奨し、統合活動を評価し、統合活動の予想される結果について予測を立てるために使用されてもよい。債務整理、ローン整理、及び関連する整理活動は、整理の相互作用及び活動のサブセットを自動化し得るスマートコントラクトシステムの文脈で開示され得る。実施形態において、統合は、ローンのセットの条件に関する統合、適切なローンの選択、統合されたローンのための支払条件の構成、既存のローンのための支払計画の構成、統合を促すためのコミュニケーションなどを含んでもよい。実施形態において、スマートコントラクトの人工知能は、ルール、閾値、アクション、パラメータなどを自動的に推奨または設定し（任意に、時間をかけて結果のトレーニングセットに基づいてそうすることを学習することによって）、推奨される統合計画をもたらし、この統合計画は、統合の推奨または所望の結果（許容される結果の範囲内など）を達成するために必要な一連のアクションを指定してもよく、自動化してもよく、監視条件および／またはスマートコントラクト条件に基づく手順の条件付き実行が含まれてもよく、統合計画により作成、構成、および／または説明されることが可能である。統合計画は、規制及び／又はコンプライアンス要因と同様に、市場要因（他の貸し手によって提供される競合金利、担保の価値など）の少なくとも一部分に基づいて決定及び実行されてもよい。連結計画は、新規連結ローンの作成、連結ローンに関連する二次ローン、連結に関連する既存ローンの変更、連結ローンの条件変更、差し押さえ状況（例えば、有担保ローン金利から無担保ローン金利への変更）、破産または倒産状況、市場の変化を伴う状況（例えば、実勢金利の変化）などについて生成および／または実行されてよい。連結計画

ローン、担保、エンティティ等に関する活動の一部は、多種多様なローンに適用される可能性があり、連結活動に明示的に適用されない可能性がある。連結活動としての活動の分類は、その活動が行われているローンの文脈に基づくものであってもよい。しかしながら、本明細書の開示の利益と、企図されたシステムに関して通常利用可能な知識を有する当業者であれば、本開示のどの側面が連結活動の特定の適用から利益を得るか、連結活動を選択または組み合わせる方法、特定のローン連結操作を行うために本明細書に記載した選択されたサービス、回路、および／またはシステムを実装する方法などを容易に決定することが可能である。連結および連結活動の特定の例が例示の目的で本明細書に記載されているが、本明細書の開示から利益を得る任意の実施形態、および本明細書の開示の利益を有する当業者に理解される任意の考慮事項は、本開示の範囲内で特に企図される。

本明細書で利用される、ローンのファクタリング、ローン取引のファクタリング、要因、ローンの相互作用のファクタリング、ファクタリングのために使用される資産または資産のセット、および同様の用語は、広く理解されるべきである。本開示の他の態様又は説明に限定されることなく、ファクタリングは、請求書、在庫、売掛金など、項目の実現価値が将来にある資産のファクタリングに適用され得る。例えば、売掛債権は、支払いが完了し、債務不履行のリスクが少ない場合に価値が高くなる。棚卸資産や仕掛品（ＷＩＰ）は、部品としてではなく、最終製品としての価値が高い場合があります。売掛金に関する言及は、これらの用語を包含するものと理解されるべきであり、限定的なものではありません。ファクタリングは、現在の価値（多くの場合、現金）のために割引率で売掛金の売却を含むことができる。また、ファクタリングには、売掛金を短期貸付金の担保として使用することも含まれます。どちらの場合も、売掛金や請求書の価値は、お金の将来の価値、売掛金の期間（例えば、３０日正味支払額と３０日正味支払額）など複数の理由で割り引かれることがあります。３０日正味支払対９０日正味支払売掛金や請求書の価値は、将来の金銭的価値、売掛金の期間（例えば、３０日正味支払と９０日正味支払）、売掛金のデフォルトリスクの程度、債権の状況、仕掛品（ＷＩＰ）の状況、在庫の状況、納品および／または出荷の状況、売掛金に対する債務者の財務状況、出荷および／または請求の状況、支払の状況など、様々な理由で割引かれる可能性があります。支払状況、借り手の状況、在庫の状況、借り手、貸し手、１つ以上の保証人のリスク要因、市場リスク要因、債務の状況（売掛金や在庫の支払債務に他の先取特権があるか、担保資産の状況（例えば、売掛金や在庫の支払債務に他の先取特権があるか）、担保資産の状況（例えば、売掛金や在庫の支払債務に他の先取特権があるか）、担保資産（例えば、担保資産）の状況）、例えば、在庫の状態-最新か期限切れか、請求書の遅延はないか）、事業または経営の状態、取引当事者の状態（純資産、資産、負債、所在地、その他の条件など）、取引当事者の行動（好みを示す行動、交渉スタイルを示す行動など）、現在の金利、在庫または売掛金に関する現在の規制およびコンプライアンスの問題（例えば、在庫がファクタリングされている場合、在庫がファクタリングされていない場合など）などがあります。例えば、在庫がファクタリングされている場合、意図された製品は適切な承認を受けているか）、借り手に対する法的措置、および人工知能を使用した１つ以上の予測モデルに基づく予測リスクなど、その他多くの事項）。ファクターとは、個人、企業、事業体、またはそれらのグループであり、販売における請求書の完全な取得、または請求書を担保とした価値のある融資と引き換えに、価値を提供することに同意するものである。ファクタリングは、ファクタリングの候補者（貸し手と借り手の両方）の特定、提案された債権（例えば、すべて、一部、一定の基準を満たすもののみ）および提案された割引率を指定するファクタリングの計画、潜在的な関係者への計画の伝達、申し出と申し出を受ける、債権の品質の検証、融資期間の債権の処理に関する条件などを含むことができます。ファクタリング及びファクタリング活動の特定の例が例示の目的で本明細書に記載されているが、本明細書の開示から利益を得る任意の実施形態、及び本明細書の開示の利益を有する当業者に理解される任意の考慮事項は、本開示の範囲内で特に企図される。

本明細書で利用される抵当権、抵当権の仲介、抵当権担保、抵当権ローン活動、および／または抵当権関連活動という用語は、広範に理解されるべきものである。本開示の他の態様または説明を制限することなく、抵当権は、借り手が、金銭または別の価値ある物品と引き換えに、担保として貸し手に価値ある物品、典型的には財産の所有権または先取特権を提供し、通常は利息を伴って、貸し手に返済される相互関係である。この交換には、ローンの返済時に、所有権が借り手に戻ること、および／または、不動産の先取特権が取り除かれることが条件として含まれています。住宅ローンの仲介は、潜在的な不動産、貸し手、および融資の他の当事者の識別、および住宅ローンの条件を手配または交渉することを含む場合があります。特定の構成要素または活動は、個々に住宅ローン関連とみなされない場合があるが、住宅ローンと組み合わせて使用される場合、住宅ローンに作用する場合、住宅ローンのエンティティまたは当事者と関連している場合など、住宅ローン関連とみなされる場合がある。例えば、仲介は、無担保ローン、不動産のアウトライト販売などを含む様々なローンの提供に適用される場合がある。住宅ローン活動および住宅ローン相互作用は、住宅ローンマーケティング活動、一連の見込みのある借り手の識別、抵当に入れるべき不動産の識別、抵当に入れるべき担保不動産の識別、借り手の資格、見込みのある抵当不動産のタイトル検索および／またはタイトル確認、不動産評価、不動産検査などを含むことができる。または担保物件の評価、所得確認、借り手の属性分析、資本提供者の特定、利用可能な金利の決定、利用可能な支払条件の決定、既存の担保物件の分析、既存および新規の担保物件の条件の比較分析、申請ワークフローの完了（例．申請ワークフローの完了（例えば、必要に応じてプロセスの次のステップを開始することにより申請を前進させる）、申請分野の人口、住宅ローン契約の準備、住宅ローン契約のスケジュールの完了、資本提供者との住宅ローン条件の交渉、借り手との住宅ローン条件の交渉、所有権の移転、抵当物件への抵当権の設定および住宅ローン契約の締結、および同様の用語はここで使用されているので広く理解する必要がある。住宅ローンおよび住宅ローン仲介の特定の例が例示の目的で本明細書に記載されているが、本明細書の開示から利益を得る任意の実施形態、および本明細書の開示の利益を有する当業者に理解される任意の考察は、本開示の範囲内で特に企図される。

本明細書で利用される債務管理、債務取引、債務行為、債務条件、債務のシンジケーション、債務の統合、及び／又は債務ポートフォリオという用語は、広く理解されるべきものである。本開示の他の側面又は説明を制限することなく、債務とは、他者に対して負っている金銭的価値のあるものを含む。ローンは、典型的には、借り手が負債（例えば、利息を含み得る、ローンの条件に従って返済されなければならない金銭）を保有する結果となる。負債の統合は、複数のローンを返済するために、新たな単一のローンを使用することを含む（又は、本明細書に記載され、当業者に理解されるように、負債の構造化の他の様々な構成）。多くの場合、新たなローンは、より良い条件又はより低い金利を有することができる。債務ポートフォリオは、多くの場合、期間、リスク等を含む異なる特性を有する多数の債務の断片又はグループを含む。負債ポートフォリオ管理は、保有する負債の量と質に関する決定、及び個々の負債や負債のグループに対する投資方針、リスクに対するリターンの決定に基づいて、望ましいリスク／リターンのポジションを達成するために様々な負債のバランスを取る最善の方法を含む場合があります。債券は、複数の貸し手が借り手に対して１つのローン（または一連のローン）に資金を提供するシンジケート化される場合がある。債務ポートフォリオは、第三者に（例えば、割引率で）売却されることがある。債務遵守には、債務が返済されることを保証するためにとられる様々な措置が含まれる。コンプライアンスの実証には、債務を返済するために取られた措置の文書化が含まれる場合がある。

債務に関する取引（債務取引）及び債務に関する行為（債務行為）には、債務取引の提案、債務取引の引受、金利の設定、支払要件の延期、金利の変更、所有権の確認、検査の管理、所有権の変更の記録、資産の価値の評価、融資の実行、取引の完了、取引の条件の設定、提供すべき通知の提供、一連の資産の差押、条件の変更、企業の格付け設定、債務のシンジケーション、及び／又は債務の集約が含まれる場合があります。債務条件には、債務残高、債務元本、固定金利、変動金利、支払額、支払予定、バルーン支払予定、債券の裏付けとなる資産の指定、資産の代替性の指定、当事者、発行者、購入者、保証、保証人、担保、個人保証、先取特権、期間、約款、差押え条件、不履行条件、および不履行の結果などがある場合があります。債務管理及び債務管理活動の特定の例が例示の目的で本明細書に記載されているが、本明細書の開示から利益を得る任意の実施形態、及び本明細書の開示の利益を有する当業者に理解される任意の考慮事項は、本開示の範囲内で特に企図される。

本明細書で利用される条件、条件分類、分類モデル、条件管理、および同様の用語は、広義に理解されるべきである。本開示の他の態様又は説明に限定されることなく、状態、状態分類、分類モデル、状態管理は、契約において指定され監視される、資産、発行者、借り手、ローン、債務、債券、規制状況、債券、ローン又は債務取引の条件又は条件等の状態を分類又は決定すること等を含む。分類された資産の状態に基づいて、状態管理は、その資産の状態又はその資産を担保として使用することを維持又は改善するための行動を含むことができる。発行者、借入人、当事者規制状況等の分類された状態に基づいて、状態管理は、ローンや債券の条件を変更するためのアクションを含んでもよい。条件分類は、モノのインターネット装置からのデータ、環境条件センサのセットからのデータ、ソーシャルネットワーク分析サービスのセットからのデータ及びネットワークドメイン、ソーシャルメディアデータ、クラウドソースデータなどを照会するためのアルゴリズムのセットに基づいて、資産、発行者、借り手、ローン、債務、債券、規制状況、債券、ローン又は債務取引の条件などの条件を分類するための様々なルール、閾値、条件手続き、ワークフロー、モデルパラメータなどを含んでも良い。条件分類は、分類された条件のいくつかの側面（例えば、リスク、品質、ＲＯＩ、回復の可能性、デフォルトへの可能性、または関連する債務のいくつかの他の側面）に関して同様に位置づけられたものとして、エンティティをグループ化またはラベル付けすること、またはエンティティをクラスタリングすることを含んでもよい。

分類および分類モデルが、担保、発行者、借り手、資金の分配、または他の地理的位置に関連する地理的位置に結び付けられ得る、様々な分類モデルが開示される。分類および分類モデルは、人工知能が分類モデルを改善するために使用される（例えば、人工知能データを使用して洗練を行うことによってモデルを洗練する）ところに開示される。したがって、人工知能は、場合によっては、分類モデルの一部と見なされることがあり、その逆もまた然りである。ソーシャルメディアデータ、クラウドソースデータ、またはＩｏＴデータが、モデルを洗練するための入力として、または分類モデルへの入力として使用される、分類および分類モデルが開示される。ＩｏＴデータの例としては、画像、センサデータ、位置データなどを挙げることができる。ソーシャルメディアデータ又はクラウドソースデータの例は、ローンの当事者の行動、当事者の財務状態、ローン、又は債券の条件に対する当事者の順守、又はそのようなものを含んでもよい。融資の当事者は、債券の発行者、関連団体、貸し手、借り手、債務に利害関係を有する第三者を含んでもよい。状態管理は、状態分類、データ収集及び監視、並びに債券、ローン及び債務取引管理を含み得るスマートコントラクトサービスに関連して議論され得る。データ収集および監視サービスは、債券の発行者、債券に関連する資産または担保資産、債券を裏付ける担保資産、債券の当事者、およびそれらの集合を分類する際に関連する分類および分類モデルとも関連して議論される。いくつかの実施形態では、債券の種類を議論する際に、分類モデルが含まれてもよい。特定のステップ、要因、または洗練は、分類モデルの一部と見なされてもよい。様々な実施形態において、分類モデルは、実施形態において、または特定の管轄区域に結び付けられた同じ実施形態において、両方変化してもよい。異なる分類モデルは、異なるデータセットを使用してもよく（例えば、発行者、借り手、担保資産、債券タイプ、ローンタイプなどに基づいて）、複数の分類モデルが単一の分類で使用されてもよい。例えば、地方債などのある種類の債券では、類似の規模および経済的繁栄を有する自治体の債券データに基づく分類モデルが可能であるのに対し、別の分類モデルでは、担保資産に関連するＩｏＴセンサからのデータが重視される可能性がある。したがって、異なる分類モデルは、実施形態および債券、ローン、または債務取引の明細に応じて、他の分類モデルよりも利点またはリスクを提供することになる。分類モデルは、分類のためのアプローチまたは概念を含む。債券、ローン、または負債取引について分類される条件は、負債の元本金額、負債の残高、固定金利、変動金利、支払額、支払スケジュール、バルーン支払スケジュール、債券、ローン、または負債取引を裏付ける資産の仕様、資産の代替性の仕様、当事者、発行者、購入者、保証、保証人、担保、個人保証、先取特権、期間、約款、差押条件、デフォルト条件、および／またはデフォルトの結果などを含むことができる。分類された条件は、自治体、企業、請負業者、政府機関、非政府機関、非営利団体などの債券発行者の種類を含む場合があります。エンティティは、発行者の集合、債券の集合、当事者の集合、及び／又は資産の集合を含むことができる。分類される条件は、純資産、富、負債、場所などのエンティティの条件）、当事者の行動（好みを示す行動、負債の好みを示す行動など）などを含んでもよい。分類される条件は、自治体資産、車両、船舶、飛行機、建物、家、不動産物件、未開発の土地、農場、作物、自治体施設、倉庫、一連の在庫、商品、証券、通貨、有価証券、チケットなどの資産または担保の種類を含んでもよい。暗号通貨、消耗品、食用品、飲料、貴金属、宝飾品、宝石、知的財産、知的財産権、契約上の権利、骨董品、備品、家具、設備、工具、機械、動産など。債券の種類には、地方債、国債、国庫債券、資産担保債券、社債が含まれる場合があります。分類される条件には、デフォルト条件、差し押さえ条件、約款違反を示す条件、財務リスク条件、行動リスク条件、政策リスク条件、財務健全性条件、身体的欠陥条件、身体健全性条件、実体リスク条件、実体健全性条件などがあり得る。分類される条件は、環境が、自治体環境、企業環境、証券取引環境、不動産環境、商業施設、倉庫施設、輸送環境、製造環境、保管環境、家庭、及び車両から選択される環境を含んでもよい。資産、発行体、借入人、ローン、債務、債券、規制状況等の状態に基づく行動は、債券の集合（地方債、社債、パフォーマンスボンド等）、ローンの集合（補助金付き、補助金なし。保証、保証人、保証を裏付ける一連の担保、保証を裏付ける一連の資産等に関する信頼性、品質、状態、健康状態、財務状態、体調等の監視、分類、予測等の取扱い、債務取引等の取扱いです。債券の状態に対応する債券取引活動は、債務取引の申し出、債務取引の引き受け、金利の設定、支払要件の延期、金利の変更、所有権の検証、検査の管理、所有権の変更の記録、資産の価値の評価、融資の実行、取引の完了、取引の条件の設定、提供することが要求される通知の提供、一連の資産の差押え、条件の変更、事業体の格付けの設定、債務のシンジケーション、及び／又は債務の統合を含むことができる。

本明細書の開示の利益および企図されたシステムに関して通常利用可能な知識を有する当業者は、分類モデルのための特定のアプリケーションに利益をもたらす本開示のどの側面、条件に到達するために分類モデルを選択または組み合わせる方法、および／または必要なデータを与えられた担保の価値の計算を容易に決定することが可能である。管理するための適切な条件を選択する際の当業者、または本開示の実施形態のための特定の考慮事項は、限定されないが、取引の管轄権を与えられた条件の合法性、所定の担保について利用可能なデータ、予想される取引タイプ（ローン、債券または債務）、特定のタイプの担保、価値に対するローンの比率、ローンに対する担保の比率、取引／ローン総量、借り手および貸し手の信用スコア、ならびに他の考慮事項が含まれる。条件、条件分類、分類モデル、及び条件管理の具体例が例示の目的で本明細書に記載されているが、本明細書の開示から利益を得る任意の実施形態、及び本明細書の開示の利益を有する当業者に理解される任意の考察は、本開示の範囲内で特に企図されている。

本明細書で利用される用語、分類、分類化、分類する、カテゴリ、カテゴリ化、カテゴリ化する（及び類似の用語）は、広義に理解されるべきである。本開示の他の側面又は説明を制限することなく、状態又は項目を分類することは、その時点における他の側面又は条件に基づく発散する分類又はカテゴリにもかかわらず、状態又は項目がその分類に置かれた全ての項目に対して共通又は類似する状態又は項目のいくつかの側面、属性又は特性に基づくグループ又はカテゴリに状態又は項目を分類する行為を含んでもよい。分類は、アイテム、エンティティ、人、プロセス、アイテム、金融構築物などの条件またはパラメータに関連する１つ以上のパラメータ、特徴、特性、または現象の認識を含んでもよい。状態分類システムによって分類される状態は、デフォルト状態、差し押さえ状態、契約違反を示す状態、財務リスク状態、行動リスク状態、契約履行状態、政策リスク状態、財務健全状態、物理的欠陥状態、物理的健全状態、エンティティリスク状態、及び／又はエンティティ健全状態を含んでもよい。分類モデルは、様々なソースから受け取ったデータに基づいて、アイテム、エンティティ、プロセス、アイテム、財務構成要素などを自動的に分類またはカテゴライズしてもよい。分類モデルは、単一の属性又は属性の組み合わせに基づいて項目を分類してもよく、及び／又は、分類される項目に関するデータ及びモデルを利用してもよい。分類モデルは、個々のアイテム、エンティティ、金融構築物、またはそれらのグループを分類することができる。債券は、債券の種類（地方債、社債、パフォーマンスボンドなど）、収益率、債券格付け（債券発行者の財務力、および／または債券の元利払い能力に関する債券品質の第三者指標）などに基づいて分類される場合がある。貸し手又は債券発行者は、貸し手又は発行者の種類、許容される属性（例えば、収入、富、場所（国内又は海外）、様々なリスク要因、発行者の地位等に基づいて分類され得る。借入人は、許容属性（例えば、収入、財産、総資産、所在地、信用履歴）、リスク要因、現在のステータス（例えば、就職、学生）、当事者の行動（例えば、好み、信頼性等を示す行動）等に基づいて分類されてもよい。条件分類システムは、学位取得に向けた学生の進捗状況、学生の成績又はクラスでの地位、学生の学校での地位（入学許可、保護観察など）、学生の非営利活動への参加、学生の猶予状況、及び学生の公益活動への参加に基づいて、ローンの受給者を分類し得る。条件分類システムで分類される条件には、融資のための担保の状態や融資のための保証に関連する団体の状態が含まれる場合がある。条件分類システムで分類される条件には、借入人、保証人、補助者等の病状が含まれることがあります。条件分類システムで分類される条件には、融資取引や融資機関に関連する法律、規制、政策のうち少なくとも１つを遵守していることが含まれる場合があります。条件分類システムが分類する条件には、債券の発行者の条件、債券の条件、貸付関連事業者の格付けなどが含まれる場合がある。条件分類システムで分類される条件には、機械、部品、動作モードなどの特定が含まれることがある。状態分類システムが分類する状態には、状態またはコンテキスト（マシン、プロセス、ワークフロー、マーケットプレイス、ストレージシステム、ネットワーク、データコレクタなどの状態）が含まれる場合がある。状態分類システムは、状態またはコンテキストを含むプロセス（例えば、データ記憶プロセス、ネットワーク符号化プロセス、ネットワーク選択プロセス、データ市場プロセス、発電プロセス、製造プロセス、精製プロセス、掘削プロセス、ボーリングプロセス、および／または本明細書に記載される他のプロセス）を分類してもよい。条件分類システムは、ローン借り換え行動のセットの予測された結果に基づいて、ローン借り換え行動のセットを分類してもよい。条件分類システムは、当事者の身元、金利、支払残高、支払条件、支払スケジュール、ローンの種類、担保の種類、当事者の財務状態、支払状況、担保の状態、担保の価値などの属性に基づいて、一連のローンを統合の候補として分類してもよい。条件分類システムは、ファクタリング融資、債券発行活動、住宅ローンなどのセットに関与するエンティティを分類してもよい。条件分類システムは、様々なローン管理活動から予測される結果に基づいて、一群のエンティティを分類してもよい。状態分類システムは、モノのインターネットデータ収集及び監視サービスからの情報、発行者に関連する一連のパラメータ、ソーシャルネットワーク監視及び分析サービスなどに基づいて、一連の発行者の状態を分類してもよい。条件分類システムは、一連のローン回収行動、ローン統合行動、ローン交渉行動、ローン借り換え行動などを、それらの活動及び実体に関する予測結果の集合に基づいて分類してもよい。

本明細書で利用される補助付きローン、ローンを補助する、（および同様の）用語は、広く理解されるべきである。本開示の他の態様または説明を制限することなく、補助付きローンは、借り手が学校に通っている間、失業している間、病気である間など、ローンの価値に対する利息の支払いが、発生を伴うかどうかにかかわらず、延期、先送りまたは遅延され得る金銭または価値のあるアイテムの融資である。実施形態では、ローンの一部またはサブセットに対する利息の支払いが、借り手以外の誰かによって負担または保証される場合、ローンは補助されてもよい。補助付きローンの例は、自治体補助付きローン、政府補助付きローン、学生ローン、資産担保型補助付きローン、及び企業補助付きローンを含んでもよい。補助付き学生ローンの例としては、政府によって補助され、学位取得に向けた学生の進捗状況、非営利活動への学生の参加、学生の据置状況、および公益活動への学生の参加に基づいて利息の発生が猶予または停止され得る学生ローンを挙げることができる。政府補助による住宅ローンの例として、借り手が決算費用や最初の住宅ローンの支払いなどを免除される政府補助を挙げることができる。このような補助付きローンの条件には、物件の所在地（地方または都市）、借り手の収入、借り手の軍歴、購入した住宅が健康および安全基準を満たす能力、住宅の売却で得られる利益の制限、などが含まれる場合がある。ローンという言葉の特定の用法は、補助付きローンに適用されず、むしろ通常のローンに適用される場合がある。本明細書の開示の利益と、その人が通常利用できる企図されたシステムに関する知識を有する当業者は、本開示のどの局面が補助付きローンの考慮から利益を得るかを容易に判断することができる（例えば、以下の通りである。融資の価値の決定、融資に関連する交渉、融資に関連する条件など）において、借り手が非補助付き融資に共通する融資義務の一部から解放される可能性があり、補助金は、融資の利息の免除、遅延もしくは延期、または第三者による利息の支払を含む可能性がある。補助金は、借り手以外の個人または事業体によるポイント、最初の支払いなどを含む決算費用の支払い、および／または、タイトル検証を強化または利益を得るために本開示からのプロセスおよびシステムを結合する方法を含んでいてもよい。

本明細書で利用される補助ローン管理（および類似の用語）という用語は、広義に理解されるべきである。本開示の他の態様または説明を制限することなく、補助ローン管理は、補助ローンに関連する１つまたは複数のイベントを管理または対応するための複数の活動およびソリューションを含み得、かかるイベントは、補助ローンの要求、補助ローンの提供、補助ローンを受け入れること。補助付きローンのための引受情報の提供、補助付きローンを求める借り手の信用報告書の提供、ローン補助金の一部として必要な支払いの延期、補助付きローンの金利の設定（低金利が補助金の一部となり得る）、ローン補助金の一部として支払い要件の繰り延べ。ローンの担保を特定すること、ローンの担保または担保の所有権を確認すること、不動産の所有権の変更を記録すること、ローンの担保または担保の価値を評価すること、ローンに関わる不動産を検査すること、ローンに関わるエンティティの状態の変化を特定すること。融資に関連するエンティティの価値の変化、借り手の職務状況の変化、貸し手の財務格付けの変化、担保として提供される品目の財務価値の変化、融資のための保険の提供、融資に関連する財産に対する保険の証拠の提供、融資のための適格性の証拠の提供。融資のための担保の特定、融資の引き受け、融資の支払い、融資の不履行、融資の実行、融資の実行、融資の条件の設定、融資の対象となる財産の差し押さえ、融資の条件の変更、融資の条件の設定（債務の元本金額など。借入金残高、固定金利、変動金利、支払額、支払予定、バルーン支払予定、担保の指定、担保の代替性の指定、当事者、保証、保証人、担保、個人保証、先取特権、期間、約款、差押え条件、債務不履行条件、結果などの借入条件を設定すること。デフォルト条件、デフォルトの結果）、またはローン関連活動の管理（ローン取引への参加に関心のある当事者の発見、ローン申請の処理、ローンの引き受け、ローンに関する法的契約の形成、ローンのパフォーマンスの監視、ローンの支払い、ローンの再編成または修正など（ただし、これらに限定されない））。融資の再編または修正、融資の決済、融資の担保の監視、融資のシンジケートの形成、融資の差押え、融資の回収、一連の融資の統合、融資の実績の分析、融資の不履行の処理、資産または担保の権利譲渡、および融資取引の決済）などが含まれる。実施形態において、補助対象ローンを処理するためのシステムは、モノのインターネットデータ収集および監視サービスから取得されたそれらのパラメータに関連するデータに基づいて、補助対象ローンのパラメータのセットを分類することを含んでもよい。補助付きローンのセットのパラメータのセットを分類することはまた、パラメータデータを得るためにソーシャルネットワーク分析サービス、クラウドソーシングサービスなどを活用する１つ以上の設定可能なデータ収集及び監視サービスから得られたデータに基づいてもよい（例えば、個人又は事業体が補助付きローンの資格を有するという決定、補助付きローンを提供すること又はローンから補助を取り除くことの社会的価値の決定、補助する事業者が合法であるという決定、買い手及び／又は補助者の特徴に基づいて適切な補助の条件の決定、等）。

本明細書で利用されるフォークローズ、フォークローザ、フォークローズまたはフォークローザコンディション、デフォルトフォークローザコラテラル、デフォルトコラテラル、（および同様の用語）は、広義に理解されるべきものである。本開示の他の側面または説明に限定されることなく、フォークロズ条件、デフォルトなどは、借り手がローンの条件を満たさないことを説明するものである。本開示の他の側面または説明を制限することなく、差し押さえおよび差し押さえは、貸し手が差し押さえまたはデフォルト状態の借り手から、ローンの残高を回収しようとする、または代わりに、ローンの担保として保持されている抵当権を償還する借り手の権利を奪うプロセスを含む。ローンの条件を満たさないことは、指定された支払を行わないこと、支払スケジュールを遵守しないこと、バルーン支払を行わないこと、担保を適切に確保しないこと、担保を特定の状態（例えば、良好な修理状態）で維持しないこと、第２のローンの取得などを含む場合がある。差押えは、差押え競売などによる担保物件の強制売却を借主、公衆、管轄当局に通知することを含む場合があります。差し押さえの際、担保物件は公開オークションサイト（ｅＢＡｙなど）または特定の種類の物件に適したオークションサイトに出品されることがあります。担保物件の最低落札価格は貸し手によって設定され、ローンの残高、ローンの利息、差し押さえに関連する手数料などをカバーすることができます。ローンの残高を回復する試みは、差押えの代わりに担保物件の証書を譲渡することを含む場合があります（例えば、借り手が住宅ローンの担保として機能する不動産の証書を保有する不動産抵当権など）。差し押さえは、担保物件（例えば、自動車、ボートなどのスポーツ車、ＡＴＶ、スキーモービル、宝石類）の所有権取得または差し押さえを含むことがある。差し押さえは、ローンに関連する担保の品目を確保することを含んでもよい（例えば、担保を含む又は確保するスマートロック、スマートコンテナ等の接続されたデバイスをロックすることによってなど）。差し押さえは、輸送業者、貨物輸送業者等による担保の品目の発送を手配することを含んでもよい。差し押さえは、担保を輸送するためのドローン、ロボット等による担保の品目の輸送を手配することを含んでもよい。実施形態において、ローンは、担保の代替、または、代替担保が当初の担保よりも（貸し手にとって）高い価値を有するか、または借り手がより大きな持分を有する項目である代替担保へのローンの担保として当初使用された担保の項目からの先取特権の移動を許容し得る。担保の代替の結果、ローンが差し押さえられると、強制売却や差し押さえの対象となり得るのは代替担保である。デフォルトという言葉のある種の用法は、差し押さえのようなものではなく、むしろ品目の規則的または不履行の状態に適用される場合がある。本明細書の開示の利益と、その人が通常利用できる企図されたシステムに関する知識を有する当業者は、本開示のどの側面が差し押さえから利益を得るか、および／または本開示からのプロセスおよびシステムを組み合わせて差し押さえを強化するか利益を得る方法を容易に決定することができる。当業者にとっての特定の考慮事項は、差し押さえ、差し押さえ条件、デフォルトなどの用語が、借り手がローンの条件を満たさないこと、およびローンの残高を回収するか担保の所有権を得るための貸し手による関連する試みを指しているかどうかを判断することである。

本明細書で利用されるタイルの検証、タイトルの検証、タイトルの有効化、および同様の用語は、広義に理解されるべきである。本開示の他の態様または説明を制限することなく、タイトルの検証および所有権の検証は、車両、船舶、飛行機、建物、家、不動産物件、未開発の土地、農場、作物、自治体施設、倉庫、在庫一式などの財産項目における個人または団体による所有または利益を検証または確認する任意の努力を含む。商品、証券、通貨、有価証券、チケット、暗号通貨、消耗品、食用品、飲料、貴金属、宝飾品、宝石、知的財産権、契約上の権利、骨董品、備品、家具、設備、工具、機械、個人資産など。所有権を確認するための努力には、売却証書、所有権移転の政府文書、所有権を移転する法的遺言、不動産項目の先取特権の除去に関する文書、適切な管轄区域における借入予定者への知的財産の譲渡の検証、および同様のものを参照することが含まれる場合がある。不動産物件の検証には、建物、住宅、不動産物件、未開発の土地、農場、作物、自治体施設、車両、船舶、飛行機、または倉庫が所在するか登録されている国、州、郡または地区の裁判所における証書および記録の確認が含まれる場合がある。検証という言葉の特定の用法は、権原または権原の検証に適用されるのではなく、プロセスが正しく動作していること、生体データを使用して個人が正しく識別されたこと、知的財産権が有効であること、データが正しく意味があること、などの確認に適用される場合がある。本明細書の開示の利益およびその人が通常利用できる企図されたシステムに関する知識を有する当業者は、本開示のどの局面がタイトル検証から利益を得るか、および／またはタイトル検証を強化または利益を得るために本開示のプロセスおよびシステムをどのように組み合わせるかについて容易に決定することができる。当業者にとって、バリデーションという用語がタイトルバリデーションに言及しているかどうかを判断する際の特定の考慮事項は、本開示の範囲内で特に企図される。

本開示の他の態様または説明を制限することなく、検証は、担保またはローンのための担保のためのタイトルの検証、担保またはローンのための条件の検証、ローンのための保証の条件の検証などを含むがこれらに限定されない、任意の検証システムを含む。例えば、検証サービスは、ローンまたは担保情報の構成要素（例えば、収入、雇用、権原、ローンのための条件、担保の条件、および資産の条件）を検証することなどを通じて、より確実なローンを提供するメカニズムを貸し手に提供し得る。非限定的な例では、検証サービス回路は、資産のローン条件を決定するように構成された金融エンティティに関して、複数のローン情報コンポーネントを検証するように構成されてもよい。特定のコンポーネントは、個々に検証システムと見なされないかもしれないが、集約されたシステムにおいて検証すると見なされるかもしれない--例えば、モノのインターネットコンポーネントは、それ自体では検証コンポーネントと見なされないかもしれないが、資産データ収集および監視のために利用されるモノのインターネットコンポーネントは、モノのインターネットコンポーネントが担保資産に関連付けられる場合、負荷に対する個人保証の信頼性パラメータを検証するために適用されると検証コンポーネントと見なされる可能性がある。特定の実施形態では、そうでなければ類似した外観のシステムは、そのようなシステムが検証用であるかどうかを判断する際に区別され得る。例えば、ブロックチェーンに基づく台帳は、ある例ではアイデンティティの検証のために使用され、別の例では機密情報の維持のために使用されてもよい。したがって、本開示の利点は、多種多様なシステムにおいて適用されてよく、任意のそのようなシステムは、本明細書において検証のためのシステムとみなされてよく、一方、特定の実施形態において、所定のシステムは、本明細書において検証のためのシステムとはみなされない場合がある。本明細書の開示の利益と、その人が通常利用できる企図されたシステムに関する知識を有する当業者は、本開示のどの側面が特定のシステムに利益をもたらすか、および／または本開示からのプロセスおよびシステムを組み合わせて企図されたシステムの動作を強化する方法を容易に決定することができる。企図されたシステムが有効なシステムであるかどうか、および／または本開示の態様が企図されたシステムに利益をもたらすかもしくは強化できるかどうかを決定する際の、当業者にとっての特定の考慮事項は、限定されないが、以下のものを含む。融資のための保証の信頼性を検証するためのソーシャルネットワーク監視システムを有する融資プラットフォーム、融資のための保証の信頼性を検証するためのモノのインターネットデータ収集及び監視システムを有する融資プラットフォーム、債券のための発行者の条件を検証するためのクラウドソーシング及び自動分類システムを有する融資プラットフォーム、融資のための担保の品質、権利、又は他の条件を検証するためのクラウドソーシングシステム、ＤＮＡ又は指紋の利用などの生体識別検証アプリなどである。仮想資産タグによってタグ付けされた固定資産の位置および身元を集合的に検証するために利用されるＩｏＴデバイス、投票または合意プロトコルを利用する検証システム、イベントを認識および検証するように訓練された人工知能システム、権利記録、ビデオ映像、写真、または目撃声明などの情報の検証、遵守条件の発生の検証、デフォルト条件の発生の検証、不適切な行動または虚偽表示の抑止、不確実性の低減、または情報の非対称性の低減などの行動に関する検証表現、およびその他がある。

本明細書で利用される引受という用語（および類似の用語）は、広く理解されるべきである。本開示の他の態様または説明を制限することなく、引受は、引受業者に関すること、ローンの引受情報の提供、債務取引の引受、債券取引の引受、助成ローン取引の引受、証券取引の引受などを含むがこれらに限定されない、任意の引受を含む。引受サービスは、銀行、保険会社または投資会社などの金融エンティティによって提供されてもよく、それにより、金融エンティティは、損失条件（例えば、損害または金銭的損失）が決定した場合に支払いを保証し、保証から生じる責任に対する金融リスクを引き受ける。例えば、銀行は、消費者ローンを要求する個々の借り手に関連する個人情報構成要素（例えば、雇用履歴、給与及び借り手の信用履歴などの財務諸表公開情報）の分析、商業負荷を要求する企業からの事業財務情報構成要素（例えば、有形純資産、負債／価値の比率（レバレッジ）、及び利用可能流動性（流動比率））等の分析を通じて、融資を許可する決定につながり得る信用分析を行う機構を介して融資を引き受けられてもよい。非限定的な例では、引受サービス回路は、資産に対する財務状況を決定するように構成された金融エンティティに関する複数の財務情報コンポーネントを含む金融取引を引受けるように構成されてもよい。特定の実施形態では、引受構成要素は、ある目的では引受と見なされるが、他の目的では引受と見なされない場合がある-例えば、取引データを収集及び分析する人工知能システムは、ローン取引を監視するためにスマートコントラクトプラットフォームと共に利用されるが、人間の専門引受担当者によって訓練されたモデルを利用するなど、引受データの収集及び分析に交互に利用されてもよい。したがって、本開示の利点は、多種多様なシステムにおいて適用され得、任意のそのようなシステムは、本明細書において引受と見なされ得るが、特定の実施形態において、所定のシステムは、本明細書において引受と見なされない可能性がある。本明細書における開示の利益と、その人が通常利用できる企図されたシステムに関する知識を有する当業者は、本開示のどの側面が特定のシステムに利益をもたらすか、および／または本開示からのプロセスおよびシステムをどのように組み合わせて企図されたシステムの操作を強化するかを容易に決定することができる。当業者にとって、企図されたシステムが引受であるかどうか、および／または本開示の態様が企図されたシステムに利益をもたらすかもしくは強化できるかどうかを決定する際の特定の考慮事項は、限定されないが、以下のものを含む。融資エンティティおよび取引の引受のためのデータ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むようなデータ統合マイクロサービスのセットを有するローンの引受システムを有する融資プラットフォーム、引受プロセス、オペレーション、およびサービス、保険および他の取引に関わる見込みおよび実際の当事者の身元に関するデータなどの引受データ、数理データ、活動に関するリスクの発生確率および／または程度に関するデータ、観察された活動に関するデータおよびリスクの引受または推定に用いられる他のデータを有する引受システム。リスクの可能性及び／又は範囲を検出特徴付け予測するためのアプリケーション、融資ソリューション、分析ソリューション、又は資産管理ソリューションにサービスを提供するエンティティに関する引受又は検査フローを含む、保険募集、融資、又はその他の取引の引受のためのアプリケーション等（ただし、これらに限定されない）。保険契約、融資、保証、または保証の引受、引受プロセスに関連する一連のイベント、取引、活動、アイデンティティ、事実、およびその他の情報を記録するための任意の分散型台帳を用いるなど、保険の引受のためにアイデンティティおよび行動情報を集約するためのブロックチェーンおよびスマートコントラクトプラットフォーム。様々な種類のローン、及び保証の引受のためのようなクラウドソーシングプラットフォーム、データ収集及び監視サービス、ブロックチェーンサービス、人工知能サービス、及び融資エンティティ及び取引の引受のためのスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有するローンの引受システム、様々なルール、閾値、条件付き手順、ワークフロー、又はモデルパラメータを作成、設定、修正、設定又はその他の処理を行う引受解決策、など。１つ以上のイベント、条件、状態、行動、二次ローンまたはローンを裏付ける取引、回収、統合、差し押さえ、破産、支払不能の状況、既存のローンの修正、市場の変化を伴う状況、差し押さえ活動に基づいて、所定のタイプまたはタイプのローンのセットを管理するための引き受け行動または計画。予測、分類、制御命令、計画、モデルのセットを生成するために、専門家による引受活動の訓練セット、及び／又は引受活動の結果について訓練された人工知能モデルを含む適応型知能システム、融資の実体及び取引を引受けるためのデータ収集及び監視サービス、ブロックチェーンサービス、人工知能サービス、スマートコントラクトサービスを含むデータ統合型マイクロサービスのセットを有するローンの引受システム、などである。

本明細書で利用される保険という用語（および類似の用語）は、広義に理解されるべきである。本開示の他の態様または説明を制限することなく、保険は、融資に対する保険の提供、融資に関連する資産に対する保険の証拠の提供、別の事業体のリスクまたは責任を引き受ける第１の事業体、および同様のものを含むが、これに限定されない、任意の保険を含む。保険をかけること、または保険は、偶発的または不確実な損失のリスクに対するリスク管理の形態など、保険の保有者が金銭的損失からの保護を提供されるメカニズムであってよい。保険機構は、資産、資産のための取引、資産のための融資、担保などに関連する、保険を提供する、保険の必要性を決定する、保険の証拠を決定する、などであってもよい。保険を提供するエンティティは、保険業者、保険会社、保険キャリア、引受業者等として知られてもよい。例えば、保険をかけるための機構は、融資に関連する資産に対する保険の証拠を決定するための機構を金融エンティティに提供してもよい。非限定的な例では、保険サービス回路は、資産に対するローン条件を決定するように構成された金融エンティティに関する複数の保険情報コンポーネントに基づいて、資産に対する保険の証拠条件を決定するように構成されてもよい。特定の実施形態では、構成要素は、ある目的では保険とみなされるが、他の目的ではそうでない場合がある-例えば、ブロックチェーンおよびスマートコントラクトプラットフォームは、アイデンティティおよび機密性のためなどのローン取引の側面を管理するために利用される場合があるが、保険引受のためのアイデンティティおよび行動情報を集約するために交互に利用される場合がある。したがって、本開示の利点は、多種多様なシステムにおいて適用され得、任意のそのようなシステムは、本明細書において保険と見なされ得るが、特定の実施形態では、所定のシステムは本明細書において保険と見なされない可能性がある。本明細書の開示の利益と、その人が通常利用できる企図されたシステムに関する知識を有する当業者は、本開示のどの態様が特定のシステムに利益をもたらすか、および／または本開示からのプロセスおよびシステムを組み合わせて企図されたシステムの動作を強化する方法を容易に決定することができる。当業者にとって、企図されたシステムが保険であるかどうか、および／または本開示の態様が企図されたシステムに利益をもたらすかもしくは強化できるかどうかを決定する際の特定の考慮事項は、限定されないが、以下を含む。支店、事務所、保管施設、データセンター、引受業務などの保険施設。事業中断保険、製造物責任保険、商品、施設、または設備に対する保険、洪水保険、契約関連リスクに対する保険、およびその他多くの保険請求、ならびに製造物責任、一般責任、労災、傷害およびその他の責任請求に関する請求データ、供給契約履行請求、製品納入要件、契約請求、賠償請求、ポイントまたは報酬を償還する請求、アクセス権の請求、保証請求、補償請求、エネルギー生産要件、納入要件、タイミング要件、マイルストーン、主要業績指標など契約に関する請求データ、保険関連融資。保険サービス、保険仲介サービス、生命保険サービス、健康保険サービス、退職保険サービス、損害保険サービス、金融保険サービス、再保険サービス、保険引受のためのアイデンティティ及び行動情報を集約するためのブロックチェーン及びスマートコントラクトプラットフォーム。保険申請者の身元、保険を提供する意思のある当事者の身元、保険対象となり得るリスクに関する情報（財産、生命、旅行、侵害、健康、家庭、商業責任、製造物責任、自動車、火災、洪水、傷害、退職、失業などのあらゆる種類の、制限のないもの。分散型台帳は、一般的な保険契約よりも狭い期間での定義された活動に関連する定義されたリスクに対するもの、融資に対する保険の提供、融資に関連する財産に対する保険の証拠の提供など、マイクロ保険の提供および引き受けを促進するために利用されることがあります。

本明細書で利用される集約という用語（および類似の用語）は、広義に理解されるべきである。本開示の他の態様または説明を制限することなく、集約または集約することは、アイテムを一緒に集約すること、例えば、類似のアイテムを一緒に集約またはリンクすることを含む任意の集約を含むが、これに限定されない（例えば。一連のローンのための担保を提供する、一連のローンのための担保項目が一連の項目の状態の類似性に基づいてリアルタイムで集約される、など）、データを一緒に集める（例えば、保存のため、通信のため、分析のため、モデルのための訓練データとして、など）、集約した項目またはデータをより単純な記述にまとめる、またはいくつかの（例えば、異種の）要素を組み合わせることによって形成される全体を作成するための任意の他の方法、など。さらに、アグリゲータは、記載されているような、アグリゲーションのための任意のシステムまたはプラットフォームであってもよい。ある構成要素は、個々に集約とみなされないかもしれないが、集約されたシステムにおいて集約とみなされるかもしれない-例えば、ローンのコレクションは、それ自体のローンの集約とみなされないかもしれないが、そのように集められれば集約となる可能性がある。非限定的な例では、集約回路は、ローン属性、パラメータ、用語または条件、金融エンティティなどに基づいて、複数のローンからローンを一緒に集約してローンの集約とするメカニズムを貸し手に提供するように構成されてもよい。特定の実施形態では、集約は、ある目的には集約とみなされるが、他の目的にはみなされないことがある-例えば、例えば、資産担保条件の集約は、あるインスタンスではローンを一緒に集約する目的で、別のインスタンスではデフォルトアクションを決定する目的で収集されることがある。さらに、特定の実施形態では、そうでなければ類似の外観のシステムは、そのようなシステムがアグリゲータであるかどうか、及び／又はどのタイプのアグリゲーティングシステムであるかを決定する際に区別されてもよい。例えば、第１及び第２のアグリゲータは、両方とも金融エンティティデータを集約してもよく、ここで、第１のアグリゲータは、分析モデル回路のためのトレーニングセットを構築するために集約し、第２のアグリゲータは、ブロックチェーンベースの分散型台帳に格納するために金融エンティティデータを集約する。したがって、本開示の利点は、多種多様なシステムにおいて適用され得、任意のそのようなシステムは、本明細書において集約と見なされ得るが、特定の実施形態では、所定のシステムは、本明細書において集約と見なされない可能性がある。本明細書の開示の利益と、その人が通常利用できる企図されたシステムに関する知識を有する当業者は、本開示のどの態様が特定のシステムに利益をもたらすか、および／または本開示からのプロセスおよびシステムを組み合わせて企図されたシステムの動作を強化する方法を容易に決定することができる。当業者にとって、企図されたシステムがアグリゲーションであるかどうか、および／または本開示の態様が企図されたシステムに利益をもたらすかもしくは強化できるかどうかを決定する際の特定の考慮事項は、限定されないが、フォワードマーケット需要アグリゲーション（例えば．フォワード市場の需要集約のためのブロックチェーンおよびスマートコントラクトプラットフォーム、需要集約インターフェースで表明またはコミットされた関心、様々な製品およびサービスに関してフォワード市場の将来の需要を集約するために使用されるブロックチェーン、互いに一致する構成のサブセットに対して異なるパラメータを有する潜在的な構成のセットを処理し、利益の出る価格で十分に大きなサブセットを満たす提供物のコミット済みの将来の需要を集約するために使用する構成のサブセット、および同様のもの）。労働者の年齢、資格、経験（プロセスタイプ別を含む）に関する相関する集約データ（傾向情報を含む）と、それらの労働者が関与するプロセスに関するデータ、事前に集約され、ブロックチェーン上に表される事前構成コミットメントを満たす条件の自動認識によって都合よく満たされる宿泊施設の需要（例えば、分散型台帳）、輸送の提供が集約されて満たされる（例えば、事前に定義された広範囲の不測の事態を伴う）、ブロックチェーン（例えば、需要計画に用いられる分散型台帳）上の物品およびサービスの集約、需要集約インターフェースに関して（例えば、１人または複数の消費者に提示）、複数の提出物の集約、アイデンティティおよび行動情報の集約（例えば、保険の引き受け）、複数の当事者の集積と集約、一連の担保のデータの集約、（例えば、リアルタイムの状態監視、リアタイムの市場データの収集と統合などに基づく）担保または資産の価値の集約、ローンのトランシェの集約、他の同様の担保と集約したスマートコントラクトのための担保、などである。

本明細書で利用されるリンクという用語（および類似の用語）は、広義に理解されるべきである。本開示の他の態様または説明を制限することなく、リンクは、２つの物事または状況の間の関係としてのリンク（例えば、１つの物事が他の物事に影響を与える）を含むが、これに限定されない、任意のリンクを含む。例えば、担保のような類似のアイテムのサブセットをリンクして、一連の融資のための担保を提供することである。特定の構成要素は、個別にリンクされたと見なされないかもしれないが、集約されたシステムにおけるリンクのプロセスにおいて考慮され得る-例えば、スマートコントラクト回路は、ローン処理プラットフォームの一部としてブロックチェーン回路と連携して動作するように構成され得るが、スマートコントラクト回路がブロックチェーン回路を介して情報を格納せずに契約を処理するが、２つの回路は、ブロックチェーン回路上の分散型台帳を介して金融機関情報をリンクするスマートコントラクト回路を介してリンクされ得る。特定の実施形態では、リンクは、ある目的ではリンクと見なされるが、他の目的ではリンクと見なされない場合がある-例えば、ユーザー向けの商品およびサービスのリンクと、アクセスポイント間の無線リンクは、異なる形態のリンクであり、ユーザー向けの商品およびサービスのリンクは、一緒に考える一方、ＲＦリンクは、トランシーバの間の通信リンクである。さらに、特定の実施形態では、そうでなければ類似の外観のシステムは、そのようなシステムがリンクしているかどうか、および／またはどのタイプのリンクかを決定する際に区別される場合がある。例えば、分析のために類似のデータを一緒にリンクさせることは、グラフ化のために類似のデータを一緒にリンクさせることとは異なる。したがって、本開示の利点は、多種多様なシステムにおいて適用され得、任意のそのようなシステムは、本明細書においてリンクすると見なされ得るが、特定の実施形態において、所定のシステムは、本明細書においてリンクすると見なされない可能性がある。本明細書の開示の利益と、その人が通常利用できる企図されたシステムに関する知識を有する当業者は、本開示のどの局面が特定のシステムに利益をもたらすか、および／または本開示からのプロセスおよびシステムを組み合わせて企図されたシステムの動作を強化する方法を容易に決定することができる。当業者にとって、企図されるシステムがリンクしているかどうか、および／または本開示の態様が企図されるシステムに利益をもたらすかもしくは強化できるかどうかを判断する際の特定の考慮事項は、限定されないが、マーケットプレイスまたは外部マーケットプレイスとシステムまたはプラットフォームとをリンクすること、データ（例えば、リンクおよびノードを含むデータクラスタ）をリンクすること、ローカルプロセスにリンクしたデータの記憶および検索、共通の知識グラフにおけるリンク（例えば、ノードに関する）、接近または位置（例えば。の）、環境（例えば、商品、サービス、資産など）へのリンク、イベントのリンク（例えば、ブロックチェーンにおけるような保存のため、通信または分析のため）、所有権またはアクセス権のリンク、アクセストークンへのリンク（例えば、アクセストークンにリンクした旅行提供物）、１または複数のリソースへのリンク（例えば、暗号または他の技術によって保護された）、メッセージとスマートコントラクトとのリンク、などである。

本明細書で利用される関心のある指標（及び類似の用語）という用語は、広義に理解されるべきである。本開示の他の態様または説明を制限することなく、関心の指標は、ユーザーまたは複数のユーザーまたは取引等に関連する当事者（例えば、ローン取引への参加に関心のある当事者）からの関心の指標、そのような関心の記録または保存（例えば、ユーザー、エンティティ、回路、システムなどからの関心の入力を記録する回路）、関心に関連するデータを分析し、関心の指標を設定する回路（例えば、ユーザー、当事者、エンティティ、システム、回路などからの回路への入力に基づいて指標を設定または伝達する回路）、ユーザー、当事者または金融エンティティからの複数の入力のうちの１つによる関心に関する入力データから関心の指標を決定するように学習されたモデルなどである。ある構成要素は、個々に関心の指標とみなされないかもしれないが、集約されたシステムにおいて関心の指標とみなされるかもしれない-例えば、当事者が情報を求めることに関心がある翻訳マーケットプレイスのような取引に関連する情報を求めるかもしれないが、それは取引における関心の指標とみなされないかもしれない。しかしながら、当事者が特定の関心を主張する場合（例えば、関心を示すための制御入力を有するユーザインターフェースを介して）、当事者の関心は、（例えば、記憶回路、ブロックチェーン回路において）記録され、（例えば、分析回路、データ収集回路を介して）分析され、（例えば、監視回路を介して）監視され得る、などである。非限定的な例では、関心のある指標は、当事者が製品又はサービスの購入を約束する意思があるパラメータを定義するものなど、製品、サービスなどに関する一連の当事者から（例えば、分散型台帳を通じてブロックチェーンに）記録されてもよい。特定の実施形態では、関心の指標は、ある目的のための関心の指標とみなされるが、他の目的のための関心の指標とはみなされないことがある-例えば、ユーザーはローン取引に対する関心を示すことができるが、それは、ユーザーがローン取引に関連する種類の担保を提供することに関心を示していることを必ずしも意味しない。例えば、データ収集回路は、取引に対する関心の指標を記録してもよいが、担保に対する関心の指標を決定するための別の回路構造を有していてもよい。さらに、特定の実施形態では、そうでなければ類似の外観のシステムは、そのようなシステムが利息の指標を決定しているかどうか、および／または、どのタイプの利息の指標が存在するかを決定する際に区別される場合がある。例えば、１つの回路またはシステムは、複数の当事者からデータを収集して、ローンを確保することに関する関心の指標を決定してもよく、第２の回路またはシステムは、複数の当事者からデータを収集して、ローンに関連する所有権を決定することに関する関心の指標を決定してもよい。したがって、本開示の利点は、多種多様なシステムにおいて適用されてよく、任意のそのようなシステムは、本明細書における関心のある指標とみなされてよく、一方、特定の実施形態では、所定のシステムは、本明細書における関心のある指標とみなされてはならないかもしれない。本明細書の開示の利益と、その人が通常利用できる企図されたシステムに関する知識を有する当業者は、本開示のどの態様が特定のシステムに利益をもたらすか、および／または本開示からのプロセスおよびシステムを組み合わせて企図されたシステムの動作を強化する方法を容易に決定することができる。当業者にとって、企図されたシステムが関心のある指標であるかどうか、および／または本開示の態様が企図されたシステムに利益をもたらすかもしくは強化できるかどうかを決定する際の特定の考慮事項は、取引（例えば、ローン取引）への参加に関心を示す当事者、製品またはサービスにおける確保に関心を示す当事者、（例えば、記憶回路またはブロックチェーン回路を通じて）関心のある指標を記録または保存、（例えば、データ収集回路および／または監視回路を通じて）関心のある指標を分析、および同様のことを限定せずに、以下を含む。

本明細書で利用される宿泊施設（及び類似の用語）という用語は、広範に理解されるべきである。本開示の他の態様又は説明を制限することなく、宿泊施設は、誰かが住み、滞在し、座り、居住し、参加し得る部屋、部屋のグループ、テーブル、座席、建物、イベント、個人が提供する共有スペース（例えば、ＡＡＩｒｂｎｂスペース）、ベッド＆ブレックファスト、ワークスペース、会議室、コンベンションスペース、フィットネス宿泊施設、健康およびウェルネス宿泊施設、食事宿泊施設などを含む、任意のサービス、活動、イベント、及び同種のものを含む。このように、宿泊施設は、購入（例えば、スポーツチケッティングアプリケーションを通じたチケット）、予約または予約（例えば、ホテル予約アプリケーションを通じた予約）、報酬または贈り物としての提供、取引または交換（例えば、市場を通じた提供）、アクセス権としての提供（例えば、集約要求による提供）、偶発性に基づく提供（例えば、部屋の予約は近くのイベントの利用可能性に依存する）等であってもよい。特定の構成要素は、個々には宿泊施設とみなされないが、集約されたシステムにおいて宿泊施設とみなされる場合がある-例えば、ホテルの部屋などのリソースは、それ自体が宿泊施設とみなされない場合があるが、部屋の予約は宿泊施設とみなされる場合がある。例えば、宿泊施設の前方市場権のためのブロックチェーン及びスマートコントラクトプラットフォームは、宿泊施設に関するアクセス権を提供するための機構を提供し得る。非限定的な例では、ブロックチェーン回路は、前方需要市場におけるアクセス権を格納するように構成されてもよく、アクセス権は、複数の実行可能なエンティティへの関連する共有アクセスを有する分散型台帳に格納されてもよい。特定の実施形態では、宿泊施設は、ある目的では宿泊施設と見なされるが、他の目的では見なされない場合がある-例えば、部屋の予約はそれ自体で宿泊施設である場合があるが、例えば予約時に合意されたように関連する不測の事態が満たされない場合は、満たされない宿泊施設である場合がある。さらに、特定の実施形態では、そうでなければ類似の外観のシステムは、そのようなシステムが宿泊施設に関連しているかどうか、及び／又はどのタイプの宿泊施設であるかを決定する際に区別される場合がある。例えば、宿泊施設の提供は、前方需要に関連するデータを収集するシステムによって宿泊施設の提供が決定されるものと、パフォーマンスパラメータを処理するシステムに基づいて宿泊施設の提供が報酬として提供される第２のものなど、異なるシステムに基づいて行われる場合がある。したがって、本開示の利点は、多種多様なシステムにおいて適用され得、任意のそのようなシステムは、本明細書において宿泊施設に関連すると見なされ得る一方で、特定の実施形態において、所定のシステムは、本明細書において宿泊施設に関連すると見なされないことがある。本明細書の開示の利益と、その人が通常利用できる企図されたシステムに関する知識を有する当業者は、本開示のどの局面が特定のシステムに利益をもたらすか、および／または本開示からのプロセスおよびシステムを組み合わせて企図されたシステムの動作を強化する方法を容易に決定することができる。当業者にとって、企図されたシステムが宿泊施設に関連するかどうか、および／または本開示の態様が企図されたシステムに利益をもたらすかもしくは強化できるかどうかを判断する際の特定の考慮事項は、限定されないが、サービス回路を通じて決定されるように提供される宿泊施設、サービスを取引または交換する（例えば、アプリケーションおよび／またはユーザインターフェースを介して）、製品、サービス、およびアクセス権の組み合わせに関するような宿泊提供物として、処理される（例えば、前方市場における提供物の集約需要）、事前予約による宿泊、特定の条件（例えば、所定の時間ウィンドウ内の価格に関する）を満たすことによって事前予約による宿泊、などが含まれる。

本明細書で利用される偶発性（及び類似の用語）という用語は、広義に理解されるべきである。本開示の他の態様又は説明を制限することなく、偶発性は、限定することなく、第２の動作に依存する動作を含む任意の偶発的な動作を含む。例えば、モノのインターネット回路からの資産タグの指示に条件としてデータを収集するような、あるパラメータ値を条件とするサービスが提供されてもよい。別の例では、ホテルの予約などの宿泊は、コンサート（ホテルの地元で、予約と同じ時間に行われる）が予定通り行われることを条件とすることができる。例えば、データ収集サービス回路から収集されたデータ入力は、保存、分析、処理等され、偶発事象に関して考慮されないが、スマートコントラクトサービス回路は、収集されたデータを条件として契約条項を適用することができる。例えば、データは、ローン取引に関する担保の状態を示してよく、スマートコントラクトサービス回路は、そのデータを、担保に依存する契約条件に適用してよい。特定の実施形態において、偶発性は、ある目的のためには偶発性とみなされるが、他の目的のためにはみなされないことがある-例えば、将来のイベントに対する偶発的アクセス権の配信は、ローン条件が満たされることを条件とすることがあるが、ローン条件それ自体は、条件とアクセス権との間の偶発的関連性がない場合には偶発性とみなされないことがある。さらに、特定の実施形態では、そうでなければ類似した外観のシステムは、そのようなシステムが偶発事象に関連しているかどうか、および／またはどのタイプの偶発事象に関連しているかを決定する際に区別されることがある。例えば、２つのアルゴリズムが両方ともフォワードマーケットイベントアクセス権トークンを作成してもよいが、ここで、第１のアルゴリズムが偶発性のないトークンを作成し、第２のアルゴリズムがトークンの引渡しのための偶発性を有するトークンを作成する場合である。したがって、本開示の利点は、多種多様なシステムにおいて適用され得、任意のそのようなシステムは、本明細書において偶発性と見なされ得るが、特定の実施形態では、所定のシステムは、本明細書において偶発性と見なされない可能性がある。本明細書の開示の利益と、その人が通常利用できる企図されたシステムに関する知識を有する当業者は、本開示のどの局面が特定のシステムに利益をもたらすか、および／または本開示からのプロセスおよびシステムを組み合わせて企図されたシステムの動作を強化する方法を容易に決定することができる。当業者にとって、企図されたシステムが偶発的であるかどうか、および／または本開示の態様が企図されたシステムに利益をもたらすかもしくは強化できるかどうかを判断する際の特定の考慮事項は、限定されないが、プラットフォーム内またはプラットフォームによって運営されるフォワード市場が、イベントの発生、条件の満足などに基づいて将来の権利が帰属される、トリガされる、または出現するものなどの偶発フォワード市場であってもよい。アクセス権を分散型台帳に安全に格納することにより、任意の形式のイベントまたはアクセストークンの偶発的市場を作るために使用されるブロックチェーン、偶発的アクセス権、基礎的アクセス権、トークン、手数料などの価格設定および監視、提供、タイミング、価格設定などを最適化し、パターンの認識および予測、ルールおよび偶発性を確立すること。偶発的アクセス権または基礎となるアクセス権またはトークンを交換すること、チケットの所有権をもたらし得る偶発的アクセス権についてブロックチェーン上にトークンが作成および格納され得る偶発的前方市場イベントアクセス権トークンの作成、将来のイベントに対する偶発的アクセス権の発見および提供、一連の製品、サービス、または同様のものを含むなど、オファーに対する将来の需要を影響または代表する偶発的偶発性。事前に定義された偶発性、パターンを認識し予測するために、最適化された提供物、タイミング、価格設定、または同様のもの、規則および偶発性を確立すること、ダッシュボード内の偶発的な将来の提供物の作成、仮想グッズまたは仮想グッズを購入する各スマートコントラクトの所有権をもたらすことができる偶発アクセス権、および定義済みの条件で利用可能になった場合およびその時などに、そのようなものをもたらす。

本明細書で利用されるサービスレベル（及び類似の用語）という用語は、広義に理解されるべきである。本開示の他の態様または説明を制限することなく、サービスレベルは、サービスが提供される程度、例えば、限定されないが、ファーストクラス対ビジネスクラスのサービス（例えば、旅行予約または郵便配達）、リソースが利用可能である程度（例えば、リソースが非常に利用可能であることを示すサービスレベルＡ対リソースが制約されていることを示すサービスレベルＣ、例えば、道路上の交通流の制約の観点から）、動作パラメータが実行されている程度（例えば、システムが高いサービス状態対低いサービス状態で動作している、など）などが含まれる。実施形態において、サービスレベルは、システムまたは回路がサービス評価を提供する場合（例えば、サービス評価に基づいて結果を決定するための分析回路への入力としてサービス評価が使用される場合）、サービスレベルが可変であるようなマルチモーダルであってよい。ある構成要素は、個別にサービスレベルに対して考慮されないかもしれないが、集約されたシステムにおいてサービスレベルに対して考慮されるかもしれない。例えば、交通流量を監視するためのシステムは、現在の速度に関するデータを提供するかもしれないが、サービスレベルを示さないかもしれないが、決定した交通流量を監視回路に提供するとき、監視回路は、決定した交通流量を過去の交通流量と比較し、その比較に基づいてサービスレベルを決定してもよい。特定の実施形態において、サービスレベルは、ある目的のためのサービスレベルとみなされるが、他の目的のためのサービスレベルとはみなされない場合がある-例えば、ファーストクラスの旅行宿泊施設の利用可能性は、チケットが購入されるかどうかを決定するためのサービスレベルとみなされるが、フライトに対する将来の需要を予測するためのサービスレベルとはみなされない場合がある。さらに、特定の実施形態では、そうでなければ類似の外観のシステムは、当該システムがサービスのレベルを利用するかどうか、及び／又はどのタイプのサービスのレベルを利用するかを決定する際に区別されてもよい。例えば、人工知能回路は、ある高速道路の交通流パターンに関する過去のサービスレベルについて訓練され、現在の流量に基づいて将来の交通流パターンを予測するために使用されてもよいが、同様の人工知能回路は、時間帯に基づいて将来の交通流パターンを予測してもよい。したがって、本開示の利点は、多種多様なシステムにおいて適用されてもよく、任意のそのようなシステムは、本明細書のサービスレベルに関して考慮されてもよく、一方、特定の実施形態では、所定のシステムは、本明細書のサービスレベルに関して考慮されなくてもよい。本明細書の開示の利益と、その人が通常利用できる企図されたシステムに関する知識を有する当業者は、本開示のどの側面が特定のシステムに利益をもたらすか、および／または本開示からのプロセスおよびシステムを組み合わせて企図されたシステムの動作を強化する方法を容易に決定することができる。当業者にとって、企図されたシステムがサービスレベルであるかどうか、および／または本開示の態様が企図されたシステムに利益をもたらすかもしくは強化できるかどうかを判断する際の特定の考慮事項は、限定されないが、価格、サービスモード、およびサービスレベルに関してなどの予め定められた偶発性およびパラメータを有する輸送または宿泊施設の提供、保証または保証の適用、輸送市場、および同様のものを含む。

本明細書で利用される支払という用語（及び類似の用語）は、広義に理解されるべきである。本開示の他の態様又は説明を制限することなく、支払いは、支払う行為又はプロセス（例えば、ローンへの支払い）又は支払われる行為（例えば、保険からの支払い）、支払われる又は支払うべき金額（例えば、１０００ドルの支払いが行われる）、返済（例えば、ローンの返済）、支払いモード（例えば、ポイントプログラム、報酬ポイント又は暗号通貨などの特定の通貨の使用）などあらゆる支払いを含むが、それに限定されるものではない。特定の構成要素は、個々に支払いと見なされないかもしれないが、集約されたシステムにおいて支払いと見なされるかもしれない-例えば、金額を提出することは、それ自体として支払いと見なされないかもしれないが、ローンの要件を満たすために支払いに適用される場合、支払い（又は返済）と見なされるかもしれない。例えば、データ収集回路は、貸し手にローンの返済を監視する仕組みを提供してもよい。非限定的な例では、データ収集回路は、資産のローン条件を決定するように構成された金融ローン契約に関して、複数のローン構成要素の支払いを監視するように構成されてもよい。特定の実施形態では、支払いは、ある目的には支払いと見なされるが、他の目的には見なされないことがある-例えば、金融機関への支払いは、ローンを返済するための返済額であってもよいし、ローン不履行状態において担保義務を満たすためのものであってもよい。さらに、特定の実施形態では、そうでなければ類似の外観のシステムは、そのようなシステムが支払いに関連しているかどうか、及び／又はどのタイプの支払いかを決定する際に区別されることがある。例えば、資金は、宿泊施設を予約するため、又は宿泊施設が満たされた後のサービスの提供を満たすために適用されてもよい。したがって、本開示の利点は、多種多様なシステムにおいて適用されてよく、そのようなシステムのいずれもが、本明細書において支払いとみなされてよく、一方、特定の実施形態では、所定のシステムが本明細書において支払いとみなされないことがある。本明細書の開示の利益と、その人が通常利用できる企図されたシステムに関する知識を有する当業者は、本開示のどの態様が特定のシステムに利益をもたらすか、および／または本開示からのプロセスおよびシステムを組み合わせて企図されたシステムの動作を強化する方法を容易に決定することができる。企図されたシステムが支払いであるかどうか、および／または本開示の態様が企図されたシステムに利益をもたらすかもしくは強化できるかどうかを決定する際の、当業者にとっての特定の考慮事項は、限定されないが、必要な支払いの延期、支払い要件の延期、ローンの支払い、支払い額、支払いスケジュール、バルーン支払いスケジュール、支払い実績および満足度、支払いモード、および同様のものを含む。

本明細書で利用される位置という用語（及び類似の用語）は、広義に理解されるべきである。本開示の他の態様又は説明を制限することなく、ロケーションは、特定の場所又は人、場所、若しくはアイテムの位置、又は人、場所、若しくはアイテムの位置に関するロケーション情報、例えばジオロケーション（例えば担保のジオロケーション）、保管場所（例えば資産の保管場所）、人（例えば貸し手、借り手、労働者）の位置、それらに関するロケーション情報、及び同様のものを含むが、これに限定されないあらゆるロケーションが含まれる。特定の構成要素は、個々に場所に関して考慮されないかもしれないが、集約されたシステムにおいて場所に関して考慮されてもよい-例えば、スマートコントラクト回路は、担保が固定場所に保管されるための要件を指定するが、特定の担保のための特定の場所を指定しないように構成されるかもしれない。特定の実施形態において、場所は、ある目的のための場所とみなされるが、他の目的のための場所とはみなされないことがある-例えば、借り手の住所地は、あるインスタンスにおいてローンを処理するために必要とされ、別のインスタンスにおいてデフォルト条件を処理するための特定の場所とされることがある。さらに、特定の実施形態では、そうでなければ類似の外観のシステムは、そのシステムが場所であるかどうか、及び／又はどのタイプの場所であるかを決定する際に区別されることがある。例えば、音楽コンサートの場所は、あるインスタンスでは１０,０００人を収容するコンサートホールであることが要求されるが、別のインスタンスでは実際のコンサートホールの場所を指定することができる。したがって、本開示の利点は、多種多様なシステムにおいて適用され得、任意のそのようなシステムは、本明細書の場所に関して考慮されてもよく、一方、特定の実施形態において、所定のシステムは、本明細書の場所に関して考慮されなくてもよい。本明細書の開示の利益と、その人が通常利用できる企図されたシステムに関する知識を有する当業者は、本開示のどの態様が特定のシステムに利益をもたらすか、および／または本開示からのプロセスおよびシステムを組み合わせて企図されたシステムの動作を強化する方法を容易に決定することができる。当業者にとって、企図されるシステムが場所に関して考慮されるかどうか、および／または本開示の態様が企図されるシステムに利益をもたらすかもしくは強化できるかどうかを決定する際の特定の考慮事項は、限定されないが、物品または担保のジオロケーション、物品または資産の保管場所、位置情報、貸し手または借り手の位置、位置ベースの製品またはサービスのターゲティングアプリケーション、位置ベースの詐欺検出アプリケーション、屋内位置監視システム（例えば。カメラ、ＩＲシステム、動作検知システム）、作業者の位置（場所を通る経路を含む）、位置パラメータ、イベント位置、イベントの特定の位置など。

本明細書で利用されるルート（および類似の用語）という用語は、広義に理解されるべきである。本開示の他の態様または説明を制限することなく、ルートは、出発点から目的地に到達する際に取られる方法またはコース、指定されたコースに沿って送信または指示すること、および同様のものを含むが、これらに限定されない任意の経路を含む。特定の構成要素は、個別に経路に関して考慮されないかもしれないが、集約されたシステムにおいて経路と見なされるかもしれない-例えば、モバイルデータコレクタは、監視回路からの入力に基づいてデータを収集するための経路の要件を指定するかもしれないが、その入力を受けて初めて、モバイルデータコレクタはどの経路を取るべきかを決定し、その経路に沿って移動を開始する。特定の実施形態では、ルートは、ある目的にはルートとみなされるが、他の目的にはルートとみなされない場合がある。例えば、道路システムを通る可能なルートは、ある場所から別の場所へ通る特定のルートとは異なって考慮される場合がある。さらに、特定の実施形態では、そうでなければ類似の外観のシステムは、そのようなシステムが場所に関して指定されているかどうか、および／またはどのタイプの場所であるかを決定する際に区別される場合がある。例えば、地図上に描かれた経路は、可能性のある経路または個人によって取られた実際の経路を示すことができる。したがって、本開示の利点は、多種多様なシステムにおいて適用されてよく、任意のそのようなシステムは、本明細書の経路に関して考慮されてよく、一方、特定の実施形態では、所定のシステムは、本明細書の経路に関して考慮されなくてもよい。本明細書の開示の利益と、その人が通常利用できる企図されたシステムに関する知識を有する当業者は、本開示のどの態様が特定のシステムに利益をもたらすか、および／または本開示からのプロセスおよびシステムを組み合わせて企図されたシステムの動作を強化する方法を容易に決定することができる。企図されたシステムが経路を利用しているかどうか、および／または本開示の態様が企図されたシステムに利益をもたらすかもしくは強化できるかどうかを決定する際の、当業者にとっての特定の考慮事項は、限定されないが、配送経路、場所を通る経路、環境内で顧客または労働者が移動した経路を示す熱地図、どのリソースがどの経路または種類の移動に配備されるかの決定、直接経路または複数停止経路、例えば消費者の目的地から特定の場所またはイベントが行われる場所まで、モバイルデータコレクタ用の経路、等を含む。

本明細書で利用される将来の提供という用語（及び類似の用語）は、広義に理解されるべきである。本開示の他の態様又は説明を制限することなく、未来オファーは、アイテム又はサービスを提供するための未来オファー、提案された購入に関する未来オファー、先物市場プラットフォームを通じて行われる未来オファー、スマートコントラクト回路によって決定される未来オファー等を含むが、これに限定されない、未来におけるアイテム又はサービスの任意のオファーを含む。さらに、将来のオファーは、将来のオファーが所定の条件によって課される条件を条件とする場合（例えば、市場指標の所定の状態を条件として、設定された将来の日付に１０００ドルで証券を購入してもよい）、将来のオファーであることに起因する条件に基づくコンティンジェント将来のオファー又はオファーであってもよい。特定の構成要素は、個々に将来のオファーと見なされないかもしれないが、集約されたシステムにおいて将来のオファーと見なされるかもしれない-例えば、ローンのオファーは、オファーに関連する複数の当事者間の集団的合意を通じて承認されなければ将来のオファーと見なされないかもしれないが、ブロックチェーン回路などの分散型台帳を通じて票が集められ保存されると将来のオファーと見なされることがある。特定の実施形態では、将来のオファーは、ある目的では将来のオファーと見なされるが、他の目的では見なされない場合がある-例えば、将来のオファーは、将来的に条件が満たされることを条件とする場合があるので、条件が満たされるまで将来のオファーは将来のオファーと見なされない場合がある。さらに、特定の実施形態では、そうでなければ類似の外観のシステムは、そのようなシステムが将来の提供物であるかどうか、及び／又はどのタイプの将来の提供物であるかを決定する際に区別される場合がある。例えば、２つの証券提供は、将来の時間に行われる提供であると決定されるかもしれないが、一方は、満たされるべき即時の条件を有し、したがって、将来の提供とはみなされず、むしろ将来の宣言を伴う即時の提供であるとみなされる可能性がある。したがって、本開示の利点は、多種多様なシステムにおいて適用されてもよく、任意のそのようなシステムは、本明細書の将来の提供に関連して考慮されてもよく、一方、特定の実施形態では、所定のシステムは、本明細書の将来の提供に関連して考慮されなくてもよい。本明細書の開示の利益と、その人が通常利用できる企図されたシステムに関する知識を有する当業者は、本開示のどの態様が特定のシステムに利益をもたらすか、および／または本開示からのプロセスおよびシステムを組み合わせて企図されたシステムの動作を強化する方法を容易に決定することができる。当業者にとって、企図されたシステムが将来のオファーに関連しているかどうか、および／または本開示の態様が企図されたシステムに利益をもたらすかもしくは強化できるかどうかを判断する際の特定の考慮事項は、限定されないが、フォワードオファー、コンテントフォワードオファー、フォワード市場プラットフォーム（例えば、プラットフォームが運営するマーケットプレイスまたは外部マーケットプレイスからの提供データの識別に関連する将来の提供または偶発的な将来の提供を作成するため）、スマートコントラクトを締結することに関する将来の提供（例えば、将来の提供を購入、出席、またはその他の方法で消費することを約束する表示を実行することによって）、などがある。

本契約で使用されるアクセス権という用語（及びその派生語又は変形語）は、財産、物品、又はその他の価値あるものを取得又は所有する権利を記述するために広く理解されうるものである。偶発的アクセス権は、アクセス権が権利化され、権利確定され、または防御可能となる前に、引き金または条件が満たされることを条件とすることができる。アクセス権または偶発的アクセス権は、ローン関連行為またはあらゆるサービスもしくは提供物など、特定の目的を果たすか、または異なる用途もしくは文脈のために構成されることもある。限定されないが、かかるアクセス権または偶発的アクセス権が行使される前に、財産、物品または価値のある品目の所有者に通知が提供されることが要求される場合がある。法的措置、延滞または不履行となったローンまたは契約、あるいは貸し手が救済を求めうる他の状況について議論する場合、様々な形態のアクセス権および偶発的アクセス権が含まれうるが、これに限定されるものではない。本明細書の開示の利益と、企図されたシステムに関して通常利用可能な知識を有する当業者は、実施形態において実装されるそのような権利の価値を容易に判断することができる。アクセス権および偶発的アクセス権の具体例は、説明の目的で本明細書に記載されているが、本明細書の開示から利益を得る任意の実施形態、および本明細書の開示の利益を有する当業者に理解される任意の考察は、本開示の範囲内で特に企図される。

本明細書で利用されるスマートコントラクト（及び他の形態又は変形）という用語は、本明細書に開示される実施形態によるアクション、タスク又は物事を支援又は実行するために有用な１又は複数のリソースを提供する方法、システム、接続リソース又はワイドエリアネットワークを説明するために広く理解され得る。スマートコントラクトは、当事者間の契約又は融資を交渉、管理、再構築又は実施するための一連のステップ又はプロセスであってよい。スマートコントラクトは、当事者間で契約又はローンを交渉、管理、再構築又は実施するためのリソースをレンダリングするアプリケーション、ウェブサイト、ＦＴＰサイト、サーバ、アプライアンス又は他の接続コンポーネント若しくはインターネット関連システムとして実装されることもできる。スマートコントラクトは、自己完結型のシステムであってもよく、また、スマートコントラクトであってもよいより大きなシステムまたはコンポーネントの一部であってもよい。例えば、スマートコントラクトは、ローンまたは契約自体、条件または条項を参照してもよく、またはそのようなローンまたは契約を実装するためのシステムを参照してもよい。特定の実施形態では、スマートコントラクト回路またはロボットプロセス自動化システムは、ローンまたは取引プロセスの一部であるかどうかにかかわらず、１つまたは複数の目的またはタスクを実行するために自動ロボットプロセス自動化システムに組み込まれ得る、または組み込まれる。本明細書の開示の利益及び企図されたシステムに関して通常利用可能な知識を有する当業者は、本明細書に開示された様々な形態、実施形態及び文脈におけるスマートコントラクトに関連するこの用語の目的及び使用を容易に決定することができる。

本明細書で利用される報酬の配分（及び変形）という用語は、対価として配分された、又は提供された、又は目的のために提供された物又は対価を説明するために広く理解されうる。報酬の割り当ては、限定されることなく、金融タイプ、または非金融タイプであり得る。報酬の特定のタイプの割り当てはまた、限定されないが、報酬イベント、報酬の請求、金銭的報酬、データセットとして取り込まれた報酬、報酬ポイント、および他の形態の報酬など、多くの異なる目的を果たすか、または異なる用途またはコンテキスト用に構成されることができる。したがって、報酬の割り当ては、ローンまたは契約のコンテキスト内の対価として提供されてもよい。報酬を割り当てるために、システムが利用されてもよい。特定の行動、又は特定の行動の奨励を議論するところに、限定されることなく、様々な形態の報酬の割り当てが含まれてもよい。報酬の割り当ては、報酬の実際の払い出し、及び／又は、報酬の記録を含んでもよい。報酬の割り当ては、スマートコントラクト回路又はロボット処理自動化システムによって実行されてもよい。本明細書の開示の利益及び企図されたシステムに関して通常利用可能な知識を有する当業者は、実施形態における報酬の割り当ての価値を容易に決定することができる。報酬の配分の具体例は、例示の目的で本明細書に記載されているが、本明細書の開示から利益を得る任意の実施形態、及び本明細書の開示の利益を有する当業者に理解される任意の考慮事項は、本開示の範囲内で特に企図されるものである。

本明細書で使用されるパラメータまたは条件（および他の派生物、形態または変形）の満足という用語は、満たされたパラメータまたは条件の完了、存在または証明を説明するために広く理解される場合がある。この用語は、一般に、パラメータ又は条件のそのような満足を決定するプロセスに関連してもよく、又は、制限なく、結果を伴うそのようなプロセスの完了に関連してもよい。満足は、限定されないが、実行に移される可能性のある他のトリガまたは条件または条項の成功の結果をもたらすかもしれない。パラメータまたは条件の充足は、貸出、借り換え、統合、ファクタリング、仲介、差し押さえ、およびデータ処理（例えばデータ収集）、またはそれらの組み合わせなど、契約または融資の多くの異なる文脈で、限定されることなく、発生する可能性がある。パラメータまたは条件の充足は、名詞の形で使用されてもよく（例えば、債務返済の充足）、または、パラメータまたは条件に対する結果を決定するプロセスを記述するために動詞の形で使用されてもよい。例えば、借り手は、ある数の支払いを期限内に行うことによってパラメータの満足を得てもよく、または、ローンがデフォルトした場合に所有者にアクセス権を許可する条件の満足を限定されることなく生じさせてもよい。特定の実施形態において、スマートコントラクト又はロボットプロセス自動化システムは、当事者のうちの１つ又は複数のパラメータ又は条件の充足を実行又は決定し、パラメータ又は条件の充足のために適切なタスクを処理してもよい。いくつかの場合において、スマートコントラクト又はロボットプロセス自動化システムによるパラメータ又は条件の充足は、完了しないか又は成功しない可能性があり、そのような結果に応じて、これは、自動化アクションを可能にするか又は他の条件又は条項をトリガする可能性がある。本明細書の開示の利益及び企図されたシステムに関して通常利用可能な知識を有する当業者は、本明細書に開示された様々な形態、実施形態及び文脈におけるこの用語の目的及び使用を容易に決定することができる。

本明細書で利用される情報（およびインフォまたはインフォメーショナルなどの他の形態、限定されない）という用語は、契約または融資に関する様々な文脈で広く理解され得る。この用語は、一般に、契約または融資に関する情報などの大きな文脈に関連する場合があり、または、特に、有限の情報（例えば、特定の日に起こった事象の特定の詳細）に関連する場合がある。したがって、情報は、契約または融資の多くの異なるコンテキストで発生する可能性があり、証拠、取引、アクセスなどのコンテキストで限定されることなく使用される可能性がある。または、限定されないが、情報は、貸出、借り換え、統合、ファクタリング、仲介、差し押さえ、及び情報処理（例えば、データまたは情報収集）、またはそれらの組み合わせなどの契約または取引の段階と関連して使用されてもよい。例えば、証拠、取引、アクセスなどとしての情報は、名詞の形で使用されてもよく（例えば、情報は借り手から取得された）、情報アイテムのアソートを名詞として参照してもよく（例えば、ローンに関する情報はスマートコントラクト内に見出すことができる）、形容詞として特徴付ける形で使用してもよい（例えば、借り手は情報提出物を提供していた）。例えば、貸し手は、オンライン決済を通じて借り手から延滞金を回収してもよいし、顧客サービスの電話を通じて取得した延滞金の回収が成功してもよい。特定の実施形態では、スマートコントラクト回路またはロボティックプロセスオートメーションシステムは、当事者の１つ以上のために収集、管理、計算、提供、または他のタスクを実行し、情報に関する適切なタスク（例えば、支払期限超過の通知を提供する）を処理することができる。場合によっては、スマートコントラクト回路又はロボットプロセス自動化システムによる情報は不完全である可能性があり、そのような結果に応じて、これは自動化された行動を可能にするか、又は他の条件又は条項をトリガする可能性がある。本明細書の開示の利益及び企図されたシステムに関して通常利用可能な知識を有する当業者は、本明細書に開示される様々な形態、実施形態及び文脈における証拠、取引、アクセス等としての情報の目的及び使用を容易に決定することができる。

情報は、外部情報（例えば、外部ソース）にリンクされてもよい。この用語は、より具体的には、外部の起源またはソースに対する取得、解析、受信、またはその他の関連に関連してよく、限定されない。したがって、外部情報又はソースにリンクされた情報は、貸出、借り換え、統合、ファクタリング、仲介、差し押さえ、及び情報処理（例えば、データ又は情報収集）等の契約又は取引の段階、又はそれらの組み合わせと関連して使用され得る。例えば、外部情報にリンクされた情報は、外部ソースに基づく借り手のクレジットスコアなど、外部情報の変化に応じて変化する可能性がある。特定の実施形態において、スマートコントラクト回路又はロボティックプロセスオートメーションシステムは、当事者のうちの１つ以上のために取得、管理、計算、受信、更新、提供又は他のタスクを実行し、外部情報にリンクされた情報に関連する適切なタスクを処理し得る。場合によっては、スマートコントラクト又はロボットプロセス自動化システムによって外部情報にリンクされる情報は不完全である可能性があり、そのような結果に応じて、これは自動化されたアクションを可能にするか、他の条件又は条項をトリガする可能性がある。本明細書の開示の利益及び企図されたシステムに関して通常利用可能な知識を有する当業者は、本明細書に開示された様々な形態、実施形態及び文脈におけるこの用語の目的及び使用を容易に判断することができる。

ローンまたは契約の一部である情報は、アクセスロケーションに提示される情報から分離されることがある。この用語は、より具体的には、情報がローンまたは契約のコンテキスト内で他の情報から配分、分割、制限、またはその他の方法で分離され得るという特徴に関連し得る。したがって、アクセスロケーション上で提示または受信される情報は、所与の文脈で利用可能な全情報であるとは限りません。例えば、借り手に提供される情報は、貸し手が外部ソースから受信した異なる情報であってもよく、アクセスロケーションから受信または提示される情報とは異なる可能性がある。特定の実施形態において、スマートコントラクト回路又はロボティックプロセスオートメーションシステムは、当事者のうちの１つ又は複数のために情報の分離又は他のタスクを実行し、適切なタスクを処理し得る。本明細書の開示の利益及び企図されるシステムに関して通常利用可能な知識を有する当業者は、本明細書に開示される様々な形態、実施形態及び文脈におけるこの用語の目的及び使用を容易に判断することができる。

本書で使用される情報の暗号化およびアクセスの制御（およびその他の関連する用語）は、一般的に、当事者または関係者が取引または融資に関連する特定の情報、行動、イベントまたは活動を観察または所有することができるかどうかを記述するために広く理解されるかもしれません。情報の暗号化は、当事者が情報にアクセス、観察または受信することを防止するために利用され、あるいは、取引または融資の外部の当事者が機密（または他の）情報にアクセス、観察または受信することができることを防止するために利用されるかもしれない。情報へのアクセスの管理は、当事者が当該情報へのアクセスをする権利を有するか否かの判断に関係する。情報の暗号化またはアクセスの制御は、融資、借り換え、統合、ファクタリング、仲介、差し押さえ、管理、交渉、収集、調達、執行、データ処理（例えば、データ収集）、またはそれらの組み合わせなど、融資の多くの異なる文脈で、制限なく発生し得るものである。情報の暗号化または情報へのアクセスの制御は、単一のインスタンスを参照してもよく、または、より大量の情報、アクション、イベントまたは活動を特徴づけるものであってもよく、限定されない。例えば、借り手または貸し手は、ローンに関する情報にアクセスすることができるが、ローンまたは契約外の他の当事者は、情報の暗号化、またはローンの詳細へのアクセスの制御により、ローン情報にアクセスすることができない場合がある。特定の実施形態において、スマートコントラクト回路又はロボティックプロセスオートメーションシステムは、当事者のうちの１つ又は複数のために情報の暗号化又は情報へのアクセスの制御を行い、情報の暗号化又は情報へのアクセスの制御のために適切なタスクを処理してもよい。本明細書の開示の利益及び企図されたシステムに関して通常利用可能な知識を有する当業者は、本明細書に開示された様々な形態、実施形態及び文脈におけるこの用語の目的及び使用を容易に判断することができる。

本書で使用される潜在的アクセス当事者リスト（およびその他の関連用語）という用語は、一般的に、ある当事者または関係者が取引または融資に関する特定の情報、行動、イベントまたは活動を観察または所有することができるかどうかを記述するために広く理解されるかもしれません。潜在的アクセス当事者リストは、１人以上の当事者が情報にアクセス、観察または受領することを許可するために利用されることもあれば、代わりに当事者がそうすることができないようにするために利用されることもある。潜在的アクセス当事者リスト情報は、ある当事者（潜在的アクセス当事者リストに載っているか、載っていないかのいずれか）がそのような情報へのアクセスをする権利を有するかどうかの判断に関連する。潜在的アクセス当事者リストは、貸出、借換、統合、ファクタリング、仲介、差押え、管理、交渉、収集、調達、執行およびデータ処理（例えばデータ収集）、またはそれらの組み合わせなどのローンの多くの異なる文脈で、制限なく発生し得る。潜在的アクセス当事者リストは、単一のインスタンスを参照してもよいし、より大量の当事者または情報、行動、事象または活動を特徴づけるものであってもよく、限定されない。例えば、潜在的アクセス当事者リストは、ローンに関する情報へのアクセスを許可（又は拒否）してもよいが、潜在的アクセス当事者リスト外の他の当事者は、ローン情報へのアクセスができない（又は許可されてもよい）可能性がある。特定の実施形態において、スマートコントラクト回路又はロボティックプロセスオートメーションシステムは、１つ以上の当事者に対して潜在的アクセス当事者リストの管理又は実施を行い、情報の暗号化又はアクセスの制御のために適切なタスクを処理し得る。本明細書の開示の利益及び企図されたシステムに関して通常利用可能な知識を有する当業者は、本明細書に開示された様々な形態、実施形態及び文脈におけるこの用語の目的及び使用を容易に決定することができる。

本明細書で使用される提供、申し出を行う、および類似の用語は、広く理解されるべきである。本開示の他の態様または説明を制限することなく、提供は、保険提供、証券提供、アイテムまたはサービスを提供する提供、購入提案に関する提供、先物市場プラットフォームを通じて行われる提供、将来の提供、偶発的提供、融資に関する提供（e．例えば、融資、借り換え、回収、統合、ファクタリング、仲介、差し押さえ）、スマートコントラクト回路によって決定されるオファー、顧客／債務者に向けられたオファー、プロバイダ／貸し手に向けられたオファー、第三者オファー（例えば、規制当局、監査人、部分所有者、階層プロバイダ）等である。提供物は、物理的商品、仮想商品、ソフトウェア、物理的サービス、アクセス権、娯楽コンテンツ、宿泊施設、または他の多くのアイテム、サービス、ソリューション、または考慮事項を含むことができる。一例として、第三者のオファーは、単なるチケット販売のオファーではなく、バンドを予定することであってもよい。さらに、オファーは、あらかじめ決められた条件や偶発的なものに基づく場合もあります。ある構成要素は、個々にオファーとみなされないかもしれないが、集約されたシステムにおいてオファーとみなされるかもしれない-例えば、保険のオファーは、オファーに関連する１つ以上の当事者によって承認されない場合、オファーとみなされないかもしれないが、承認がなされると、オファーとみなされることがある。したがって、本開示の利点は、多種多様なシステムにおいて適用され得、任意のそのようなシステムは、本明細書のオファーと関連して考慮されてもよく、一方、特定の実施形態では、所定のシステムは、本明細書のオファーと関連して考慮されなくてもよい。本明細書の開示の利益と、その人が通常利用できる企図されたシステムに関する知識を有する当業者は、本開示のどの側面が特定のシステムに利益をもたらすか、および／または本開示からのプロセスおよびシステムを組み合わせて企図されたシステムの動作を強化する方法を容易に決定することができる。当業者にとって、企図されたシステムが提供物と関連しているかどうか、および／または本開示の態様が企図されたシステムに利益をもたらすかもしくは強化できるかどうかを判断する際の特定の考慮事項は、限定されないが、提供される品目またはサービス、提供に関連する偶発事項、偶発事項または条件が満たされたかを追跡する方法、提供物の承認、提供物と対価との交換物の実行、および同様のものを含む。

人工知能（ＡＩ）ソリューションという用語は、広義に理解されるべきである。本開示の他の態様に限定されることなく、ＡＩソリューションは、本開示を通じて規定される１つ以上のタスク又は操作を実行するためのＡＩ関連態様の調整されたグループを含む。例示的なＡＩソリューションは、少なくともニューラルネットワーク、エキスパートシステム、及び／又は機械学習コンポーネントを含む、本明細書に規定される任意のＡＩコンポーネントを含む１つ又は複数のＡＩコンポーネントを含む。例示的なＡＩソリューションは、ヒューリスティックＡＩコンポーネント、モデルベースＡＩコンポーネント、選択されたタイプのニューラルネットワーク（例えば、再帰的、畳み込み、パーセプトロンなど）、及び／又は選択された処理能力（例えば、信号処理、周波数成分分析、聴覚処理、視覚処理、音声処理、テキスト認識など）を有する任意のタイプのＡＩコンポーネントなどのソリューションの成分のタイプを側面として含んでもよい。本開示の他の態様を制限することなく、所定のＡＩソリューションは、ＡＩソリューションのＡＩコンポーネントの数およびタイプ、ＡＩコンポーネントの接続性（例えば、互いへの、ＡＩソリューションを含むまたはＡＩソリューションと対話するシステムからの入力への、および／またはＡＩソリューションを含むまたは対話するシステムに対する出力への）、から形成されてもよい。所与のＡＩソリューションは、追加的に、ＡＩソリューション内の互いへのＡＩコンポーネントの接続、及びＡＩソリューションと通信する境界要素（例えば、入力、出力、格納された中間データなど）への接続から形成されてもよい。所定のＡＩソリューションは、さらに、ＡＩソリューションのＡＩコンポーネントの各々の構成から形成されてもよく、ここで、構成は、以下のような側面を含み得る：ＡＩコンポーネントに対するモデル較正、ＡＩコンポーネント間の接続性及び／又は流れ（例えば、ＡＩ構成要素に対するモデルの較正、ＡＩ構成要素間の接続及び／又は流れ（例えば、シリアル及び／又はパラレル結合、フィードバックループ、論理接合部）、ＡＩ構成要素に対する入力の数、選択された入力データ及び／又は入力データ処理、ニューラルネットワーク又は他の構成要素の深さ及び／又は複雑さ、ＡＩ構成要素の訓練データ記述（例えば、内容、訓練データの量、有効な訓練データの統計的記述等の訓練データパラメータ）、並びにＡＩ構成要素の種類の選択及び／又はハイブリッド記述等の側面を含むことができる。ＡＩソリューションは、ＡＩ要素の選択、それらのＡＩ要素のフロー接続性、及び／又はそれらのＡＩ要素の構成を含む。

本開示の利益を有する当業者は、所与のシステムに対するＡＩソリューションを容易に決定し、及び／又は所与のシステムに対するＡＩソリューションのための選択及び／又は構成操作を実行するための操作を構成することが可能である。ＡＩソリューションを決定すること、及び／又はＡＩソリューションのための選択及び／又は構成操作を実行するための操作を構成することに対する特定の考慮事項は、限定されないが、所定の実装のためのＡＩコンポーネント及び／又はコンポーネントタイプの利用可能性、所定のＡＩコンポーネントを実装するためのサポートインフラストラクチャ（例えば、データ品質、サービスレベル、解像度、サンプリングレートなどを含む利用可能なデータ入力値、所定のＡＩソリューションに適したトレーニングデータの利用可能性、エキスパートシステムのため及び／又はモデルトレーニングデータセットを開発するためなどのエキスパート入力の利用可能性、ＡＩソリューションによる許可された動作、機密データ、入手困難なデータ及び／又は高価なデータの取得及び／又は保持に関する要件などの規制及び／又は方針に基づく考慮事項、応答時間仕様、安全性配慮、責任配慮などのＡＩソリューションを含む又はＡＩソリューションと対話するシステムに対する運用上の考慮事項などです。処理能力、ネットワーク通信能力、及び／又はメモリストレージ能力などの利用可能なコンピューティングリソース（例えば。初期データ、学習データ、キャッシュされた、バッファされた、または保存された入力データなどの入力データ、反復改善状態データ、キャッシュされた、バッファされた、または保存された出力データなどの出力データ、および／または進行中の計算をサポートするデータ、履歴データ、および／または蓄積データなどの中間データストレージをサポートするための）、ＡＩソリューションによって実行されるべきタスクの種類、それらのタスクに対するＡＩ構成要素の適合性、タスクを実行するＡＩ構成要素の感度（例えば、以下のとおり。入力空間の外乱サイズに対する出力空間の変動）、ＡＩソリューション全体内のＡＩコンポーネントの相互作用（例えば、低能力合理性ＡＩコンポーネントは、入力に対して高感度及び／又は無制限の応答を提供し得る高能力ＡＩコンポーネントと結合され得る）、及び／又はモデル実装の考慮（例えば、再キャリブレーションする要件、モデルの老化制約、など）である。

選択及び／又は構成されたＡＩソリューションは、本開示を通じて規定されるような実施形態のシステム、手順、及び／又は態様のいずれかと共に利用され得る。例えば、エキスパートシステムを利用するシステムは、選択され構成されたＡＩソリューションの全てまたは一部としてエキスパートシステムを含んでもよい。別の例では、ニューラルネットワーク、および／またはニューラルネットワークの組み合わせを利用するシステムは、ニューラルネットワーク（複数可）を、選択され、構成されたＡＩソリューションのすべてまたは一部として含んでもよい。ＡＩソリューションの選択および構成を含む、ＡＩソリューションの説明された態様は、非限定的な例示である。

図１を参照すると、一組のシステム、方法、コンポーネント、モジュール、機械、物品、ブロック、回路、サービス、プログラム、アプリケーション、ハードウェア、ソフトウェア、および他の要素が提供され、本明細書では総称してシステム１００またはプラットフォーム１００と交換可能に呼ばれる、プラットフォーム１００は、様々な機械のおよびそのための広範囲の改良を可能にする。システム、および他の構成要素は、様々な物品、サービス、および資源について、現在またはスポット市場１７０、フォワード市場１３０などを含む様々な市場における価値の交換（通貨、暗号通貨、トークン、報酬などの使用、および広範囲の現物および他の資源など）を含む取引を可能とするものである。本明細書で使用される場合、「通貨」は、政府によって発行または規制された不換紙幣、暗号通貨、価値のあるトークン、チケット、ロイヤルティポイント、報酬ポイント、クーポン、および価値を表すかまたは価値と交換され得る他の要素を包含するものと理解されるべきである。市場において価値と交換され得るものなどの資源は、価値が交換される資源、及び取引の発生を可能にする資源（取引を可能にする必要なコンピューティング及び処理資源、ストレージ資源、ネットワーク資源、エネルギー資源など）を含む物品、サービス、天然資源、エネルギー資源、コンピューティング資源、エネルギーストレージ資源、データストレージ資源、ネットワーク帯域資源、処理資源などを包含すると理解されたい。プラットフォーム１００は、フォワード売買機１１０のセットを含んでもよく、その各々は、スポット市場１７０及びフォワード市場１３０のセットのうちの１つ以上と相互作用するためのエキスパートシステム又は自動インテリジェントエージェントとして構成されてもよい。一連のフォワード売買機１１０を可能にするのは、スポット市場およびフォワード市場でリソースを購入するためのインテリジェントエージェントのセットを有するインテリジェントリソース購入システム１６４と、計算リソース、エネルギーリソース、および取引に関与するかまたは取引を可能にする他のリソースなどの、割り当てまたは調整されたリソースのインテリジェントセールに関するインテリジェントリソース割り当ておよび調整システム１６８と、である。スポットおよび先物市場における割り当てられたリソースの販売をインテリジェントに調整するためのインテリジェント販売エンジン１７２、およびマイクロトランザクションなどでスポットおよび先物市場のスポットテストを実行し、条件が有利な裁定条件を示す場合、有利な条件を利用するリソースの取引を自動的に実行するための自動スポット市場テストおよび裁定取引実行エンジン１９４を備えている。エンジンの各々は、ルールまたはヒューリスティックに基づくようなモデルベースまたはルールベースのエキスパートシステム、ならびにルールまたはヒューリスティックが大規模な入力のセットを含む試行にわたって学習され得る深層学習システムを使用してもよい。エンジンは、本開示全体を通して説明されるエキスパートシステム及び人工知能能力のいずれかを使用してもよい。すべてのプラットフォーム構成要素の、およびそれらの間の、および様々な市場との相互作用を含む、プラットフォーム１００内の相互作用は、本明細書に記載される機械のセットによる様々な市場での購入および販売に関するデータを集約するための、データ集約システム１４４などによって、追跡および収集されてもよい。集約されたデータは、同じものを訓練または監督するためなど、人工知能および機械学習システムに供給され得る追跡データおよび結果データを含んでもよい。様々なエンジンは、マーケットプレイスの取引からの集計データ、エンジンのそれぞれの動作に関する追跡データ、および、ソーシャルメディアデータソース１８０（ＦＡｃｅｂｏｏｋ（登録商標）やＴｗｉｔｔｅｒ（登録商標）などのソーシャルネットワークサイトなど）、モノのインターネット（ＩｏＴ）データソース（センサ、カメラ、データコレクタ、計装された機械およびシステムからのものを含む）、例えば取引を可能にする機械およびシステムおよび資源の生産および消費に関与する機械およびシステムに関する情報を提供するＩｏＴソースなどを含む一連の外部データソース１８２で操作しても良い。外部データソース１８２は、自動エージェント行動データソース１８８（会話および対話管理に使用される自動エージェントの行動に関する追跡および報告、機械およびシステムの制御機能に使用されるエージェント、購入および販売に使用されるエージェント、データ収集に使用されるエージェント、広告に使用されるエージェントなど）、人間行動データソース（オンライン行動、移動行動、を追跡するデータソースなど）を含んでもよい。エネルギー消費行動、エネルギー生産行動、ネットワーク利用行動、計算処理行動、資源消費行動、資源生産行動、購買行動、注意行動、社会行動など）、実体行動データソース１９０（企業組織などの行動、購買行動、消費行動、生産行動、市場活動、合併買収行動、取引行動、位置行動など）などが挙げられる。センサ、機械、人間、エンティティ、および自動化されたエージェントからの、およびそれらに関するＩｏＴ、社会的、および行動データは、集合的に、エキスパートシステム、機械学習システム、および本開示を通じて説明される他の知的システムおよびエンジンを移入するために使用されてよく、例えば、深層学習システムへの入力として提供されてよく、予測、予測、分類、自動化および制御に関するシステムの訓練、監督、および反復改善を目的としたフィードバックまたは成果として提供されてよく、このように、データを使用してもよい。データは、イベントのストリームとして編成されてもよい。データは、分散型台帳や他の分散システムに格納されてもよい。データは、ノードが実体を表し、リンクが関係を表す知識グラフに格納されてもよい。外部データソースは、様々なデータベースクエリ関数を介して照会されてもよい。データソース１８２は、ＡＰＩ、ブローカー、コネクタ、ＲＥＳＴやＳＯＡＰなどのプロトコル、および他のデータ取り込みと抽出技術によってアクセスされてもよい。データは、メタデータで強化されてもよく、クレンジング、正規化、重複排除などによる、エンジンによる消費のための適切な形態への変換およびロードを受けることができる。

プラットフォーム１００は、スポット市場１７０、フォワード市場１３０、そのような市場で取引されるリソース、そのような市場を可能にするリソース、行動（外部データソース１８２において追跡されるもののいずれかなど）、取引などのイベント、活動、変数、およびパラメータを予測するための一連のインテリジェント予測エンジン１９２を含んでもよい。予測エンジン１９２は、プラットフォーム１００の要素に関するデータ集約システム１４４からのデータ、および外部データソース１８２からのデータに基づいて動作してもよい。プラットフォームは、スポット市場１７０及びフォワード市場１３０において取引を自動的に実行するための一連のインテリジェント取引エンジン１３６を含んでもよい。これは、以下でより詳細に説明するように、インテリジェント暗号通貨実行エンジン１８３でインテリジェント暗号通貨トランザクションを実行することを含んでもよい。プラットフォーム１００は、仲介者への依存を減らして（またはせずに）個人間で複雑な取引を行うことを可能にする専有情報、命令セットなどを埋め込んで操作するものを含む、改良型分散型台帳１１３および改良型スマートコントラクト１０３の資産を利用することができる。これら及び他の構成要素は、本開示を通じてより詳細に説明される。

図２のブロック図を参照すると、プラットフォーム１００の更なる詳細および追加の構成要素、ならびにそれらの間の相互作用が描かれている。前方売買機１１０のセットは、再生能力割り当てエンジン１０２（例えば、エネルギー生成または再生能力を含むハイブリッド車両またはシステム、エネルギー貯蔵を有する再生可能エネルギーシステム、または他のエネルギー貯蔵システム内など、エネルギー生成または再生能力を割り当てるために、エネルギーが前方市場１３０での売却、スポット市場での売却、取引の完了における使用（例えば暗号通貨のマイニング）、または他の目的のうちの１以上のために割り当てられてもよい）を含んでもよい。例えば、再生能力割り当てエンジン１０２は、生産者からエネルギーを受け入れる現在のエネルギー市場およびフォワードエネルギー市場での販売、将来の使用のためのエネルギーの保管、または仕事のためのエネルギーの使用（データ収集または処理のようなプラットフォームの処理活動、または暗号通貨のためのマイニング活動を含む取引の実行のための処理作業を含むことができる）など、貯蔵されたエネルギーの使用のための利用可能なオプションを探索してもよい。

フォワード売買機１１０のセットは、エネルギースポット市場１４８またはエネルギーフォワード市場１２２などにおいて、エネルギーを購入または販売するためのエネルギー売買機１０４を含んでもよい。エネルギー売買機１０４は、エキスパートシステム、ニューラルネットワーク、または他の知能を使用して、例えば、エネルギーの価格設定および利用可能性に関する現在および予想される状態情報に基づいて、また、コンピューティングタスク、暗号通貨マイニング、データ収集動作、および他の作業（自動エージェントおよびシステムが行う作業、および人間または実体がその行動に基づいて必要とする作業など）のニーズに関する現在および予想される状態情報に基づいて購入のタイミングを決定し得る。例えば、エネルギー購入マシンは、受注または市場需要の増加に基づいて、ビジネスが増加したレベルの製造を実行するためにエネルギーのブロックを必要とする可能性が高いことを機械学習によって認識し、エネルギー市場データおよびエンティティ行動データの組み合わせに基づいて、先物市場で有利な価格でエネルギーを購入してもよい。例を続けると、市場需要は、需要の増加を示すソーシャルメディア投稿、電子商取引データなどの人間の行動データソース１８４を処理するなどして、機械学習によって理解されてもよい。エネルギー売買機１０４は、エネルギースポット市場１４８又はエネルギーフォワード市場１２２でエネルギーを販売してもよい。販売はまた、成果に関する訓練及び人間の監督を含む、本明細書に記載された様々なデータソース上で動作するエキスパートシステムによって実施されてもよい。

前方売買機１１０のセットは、再生可能エネルギークレジット（ＲＥＣ）売買機１０８を含んでもよく、再生可能エネルギークレジット、汚染クレジット、および他の環境または規制クレジットを、かかるクレジットのためのスポット市場１５０または前方市場１２４において購入してもよい。購入は、外部データソース１８２のいずれか、またはプラットフォーム用データ集約システム１４４のセットによって集約されたデータ上で動作するエキスパートシステムによって構成され、管理されてもよい。再生可能エネルギークレジット及び他のクレジットは、データソースからの入力を処理することによって決定される需給の理解に基づく有利なタイミングでクレジットが購入されるような、機械学習又は他の人工知能を含むエキスパートシステムを用いた自動システムによって購入されてもよい。エキスパートシステムは、過去の入力条件下での購入の結果のデータセットで訓練されてもよい。エキスパートシステムは、人間の購入決定のデータセットで訓練されてもよく、及び／又は、１人以上の人間のオペレータによって監督されてもよい。再生可能エネルギークレジット（ＲＥＣ）売買機１０８は、再生可能エネルギークレジット、汚染クレジット、および他の環境または規制クレジットを、かかるクレジットのスポット市場１５０またはフォワード市場１２４で販売することもできる。販売はまた、成果に関する訓練及び人間の監督を含む、本明細書に記載された様々なデータソース上で動作するエキスパートシステムによって実施されてもよい。

前方売買機１１０のセットは、注目売買機１１２を含んでもよく、注目のスポット市場１５２または注目の前方市場１２８において、広告スペース、検索リスト、キーワードリスト、バナー広告、パネルまたは調査活動への参加、試験またはパイロットへの参加など、１または複数の注目関連リソースを購入することができる。アテンションリソースは、検索、ショッピング、及び購入のために使用されるボット、クローラ、ダイアログマネージャなどの自動化されたエージェントのアテンションを含んでもよい。注目リソースの購入は、外部データソース１８２のいずれか、またはプラットフォーム用データ集約システム１４４のセットによって集約されたデータ上で動作するエキスパートシステムによって構成および管理されてもよい。注目リソースは、様々なデータ源からの入力を処理することによって決定される、需要と供給の理解に基づくような、有利なタイミングでリソースが購入されるような、機械学習または他の人工知能を含むエキスパートシステムを使用する自動システムによって購入されてもよい。例えば、注目購入マシン１１２は、市場条件、行動データ、及びプラットフォーム１００内のエージェント及びシステムの活動に関するデータに関する広範な入力からの学習に基づいて、広告のためのフォワード市場で広告スペースを購入してもよい。専門家システムは、過去の入力条件下での購入からの結果のデータセットで訓練されてもよい。エキスパートシステムは、人間の購入決定のデータセットで訓練されてもよく、及び／又は、１人以上の人間のオペレータによって監督されてもよい。注目購入販売機１１２は、注目のスポット市場１５２又は注目のフォワード市場１２８における広告スペース、検索リスト、キーワードリスト、バナー広告、パネル又は調査活動への参加、試験又はパイロットへの参加等の１又は複数の注目関連リソースを販売してもよく、これにはプラットフォーム１００の１又は複数の自動エージェントへのアクセス、又は注目、を提供又は販売することが含まれ得る。販売はまた、成果に関する訓練及び人間の監督を含む、本明細書に記載される様々なデータソース上で動作するエキスパートシステムによって実施されてもよい。

フォワード売買機１１０のセットは、コンピュート売買機１１４を含んでもよく、このマシンは、コンピュート１５４のスポット市場またはコンピュート１３２のフォワード市場で、処理リソース、データベースリソース、計算リソース、サーバリソース、ディスクリソース、入力／出力リソース、一時記憶リソース、メモリリソース、仮想マシンリソース、容器リソースなどの１または複数の計算関連リソースを購入してもよい。コンピュートリソースの購入は、外部データソース１８２のいずれか、またはプラットフォーム用のデータ集約システム１４４のセットによって集約されたデータ上で動作するエキスパートシステムによって構成および管理されてもよい。コンピュートリソースは、機械学習または他の人工知能を含むエキスパートシステムを使用する自動化システムによって購入されてもよく、例えば、様々なデータソースからの入力を処理することによって決定される、供給と需要の理解に基づくような、有利なタイミングでリソースが購入されるような場合である。例えば、コンピュート購入マシン１１４は、コンピューティングに対する需要の急増期に有利な価格でそのようなリソースを取得するように、市場の状況、動作データ、およびプラットフォーム１００内のエージェントおよびシステムの活動に関するデータに関する幅広い入力からの学習に基づいて、コンピュートリソースの先物市場において、クラウドプラットフォーム上でコンピュートリソースを購入または予約してもよい。エキスパートシステムは、過去の入力条件下での購入から得られた結果のデータセットで訓練されてもよい。エキスパートシステムは、人間の購入決定のデータセットで訓練されてもよく、及び／又は、１人以上の人間のオペレータによって監督されてもよい。計算機売買機１１４は、処理リソース、データベースリソース、計算リソース、サーバリソース、ディスクリソース、入力／出力リソース、一時記憶リソース、メモリリソース、仮想マシンリソース、コンテナリソースなど、プラットフォーム１００に接続され、その一部であり、または管理される１つまたは複数の計算関連リソースを計算機１５４のスポット市場または計算機１３２のフォワード市場で販売しても良い。売却はまた、成果に関する訓練及び人間の監督を含む、本明細書に記載される様々なデータソース上で動作するエキスパートシステムによって実施されてもよい。

フォワード売買機１１０のセットは、データベースリソース、ディスクリソース、サーバリソース、メモリリソース、ＲＡＭリソース、ネットワーク接続ストレージリソース、ストレージ接続ネットワーク（ＳＡＮ）リソース、テープリソース、時間ベースのデータアクセスリソース、仮想マシンリソース、コンテナリソースなどの１以上のデータ関連リソースをストレージ１５８に対するスポット市場またはデータストレージ１３４に対するフォワード市場で購入し得るデータストレージ購入販売機１１８を含んでいてもよい。データストレージリソースの購入は、外部データソース１８２のいずれか、またはプラットフォーム用データ集約システム１４４のセットによって集約されたデータ上で動作するエキスパートシステムによって構成および管理されてもよい。データストレージリソースは、機械学習または他の人工知能を含むエキスパートシステムを使用する自動化システムによって購入されてもよく、例えば、リソースが、様々なデータソースからの入力を処理することによって決定される、需要と供給の理解に基づくなど、有利なタイミングで購入される場合などである。例えば、コンピュート購入マシン１１４は、ストレージに対する需要の急増期に有利な価格でそのようなリソースを取得するように、市場条件、動作データ、及びプラットフォーム１００内のエージェント及びシステムの活動に関するデータに関する広範囲の入力からの学習に基づいて、コンピュートリソースのフォワードマーケットにおいてクラウドプラットフォーム上のコンピュートリソースを購入又は予約してもよい。エキスパートシステムは、過去の入力条件下での購入から得られた結果のデータセットで訓練されてもよい。エキスパートシステムは、人間の購入決定のデータセットで訓練されてもよく、及び／又は、１人以上の人間のオペレータによって監督されてもよい。データストレージ売買機１１８は、ストレージリソース１５８のスポット市場またはストレージ１３４のフォワード市場において、プラットフォーム１００に接続され、その一部であり、またはプラットフォーム１００によって管理される１つまたは複数のデータストレージ関連リソースを販売することもできる。売却はまた、成果に関する訓練及び人間の監督を含む、本明細書に記載される様々なデータソース上で動作するエキスパートシステムによって実施されてもよい。

前方売買機１１０のセットは、帯域幅売買機１２０を含んでもよく、この機械は、セルラー帯域幅、Ｗｉ－Ｆｉ帯域幅、無線帯域幅、アクセスポイント帯域幅、ビーコン帯域幅などの１つまたは複数の帯域幅関連リソースを購入することができる。ローカルエリアネットワーク帯域幅、ワイドエリアネットワーク帯域幅、エンタープライズネットワーク帯域幅、サーバ帯域幅、ストレージ入力／出力帯域幅、広告ネットワーク帯域幅、市場帯域幅、または他の帯域幅を、帯域幅１６０のスポット市場または帯域幅１３８の先物市場において、購入する。帯域幅リソースの購入は、外部データソース１８２のいずれか、またはプラットフォーム用データ集約システム１４４のセットによって集約されたデータ上で動作するエキスパートシステムによって構成および管理されてもよい。帯域幅リソースは、様々なデータソースからの入力を処理することによって決定される、需要と供給の理解に基づくなどの有利なタイミングでリソースが購入されるような、機械学習または他の人工知能を含むエキスパートシステムを使用する自動システムによって購入されてもよい。例えば、帯域幅売買機１２０は、帯域幅の需要の急増期に有利な価格でそのようなリソースを取得するように、市場条件、動作データ、およびプラットフォーム１００内のエージェントおよびシステムの活動に関するデータに関する幅広い入力からの学習に基づいて、プラットフォームが管理する将来のネットワーキング活動用のネットワークリソースの帯域幅を購入または予約することができる。エキスパートシステムは、過去の入力条件下での購入から得られた結果のデータセットで訓練されてもよい。エキスパートシステムは、人間の購入決定のデータセットで訓練されてもよく、および／または、１人以上の人間のオペレータによって監督されてもよい。帯域幅売買機１２０は、帯域幅リソース１６０のスポット市場または帯域幅１３８のフォワード市場において、プラットフォーム１００に接続され、その一部であり、またはプラットフォーム１００によって管理される１つまたは複数の帯域幅関連リソースを販売することもできる。販売はまた、成果に関する訓練及び人間の監督を含む、本明細書に記載された様々なデータソース上で動作するエキスパートシステムによって実施されてもよい。

一連のフォワード売買機１１０は、スペクトル売買機１４２を含んでもよく、スペクトル１６２のスポット市場またはスペクトル１４０のフォワード市場で、セルラースペクトル、３Ｇスペクトル、４Ｇスペクトル、ＬＴＥスペクトル、５Ｇスペクトル、認知無線スペクトル、ピアツーピアネットワークスペクトル、緊急対応スペクトル等の１以上のスペクトル関連リソースを購入することができる。スペクトルリソースの購入は、外部データソース１８２のいずれか、またはプラットフォーム用データ集約システム１４４のセットによって集約されたデータ上で動作するエキスパートシステムによって構成および管理されてもよい。スペクトラムリソースは、様々なデータソースからの入力を処理することによって決定される、需要と供給の理解に基づくような、有利なタイミングでリソースが購入されるような、機械学習または他の人工知能を含むエキスパートシステムを使用する自動システムによって購入されてもよい。例えば、スペクトル売買機１４２は、スペクトルに対する需要の急増期に有利な価格でそのようなリソースを取得するように、市場条件、動作データ、およびプラットフォーム１００内のエージェントおよびシステムの活動に関するデータに関する広範囲の入力からの学習に基づいて、プラットフォームが管理する将来のネットワーキング活動のためにネットワークリソース上のスペクトルを購入または予約してよい。エキスパートシステムは、過去の入力条件下での購入から得られた結果のデータセットで訓練されてもよい。エキスパートシステムは、人間の購入決定のデータセットで訓練されてもよく、及び／又は、１人以上の人間のオペレータによって監督されてもよい。スペクトル売買機１４２は、スペクトルリソース１６２のスポット市場または帯域幅１４０のフォワード市場で、プラットフォーム１００に接続され、その一部であり、またはプラットフォーム１００によって管理される１つまたは複数のスペクトル関連リソースを販売することもできる。売却はまた、成果に関する訓練及び人間の監督を含む、本明細書に記載された様々なデータソース上で動作するエキスパートシステムによって実施されてもよい。

実施形態において、リソース購入エンジン１６４、売却エンジン１７２、およびテストおよび裁定エンジン１９４を含むインテリジェントリソース調整および割り当てエンジン１６８は、機械学習システム（モデルベースまたは深層学習システムであってよく、結果について訓練されおよび／または人間によって監督されてよい）などのエキスパートシステムによって様々な購入および売却機を調整することによって、リソースの調整および自動割り当てと様々なフォワード市場１３０およびスポット市場１７０にわたる取引の調整実行を提供し得る。例えば、調整および割り当てエンジン１６８は、車両のフリート、処理およびデータ記憶リソースのデータセンター、情報技術ネットワーク（構内、クラウド、またはハイブリッド）、エネルギー生産システムのフリート（再生可能または非再生可能）、スマートホームまたは建物（リソースを消費または生産するその家電、機械、インフラコンポーネントおよびシステムなどを含む）などの資産のセットのリソースの購入および資産のセットから利用できるリソースの調整の売却を調整してもよい。プラットフォーム１００は、様々なエンジンおよびエージェントの活動を追跡することによって、ならびに外部データソース１８２から入力を取ることによってなど、プラットフォーム内に集約されたデータに基づいて、資源の購入、販売および利用の配分を最適化してもよい。実施形態では、歩留まり、収益性、資源の最適化、事業目的の最適化、目標の満足度、ユーザーまたはオペレータの満足度などに基づく成果など、知的資源調整および割り当てエンジン１６８を訓練するためのフィードバックとして成果が提供され得る。例えば、計算タスクのためのエネルギーが企業のエネルギー使用量のかなりの割合を占めるようになると、プラットフォーム１００は、エネルギー貯蔵能力を有するマシンのセットが、その能力を計算タスク（暗号通貨マイニング、ニューラルネットワークの適用、データに関する計算などのため）、他の有用タスク（利益または他の利益をもたらすことがある）、将来の使用に対する貯蔵、またはエネルギーグリッドの提供者への販売に割り当てる方法を最適化するよう学習してもよい。プラットフォーム１００は、フリートオペレータ、企業、政府、自治体、軍事ユニット、ファーストレスポンダーユニット、製造業者、エネルギー生産者、クラウドプラットフォームプロバイダ、およびエネルギー、計算、データストレージ、帯域、またはスペクトルを消費または提供するリソースを所有または操作する他の企業およびオペレータによって使用されてもよい。プラットフォーム１００はまた、広告市場、マイクロトランザクション市場など、注目ベースの価値の交換をサポートするためにリソースの利用可能な容量を使用するなど、注目の市場に関連して使用されてもよい。

図２をなお参照すると、プラットフォーム１００は、一組の前方売買機、インテリジェント取引エンジン１２６（インテリジェント暗号通貨実行用など）による入力として使用するため、または他の目的のために、１つまたは複数の属性、パラメータ、変数、または他の要素を予測する一組のインテリジェント予測エンジン１９２を含んでもよい。一連のインテリジェント予測エンジン１９２の各々は、データ集約システム１４４などによってプラットフォーム１００内で追跡、集約、処理、または取り扱われるデータ、ならびにソーシャルメディアデータソース１８０、自動エージェント行動データソース１８８、人間行動データソース１８４、エンティティ行動データソース１９０およびＩｏＴデータソース１９８などの外部データソース１８２からの入力データを使用してもよい。これらの集合的な入力は、モデル（例えば、ベース、回帰、または他の統計モデル）、ルール、または本開示を通じて説明されるエキスパートシステムのいずれかなどの１つ以上の分類器、パターン認識器、および予測器を有する機械学習システムなどのエキスパートシステムを使用するなど、属性を予測するために使用されてもよい。実施形態において、インテリジェント予測エンジン１９２のセットは、特定の市場のための特定のデータソースを使用して、容量、需要、供給、および価格などの市場属性を予測する１つまたは複数の専門エンジンを含んでもよい。これらは、自動化されたエージェントの挙動に基づいて予測を行うエネルギー価格予測エンジン２１５、自動化されたエージェントの挙動に基づいて予測を行うネットワークスペクトル価格予測エンジン２１７、自動化されたエージェントの挙動に基づいて予測を行うＲＥＣ価格予測エンジン２１９、自動化されたエージェントの挙動に基づいて予測を行う計算価格予測エンジン２２１、自動化されたエージェントの挙動に基づいて予測を行うネットワークスペクトル価格予測エンジン２２３を含んでいてもよい。それぞれの場合において、会話用、対話管理用、電子商取引管理用、広告管理用などの自動化エージェントの行動に関する観察結果が、エンジンへの予測のための入力として提供されてもよい。また、インテリジェント予測エンジン１９２は、マーケティング行動、販売行動、製品提供行動、広告行動、購買行動、取引行動、合併買収行動などの企業や他の組織の行動などのエンティティ行動に少なくとも部分的に基づいて予測を提供する一連のエンジンを含んでもよい。これらには、エンティティ動作を用いたエネルギー価格予測エンジン２２５、エンティティ動作を用いたネットワークスペクトル価格予測エンジン２２７、エンティティ動作を用いたＲＥＣ価格予測エンジン２２９、エンティティ動作を用いた計算価格予測エンジン２３１、およびエンティティ動作を用いたネットワークスペクトル価格予測エンジン２３３が含まれ得る。

インテリジェント予測エンジン１９２はまた、購買行動、買い物行動、販売行動、製品相互作用行動、エネルギー利用行動、移動行動、活動レベル行動、活動タイプ行動、取引行動などの消費者やユーザーの行動などの人間の行動に少なくとも部分的に基づいて予測を提供する一連のエンジンを含んでもよい。これらは、人間行動を用いたエネルギー価格予測エンジン２３５、人間行動を用いたネットワークスペクトル価格予測エンジン２３７、人間行動を用いたＲＥＣ価格予測エンジン２３９、人間行動を用いた計算価格予測エンジン２４１、および人間行動を用いたネットワークスペクトル価格予測エンジン２４３を含むことができる。

図２をさらに参照すると、プラットフォーム１００は、インテリジェントリソース配分および調整エンジン１６８による、および／またはインテリジェント予測エンジン１９２からの予測の使用など、有利な条件が存在するという決定に基づいて、フォワード市場１３０および／またはスポット市場１７０における取引の実行を自動化する一連のインテリジェント取引エンジン１３６を含んでもよい。知的取引エンジン１３６は、ＡＰＩ、コネクタ、ポート、ネットワークインターフェースなどの利用可能な市場インターフェースを用いて、上述の各市場において自動的に取引を実行するように構成されてもよい。実施形態において、インテリジェントトランザクションエンジンは、ＩｏＴデータソース１９８及びソーシャルメディアデータソース１８０などの外部データソースから来るイベントストリームに基づいて、トランザクションを実行してもよい。エンジンは、例えば、ＩｏＴフォワードエネルギー取引エンジン１９５及び／又はＩｏＴコンピュート市場取引エンジン１０６を含んでもよく、これらのいずれか又は両方は、エネルギー市場取引、コンピュートリソース取引又は他のリソース取引など、本書に記載されるリソースの１又は複数の市場における市場取引のタイミング及び他の属性を決定するためにＩｏＴからのデータを使用することができる。ＩｏＴデータは、エネルギーを使用もしくは生産する、またはコンピュートリソースを使用もしくは有する１つ以上の機械（任意にフリートとして調整される）の計装および制御データ、エネルギー価格または消費に影響を及ぼす天候データ（風力エネルギーの生産に影響を及ぼす風力データなど）、エネルギー生産環境からのセンサデータを含んでもよい。エネルギーまたはコンピュートリソースの使用ポイントからのセンサデータ（車両トラフィックデータ、ネットワークトラフィックデータ、ＩＴネットワーク利用データ、インターネット利用およびトラフィックデータ、作業現場からのカメラデータ、スマートビルデータ、スマートホームデータなど）、およびＩｏＴプラットフォームおよびアマゾン、ＩＢＭなどのクラウドサービスプロバイダの保存データを含むモノのインターネットによって収集または内部転送される他のデータなどである。エンジン１３６は、ソーシャルデータ前進エネルギー取引エンジン１９９および／またはソーシャルデータ計算市場取引エンジン１１６など、本明細書に記載されるリソースの１つ以上における市場取引のための他の属性のタイミングを決定するためにソーシャルデータを使用するエンジンを含んでもよい。ソーシャルデータは、ソーシャルネットワークサイト（例えば、ＦＡｃｅｂｏｏｋ（登録商標）、ＹｏｕＴｕｂｅ（登録商標）、Ｔｗｉｔｔｅｒ（登録商標）、ＳｎＡｐｃｈＡｔ（登録商標）、ＩｎＳｔＡｇｒＡｍ（登録商標）など）からのデータ、ウェブサイトからのデータ、電子商取引サイトからのデータ、及び、特定の話題、商品又はサービスに対する関心又は注意を示すデータ、活動の種類及びレベルを示すデータ（旅行、仕事活動、余暇活動などの活動に従事している個人を示す画像データの機械処理により観察される場合がある）など、ユーザー又は実体の行動の決定又は予測に関連し得る情報を含む他のサイトからのデータ、などを含んでもよい。ソーシャルデータは、ユーザー行動又はエンティティ行動の学習のための機械学習、及び／又は、ソーシャルデータに基づいて取引のためのパラメータを決定するためのもの等のエキスパートシステム、モデル等への入力として供給されてもよい。例えば、ソーシャルデータストリームのイベントまたはイベントのセットは、オンラインリソース、製品、またはサービスに対する関心の高まりの可能性を示す場合があり、ソーシャルデータストリームによって反映される関心の高まりに対応するために、計算リソース、帯域幅、ストレージなどを事前に購入する（サージ価格を回避する）場合がある。

図３を参照すると、プラットフォーム１００は、１つ以上の分散型台帳１１３と１つ以上のスマートコントラクト１０３とを含む取引実行のための機能を含んでもよく、分散型台帳１１３およびスマートコントラクト１０３は、特定の取引ドメインに対して特殊な取引機能を可能にするよう構成される。そのようなドメインの１つは知的財産であり、その取引は、物品またはサービスのより直接的な販売と比較して、管理がやや困難なライセンス条件を含み、非常に複雑である。実施形態では、知的財産を集約するラッパーなどのスマートコントラクトラッパー１０５が提供され、分散型台帳を使用し、スマートコントラクトは、分散型台帳に埋め込まれる知的財産に対するＩＰライセンス条件を埋め込み、分散型台帳上で操作を実行することにより、知的財産へのアクセスを提供し、ＩＰライセンス条件に実行パーティをコミットさせる。ビデオ、オーディオ、ビデオゲーム、ビデオゲーム要素、音楽、電子書籍などのデジタル商品を含む広範な商品およびサービスに対するライセンシング条件は、それらに関わる取引を分散型台帳上で追跡することによって管理してもよく、それによってパブリッシャは、ライセンスおよびサブライセンスのチェーンを検証することができる。分散型台帳は、各ライセンシーを台帳に追加するように構成されてもよく、台帳は、ストリーミングプラットフォームなど、デジタルアイテムの使用時点で取得され、ライセンスが発生したことを検証することができる。

実施形態では、知的財産のライセンス条件を集約するためのＩＰラッパー、コンテナ、スマートコントラクト、または同様のメカニズムなどの改良型分散型台帳がスマートコントラクトラッパー１０５とともに提供され、分散型台帳上のスマートコントラッパーによって台帳上の操作が知的財産の集約されたスタックに追加することができるようになる。多くの場合、知的財産は、ソフトウェアコードが他のコードから派生する場合、プロセスの要素の企業秘密またはノウハウがより大きなプロセスを可能にするために結合される場合、システムのサブコンポーネントまたはプロセスのステップをカバーする特許がプールされる場合、ビデオゲームの要素が異なるクリエイターからのサブコンポーネント資産を含む場合、本が複数の著者からの貢献を含む場合など、他の知的財産を基に構築されている。実施形態において、スマートＩＰラッパーは、異なる知的財産アイテム（異なるタイプの知的財産権を具現化するものを含む、デジタル商品を含む）のライセンス条件を集約し、アイテムに関わる取引データ、および任意に取引データに対応するアイテムの一つ以上の部分が、ライセンス条件への合意の検証（使用の任命時など）および／またはアイテムへのアクセス制御を可能にするよう構成されている分散型台帳に格納される。実施形態において、ロイヤルティ配分ラッパー１１５は、知的財産のライセンス条件を集約するための分散型台帳を有するシステムにおいて提供されてもよく、分散型台帳上のスマートコントラクトラッパーは、台帳上の操作によって、知的財産を追加し、台帳内の当事者間でロイヤルティの配分に合意することができる。したがって、台帳は、台帳に組み込まれ、かつ／または台帳によって制御される知的財産の貢献者間の任意のロイヤルティの配分に対する合意の証拠とともに、台帳への貢献を蓄積することができる。台帳はライセンス条件を記録し、１つまたは複数の規則によって、新しい貢献がなされると自動的にそれらを変化させることができる。例えば、貢献者は、貢献したコードの行数、著作権の行数、システムのコンポーネントへの貢献などに基づくような、端数の貢献に基づいて、ルールに従って、ロイヤリティスタックのシェアを与えられてもよい。実施形態では、分散型台帳は、ユーザーが最も利用価値のある組み合わせを選択できるように、ＩＰのサブコンポーネントの様々な組み合わせを表すバージョンにフォークされてもよく、それによって、最も価値のある貢献をした貢献者が報われるようにしてもよい。バリエーションと結果の追跡は、機械学習などによって、繰り返し改善されてもよい。

実施形態では、知的財産のライセンス条件を集約するための分散型台帳が提供され、分散型台帳上のスマートコントラクトラッパーは、台帳上の操作によって、知的財産の集約されたスタックに知的財産を追加することを可能にする。

実施形態において、プラットフォーム１００は、知的財産ライセンス条件を集約するための改良された分散型台帳を備えてもよく、分散型台帳上のスマートコントラクトラッパーは、台帳のＩＰトランザクションラッパー１１９を介して契約条件への当事者のコミットを可能にする台帳上のオペレーションを可能にする。これは、暗号通貨、トークン、または他の操作、ならびに本明細書に記載される様々なリソースのような従来の支払いおよび現物移転を伴う操作を含んでもよい。台帳は、ロイヤリティ条件、収益分配条件、ＩＰ所有条件、保証および責任条件、ライセンス許可および制限、使用分野条件、および他の多くの条件を締結するなど、当事者によるＩＰ取引へのコミットメントの証拠を蓄積することができる。

実施形態において、改良された分散型台帳は、分散型台帳に対する操作が命令セットへの証明可能なアクセスを提供するように、トークン化された命令セットを有するものを含んでもよい。ノウハウの許可、企業秘密、または他の貴重な命令を共有したい当事者は、したがって、第三者による台帳上の動作の証拠を捕捉して格納し、それによってアクセスおよびアクセスの条件への合意を証明する分散型台帳を介して命令セットを共有することができる。実施形態において、プラットフォーム１００は、分散型台帳上の動作が実行可能なアルゴリズムロジックへの証明可能なアクセスを提供するように、実行可能なアルゴリズムロジック１２１をトークン化する分散型台帳を備えてもよい。アクセスを検証し、条件（スマートコントラクト条件など）への合意を検証するためなど、様々な命令セットが分散型台帳によって格納されてもよい。実施形態において、企業秘密を具現化する命令セットは、企業秘密への（証明可能な）アクセスを得るために、複数の台帳上で操作が発生しなければならないように、サブコンポーネントに分離されてもよい。これにより、複数の下請け業者またはベンダーと秘密を共有したい当事者は、証明可能なアクセス制御を行うことができ、一方、異なるベンダー間でコンポーネントを分離して、単一の当事者とセット全体を共有することを回避することができる。様々な種類の実行可能な命令セットは、証明可能なアクセス制御、条件の検証、及び利用の追跡が分散型台帳上の操作によって実行され得るように、特定の種類の命令セットに対するスマートラッパーを含み得る特殊な分散型台帳上に格納されてもよい（台帳上のスマートコントラクトにおいて実行されたアクションの検証時にコンテンツ管理システムまたは他のシステム内のアクセス制御をトリガすることを含み得る。実施形態において、プラットフォーム１００は、分散型台帳上の操作が命令セットへの証明可能なアクセスを提供するように、３Ｄプリンタ命令セット１２３をトークン化する分散型台帳を備えてもよい。

実施形態において、プラットフォーム１００は、分散型台帳上の操作が命令セットへの証明可能なアクセスを提供するように、コーティングプロセス１２５の命令セットをトークン化する分散型台帳を有してもよい。

実施形態において、プラットフォーム１００は、分散型台帳上の操作が製造プロセスへの証明可能なアクセスを提供するように、半導体製造プロセス１２９の命令セットをトークン化する分散型台帳を有してもよい。

実施形態において、プラットフォーム１００は、分散型台帳上の操作がファームウェアプログラムへの証明可能なアクセスを提供するように、ファームウェアプログラム１３１をトークン化する分散型台帳を有することができる。

実施形態において、プラットフォーム１００は、分散型台帳上の操作がＦＰＧＡへの証明可能なアクセスを提供するように、ＦＰＧＡ１３３の命令セットをトークン化する分散型台帳を有してもよい。

実施形態において、プラットフォーム１００は、分散型台帳上の操作がサーバレスコードロジックへの証明可能なアクセスを提供するように、サーバレスコードロジック１３５をトークン化する分散型台帳を有することができる。

実施形態において、プラットフォーム１００は、分散型台帳上の操作が命令セットへの証明可能なアクセスを提供するように、結晶製造システム１３９の命令セットをトークン化する分散型台帳を有してもよい。

実施形態において、プラットフォーム１００は、分散型台帳上の操作が命令セットへの証明可能なアクセスを提供するように、食品準備プロセス１４１の命令セットをトークン化する分散型台帳を有してもよい。

実施形態において、プラットフォーム１００は、分散型台帳上の操作が命令セットへの証明可能なアクセスを提供するように、ポリマー製造プロセス１４３の命令セットをトークン化する分散型台帳を有してもよい。

実施形態において、プラットフォーム１００は、分散型台帳上の操作が命令セットへの証明可能なアクセスを提供するように、化学合成プロセス１４５の命令セットをトークン化する分散型台帳を有してもよい。

実施形態において、プラットフォーム１００は、分散型台帳上の操作が命令セットへの証明可能なアクセスを提供するように、生物学的生産プロセス１４９の命令セットをトークン化する分散型台帳を有してもよい。

実施形態において、プラットフォーム１００は、分散型台帳上の操作が営業秘密への証明可能なアクセスを提供し、ラッパーが専門家による営業秘密の検証を提供するように、専門家ラッパー１５１を有する営業秘密をトークン化する分散型台帳を備えてもよい。専門家が台帳上の営業秘密にアクセスし、その情報が正確であり、第三者がその秘密を使用することを許可するのに十分であることを検証するインターフェースが提供されてもよい。

実施形態において、プラットフォーム１００は、営業秘密のビューを、どの、何人の当事者が営業秘密を閲覧したかを証明するチェーンに集約する分散型台帳を有してもよい。ビューは、営業秘密の作成者、プラットフォーム１００の運営者などに価値を割り当てるために使用されてもよい。

実施形態において、プラットフォーム１００は、分散型台帳上の操作が命令セットへの証明可能なアクセス１５５を提供し、システム上での命令セットの実行が分散型台帳にトランザクションを記録する結果となるように、命令セット１１１をトークン化する分散型台帳を備えてもよい。

実施形態において、プラットフォーム１００は、知的財産の項目をトークン化する分散型台帳と、分散型台帳又は知的財産に対して行われた操作に基づく分析結果を報告する報告システムとを備えてもよい。

実施形態において、プラットフォーム１００は、命令セットを集約する分散型台帳を備えてもよく、分散型台帳上の操作は、少なくとも１つの命令を既存の命令セット１６１に追加して、修正された命令セットを提供する。

図３をなお参照すると、インテリジェント暗号通貨実行エンジン１８３は、採掘取引、交換取引、保管取引、検索取引などの暗号通貨取引のタイミング、場所、および他の属性に対するインテリジェンスを提供することができる。ビットコイン（登録商標）のような暗号通貨はますます普及しており、様々な専門的な市場領域での価値の交換など、様々な目的のために特化したコインが出現している。このようなコインの新規発行（ＩＣＯ）は、証券規制などの規制の対象となりつつあり、場合によっては課税の対象となることもあります。したがって、暗号通貨取引は通常コンピュータネットワーク内で行われるが、取引を実行し、暗号通貨を保管し、価値と交換する場所、タイミング、方法を決定する上で、管轄の要因が重要である場合がある。実施形態において、インテリジェント暗号通貨実行エンジン１８３は、地理的条件、規制条件、税務条件、市場条件などを含む様々な条件を意識してコインにおける取引の実行を行わせる機能など、コインを表すデジタルオブジェクトに埋め込まれるか、その周りに巻き付けられた機能を使用してもよい。

実施形態において、プラットフォーム１００は、地理的な場所におけるコイン及び取引の少なくとも一方の税務処理に基づいて、コインを含む取引の実行を地理的な場所に向ける、暗号通貨コイン用のタックスアウェアコイン１６５又はスマートラッパーを含むことができる。

実施形態において、プラットフォーム１００は、有利な税務処理を提供するロケーションベースのパラメータを認識した際に取引をコミットする自己実行型の暗号通貨コインを可能にするロケーションアウェアコイン１６９又はスマートラッパーを含んでもよい。

実施形態では、プラットフォーム１００は、機械学習を使用して、課税状況に基づく暗号通貨取引の実行を最適化するエキスパートシステムまたはＡＩエージェント１７１を含んでもよい。機械学習は、関連する管轄の税金データで移入されるなど、１つ以上のモデルまたはヒューリスティックを使用してもよく、人間の取引操作の訓練セットで訓練されてもよく、人間の監督者によって監督されてもよく、および／または、本開示全体を通して説明されるように、広範囲の内部システムデータおよび外部データソース１８２で動作する場合など、時間の経過に基づく結果に基づいて深層学習技法を使用してもよい。

実施形態において、プラットフォーム１００は、コイン、スマートラッパー、及び／又は暗号通貨取引を網羅する規制情報を集約し、規制情報に基づいて操作のための管轄区域を自動的に選択するエキスパートシステムを有する規制対応コイン１７３を含んでもよい。機械学習は、関連する管轄の規制データで移入されるなど、１つまたは複数のモデルまたはヒューリスティックを使用してもよく、人間の取引操作の訓練セットで訓練してもよく、人間の監督者によって監督されてもよく、および／または本開示全体を通して説明されるように、広範囲の内部システムデータおよび外部データソース１８２で動作する場合など、時間の経過に基づく結果に基づいて深層学習技法を使用してもよい。

実施形態において、プラットフォーム１００は、利用可能なエネルギー源のリアルタイムエネルギー価格情報に基づいて暗号通貨取引の実行を最適化するために機械学習を使用するエネルギー価格認識コイン１７５、ラッパー、又はエキスパートシステムを含んでもよい。コイン採掘やブロックチェーン操作などの暗号通貨取引は、非常にエネルギー集約的である可能性がある。エネルギー価格考慮型コインは、本開示を通じて説明した予測エンジン１９２の１つ以上を用いるなど、エネルギー価格予測に基づいてそのような操作の時間調整を行うように構成されてもよい。

実施形態において、プラットフォーム１００は、機械学習を使用して、取引を実行するためにコンピューティングリソースに電力を供給する利用可能なエネルギー源の理解に基づいて、暗号通貨取引の実行を最適化するエネルギー源認識コイン１７９、ラッパー、又はエキスパートシステムを含んでもよい。例えば、コインの採掘は、再生可能なエネルギー源が利用可能な場合にのみ実行されてもよい。トランザクションの最適化のための機械学習は、関連するエネルギー源データ（種類、場所、及び動作パラメータによるエネルギー源情報を含むことができる知識グラフに取り込まれることができるような）を投入し、人間が開始したトランザクションの入出力データの訓練セットで訓練し、人間の監督者によって監督し、及び／又は本開示全体を通じて説明したように広範囲の内部システムデータ及び外部データソース１８２で動作する場合など、時間の経過に応じた結果に基づく深層学習手法を使用しうる、１以上のモデル又は発見的手法を使用しても良い。

実施形態において、プラットフォーム１００は、暗号通貨取引の実行のためのエネルギーを提供するために、充電式電池システムの充電及び再充電サイクルを最適化するために機械学習を使用する充電サイクル認識コイン１８１、ラッパー、又はエキスパートシステムを含んでもよい。例えば、他の運用上の使用のためにバッテリ充電の最小閾値が維持される場合、再充電リソースが容易に利用可能であることが知られている場合、又は同様の場合にのみ、暗号通貨取引のためにバッテリが放電される場合がある。充電および再充電の最適化のための機械学習は、関連するバッテリデータ（種類、場所および動作パラメータによるエネルギー源情報を含み得る知識グラフに取り込まれ得るなど）を移入し、人間の操作の訓練セットで訓練し、人間の監督者によって監督され、および／または、この開示を通じて説明したように広範囲の内部システムデータおよび外部データソース１８２で動作する場合など、時間の経過に基づく結果に基づいて深い学習技術を使用し得る、１以上のモデルまたは発見的性質を使用しても良い。

様々なインテリジェントコイン操作の最適化は、財務的収益性などの結果について訓練された機械学習で発生する可能性がある。本開示を通じて説明される機械学習システムのいずれかが、インテリジェントな暗号通貨取引管理の最適化のために使用されてもよい。

実施形態において、本開示を通じて言及されるような計算資源は、プラットフォーム１００内で発生する操作、プラットフォームによって管理されるもの、および計算資源を有するかまたは使用する資産のセットまたはフリートなどの、プラットフォームと関連して所有、運営または管理され得る種々の資産の活動、ワークフローおよびプロセスを伴うものの両方について、一連の計算タスクの実行に割り当てることができる。計算タスクの例としては、暗号通貨マイニング、分散型台帳の計算および保存、予測タスク、取引実行タスク、スポット市場テストタスク、内部データ収集タスク、外部データ収集、機械学習タスク、およびその他が挙げられるが、これらに限定されるわけではない。上述のように、エネルギー、計算リソース、帯域幅、スペクトル、および他のリソースは、これらのタスクのために、機械学習などによって調整されてもよい。成果およびフィードバック情報は、個々のタスクのいずれかに対する成果、およびタスクを含むビジネスまたは他の業務に対する歩留まりおよび収益性などの全体的な成果など、機械学習に対して提供されてもよい。

実施形態において、本開示を通じて言及されるようなネットワーキングリソースは、プラットフォーム１００内で発生する操作、プラットフォームによって管理されるもの、およびネットワーキングリソースを有するまたは使用する資産のセットまたはフリートなどのプラットフォームと関連して所有、運営または管理され得る種々の資産の活動、ワークフローおよびプロセスを伴うものの両方について、一連のネットワーキングタスクを行うために割り当てられてよい。ネットワーキングタスクの例には、認知ネットワーク調整、ネットワークコーディング、ピア帯域幅共有（例えば、コストベースのルーティング、価値ベースのルーティング、成果ベースのルーティングなどを含む）、分散トランザクション実行、スポット市場テスト、ランダム化（例えば、ネットワーク構成および伝送経路を変えるために成果フィードバック付きの遺伝的プログラミングを使用）、内部データ収集および外部データ収集が含まれる。上述のように、エネルギー、計算資源、帯域幅、スペクトル、および他の資源は、これらのネットワーキングタスクのために、機械学習などによって調整されてもよい。成果およびフィードバック情報は、個々のタスクのいずれかに対する成果、およびタスクを含むビジネスまたは他のオペレーションに対する歩留まりおよび収益性などの全体的な成果など、機械学習に対して提供されてもよい。

実施形態において、本開示を通じて言及されるようなデータストレージリソースは、プラットフォーム１００内で発生する操作、プラットフォームによって管理されるもの、およびネットワークリソースを有するまたは使用する資産のセットまたはフリートなどの、プラットフォームと関連して所有、運営または管理され得る種々の資産の活動、ワークフローおよびプロセスを伴うものの両方について、一連のデータストレージタスクを行うために割り当てられていてもよい。データ保存タスクの例としては、分散型台帳の保存、内部データ（プラットフォームとの運用データなど）の保存、暗号通貨の保存、スマートラッパーの保存、外部データの保存、フィードバックおよび結果データの保存、その他がある。上述のように、データストレージ、エネルギー、計算リソース、帯域幅、スペクトル、および他のリソースは、これらのデータストレージのタスクのために、機械学習などによって調整されてもよい。成果およびフィードバック情報は、個々のタスクのいずれかに対する成果、およびタスクを含むビジネスまたは他のオペレーションに対する収量および収益性などの全体的な成果など、機械学習に対して提供されてもよい。

実施形態において、知的財産、企業秘密、ノウハウ、命令セット、アルゴリズム論理などに関連する条件を具現化するものなどのスマートコントラクトは、契約条件を具現化または含むことができ、この契約条件は、オプション条件、ロイヤリティスタッキング条件、分野独占、部分独占を含むことができる。知的財産のプール、標準条件（必須特許および非必須特許の使用に関するものなど）、技術移転条件、コンサルティングサービス条件、更新条件、サポート条件、メンテナンス条件、派生物条件、コピー条件、パフォーマンス関連の権利または指標など、さまざまな条件を含むことがあります。

命令セットが、分散型台帳トランザクションシステムに含まれるか、またはそれによって管理されるなど、デジタル形式で具現化される実施形態では、様々なシステムが、命令セットにアクセスして使用することを可能にするインターフェースを備えて構成される場合がある。実施形態において、そのようなシステムは、命令セットへのアクセス権の存在を示す分散型台帳、鍵、トークンなどの検査によって、適切なライセンス供与を検証するアクセス制御機能を含んでもよい。分散型命令セットを実行するこのようなシステムは、特に、３Ｄ印刷、結晶製造、半導体製造、コーティング品、ポリマーの製造、化学合成、および生物学的製造のためのシステムを含んでもよい。

ネットワーキング能力およびネットワークリソースは、３Ｇ、４Ｇ、ＬＴＥ、５Ｇおよびその他のセルラーネットワークタイプ用のインフラストラクチャ要素、アクセスポイント、ルーターおよびその他のＷｉ－Ｆｉ要素、コグニティブネットワーキングシステムおよびコンポーネント、モバイルネットワークシステムおよびコンポーネント、物理層、ＭＡＣ層およびアプリケーション層のシステムおよびコンポーネント、コグニティブネットワーキングのコンポーネントおよび機能、ピアツーピアネットワークのコンポーネントおよび機能、光ネットワークのコンポーネントおよび機能などを含む広範囲のネットワーキングシステム、コンポーネントおよび機能を含むと理解すべきであります。

エキスパートシステム、ＡＩに関するビルディングブロック。

ニューラルネットシステム。

図４～図３１を参照すると、エキスパートシステム、自己組織化、機械学習、人工知能などを含む本開示の実施形態は、パターン認識のため、１つ以上のパラメータ、特性、または現象の分類のため、自律制御の支援のため、および他の目的のために訓練されたニューラルネットなどのニューラルネットの使用から利益を得ることができる。本開示全体におけるニューラルネットへの言及は、広範囲の異なるタイプのニューラルネットワーク、機械学習システム、人工知能システムなどを包含すると理解されるべきであり、例えば、フィードフォワードニューラルネットワーク、半径基底関数ニューラルネットワーク、自己組織化ニューラルネットワーク（例えば、コホネンセルフオーガナイジングニューラルネットワーク）、再帰型ニューラルネットワーク、モジュラーニューラルネットワーク、人工ニューラルネットワーク、物理ニューラルネットワーク、多層ニューラルネットワーク、畳込みニューラルネットワーク、ニューラルネットワークと他のエキスパートシステム（例えば、以下のハイブリッド。オートエンコーダーニューラルネットワーク、確率的ニューラルネットワーク、時間遅延ニューラルネットワーク、畳み込みニューラルネットワーク、調節フィードバックニューラルネットワーク、放射状基底関数ニューラルネットワーク、リカレントニューラルネットワーク、ホップフィールドニューラルネットワーク、ボルツマンマシンのニューラルネットワーク、自己組織化マップ（ＳＯＭ）ニューラルネットワーク、ＬＶＱ（学習ベクトル量子）ニューラルネットワーク、フルリカレントネットワーク、シンプルリカレントネットワーク、エコー状態ニューラルネットワーク。長期短期記憶ニューラルネットワーク、双方向ニューラルネットワーク、階層型ニューラルネットワーク、確率的ニューラルネットワーク、遺伝子スケールＲＮＮニューラルネットワーク、機械委員会ニューラルネットワーク、連想ニューラルネットワーク、物理ニューラルネットワーク、瞬間学習ニューラルネットワーク、スパイクニューラルネットワーク、新認知神経ネットワーク、動的ニューラルネットワーク、カスケードニューラルネットワーク、ニューロファジーニューラルネットワーク、構成パターン生成ニューラルネットワーク、記憶ニューラルネットワーク、階層型時間記憶ニューラルネットワーク。ディープフィードフォワードニューラルネットワーク、ゲーテッドリカレントユニット（ＧＣＵ）ニューラルネットワーク、オートエンコーダーニューラルネットワーク、変分オートエンコーダーニューラルネットワーク、デノイズオートエンコーダーニューラルネットワーク、スパースオートエンコーダーニューラルネットワーク、マルコフ連鎖ニューラルネットワーク、制限ボルツマン機械ニューラルネットワーク、深い信念ニューラルネットワーク、深い畳み込みニューラルネットワーク、デコンボリューションネットワーク、深い畳み込み逆グラフィックスニューラルネットワーク、生成敵対ニューラルネットワーク、液状マシンニューラルネットワーク。極限学習マシン ニューラルネットワーク、エコステート ニューラルネットワーク、深層残差 ニューラルネットワーク、サポートベクターマシン ニューラルネットワーク、ニューラルターニングマシン ニューラルネットワーク、及び／又はホログラフィック連想記憶回路網、又はこれらのハイブリッド若しくは組み合わせ、又は他のエキスパートシステム、例えばルールベースシステム、モデルベースシステム（物理モデル、統計モデル、フローベースモデル、生物モデル、生物模倣モデル等に基づくものを含む）との組み合わせが挙げられる。

実施形態において、図５～図３１は、例示的なニューラルネットを描いており、図４は、図５～図３１全体を通して描かれたニューラルネットの様々なコンポーネントを示す凡例を描いている。図４は、機能および要件が割り当てられたセルに描かれた様々なニューラルネットコンポーネントを描写している。実施形態において、様々なニューラルネットの例は、バックフィードデータ／センサセル、データ／センサセル、ノイズ入力セル、および隠れセルを含んでもよい。ニューラルネット構成要素はまた、確率的隠れセル、スパイク隠れセル、出力セル、一致入力／出力セル、リカレントセル、メモリセル、異なるメモリセル、カーネル、及び畳み込み又はプールセルを含む。

実施形態において、図５は、プラットフォーム１００に接続し、プラットフォーム１００と統合し、またはプラットフォームとインターフェースし得る例示的なパーセプトロンニューラルネットワークを描いている。プラットフォームはまた、フィードフォワードニューラルネットワーク（図６）、ラジアルベースニューラルネットワーク（図７）、ディープフィードフォワードニューラルネットワーク（図８）、リカレントニューラルネットワーク（図９）、長／短期ニューラルネットワーク（図１０）、およびゲーテッドリカレントニューラルネットワーク（図１１）等のさらなるニューラルネットシステムと関連付けられてもよい。また、プラットフォームは、オートエンコーダニューラルネットワーク（図１２）、変分ニューラルネットワーク（図１３）、ノイズ除去ニューラルネットワーク（図１４）、スパースニューラルネットワーク（図１５）、マルコフ連鎖ニューラルネットワーク（図１６）、ホップフィールドネットワークニューラルネットワーク（図１７）などのさらなるニューラルネットシステムと関連付けてもよい。プラットフォームは、ボルツマンマシンニューラルネットワーク（図１８）、制限ＢＭニューラルネットワーク（図１９）、深層信念ニューラルネットワーク（図２０）、深層畳み込みニューラルネットワーク（図２１）、脱畳み込みニューラルネットワーク（図２２）、及び深層畳み込み逆グラフィックスニューラルネットワーク（図２３）などの追加のニューラルネット系とさらに関連してもよい。プラットフォームはまた、生成敵対的ニューラルネットワーク（図２４）、液体状態マシンニューラルネットワーク（図２５）、極限学習マシンニューラルネットワーク（図２６）、エコー状態ニューラルネットワーク（図２７）、深い残差ニューラルネットワーク（図２８）、コウネンニューラルネットワーク（図２９）、サポートベクターマシンニューラルネットワーク（図３０）、およびニューラルチューリングマシンニューラルネットワーク（図３１）などのさらなるニューラルネット系に関連していてよい。

前述のニューラルネットワークは、他のノードを含むセンサまたは他のデータソースから受信した入力などの入力に対して様々な機能を実行することができる、様々なノードまたはニューロンを有することができる。関数は、重み、特徴、特徴ベクトルなどを含んでもよい。ニューロンは、パーセプトロン、生物学的機能（人間の触覚、視覚、味覚、聴覚、嗅覚など）を模倣するニューロンなどを含んでもよい。シグモイド活性化などの連続ニューロンは、逆伝播が関与する場合など、様々な形態のニューラルネットの文脈で使用されることがある。

多くの実施形態において、エキスパートシステムまたはニューラルネットワークは、人間のオペレータまたは監督者によって、またはデータセット、モデルなどに基づいて、訓練されてもよい。訓練は、センサデータ、イベントデータ、パラメータデータ、および他のタイプのデータ（本開示を通じて説明される多くのタイプを含む）などの値、ならびにプロセスの結果、計算の結果、イベントの結果、活動の結果などの結果の１つまたは複数の指標を表す１つまたは複数の訓練データセットでニューラルネットワークを提示することを含んでもよい。トレーニングは、ベイズアプローチ、パラメトリックベイズ分類器アプローチ、ｋ－最近傍分類器アプローチ、反復アプローチ、補間アプローチ、パレート最適化アプローチ、アルゴリズムアプローチなどの１つまたは複数の最適化アプローチに基づいて１つまたは複数のシステムを最適化するためにニューラルネットワークをトレーニングするなど、最適化におけるトレーニングを含んでもよい。フィードバックは、一連のラウンドを通じてフィードバックに基づいて１つまたは複数の解を進化させる遺伝的アルゴリズムなど、変動および選択のプロセスで提供されてもよい。

実施形態において、複数のニューラルネットワークは、１つ以上の取引環境において（モバイルデータコレクタなどによって）収集されたデータストリームおよび他の入力を受け取り、効率的な伝送を提供するためにネットワークコーディングを用いることを含む１つ以上のネットワークを介してクラウドプラットフォームに伝送されるクラウドプラットフォームに配備されてもよい。クラウドプラットフォームでは、任意選択で超並列計算能力を使用して、様々なタイプの複数の異なるニューラルネットワーク（モジュール形式、構造適応形式、ハイブリッドなどを含む）を使用して、予測、分類、制御機能、および本開示を通じて開示されるエキスパートシステムに関連して説明される他の出力を提供してもよい。異なるニューラルネットワークは、適切な入力セット、重み、ノードタイプおよび機能などを有する適切なタイプのニューラルネットワークが、所定のコンテキスト、ワークフロー、環境プロセス、システムなどに関わる特定のタスクに対して、エキスパートシステムなどによって選択され得るように、互いに競合するように（任意に、使用進化的アルゴリズム、遺伝アルゴリズムなどを含む）構成されてもよい。

実施形態において、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、フィードフォワードニューラルネットワークを使用してもよく、これは、例えば、本開示を通じて言及されたデータソースのいずれかなどの、取引環境に関連する少なくとも１つのリソースまたはパラメータに関連するデータソースのようなデータ入力から、一連のニューロンまたはノードを通じて、出力に情報を一方向に移動させる。データは、入力ノードから出力ノードに移動し、任意選択で１つ以上の隠れノードをループなしで通過することができる。実施形態において、フィードフォワードニューラルネットワークは、最も単純なパーセプトロンであるバイナリーマッカロクピッツニューロンなどの様々なタイプのユニットで構築されてもよい。

実施形態において、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、本開示を通じて説明される機械および自動化システムの１つ以上に関連するなど、取引環境に関する予測、分類、または制御機能などのために、カプセル型ニューラルネットワークを使用することができる。

実施形態において、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、放射基底関数（ＲＢＦ）ニューラルネットワークを使用してもよく、これは、多次元空間における補間を伴ういくつかの状況（例えば、ここで説明するようなデータ市場、発電システム、工場システムなどの効率または出力の最適化、または多次元を伴う他の状況などの多次元関数の最適化に補間が役立つ場合）で好まれることがある。実施形態では、ＲＢＦニューラルネットワークの各ニューロンは、トレーニングセットからの例を"プロトタイプ"として記憶する。このニューラルネットワークの機能に関与する線形性は、局所的な最小値または最大値の問題に典型的に悩まされないという利点をＲＢＦに提供する。

実施形態において、エキスパートシステム又は自己組織化能力を伴う本明細書に記載の方法及びシステムは、中心に対する距離基準（例えば、ガウス関数）を採用するものなど、放射状基底関数（ＲＢＦ）ニューラルネットワークを使用してもよい。放射状基底関数は、多層パーセプトロンにおけるシグモイド隠れ層転送などの隠れ層の代替物として適用されてもよい。ＲＢＦネットワークは、入力が隠れ層の各ＲＢＦにマッピングされるような、２つの層を有してもよい。実施形態では、出力層は、例えば、平均予測出力を表す隠れ層の値の線形結合で構成されてもよい。出力層の値は、統計学における回帰モデルと同じまたは類似の出力を提供してもよい。分類問題では、出力層は、隠れ層の値の線形結合のシグモイド関数で、事後確率を表すことができる。どちらの場合も、古典的な統計学におけるリッジ回帰のような収縮技術によって性能が改善されることが多い。これはベースの枠組みで言えば、小さなパラメータ値（したがって滑らかな出力関数）に対する事前確信に相当する。ＲＢＦネットワークは、学習過程で調整されるパラメータが隠れ層から出力層への線形マッピングのみであるため、ローカルミニマムを回避することができる。線形性は誤差面が２次曲線であることを保証し、したがって単一の最小値を持つ。回帰問題では、これは１回の行列演算で見つけられるかもしれない。分類問題では、シグモイド出力関数によってもたらされる固定的な非線形性は、反復的に再重み付けされた最小二乗関数などを用いて処理されることがある。ＲＢＦネットワークは、サポートベクターマシン（ＳＶＭ）やガウス過程（ＲＢＦをカーネル関数とする）などのカーネル方式を用いてもよい。非線形カーネル関数は、入力データを、線形モデルを用いて学習問題を解くことができる空間に投影するために用いられてもよい。

実施形態において、ＲＢＦニューラルネットワークは、入力層、隠れ層、および和算層を含んでもよい。入力層では、各予測変数に対して１つのニューロンが現れる。カテゴリ変数の場合、Ｎ-１個のニューロンが使用され、ここでＮはカテゴリの数である。入力ニューロンは、実施形態において、中央値を引き、四分位範囲によって割ることによって、値の範囲を標準化してもよい。入力ニューロンは、次に、値を隠れ層の各ニューロンに供給してもよい。隠れ層では、可変数のニューロンを使用してもよい（学習プロセスによって決定される）。各ニューロンは、予測変数の数と同じ次元の点を中心とする放射状基底関数で構成される場合がある。ＲＢＦ関数の広がり（例えば、半径）は、各次元について異なっていてもよい。中心および広がりは、トレーニングによって決定されてもよい。入力層から入力値のベクトルが提示されると、隠れニューロンは、ニューロンの中心点からのテストケースのユークリッド距離を計算し、次に、スプレッド値を使用するなどして、この距離にＲＢＦカーネル関数を適用してもよい。その結果得られた値は、次に総和層に渡されてもよい。総和層では、隠れ層のニューロンから出力される値に、そのニューロンに関連する重みが掛けられ、他のニューロンの重み付けされた値に加算される場合がある。この合計が出力となる。分類問題では、各カテゴリに対して１つの出力が生成される（重みと和のユニットが別個のセットで）。あるカテゴリの出力値は、評価対象がそのカテゴリに属する確率である。ＲＢＦの学習では、隠れ層のニューロン数、隠れ層の各関数の中心の座標、各関数の各次元での広がり、総和層への出力に適用する重みなど、様々なパラメータを決定することができる。学習は、クラスタリングアルゴリズム（ｋ－ｍｅＡｎＳクラスタリングなど）、進化的アプローチなどを用いてもよい。

実施形態において、リカレントニューラルネットワークは、時間的に変化する、実数値（０または１よりも多い）の活性化（出力）を有してもよい。各接続は、修正可能な実数値の重みを有してもよい。あるノードはラベルノード、あるノードは出力ノード、あるノードは隠れノードと呼ばれる。離散時間における教師あり学習の場合，実数値入力ベクトルの学習シーケンスは，一度に１つの入力ベクトルの入力ノードの活性化のシーケンスになる．各時間ステップで、各非入力ユニットは、それが接続を受けるすべてのユニットの活性度の加重和の非線形関数として、その現在の活性度を計算することができる。システムはある時間ステップでいくつかの出力ユニットを明示的に活性化する（入力信号から独立して）ことができる。

実施形態において、エキスパートシステム又は自己組織化能力を伴う本明細書に記載の方法及びシステムは、高次元データの低次元ビューなどのデータのビューの視覚化のために、コホネン自己組織化ニューラルネットワークなどの自己組織化ニューラルネットワークを使用することができる。自己組織化ニューラルネットワークは、取引環境に関連する任意の機械又はコンポーネントを含む取引環境からの又は取引環境に関連する１つ以上のセンサ又は他のデータ入力からのような入力データのセットに競争学習を適用してもよい。実施形態において、自己組織化ニューラルネットワークは、ラベル付けされていないデータ、例えば、データのソースが未知である（例えば、イベントが未知のソースの範囲のいずれかから来る可能性がある）取引環境における、またはそれに関するセンサの範囲のデータソースから感知されたデータにおける構造を識別するために使用されてもよい。自己組織化ニューラルネットワークは、市場行動構造を他のイベント及び信号に対応するものとして識別するような、認識、分析、及びラベル付けが可能なように、データ内の構造又はパターンを組織化してもよい。

実施形態において、エキスパートシステム又は自己組織化能力を伴う本明細書に記載の方法及びシステムは、接続されたユニット（例えば、ニューロン又はノード）が有向サイクルを形成するようなデータの双方向の流れを可能にし得る、再帰神経ネットワークを使用してもよい。このようなネットワークは、本開示を通じて説明される多種多様な自動化システム、機械および装置などの動的システム、例えば、データの収集、スポット市場取引のテスト、実行取引などの目的で市場と相互作用する自動化エージェントなどの動的な時間挙動に関わるモデルまたは表示に使用されてよく、動的システム挙動には、ユーザーが理解、予測、制御および／または最適化を望む可能性のある複雑な相互作用が含まれる。例えば、リカレントニューラルネットワークは、取引環境の市場で取引される、または取引環境を可能にするリソースの状態の変化などの動的プロセスまたは動作を伴うものなど、市場の状態を予測するために使用されてもよい。実施形態において、リカレントニューラルネットワークは、内部メモリを使用して、他のノードからの入力、及び／又は取引環境からの若しくは取引環境に関するセンサ及び他のデータ入力など、本明細書に記載される様々な種類の入力のシーケンスを処理してもよい。実施形態において、リカレントニューラルネットワークは、行動シグネチャ、プロファイル、一連の特徴ベクトル（オーディオファイルまたは画像など）などに基づいて機械、コンポーネント、エージェント、または他のアイテムを認識するためなど、パターン認識のために使用することもできる。非限定的な例では、リカレントニューラルネットワークは、１つ又は複数のリソースに又はそれらについて適用されるセンサの１つ又は複数のデータ源からのデータのストリームからなるトレーニングデータセットからシフトを分類することを学習することにより、市場又は機械の動作モードのシフトを認識してもよい。

実施形態において、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、モジュラーニューラルネットワークを使用してもよく、これは、仲介者によって調節される一連の独立したニューラルネットワーク（本明細書に記載の様々なタイプのものなど）から構成されてもよい。モジュラーニューラルネットワークの独立したニューラルネットワークの各々は、別々の入力で動作し、モジュラーネットワーク全体として実行することが意図されているタスクを構成するサブタスクを達成してもよい。例えば、モジュラーニューラルネットワークは、モジュラーネットワークへの入力チャネルとして提供される１つ以上のセンサによって感知される機械またはシステムがどのような種類のものかを認識するなどのパターン認識のためのリカレントニューラルネットワークと、いったん理解された機械またはシステムの動作を最適化するためのＲＢＦニューラルネットワークとから構成されてもよい。仲介者は、個々のニューラルネットワークのそれぞれの入力を受け入れ、それらを処理し、適切な制御パラメータ、状態の予測などのモジュラーニューラルネットワークのための出力を作成してもよい。

本明細書に記載された様々なニューラルネットワークタイプの、ペア、トリプレット、またはより大きな組み合わせのうちの任意の組み合わせは、本開示によって包含される。これは、エキスパートシステムが、パターン（例えば、問題または故障状態を示すパターン）を認識するために１つのニューラルネットワークを使用し、認識されたパターンに基づいて活動または作業フローを自己組織化する（認識された状態またはパターンに応答してシステムの自律制御を支配する出力を提供するなど）ために異なるニューラルネットワークを使用する組み合わせを含むことができる。また、エキスパートシステムが、アイテムの分類（例えば、機械、コンポーネント、または動作モードの識別）に１つのニューラルネットワークを使用し、アイテムの状態（例えば、故障状態、動作状態、予想状態、保守状態など）の予測に異なるニューラルネットワークを使用する組み合わせも含まれる場合がある。モジュール式ニューラルネットワークには、エキスパートシステムが、状態またはコンテキスト（機械の状態、プロセス、ワークフロー、市場、ストレージシステム、ネットワーク、データコレクタなど）を決定するための１つのニューラルネットワークと、状態またはコンテキストを含むプロセスを自己組織化するための別のニューラルネットワーク（例えば。データ記憶プロセス、ネットワーク符号化プロセス、ネットワーク選択プロセス、データ市場プロセス、発電プロセス、製造プロセス、精製プロセス、掘削プロセス、ボーリングプロセス、または本明細書に記載される他のプロセス）を自己組織化するための、異なるニューラルネットワークを含む。

実施形態において、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、１つまたは複数のハードウェア要素が神経動作を実行またはシミュレートするために使用される物理的ニューラルネットワークを使用してもよい。実施形態において、１つ又は複数のハードウェアニューロンは、１つ又は複数のトランザクションのためにエネルギーを提供又は消費する１つ又は複数の機械によるエネルギー消費、エネルギー生産等を表すアナログセンサ入力から情報を計算するなど、センサデータを表す電圧値、電流値等をストリームするように構成されていてもよい。１つまたは複数のハードウェアノードは、ニューラルネットの活動から生じる出力データをストリーミングするように構成されてもよい。ハードウェアノードは、１つ以上のチップ、マイクロプロセッサ、集積回路、プログラマブルロジックコントローラ、特定用途向け集積回路、フィールドプログラマブルゲートアレイ等からなり、エネルギーを生産または消費する機械を最適化するために、または本明細書に記載する種類のいずれかのニューラルネットのいくつかの部分の別のパラメータを最適化するために提供されても良い。ハードウェアノードは、計算の加速のためのハードウェア（例えば、出力を提供するために入力データに対して基本的またはより高度な計算を行うための専用プロセッサ、データのフィルタリングまたは圧縮のための専用プロセッサ、データの圧縮解除のための専用プロセッサ、特定のファイルまたはデータ型（例えば、画像データ、ビデオストリーム、音響信号、熱画像、熱マップなどを扱うための）の圧縮用の専用プロセッサ）、および同様のものを含むことができる。物理的なニューラルネットワークは、異なるタイプの入力を処理するためにデータコレクタ内で異なるニューラルネット構成を提供するように、様々な構成で入力を切り替えまたはルーティングすることによって再構成され得るものを含む、データコレクタに具現化されてもよい（切り替えおよび構成は任意に、データコレクタ上または遠隔地にあるソフトウェアベースのニューラルネットを含み得るエキスパートシステムの制御下で行われる）。物理的、または少なくとも部分的に物理的なニューラルネットは、機械、データストレージシステム、分散型台帳、モバイルデバイス、サーバ、クラウドリソース内にデータを格納するため、またはニューラルネットにデータを供給する、またはニューラルネットからデータを取り出す１以上のストレージ要素への入力／出力機能を加速するためなどのトランザクション環境内にある物理ハードウェアノードを含むことができる。物理的な、または少なくとも部分的に物理的なニューラルネットワークは、ネット内の１つまたは複数のネットワークノードへの入力／出力機能の高速化、リレー機能の高速化などのために、産業環境内、産業環境への、または産業環境からのデータ伝送のための、ネットワーク内に位置する物理ハードウェアノードを含んでもよい。実施形態において、物理的なニューラルネットワークの、電気的に調整可能な抵抗材料は、神経シナプスの機能をエミュレートするために使用されてもよい。実施形態では、物理的なハードウェアがニューロンをエミュレートし、ソフトウェアがニューロン間の神経ネットワークをエミュレートする。実施形態において、ニューラルネットワークは、従来のアルゴリズムコンピュータを補完する。汎用性があり、分類機能、最適化機能、パターン認識機能、制御機能、選択機能、進化機能など、指示を必要とせずに適切な機能を実行するように学習させることができる。

実施形態において、エキスパートシステム又は自己組織化能力を伴う本明細書に記載の方法及びシステムは、１つ以上の項目、現象、モード、状態等の複雑なパターン分類のため等、多層フィードフォワードニューラルネットワークを使用してもよい。実施形態において、多層フィードフォワードニューラルネットワークは、最適な、又は最適に近い、グローバルな解を見つけるために、選択肢の大きく複雑な空間を探索するような、遺伝的アルゴリズムなどの最適化技術によって訓練されてもよい。例えば、１つ以上の遺伝的アルゴリズムを用いて、複雑な現象を分類するために、例えば、機械間の複雑な相互作用を伴うモード（干渉効果、共振効果などを含む）、非線形現象を伴うモード、複数の故障が同時に発生し根本原因分析が困難な場合などの重大故障を伴うモードなど、機械の複雑な動作モードを認識するために多層フィードフォワードニューラルネットワークを訓練してもよい。実施形態において、多層フィードフォワードニューラルネットワークは、市場内で動作する自動エージェントなどの監視システム、ならびにコンピューティング、ネットワーキング、エネルギー、データストレージ、エネルギー貯蔵などの市場を可能にするリソースの監視などの市場の監視からの結果を分類するために使用されてもよい。

実施形態において、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、様々な取引環境全体に分散したセンサからの入力を取るためなど、１つまたは複数のリモートセンシングアプリケーションを取り扱うためなど、フィードフォワード、バックプロパゲーション多層パーセプトロン（ＭＬＰ）ニューラルネットワークを使用し得る。実施形態において、ＭＬＰニューラルネットワークは、スポット市場、フォワード市場、エネルギー市場、再生可能エネルギークレジット（ＲＥＣ）市場、ネットワーク市場、広告市場、スペクトル市場、発券市場、報酬市場、計算市場、および本開示を通じて言及される他のような取引環境およびリソース環境の分類に使用されてもよい。の分類、地質構造（地下の特徴および地上の特徴を含む）の分類、材料（流体、鉱物、金属などを含む）の分類、および他の問題を含むエネルギー資源（再生可能エネルギー環境、採掘環境、探査環境、掘削環境などを含む）などの物理資源およびそれを生成する環境と同様である。なお、ファジー分類を含んでもよい。

実施形態において、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、構造適応型ニューラルネットワークを使用してもよく、ここでニューラルネットワークの構造は、ルール、感知された条件、文脈パラメータなどに基づいて、適応される。例えば、ニューラルネットワークが、ある程度の学習後に入力のセットに作用したときに、項目を分類する、または予測に到達するなどの解に収束しない場合、ニューラルネットワークは、例えば、ノードのいくつかのサブセット間のデータ経路を単方向から双方向データ経路に切り替えることによって、フィードフォワードニューラルネットワークから再帰ニューラルネットワークに変更することができる。構造適応は、エキスパートシステムの制御下で行われてもよく、例えば、閾値の発生（所定の時間内に解に収束しないこと等）を認識したり、異なる又は追加の構造を必要とする現象を認識したり（システムが動的に又は非線形に変化することを認識したり）するような、トリガ、ルール又はイベントの発生時に適応をトリガする。非限定的な一例として、エキスパートシステムは、分析中のシステムにおいて発電機、タービンなどを駆動するために無段変速機が使用されているという指示を受けると、フィードフォワードニューラルネットワークなどの単純なニューラルネットワーク構造からリカレントニューラルネットワーク、畳み込みニューラルネットワークなどのより複雑なニューラルネットワーク構造へ切り替えることができる。

実施形態において、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、入力層、出力層およびそれらを接続する１つまたは複数の隠れ層が存在し得るような、多層パーセプトロン（ＭＬＰ）ニューラルネットワークに類似してもよい、オートエンコーダ、オートアソシエータまたはダイアブロニューラルネットワークを使用することができる。しかしながら、ＭＬＰニューラルネットワークの目的が（単に目標値を発するのではなく）それ自身の入力を再構成することであるところ、オートエンコーダにおける出力層は、入力層と同じ数のユニットを有していてもよい。したがって、オートエンコーダは教師なし学習モデルとして動作してもよい。自動エンコーダは、例えば、次元削減のための、データの生成モデルの学習のための、効率的な符号化の教師なし学習のために、使用されてもよい。実施形態において、自動エンコードニューラルネットワークは、１つ以上のネットワークを介したマシンからのアナログセンサデータの伝送、または１つ以上のデータソースからのデジタルデータの伝送のための効率的なネットワークコーディングを自己学習するために使用されてもよい。実施形態において、自動エンコードニューラルネットワークは、データのストリームのストレージのための効率的なストレージアプローチを自己学習するために使用されてもよい。

実施形態において、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、確率的ニューラルネットワーク（ＰＮＮ）を使用してもよく、これは、実施形態において、多層（例えば、４層）フィードフォワードニューラルネットワークを含んでよく、層は、入力層、隠れ層、パターン／合計層および出力層を含んでもよい。ＰＮＮアルゴリズムの一実施形態では、各クラスの親確率分布関数（ＰＤＦ）が、例えば、パーゼン窓及び／又はノンパラメトリック関数によって近似されてもよい。そして、各クラスのＰＤＦを用いて、新しい入力のクラス確率を推定し、事後確率が最も高いクラスに割り当てるなど、ベース則を採用することができる。ＰＮＮは、ベイジアンネットワークを具現化したものであってもよく、カーネルフィッシャー判別分析技術などの統計アルゴリズムや分析技術を用いてもよい。ＰＮＮは、本明細書に開示される広範な実施形態のいずれかにおいて、分類及びパターン認識のために使用されてもよい。非限定的な一例では、エンジン用のセンサ及び計器からのデータ入力の収集に基づいてエンジンの故障状態を予測するために確率的ニューラルネットワークが使用されてもよい。

実施形態において、エキスパートシステム又は自己組織化能力を伴う本明細書に記載の方法及びシステムは、時間遅延ニューラルネットワーク（ＴＤＮＮ）を使用してもよく、これは、シーケンス位置に依存しない特徴を認識するシーケンシャルデータ用のフィードフォワードアーキテクチャを構成することができる。実施形態では、データの時間シフトを考慮するために、１つ以上の入力に、または１つ以上のノード間に遅延が追加され、複数のデータポイント（異なる時点からの）が一緒に分析されるようにする。時間遅延ニューラルネットワークは、パーセプトロンネットワークを使用するなど、より大きなパターン認識システムの一部を形成してもよい。実施形態において、ＴＤＮＮは、接続の重みが逆伝播またはフィードバックの下で訓練されるような教師あり学習で訓練され得る。実施形態において、ＴＤＮＮは、速度データのストリーム、加速度データのストリーム、温度データのストリーム、圧力データのストリームなどの異なるストリームからのセンサデータを処理するために使用されてもよく、時間遅延は、様々なストリーム（例えば、スポットまたはフォワード市場における価格パターンの変化）の理解を伴うパターンの理解を助けるように、データストリームを時間的に整合させるために使用される。

実施形態において、エキスパートシステム又は自己組織化能力を伴う本明細書に記載の方法及びシステムは、畳み込みニューラルネットワーク（場合によっては、ＣＮＮ、Ｃｏｎｖｅｎｔ、シフト不変ニューラルネットワーク、又は空間不変ニューラルネットワークと呼ばれる）を使用してよく、ここでユニットは、人間の脳の視覚野と同様のパターンで接続されている。神経細胞は、受容野と呼ばれる空間の限定された領域で刺激に応答することができる。受容野は部分的に重なっていてもよく、集合的に（例えば、視覚）野全体を覆うようにしてもよい。ノード応答は、最小限の前処理を使用する多層パーセプトロンを使用するような畳み込み演算によって、数学的に計算されてもよい。畳み込みニューラルネットワークは、ドローンまたはモバイルロボットなどのモバイルデータコレクタ上に配置されたカメラシステムを使用して、広い環境における機械の種類を認識するためなど、画像およびビデオストリーム内の認識に使用されてもよい。実施形態において、畳み込みニューラルネットワークは、モバイルデータコレクタのための経路を推奨するなど、センサ入力及び他の文脈情報を含むデータ入力に基づく推奨を提供するために使用されてもよい。実施形態において、畳み込みニューラルネットワークは、環境内のワークフローに関与する１つ以上の当事者によって提供される指示の自然言語処理など、入力の処理に使用されてもよい。実施形態において、畳み込みニューラルネットワークは、多数のニューロン（例えば、１００，０００、５００，０００以上）、複数の（例えば、４、５、６以上）層、及び多数の（例えば、数百万）パラメータを備えて展開されてもよい。畳み込みニューラルネットは、１つまたは複数の畳み込みネットを使用してもよい。

実施形態において、エキスパートシステム又は自己組織化能力を伴う本明細書に記載の方法及びシステムは、（取引環境において以前に理解されていない新しいタイプの行動などの）創発現象を認識するためなどの調節フィードバックネットワークを使用してもよい。

実施形態において、エキスパートシステム又は自己組織化能力を伴う本明細書に記載の方法及びシステムは、教師なし学習を伴う自己組織化マップ（ＳＯＭ）を使用してもよい。ニューロンのセットは、入力空間内の点を出力空間内の座標にマッピングすることを学習してもよい。入力空間は、出力空間と異なる次元及びトポロジーを有する場合があり、ＳＯＭは、現象をグループにマッピングする間、これらを保持する場合がある。

実施形態において、エキスパートシステム又は自己組織化能力を伴う本明細書に記載の方法及びシステムは、学習ベクトル量子化ニューラルネット（ＬＶＱ）を使用してもよい。クラスのプロトタイプの代表は、適切な距離尺度と共に、距離ベースの分類スキームにおいてパラメータ化してもよい。

実施形態において、エキスパートシステム又は自己組織化能力を伴う本明細書に記載の方法及びシステムは、エコー状態ネットワーク（ＥＳＮ）を使用してもよく、これは、疎結合のランダム隠れ層を有するリカレントニューラルネットワークを構成してもよい。出力ニューロンの重みは、変更されてもよい（例えば、重みは、フィードバックに基づいて訓練されてもよい）。実施形態において、ＥＳＮは、一例として、刺激に応答して価格が変化するパターンなど、市場に関連するイベントのパターンを認識するなど、時系列パターンを処理するために使用されてもよい。

実施形態において、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、値の有限シーケンス（例えば、センサからの電圧値）を使用して、要素の過去および将来の文脈の両方に基づいてシーケンスの各要素を予測またはラベル付けするなど、双方向、再帰型ニューラルネットワーク（ＢＲＮＮ）を使用してもよい。これは、１つが左から右へ、もう１つが右から左へシーケンスを処理するような、２つのＲＮＮの出力を加算することによって行われてもよい。結合された出力は、教師や監督者によって提供されるようなターゲット信号の予測である。双方向ＲＮＮは、長期短期記憶ＲＮＮと組み合わせてもよい。

実施形態において、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、有用なサブプログラムになど、階層的な動作を分解するために様々な方法で要素を接続する階層的なＲＮＮを使用してもよい。実施形態において、階層型ＲＮＮは、トランザクション環境におけるデータ収集のための１つまたは複数の階層型テンプレートを管理するために使用されてもよい。

実施形態において、エキスパートシステム又は自己組織化能力を伴う本明細書に記載の方法及びシステムは、確率的ニューラルネットワークを使用してもよく、これは、ネットワークにランダムな変動を導入してもよい。このようなランダムな変動は、モンテカルロサンプリングなどの統計的サンプリングの一形態と見なすことができる。

実施形態において、エキスパートシステム又は自己組織化能力を伴う本明細書に記載の方法及びシステムは、遺伝的スケール再帰神経回路網を使用してもよい。そのような実施形態では、ＲＮＮ（多くの場合、ＬＳＴＭ）が使用され、ここで、系列は、すべてのスケールが２つの連続するポイント間の主要な長さを通知するいくつかのスケールに分解される。１次のスケールは、通常のＲＮＮからなり、２次は、２つのインデックスによって分離されたすべての点からなり、以下同様である。Ｎ次のＲＮＮは、最初と最後のノードを接続する。すべての様々なスケールからの出力は、メンバーの委員会として扱われ、関連するスコアは、次の反復のために遺伝的に使用されるかもしれない。

実施形態において、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、与えられた例について一緒に「投票」する異なるニューラルネットワークのコレクションからなる機械委員会（ＣｏＭ）を使用することができる。ニューラルネットワークはローカルミニマムに悩まされることがあるため、同じアーキテクチャで学習を開始しても、ランダムに異なる初期重みを使用すると、異なる結果が得られることが多い。ＣｏＭは結果を安定させる傾向がある。

実施形態において、エキスパートシステム又は自己組織化能力を伴う本明細書に記載の方法及びシステムは、複数のフィードフォワードニューラルネットワーク及びｋ－最近傍技術を組み合わせた機械の委員会の拡張を伴うような、連想ニューラルネットワーク（ＡＳＮＮ）を使用してもよい。また、アンサンブル応答間の相関を、ｋＮＮの分析事例間の距離の尺度として使用してもよい。これにより、ニューラルネットワークのアンサンブルの偏りが補正される。連想ニューラルネットワークは、学習セットと一致するメモリを持つことができる。新しいデータが入手可能になると、再トレーニングを行わなくても、ネットワークは瞬時に予測能力を向上させ、データ近似を行う（自己学習）。ＡＳＮＮのもう一つの重要な特徴は、モデルの空間におけるデータケース間の相関を分析することで、ニューラルネットワークの結果を解釈できる可能性があることである。

実施形態において、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、隠れ層および出力層の重みが訓練ベクトルデータから直接マッピングされる即時学習型ニューラルネットワーク（ＩＴＮＮ）を使用してもよい。

実施形態において、エキスパートシステム又は自己組織化能力を伴う本明細書に記載の方法及びシステムは、スパイクニューラルネットワークを使用してもよく、これは、入力のタイミングを明示的に考慮してもよい。ネットワークの入力及び出力は、一連のスパイク（デルタ関数又はより複雑な形状など）として表されてもよい。ＳＮＮは時間領域の情報（例えば、市場や取引環境の動的挙動を含む信号など、時間と共に変化する信号）を処理することができる。ＳＮＮはリカレントネットワークとして実装されることが多い。

実施形態において、エキスパートシステム又は自己組織化能力を伴う本明細書に記載の方法及びシステムは、非線形多変量挙動に対処し、過渡現象及び遅延効果などの時間依存性挙動の学習を含む動的ニューラルネットワークを使用してもよい。過渡現象は、価格、利用可能な数量、利用可能な取引相手などの、シフトする市場変数の挙動を含んでもよい。

実施形態では、カスケード相関は、固定トポロジーのネットワークにおける重みの調整を補完する、アーキテクチャおよび教師あり学習アルゴリズムとして使用され得る。カスケード相関は、最小のネットワークから始まり、次に自動的に訓練し、新しい隠れユニットを１つずつ追加し、多層構造を作成することができる。新しい隠れユニットがネットワークに追加されると、その入力側の重みは凍結されることがある。このユニットは、出力やより複雑な特徴検出器の作成に利用できる、ネットワーク内の恒久的な特徴検出器となる。カスケード相関型は、高速に学習し、サイズとトポロジーを決定し、学習セットが変わっても構築した構造を保持することができ、バックプロパゲーションは不要である。

実施形態において、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、人工ニューラルネットワークの本体にファジー推論システムを伴うなど、ニューロファジーネットワークを使用することができる。タイプによっては、いくつかの層が、ファジー化、推論、集計、および脱ファジー化などのファジー推論に関与するプロセスをシミュレートすることができる。ファジィシステムのパラメータを求めるために利用可能な学習方法を使用する利点として、ニューラルネットの一般的な構造にファジィシステムを埋め込むことができる。

実施形態において、エキスパートシステム又は自己組織化能力を伴う本明細書に記載の方法及びシステムは、活性化関数のセット及びそれらが適用される方法が異なる連想ニューラルネットワーク（ＡＮＮ）の変形などの構成的パターン生成ネットワーク（ＣＰＰＮ）を使用してもよい。一般的なＡＮＮはシグモイド関数（ガウス関数もあり）のみを含むことが多いが、ＣＰＰＮはこの２種類の関数を含むこともあり、その他にも多くの関数を含むことがある。さらに、ＣＰＰＮは入力可能な空間全体に適用することができるため、完全な画像を表現することも可能である。関数の合成であるため、実質的にＣＰＰＮは無限の解像度で画像を符号化し、特定のディスプレイのために最適な解像度でサンプリングすることができる。

このタイプのネットワークは、再トレーニングを行わずに新しいパターンを追加することができる。実施形態において、エキスパートシステム又は自己組織化能力を伴う本明細書に記載の方法及びシステムは、特定のメモリ構造を作成することなどにより、ワンショット連想メモリネットワークを使用してもよく、これは、隣接して接続された階層的アレイを用いて直交面に各新しいパターンを割り当てるものである。

実施形態において、エキスパートシステム又は自己組織化能力を伴う本明細書に記載の方法及びシステムは、新皮質の構造的及びアルゴリズム的特性を含むような、階層的時間記憶（ＨＴＭ）ニューラルネットワークを用いてもよい。ＨＴＭは記憶予測理論に基づく生体模倣モデルを使用してもよい。ＨＴＭは観察された入力パターンやシーケンスの高レベルの原因を発見し推論するために使用されるかもしれない。

ホログラフィックアソシアティブメモリー。

実施形態において、エキスパートシステム又は自己組織化能力を伴う本明細書に記載の方法及びシステムは、アナログ、相関ベース、連想、刺激-応答システムを構成し得るホログラフィック連想記憶（ＨＡＭ）ニューラルネットワークを使用し得る。情報は、複素数の位相方位にマッピングされてもよい。このメモリは、連想記憶タスク、汎化、および変更可能な注意を伴うパターン認識に有効である。

実施形態において、ネットワークコーディングを含む様々な実施形態は、ノードがトランザクション環境における１つ以上のデータコレクタまたはマシンに配置される場合など、ニューラルネットにおけるネットワークノード間の伝送データをコーディングするために使用されてもよい。

集積回路ビルディングブロック。

実施形態において、本開示を通じて説明されるようなコントローラ、回路、システム、データコレクタ、ストレージシステム、ネットワーク要素などの１つまたは複数は、集積回路、例えばアナログ、デジタル、または混合信号回路、例えばマイクロプロセッサ、プログラム可能論理コントローラなどにおいてまたは集積回路上で具現化されてもよい。特定用途向け集積回路、フィールドプログラマブルゲートアレイ、又は他の回路、例えば、１つ又は複数の回路基板上に配置された１つ又は複数のチップ上に具現化され、（潜在的に加速した速度、エネルギー性能、入出力性能、又は同様のもので）ハードウェアで本明細書に記載する機能のうちの１つ又は複数を提供するような回路であってよい。これは、最大数十億の論理ゲート、フリップフロップ、マルチプレクサ、及び他の回路を有する回路を小さな空間に設定し、ボードレベルの集積と比較して高速処理、低電力散逸、及び製造コストの低減を容易にすることを含み得る。実施形態において、デジタルＩＣ、典型的にはマイクロプロセッサ、デジタル信号プロセッサ、マイクロコントローラなどは、ブール代数を使用してデジタル信号を処理し、本明細書に記載の回路、コントローラ、および他のシステムに関与するような複雑な論理を具現化することができる。実施形態において、データコレクタ、エキスパートシステム、ストレージシステムなどは、論理ＩＣ、メモリチップ、インターフェースＩＣ（例えば、レベルシフタ、シリアライザ）などのデジタル集積回路として具現化されてもよい。レベルシフタ、シリアライザ、デシリアライザ等）、電力管理ＩＣ及び／又はプログラマブルデバイス、リニアＩＣ、ＲＦＩＣ等のアナログ集積回路、又はデータ収集ＩＣ（Ａ／Ｄコンバータ、Ｄ／Ａコンバータ、デジタルポテンショメータを含む）及び／又はクロック／タイミングＩＣ等の混合信号ＩＣ等として具現化することができる。

図３２を参照すると、環境は、インテリジェントエネルギー及び計算施設（多くの計算資源をホストし、水力発電源などの大規模エネルギー源へのアクセスを有する大規模施設など）、並びに便宜上エネルギー及び情報技術プラットフォームと呼ばれるホストインテリジェントエネルギー及び計算施設資源管理プラットフォーム（本書に記載するネットワーク、データストレージ、データ処理及び他の資源を有する）、データソースの集合、エキスパートシステムの集合、市場プラットフォームの集合及び外部資源へのインターフェース並びにユーザー（又はクライアント）システム及び装置の集合を含んでいる。

インテリジェントエネルギーアンドコンピュートファシリティ

施設は、安価な（少なくともある期間の）電源（水力発電ダム、風力発電所、太陽電池アレイ、原子力発電所、または送電網など）にアクセスし、処理装置、サーバなどのネットワーク化された情報技術リソースの大きなセットを含むように構成することができる。柔軟な利用（入力の切り替え、構成の切り替え、プログラミングの切り替えなど）が可能で、柔軟な構成が可能な一連の出力（スマートグリッドへの電力供給、計算結果の提供（暗号通貨マイニング、人工知能、または分析など）など）を提供するための施設である。施設は、利用可能な電力を大規模に貯蔵するためのような電力貯蔵システムを含んでもよい。

インテリジェントなエネルギーとコンピューティング設備のリソース管理プラットフォーム

操作において、ユーザーは、エネルギーと情報技術のプラットフォームにアクセスし、利用可能な多様なタスクの中でエネルギーとコンピューティングリソースを最適化することを含む一連の活動を開始し、管理することができる。エネルギー資源には、水力発電、原子力発電、風力発電、太陽光発電、グリッド電力などのほか、バッテリ、重力発電、溶融塩などの熱材料を用いた貯蔵などのエネルギー貯蔵資源が含まれ得る。コンピューティング資源は、ＧＰＵ、ＦＰＧＡ、サーバ、チップ、ＡＳｉｃＳ、プロセッサ、データ記憶媒体、ネットワーキング資源、その他多くのものを含んでもよい。利用可能なタスクは、暗号通貨ハッシュ処理、エキスパートシステム処理、コンピュータビジョン処理、ＮＬＰ、経路最適化、分析用などのモデルのアプリケーションなどを含むことができる。

実施形態において、プラットフォームは、システムの他のサブシステムが、アプリケーションプログラミングインターフェースＡＰＩを介してマイクロサービスを提供するサブシステムの機能にアクセスするように、マイクロサービスとして実装され得る様々なサブシステムを含んでもよい。いくつかの実施形態では、サブシステムによって提供される様々なサービスは、ＡＰＩのセットによってなど、統合されたバンドルで展開されてもよい。サブシステムの各々は、図１３０に関してより詳細に説明される。

外部データソースは、プラットフォームにデータを提供することができる任意のシステムまたはデバイスを含むことができる。データソースの例としては、市場データソース（例えば、金融市場、商業市場（電子商取引を含む）、広告市場、エネルギー市場、電気通信市場、及び他の多くの市場に関するもの）を含むことができる。エネルギー及びコンピューティングリソースプラットフォームは、ネットワーク（例えば、インターネット）を介して、任意の適切な方法（例えば、クローラ、抽出-変換-ロード（ＥＴＬ）システム、ゲートウェイ、ブローカー、アプリケーションプログラミングインターフェース（ＡＰＩ）、スパイダー、分散データベースクエリなど）により外部データソースにアクセスする。

施設とは、エネルギー資源（例えば、水力発電資源）と、計算資源（例えば、ＧＰＵ、ＦＰＧＡ、その他多くの計算タスクを実行するためにプロビジョニングおよび管理できる柔軟な計算資源のセット、ネットワーク符号化プロトコルおよびパラメータを調整するなどして同様にプロビジョニングおよび管理できる柔軟なネットワーキング資源のセット）などを有する施設である。

ユーザーおよびクライアントのシステムおよびデバイスは、エネルギーおよびコンピューティングリソースプラットフォームによって利用可能にされる１つまたは複数のコンピューティングまたはエネルギーリソースを消費し得る任意のシステムまたはデバイスを含み得る。例としては、暗号通貨システム（例えば、ビットコイン及び他の暗号通貨マイニング操作のための）、エキスパート及び人工知能システム（例えば、ニューラルネットワーク及び他のシステム、例えば、コンピュータビジョン、自然言語処理、経路決定及び最適化、パターン認識、深い学習、教師あり学習、決定支援、及び多くの他のための）、エネルギー管理システム（スマートグリッドシステム等）、及び多くの他のものが含まれる。ユーザーおよびクライアントシステムは、スマートフォン、タブレットコンピュータ装置、ラップトップコンピューティング装置、パーソナルコンピューティング装置、スマートテレビ、ゲームコンソールなどのユーザー装置を含んでもよい。

エネルギーとコンピューティングリソースプラットフォーム図１３０のコンポーネント。

図１３０は、本開示のいくつかの実施形態による例示的なエネルギー及びコンピューティングリソースプラットフォームを示す図である。実施形態において、エネルギー及びコンピューティングリソースプラットフォームは、処理システム１３００２、ストレージシステム１３００４、及び通信システム１３００６を含んでもよい。

処理装置１３００２は、１つ又は複数のプロセッサ及びメモリを含んでもよい。プロセッサは、個別または分散方式で動作してもよい。プロセッサは、同じ物理的な装置にあってもよいし、同じ施設に配置されていてもいなくてもよい別々の装置にあってもよい。メモリは、１つ以上のプロセッサによって実行されるコンピュータ実行可能な命令を格納してもよい。実施形態では、処理装置１３００２は、施設管理システム１３００８、データ取得システム１３０１０、認知プロセスシステム１３０１２、リード生成システム１３０１４、コンテンツ生成システム１３０１６、及びワークフローシステム１３０１８を実行してもよい。

記憶装置１３００４は、１つ以上のコンピュータ読み取り可能な記憶媒体を含んでもよい。コンピュータ可読記憶媒体は、同じ物理デバイスに配置されてもよいし、同じ施設に配置されてもよいし、配置されていなくてもよい、別々のデバイスに配置されてもよい。コンピュータ可読記憶媒体は、フラッシュデバイス、ソリッドステートメモリデバイス、ハードディスクドライブなどを含んでもよい。実施形態において、記憶装置１３００４は、施設データストア１３０２０、人物データストア１３０２２、及び外部データストア１３０２４のうちの１つ又は複数を記憶する。

通信システム１３００６は、ネットワーク（例えば、インターネット及び／又はセルラーネットワーク）を介して、ユーザデバイス及び／又はサーバを含む１つ又は複数の外部デバイスとの無線又は有線通信を実現するように構成される１つ又は複数のトランシーバを含んでもよい。通信システム１３００６は、任意の適切な通信プロトコルを実装してもよい。例えば、通信システム１３００６は、無線ネットワークを介して外部デバイス及び外部データ１３０２４との無線通信を実現するために、ＩＥＥＥ８０１.１１無線通信プロトコル及び／又は任意の適切なセルラー通信プロトコルを実装してもよい。

エネルギーおよびコンピューティングリソース管理プラットフォーム。

人工知能やエキスパートシステムを用いて、市場やその他の条件に敏感で、一連の結果について学習することにより、エネルギーや計算資源の発見、供給、管理、最適化を行う。任意でユーザー入力および／または自動検出（ピア検出を含む）により、リソースのカタログ化を発見し、促進する。利用可能なエネルギーおよび計算資源に関する関連情報を受け取るために、グラフィカルユーザインターフェースを実装してもよい。これは、モデリング、予測などを可能にするエネルギーおよび計算設備の「デジタルツイン」を含んでもよい。ホストによる共通の所有権または操作の下にある施設または施設のセットを定義するデータレコードのセットを生成してもよい。データレコードは、任意の適切なスキーマを有してもよい。いくつかの実施形態（例えば、図１３１）において、施設データレコードは、施設識別子（例えば、施設に対応する一意の識別子）、施設タイプ（例えば、エネルギーシステムおよび能力、計算システムおよび能力、ネットワーキングシステムおよび能力）、施設属性（例えば、施設の名前、施設のイニシエータの名前、施設の説明、施設のキーワード、施設の目標、タイミング要素、スケジュールなど）、施設の参加者／潜在的参加者（所有者、オペレータ、ホスト、サービスプロバイダ、消費者、クライアント、ユーザー、労働者などの識別子など）、任意の適切なメタデータ（作成日、起動日、予定要件など）などである。データレコードの内容に基づいて、ドキュメント、メッセージ、アラート、レポート、ウェブページおよび／またはアプリケーションページなどのコンテンツを生成してもよい。例えば、施設のデータレコードを取得し、そこに含まれるデータでウェブページテンプレートを入力してもよい。さらに、既存の施設の管理、施設のデータレコードの更新、成果（例えば、生成されたエネルギー、完了した計算タスク、達成された処理成果、達成された財務成果、満たされたサービスレベル、その他多数）の決定、個人およびシステムへの情報（例えば、更新、アラート、要求、指示、その他）の送信があり得る。

データ取得システムは、異なるデータソースから様々なタイプのデータを取得し、そのデータを１つまたは複数のデータ構造に編成することができる。実施形態では、データ取得システムは、ユーザインターフェースを介してユーザーからデータを受信する（例えば、ユーザーはプロファイル情報を入力する）。実施形態において、データ取得システムは、パッシブ電子ソースからデータを取得することができる。実施形態において、データ取得システムは、異なるウェブサイト又はアプリケーションをク役割するためにクローラを実装することができる。実施形態において、データ取得システムは、外部データソース又はユーザデバイス（例えば、ユーザーの電話又は電子メールアカウントからの様々な連絡先リスト）からデータを取得するためにＡＰＩを実装することができる。実施形態において、データ取得システムは、取得したデータを適切なデータ構造に構造化することができる。実施形態では、データ取得システムは、個人に関して収集されたデータに基づいて人物レコードを生成し、維持する。実施形態において、人物データストアは、人物レコードを格納する。これらの実施形態のいくつかでは、人物データストアは、１つまたは複数のデータベース、インデックス、テーブルなどを含んでもよい。各人物レコードは、それぞれの個人に対応してもよく、任意の適切なスキーマに従って組織化されてもよい。

図１３２は、人物レコードのスキーマの例を示している。この例では、各人物レコードは、一意の人物識別子（例えば、ユーザ名又は値）を含んでもよく、人物に関連する全てのデータ、例えば、人物の名前、人物が所属する又は関連する施設（例えば、施設識別子のリスト）、人の属性（年齢、場所、仕事、会社、役割、スキル、能力、教育歴、職歴など）、人の連絡先または関係のリスト（例えば、役割階層またはグラフ）、および任意の適切なメタデータ（例えば、参加日、行動が取られた日、入力を受け取った日など）、など人に関連するすべてのデータを定義することができる。

実施形態において、データ取得システムは、取得されたデータに基づいて１つ又は複数のグラフを生成し、維持する。いくつかの実施形態では、グラフデータストアは、１つ以上のグラフを格納してもよい。グラフは、施設に固有のものであってもよいし、グローバルなグラフであってもよい。グラフは、多くの異なる用途で使用されてもよい（例えば、認証のため、承認のためなど、人に対する一連の役割を特定すること、またはエネルギー生産、コンピューティング、ネットワーキング、または他のシステム、サブシステムおよび／もしくはリソースの階層など、システム構成、能力、またはそのようなものを特定することである）。

実施形態において、グラフはグラフデータベースに格納されてもよく、データはノードとエッジの集まりに格納される。いくつかの実施形態では、グラフは、エンティティを表すノード及び関係を表すエッジを有し、各ノードは、ノードタイプ（エンティティタイプとも呼ばれる）及びエンティティ値を有してよく、各エッジは、関係タイプを有してよく、２つのエンティティ間の関係を定義することができる。例えば、人物ノードは、そのノードが表す個人を識別する人物ＩＤを含み、会社ノードは、会社を識別する会社識別子を含むことができる。人物ノードから会社ノードに向かう「ｗｏｒｋＳｆｏｒ」エッジは、エッジノードが表す人物が会社ノードが表す会社のために働いていることを示す場合がある。別の例では、人物ノードは、そのノードによって表される個人を識別する人物ＩＤを含んでもよく、施設ノードは、施設を識別する施設識別子を含んでもよい。人物ノードから施設ノードに向けられる「ｍＡｎＡｇｅＳ」エッジは、人物ノードによって表される人物が施設ノードによって表される施設の管理者であることを示す場合がある。さらに、実施形態では、エッジまたはノードは、追加のデータを含むか、または参照することができる。例えば、「管理」エッジは、人によって管理される施設内の特定の機能を示す関数を含んでもよい。グラフ（複数可）は、認知処理システムに関して説明される多くの異なるアプリケーションで使用することができる。

実施形態において、検証されたアイデンティティ情報は、データ取得および構造化データに関するＬｉｎｋｅＤＩｎ（登録商標）および他のソーシャルネットワークソースからのデータと同様に、１つまたは複数のアイデンティティ情報プロバイダからインポートされる場合がある。実施形態において、データ取得システムは、プラットフォームのアイデンティティ管理システム（図示せず）を含んでもよく、異なるソーシャルネットワーキングサイトおよび電子メール連絡先にわたって表される個人が実際に同一人物である場所を決定するなど、アイデンティティステッチング、アイデンティティ解決、アイデンティティ正規化などを管理することができる。実施形態では、データ取得システムは、情報の異種の部分を発見して集約し、人の包括的なプロファイルを生成するプロファイル集約システム（図に示されていない）を含んでもよい。プロファイル集計システムは、個人を重複排除することもできる。

認知処理システム。

認知処理システム１３３１２は、機械学習プロセス、人工知能プロセス、分析プロセス、自然言語処理プロセス、及び自然言語生成プロセスのうちの１つ又は複数を実装してもよい。図１３３は、本開示のいくつかの実施形態に従った例示的な認知処理システムを示す。この例では、認知処理システムは、機械学習システム１３３０２、人工知能（ＡＩ）システム１３３０４、分析システム１３３０６、自然言語処理システム１３３０８、及び自然言語生成システム１３３１０を含んでもよい。

機械学習システム。

実施形態において、機械学習システムは、予測モデル（例えば、様々なタイプのニューラルネットワーク、回帰ベースのモデル、及び他の機械学習モデル）などのモデルを訓練することができる。実施形態において、訓練は、教師あり、半教師あり、又は教師なしとすることができる。実施形態において、訓練は、訓練目的のために収集または生成され得る訓練データを用いて行うことができる。

設備出力モデル（または予測モデル）は、設備の属性を受け取り、設備の生産または他の出力に関する１つまたは複数の予測を出力するモデルであってよい。予測の例は、設備が生産するエネルギーの量、設備が引き受ける処理の量、ネットワークが転送できるデータの量、保存できるデータの量、（設備に供給される、または設備が提供する）コンポーネント、サービスなどの価格、所定のタスクを達成することによって生じる利益、アクションの実行に伴うコスト、などであってよい。各場合において、機械学習システムは、任意選択で、学習データに基づいてモデルを学習する。実施形態において、機械学習システムは、施設属性（例えば、施設タイプ、施設能力、求める目的、資源または施設の利用に適用される制約または規則など）、人属性（例えば、役割、管理するコンポーネントなど）、および成果（例えば、生産されたエネルギー、完了した計算タスク、および財務結果、その他多数）を含むベクトルを受信してもよい。各ベクトルは、それぞれの結果と、その結果に至ったそれぞれの施設やそれぞれの行動の属性に対応する。機械学習システムは、ベクトルを取り込み、それに基づいて予測モデルを生成する。実施形態において、機械学習システムは、予測モデルをモデルデータストアに格納してもよい。

実施形態において、トレーニングは、システムによって受信されたフィードバックに基づいて行われることもでき、これは、"強化学習"とも呼ばれる。実施形態において、機械学習システムは、予測につながった一連の状況（例えば、施設の属性、モデルの属性など）および施設に関連する結果を受信してもよく、フィードバックに従ってモデルを更新することもできる。

実施形態において、訓練は、様々な能力を有し、様々な文脈及び状況に関与する施設を管理する施設管理者のような人間の集合の行動を観察することによって作成される訓練データセットから提供されてもよい。これは、エネルギー及び計算機管理施設を管理するために使用されるダッシュボード、制御システム、及び他のシステムなどの１つ以上のコンピュータプログラムのグラフィカルユーザインターフェースなどのインターフェースと人間の相互作用の訓練データセット上で学習するためのロボットプロセスオートメーションの使用を含んでもよい。

人工知能（ＡＩ）システム。

実施形態において、ＡＩシステムは、予測モデルを活用して、施設に関する予測を行う。予測の例には、施設に対する入力に関連するもの（例えば。利用可能なエネルギー、エネルギーのコスト、計算リソースのコスト、ネットワーク容量などの他、最終使用市場の価格情報などの様々な市場情報）、施設のコンポーネントまたはシステムに関するもの（性能予測、保守予測、稼働時間／停止時間予測、容量予測などを含む）、施設の機能またはワークフローに関するもの（ワークフロー、プロセスなどの中の１つまたは複数の異なる可能な経路に従う結果となり得る条件または状態に関するもの）、施設の出力に関するものなど、様々なものがある。実施形態において、ＡＩシステムは、施設識別子を受信する。施設識別子に応答して、ＡＩシステムは、施設に対応する属性を取得し得る。いくつかの実施形態において、ＡＩシステムは、グラフから施設属性を取得してもよい。加えて、又は代替的に、ＡＩシステムは、施設識別子に対応する施設レコードから施設属性を取得し、人物識別子に対応する人物レコードから人物属性を取得してもよい。

施設またはシステムの関連プロセスについて予測を行うために使用することができる追加の属性の例としては、関連する施設情報、所有者の目標（財務的目標を含む）、顧客の目標、および多くの追加のまたは代替の属性が挙げられる。実施形態において、ＡＩシステムは、各可能な予測に対してスコアを出力してもよく、各予測は、可能な結果に対応する。例えば、ある施設のための水力発電源が５ＭＷの電力を生成する可能性を決定するために使用される予測モデルを使用する場合、予測モデルは、「生成する」結果に対するスコアと「生成しない」結果に対するスコアとを出力することができる。そして、ＡＩシステムは、最も高いスコアを有する結果を予測値として選択してもよい。あるいは、ＡＩシステムは、それぞれのスコアを要求元システムに出力してもよい。

クラスタリングシステム。

実施形態では、クラスタリングシステムは、ここに含まれる属性に基づいてレコードまたはエンティティをクラスタリングする。例えば、類似の施設、リソース、人、クライアントなどがクラスタ化されてもよい。クラスタリングシステムは、任意の適切なクラスタリングアルゴリズムを実装してもよい。例えば、施設によって販売され得るリソースに対応する顧客リードのリストを識別するために人レコードをクラスタリングするとき、クラスタリングシステムは、ｋ－最近傍クラスタリングを実装してもよく、これにより、クラスタリングシステムは、施設に対して定義された属性に最も密接に関連するｋ個の人レコードを識別する。別の例では、クラスタリングシステムは、クラスタリングシステムが人レコードのｋ個の異なるクラスタを識別し、それによってクラスタリングシステムまたは別のシステムがクラスタから項目を選択するように、ｋ－平均クラスタリングを実装してもよい。

アナリティクスシステム。

実施形態において、分析システムは、エネルギー及びコンピューティングリソースプラットフォームの様々な態様に関連する分析を実行してもよい。解析システムは、特定の通信を解析して、設備のどの構成が最大の収量を生み出すか、どのような状態が潜在的な故障または問題を示す傾向があるか、などを判断してもよい。

リードジェネレーションシステム。

図１３４は、リード生成システムがリードリストを生成する態様を示す。リード生成システムは、潜在的なリードのリスト１３４０２を受け取る（利用可能な製品またはリソースの消費者向けなど）。リード生成システムは、リードのリストをクラスタリングシステム１３４０４に提供してもよい。クラスタリングシステムは、リードのプロファイルを施設属性のクラスタ１３４０６とクラスタリングして、１つ以上のクラスタを識別する。実施形態では、クラスタリングシステムは、リードのリスト１３４１０を返す。他の実施形態では、クラスタリングシステムは、クラスタ１３４０８を返し、リード生成システムは、見込み客が属するクラスタからリードのリスト１３４１０を選択する。

図１３５は、リード生成システムが、リードのリストにおいて識別されるリードのための施設出力を決定する態様を示す。実施形態において、リード生成システムは、それぞれのリードのリード識別子をＡＩシステムに提供する（ステップ１３５０２）。そして、ＡＩシステムは、リードのリード属性と施設の施設属性とを取得し、それぞれの属性を予測モデルに投入してもよい（ステップ１３５０４）。予測モデルは、可能性のある各結果に関連付けられたスコア、またはそれぞれのスコアに基づいて選択された単一の予測された結果（例えば、最も高いスコアを有する結果）であってもよい予測値を出力する（ステップ１３５０６）。リード生成システムは、リードリスト内の各リードについてこのように反復してもよい。例えば、リード生成システムは、計算能力、エネルギー能力、予測及び予想、最適化結果、及びその他の消費者であるリードを生成してもよい。

実施形態において、リード生成システムは、リードを分類し（ステップ１３５０８）、リードリストを生成し（ステップ１３５１２）、それは、例えば、リードが、複雑な多変数市場の動作を予測するため、または暗号通貨を採掘するためなどのコンピューティングリソースの集中ユーザーであるというような、施設オペレータまたはシステムのホストに提供し得る理由についての指標を含む。より多くのリードが記憶され、及び／又は分類される実施形態では、リード生成システムは、リードリストのチェックを継続する（ステップ１３５１０）。

コンテンツ生成システム。

実施形態において、プラットフォームのコンテンツ生成システムは、電子メール、テキストメッセージ、又はネットワークへの投稿などの接触イベント、又はＡＰＩ又はピアツーピアシステムを介して通信するなどのマシンツーマシンメッセージのためのコンテンツを生成する。実施形態において、コンテンツは、施設の属性、受信者の属性（例えば、人のプロファイル、人の役割などに基づく）、及び／又は施設が関連するプロジェクト若しくは活動に関連して、人工知能を使用してカスタマイズされる。コンテンツ生成システムは、テンプレートのセットで種付けされてもよく、それは、人間のライターによって作成されたデータのトレーニングセットでコンテンツ生成システムを訓練することなどによってカスタマイズされてもよく、プラットフォームによって追跡された成果、例えば、施設に対する寄付を生み出す際の特定の形態のコミュニケーションの成功を示す成果、ならびに本開示を通じて指摘する他の指標に基づくフィードバックによってさらに訓練され得る。コンテンツ生成システムは、施設、プロジェクト、及び／又は１人以上の人々の属性等に基づいてコンテンツをカスタマイズしてもよい。例えば、施設管理者は、コード、略語、専門用語を含む施設運営に関連するイベントに関する短いメッセージを受信してもよく、施設からのアウトプットの外部の消費者は、同じイベントに関連するより正式なレポートを受信してもよい。

図１３６は、コンテンツ生成システムがパーソナライズされたコンテンツを生成し得る態様を示す図である。コンテンツ生成システムは、受信者ＩＤ、送信者ＩＤ（とりわけ、人またはシステムであってもよい）、および施設ＩＤを受信する（ステップ１３６０２）。コンテンツ生成システムは、受信者、送信者、及び施設の間の関係に基づいて、及び／又は他の考慮事項（例えば、忙しい管理者である受信者は、あまり正式ではないメッセージ又はより正式なメッセージに応答する傾向がある）に基づいて、使用すべき適切なテンプレートを決定してよい（ステップ１３６０４）。コンテンツ生成システムは、テンプレート（又はその識別子）を、受信者ＩＤ、送信者ＩＤ、及び施設ＩＤと共に、自然言語生成システムに提供してもよい。自然言語生成システムは、施設ＩＤに基づいて施設属性を取得し、受信者又は送信者のＩＤに基づいて、受信者又は送信者に対応する人物属性を取得してもよい（ステップ１３６０６）。次いで、自然言語生成システムは、選択されたテンプレート、施設パラメータ、及び／又は本明細書に記載される様々な種類の他の属性に基づいて、パーソナライズ又はカスタマイズされたコンテンツを生成してよい（ステップ１３６０８）。自然言語生成システムは、生成されたコンテンツをコンテンツ生成システムに出力してもよい（ステップ１３６１０）。

実施形態において、施設管理者などの人は、コンテンツ生成システムによって提供された生成コンテンツを承認し、及び／又は生成コンテンツに対して編集を行い、その後、電子メール及び／又は他のチャネルを介してなど、コンテンツを送信することができる。実施形態において、プラットフォームは、接触イベントを追跡する。

図１３７を参照すると、適応型知能システム１３７０４は、人工知能システム１３７４８と、デジタルツインシステム１３７２０と、適応型デバイス（またはエッジ）知能システム１３７３０とを含んでもよい。人工知能システム１３７４８は、取引実体の１つ以上のデータ処理、データ分析、シミュレーション作成、及びシミュレーション分析に関連する分析、シミュレーション、意思決定、及び予測作成を行うための機械学習モデル１３７０２を定義してもよい。機械学習モデル１３７０２は、明示的な命令を使用せずに特定のタスクを実行し、代わりにパターン及び推論に依存するアルゴリズム及び／又は統計モデルである。機械学習モデル１３７０２は、特定のタスクを実行するように明示的にプログラムされることなく、予測及び／又は決定を行うために、トレーニングデータに基づいて１つ又は複数の数学的モデルを構築する。機械学習モデル１３７０２は、データ収集システム１３７１８及び監視システム１３７０６及び接続設備１３７１６を通じて取引実体の１つ以上に関連するイベントデータ１３７２４及び状態データ１３７７２を含むセンサデータの入力を学習データとして受信してもよい。イベントデータ１３７２４及び状態データ１３７７２は、データ記憶システム１３７１０に記憶されてもよい機械学習モデル１３７０２に入力されたセンサデータは、機械学習モデル１３７０２を訓練して、取引実体の１つ以上のデータ処理、データ分析、シミュレーション作成、及びシミュレーション分析に関する分析、シミュレーション、意思決定、及び予測作成を実行するために使用されてもよい。また、機械学習モデル１３７０２は、情報技術システムのユーザー又はユーザーからの入力データを使用してもよい。機械学習モデル１３７０２は、人工ニューラルネットワーク、決定木、サポートベクターマシン、ベイジアンネットワーク、遺伝的アルゴリズム、機械学習モデルの任意の他の適切な形態、又はそれらの組合せを含んでもよい。機械学習モデル１３７０２は、教師あり学習、教師なし学習、強化学習、自己学習、特徴学習、スパース辞書学習、異常検出、関連ルール、それらの組み合わせ、または学習のための任意の他の適切なアルゴリズムを通じて学習するように構成されてもよい。

人工知能システム１３７４８はまた、デジタルツインシステム１３７２０を定義して、１つ又は複数の取引実体のデジタルレプリカを作成してもよい。取引実体の１つ以上のデジタルレプリカは、取引実体の実質的にリアルタイムの仮想表現を提供するために実質的にリアルタイムのセンサデータを使用してもよく、１つ以上の取引実体の１つ以上の可能な将来の状態のシミュレーションを提供する。デジタルレプリカは、複製される１つ又は複数のトランザクションエンティティと共に同時に存在する。デジタルレプリカは、複製される１つ又は複数の取引主体のライフスタイルを通して、実施形態では、複製される１つ又は複数の取引主体の物理的要素及び特性並びにそのダイナミクスの両方について、１つ又は複数のシミュレーションを提供する。デジタルレプリカは、例えば、１つ又は複数の取引実体が建設又は製造される前の設計段階において、又は１つ又は複数の取引実体の建設又は製造の間又は後に、センサデータの仮想的な外挿を可能にして１つ又は複数の取引実体の状態をシミュレートすることにより、当該取引実体の仮想的なシミュレーションを提供し得る。例えば、高応力時、構成部品の摩耗が問題となり得る期間が経過した後、最大スループット動作時、１つ以上の仮想的又は計画的な改良が１つ以上の取引エンティティに対して行われた後、又は任意の他の適切な仮想的な状況などである。いくつかの実施形態では、機械学習モデル１３７０２は、１つ以上のトランザクションエンティティに対する可能な改善を予測すること、１つ以上のトランザクションエンティティの１つ以上のコンポーネントがいつ故障するかも予測すること、及び／又はタイミング設定、配置、コンポーネント、又はトランザクションエンティティに対する任意の他の適切な変更の変更など、１つ以上のトランザクションエンティティに対する可能な改善点を提案するなど、デジタルレプリカによるシミュレーションのための仮想状況を自動的に予測してもよい。デジタルレプリカは、１つ又は複数の取引主体の設計及び動作の両段階における１つ又は複数の取引主体のシミュレーション、並びに１つ又は複数の取引主体の仮想的な動作条件及び構成のシミュレーションを可能にする。デジタルレプリカは、１つ以上の取引実体の各構成要素の中、上、及び周囲だけでなく、いくつかの実施形態では１つ以上の取引実体内の温度、摩耗、光、振動等を含むほぼあらゆるタイプのメトリックの観察及び測定を容易にすることにより、１つ以上の取引実体の計り知れない分析及びシミュレーションを可能にする。いくつかの実施形態において、機械学習モデル１３７０２は、イベントデータ１３７２４及び状態データ１３７７２を含むセンサデータを処理して、デジタルツインシステム１３７２０によって使用するためのシミュレーションデータを定義してもよい。機械学習モデル１３７０２は、例えば、複数の取引実体のうちの特定の取引実体に関連する状態データ１３７７２及びイベントデータ１３７２４を受信し、状態データ１３７７２及びイベントデータ１３７２４に対して一連の演算を実行して、取引実体のデジタルレプリカの作成におけるデジタルツインシステム１３７２０による使用に適したフォーマットに状態データ１３７７２及びイベントデータ１３７２４をフォーマットしてもよい。例えば、１つ以上の取引実体は、隣接する組立ライン上の製品を補強するように構成されたロボットを含んでもよい。機械学習モデル１３７０２は、ロボットの上、近く、中、及び／又は周りに配置された１つ又は複数のセンサからデータを収集してもよい。機械学習モデル１３７０２は、センサデータに対する演算を実行して、センサデータをシミュレーションデータに処理し、シミュレーションデータをデジタルツインシステム１３７２０に出力してもよい。デジタルツインシステム１３７２０のシミュレーションは、シミュレーションデータを使用してロボットの１つ以上のデジタル複製を作成してもよく、シミュレーションは、例えば、ロボット及びその構成要素の温度、摩耗、速度、回転、及び振動を含む測定基準を含む。シミュレーションは、実質的にリアルタイムのシミュレーションであってもよく、情報技術の人間のユーザーが、ロボットのシミュレーション、それに関連する測定基準、及びその構成要素に関連する測定基準を実質的にリアルタイムで見ることができるようにする。シミュレーションは、予測的又は仮想的な状況であってもよく、情報技術の人間のユーザーが、ロボット、それに関連する測定基準、及びその構成要素に関連する測定基準の予測的又は仮想的なシミュレーションを見ることができるようにする。

いくつかの実施形態において、機械学習モデル１３７０２及びデジタルツインシステム１３７２０は、センサデータを処理し、複数の取引主体の集合のデジタルレプリカを作成して、取引主体の関連グループの設計、リアルタイムシミュレーション、予測シミュレーション、及び／又は仮想シミュレーションを促進してもよい。取引主体のデジタルレプリカは、取引主体の集合の実質的にリアルタイムの仮想表現を提供し、取引主体の集合の１つ以上の可能な将来の状態のシミュレーションを提供するために、実質的にリアルタイムのセンサデータを使用することができる。デジタルレプリカは、複製される取引主体の集合と同時に存在する。デジタルレプリカは、複製される取引主体のセットのライフスタイル全体を通して、実施形態では、複製される取引主体のセットの物理的要素及び特性並びにそのダイナミクスの両方の１つ又は複数のシミュレーションを提供する。つ以上のシミュレーションは、モニタ上で見ることができ、拡張現実（ＡＲ）装置を使用し、又は仮想現実（ＶＲ）装置を使用することができる１つ以上の取引実体のワイヤフレーム仮想表現などの、視覚的シミュレーションを含んでもよい。視覚的シミュレーションは、情報技術システムの人間のユーザーによって操作可能であってもよく、例えば、シミュレーションの構成要素をズームしたりハイライトしたり、及び／又は１つ又は複数の取引実体の分解図を提供したりすることが可能である。デジタルレプリカは、例えば、１つ以上の取引主体が建設又は製造される前の設計段階において、又は１つ以上の取引主体の建設又は製造の間若しくは後に、センサデータの仮想的な外挿を可能にして、１つの取引主体のセットの状態を模擬する仮想的なシミュレーションを提供してもよい。例えば、高応力時、構成部品の摩耗が問題となり得る期間経過後、最大スループット動作時、１つ以上の仮想的又は計画的な改良が取引主体の集合に対して行われた後、又は任意の他の適切な仮想的状況などである。いくつかの実施形態では、機械学習モデル１３７０２は、トランザクションエンティティのセットに対する可能な改善を予測すること、トランザクションエンティティのセットの１つまたは複数のコンポーネントがいつ故障するかも予測すること、および／またはトランザクションエンティティに対するタイミング設定、配置、コンポーネント、または任意の他の適切な変更の変更などの可能な改善点を提案するなど、デジタルレプリカによるシミュレーションのための仮想状況を自動的に予測し得る。デジタルレプリカは、トランザクションエンティティのセットの設計と動作の両方の段階におけるトランザクションエンティティのセットのシミュレーション、およびトランザクションエンティティのセットの仮想的な動作条件と構成のシミュレーションを可能にする。デジタルレプリカは、温度、摩耗、光、振動などを含むほぼあらゆるタイプのメトリックの観察及び測定を容易にすることによって、１つ又は複数の取引実体の計り知れない分析及びシミュレーションを、取引実体のセットの各構成要素の中、上、及び周囲だけでなく、いくつかの実施形態では取引実体のセット内において可能にする。いくつかの実施形態では、機械学習モデル１３７０２は、イベントデータ１３７２４及び状態データ１３７７２を含むセンサデータを処理して、デジタルツインシステム１３７２０によって使用するためのシミュレーションデータを定義してもよい。機械学習モデル１３７０２は、例えば、複数の取引エンティティのうちの特定の取引エンティティに関連する状態データ１３７７２及びイベントデータ１３７２４を受信し、状態データ１３７７２及びイベントデータ１３７２４に対して一連の演算を実行して、状態データ１３７７２及びイベントデータ１３７２４を取引エンティティのセットのデジタルレプリカの作成におけるデジタルツインシステム１３７２０の使用に適したフォーマットにフォーマットしてもよい。例えば、一組の取引エンティティは、製品をコンベヤベルトに載せるように構成されたダイマシン、ダイマシンが製品を載せるように構成されたコンベヤベルト、及び製品が組立ラインに沿って移動する際に製品に部品を追加するように構成された複数のロボットを含んでもよい。機械学習モデル１３７０２は、ダイマシン、コンベヤベルト、及び複数のロボットのそれぞれ上、近く、中、及び／又は周りに配置された１つ又は複数のセンサからデータを収集してもよい。機械学習モデル１３７０２は、センサデータに対する演算を実行して、センサデータをシミュレーションデータに加工し、シミュレーションデータをデジタルツインシステム１３７２０に出力してもよい。デジタルツインシステム１３７２０のシミュレーションは、シミュレーションデータを使用して、ダイマシン、コンベヤベルト、及び複数のロボットの１つ又は複数のデジタル複製を作成してもよく、シミュレーションは、例えば、ダイマシン、コンベヤベルト、及び複数のロボットとその構成要素の温度、摩耗、速度、回転、及び振動を含む測定基準を含んでいる。シミュレーションは、実質的にリアルタイムのシミュレーションであってよく、情報技術の人間のユーザーが、ダイマシン、コンベヤベルト、及び複数のロボットのシミュレーション、それに関する測定基準、並びにそれらの構成要素に関する測定基準を実質的にリアルタイムで見ることができるようにする。シミュレーションは、予測的又は仮想的な状況であってもよく、情報技術の人間のユーザーが、ダイマシン、コンベヤベルト、及び複数のロボットの予測的又は仮想的なシミュレーション、それに関する測定基準、並びにそれらの構成要素に関連する測定基準を見ることができるようにする。

いくつかの実施形態では、機械学習モデル１３７０２は、取引実体の１つ以上のデジタルレプリカシミュレーションで使用するためのセンサデータの収集に優先順位を付けてもよい。機械学習モデル１３７０２は、センサデータ及びユーザー入力を使用して学習し、それによって、どのタイプのセンサデータが取引実体の１つ以上のデジタルレプリカシミュレーションの作成に最も効果的であるかを学習してもよい。例えば、機械学習モデル１３７０２は、特定のトランザクションエンティティが、温度、湿度、及び負荷によって影響を受けるコンポーネントの摩耗及びスループットなどの動的特性を有することを見出してもよい。機械学習モデル１３７０２は、機械学習を通じて、温度、湿度、及び負荷に関連するセンサデータの収集を優先してもよく、優先されたタイプのセンサデータをデジタルツインシステム１３７２０に出力するためのシミュレーションデータへ処理することを優先してもよい。いくつかの実施形態では、機械学習モデル１３７０２は、優先されたタイプのより多くの及び／又はより良いデータがそのデジタルレプリカを介して取引実体のシミュレーションに使用され得るように、シミュレーションされている取引実体の近く及び周囲の情報技術に優先されたタイプのより多くの及び／又は異なるセンサを実装することを情報技術システムのユーザーに提案してもよい。

いくつかの実施形態では、機械学習モデル１３７０２は、モデリング目標及びセンサデータの品質又は種類の一方又は両方に基づいて、どの種類のセンサデータをデジタルツインシステム１３７２０に送信するためのシミュレーションデータに処理するかを決定するように学習するように構成されてもよい。モデリング目標は、情報技術システムのユーザーによって設定された目的であってもよいし、機械学習モデル１３７０２によって予測または学習されてもよい。モデリング目標の例は、組立ライン上のスループットのダイナミクスを示すことができるデジタルレプリカの作成を含み、これは、例えば、コンベヤベルト、組立機械、１つ又は複数の製品、及び取引エコシステムの他の構成要素の熱、電力、構成要素の摩耗、及び他の測定基準の収集、シミュレーション、及びモデリングを含んでもよい。機械学習モデル１３７１０２は、そのようなモデルを実現するために、どのタイプのセンサデータがデジタルツインシステム１３７２０に送信するためのシミュレーションデータに処理される必要があるかを決定するために学習するように構成されてもよい。いくつかの実施形態では、機械学習モデル１３７０２は、どのタイプのセンサデータが収集されているか、収集されているセンサデータの質及び量、並びに収集されているセンサデータが何を表しているかを分析してもよく、どのタイプのセンサデータがモデリング目標の達成に関連するか及び／又は関連しないかに関連する決定、予測、分析、及び／又は決定を行い、モデリング目標の達成においてデジタルツインシステム１３７２０が使用するためにシミュレーションデータへと加工されているセンサデータの質及び量を優先し、向上し及び／又は達成するために決定、予測、分析及び／又は決定を行ってもよい。

いくつかの実施形態において、情報技術システムのユーザーは、モデリング目標を機械学習モデル１３７０２に入力してもよい。機械学習モデル１３７０２は、学習データを分析して、どのタイプのセンサデータがモデリング目標の達成に最も関連するかに関する情報技術システムのユーザーへの提案を出力するように学習してもよく、例えば、中、上、又は近くに位置付けられた１又は複数のタイプのセンサのように、モデリング目標の達成に関連する。又は、モデリング目標の達成に関連する取引エンティティ又は複数の取引エンティティの近傍が、モデリング目標の達成に十分である及び／又は十分でないこと、並びに、センサを追加、除去、又は再配置するなど、センサのタイプの異なる構成が、機械学習モデル１３７０２及びデジタルツインシステム１３７２０によるモデリング目標の達成をより促進し得る方法に関する提案を、情報技術システムに出力する。いくつかの実施形態では、機械学習モデル１３７０２は、モデリング目標を達成するため又はより良く達成するために、収集レート、処理、ストレージ、サンプリングレート、帯域幅割り当て、ビットレート、及びセンサデータ収集の他の属性を自動的に増加又は減少させてもよい。いくつかの実施形態では、機械学習モデル１３７０２は、モデリング目標を達成するため、またはより良く達成するために、収集率、処理、ストレージ、サンプリング率、帯域幅割り当て、ビットレート、およびセンサデータ収集の他の属性を増減させることに関連する提案または予測を情報技術システムのユーザーに行ってもよい。いくつかの実施形態では、機械学習モデル１３７０２は、複数の取引エンティティのうちの１つ以上の取引エンティティのセンサデータ、シミュレーションデータ、以前、現在、及び／又は将来のデジタルレプリカシミュレーションを使用して、モデリング目標を自動的に作成及び／又は提案し得る。いくつかの実施形態では、機械学習モデル１３７０２によって自動的に作成されたモデリング目標は、機械学習モデル１３７０２によって自動的に実装されてもよい。いくつかの実施形態では、機械学習モデル１３７０２によって自動的に作成されたモデリング目標は、情報技術システムのユーザーに提案され、ユーザーによって提案されたモデリング目標に対して修正がなされた後など、ユーザーによる受け入れ及び／又は部分的な受け入れ後にのみ実行されてもよい。

いくつかの実施形態では、ユーザーは、例えば、情報技術システムに１つ又は複数のモデリングコマンドを入力することにより、１つ又は複数のモデリング目標を入力してもよい。つ以上のモデリングコマンドは、例えば、機械学習モデル１３７０２及びデジタルツインシステム１３７２０が１つの取引エンティティ又は取引エンティティのセットのデジタルレプリカシミュレーションを作成するためのコマンドを含んでもよく、デジタルレプリカシミュレーションがリアルタイムシミュレーション、及び仮説的シミュレーションの１以上であるためのコマンドを含んでもよい。モデリングコマンドはまた、例えば、どのような種類のセンサデータを使用すべきか、センサデータのサンプリングレート、及び１つ以上のデジタルレプリカシミュレーションで使用されるセンサデータの他のパラメータを含んでもよい。いくつかの実施形態では、機械学習モデル１３７０２は、学習データとして以前のモデリングコマンドを使用することなどにより、モデリングコマンドを予測するように構成されてもよい。機械学習モデル１３７０２は、例えば、取引実体の管理に有用であり得る取引実体の１つ又は複数のシミュレーションを容易にするため、及び／又はユーザーが取引実体の潜在的問題又は可能な改善を容易に特定できるように、予測モデリングコマンドを情報技術システムのユーザーに対して提案してもよい。図１３７のシステムは、トランザクション管理プラットフォーム及びアプリケーションを含んでもよい。

いくつかの実施形態では、機械学習モデル１３７０２は、取引主体の１つ又は複数の仮想シミュレーションのセットを評価するように構成されてもよい。仮想シミュレーションのセットは、機械学習モデル１３７０２及びデジタルツインシステム１３７２０によって、１つ又は複数のモデリングコマンドの結果として、１つ又は複数のモデリング目標、１つ又は複数のモデリングコマンド、機械学習モデル１３７０２による予測によって、又はそれらの組み合わせによって作成されてもよい。機械学習モデル１３７０２は、ユーザーによって定義された１つ以上のメトリック、機械学習モデル１３７０２によって定義された１つ以上のメトリック、又はそれらの組み合わせに基づいて、仮想シミュレーションの集合を評価してもよい。いくつかの実施形態では、機械学習モデル１３７０２は、仮想シミュレーションのセットの仮想シミュレーションの各々を互いに独立して評価してもよい。いくつかの実施形態では、機械学習モデル１３７０２は、例えば、１つ又は複数の測定基準に基づいて仮想シミュレーションをランク付けするか又は仮想シミュレーションの階層を作成することによって、仮想シミュレーションのセットの仮想シミュレーションの１つ又は複数を互いに関連して評価してもよい。

いくつかの実施形態では、機械学習モデル１３７０２は、機械学習モデル１３７０２の出力、ならびに機械学習モデル１３７０２の認知およびプロセスに関連する情報および洞察の人間理解を促進するための１つまたは複数のモデル解釈可能性システム、すなわち、モデル解釈可能性システムを含んでもよい。は、機械学習モデル１３７０２が「何を」出力しているかだけでなく、機械学習モデル１３７０２が「なぜ」その出力を出力しているか、及び機械学習モデル１３７０２がその出力を策定するようになったプロセスが何であるかを人間が理解することを可能にする１つ又は複数のモデルインタープリタビリティシステムである。つ以上のモデル解釈可能性システムはまた、機械学習モデル１３７０２の訓練を改善及び指導するため、機械学習モデル１３７０２のデバッグを助けるため、機械学習モデル１３７０２におけるバイアスの認識を助けるために、人間のユーザーによって使用され得る。つ以上のモデル解釈可能システムは、線形回帰、ロジスティック回帰、一般化線形モデル（ＧＬＭ）、一般化加法モデル（ＧＡＭ）、決定木、決定規則、ルールフィット、ナイーブベイズクラシファイアのうちの１つ以上を含んでもよい。Ｋ－最近傍アルゴリズム、部分依存プロット、個別条件付き期待値（ＩＣＥ）、累積局所効果（ＡＬＥ）プロット、特徴相互作用、順列特徴重要度、グローバルサロゲートモデル、ローカルサロゲート（ＬＩＭＥ）モデル、スコープ付きルール、すなわち、「局所効果（ＡＬＥ）」プロット、「局所効果（ＡＬＥ）」プロット。例えば、アンカー、シャプレー値、シャプレー加法説明（ＰＳＨＡ）、特徴可視化、ネットワーク解剖、または任意の他の適切な機械学習解釈可能性実装を含む。いくつかの実施形態において、１つ以上のモデル解釈可能性システムは、モデルデータセット可視化システムを含んでもよい。モデルデータセット視覚化システムは、機械学習モデル１３７０２のセンサデータ、シミュレーションデータ、及びデータノードの値の分布に関連する視覚分析を、情報技術システムの人間ユーザーに自動的に提供するように構成される。

いくつかの実施形態では、機械学習モデル１３７０２は、ベイジアンケースモデル（ＢＣＭ）又はグラスボックスなどの組み込みモデル解釈可能システムを含み、及び／又は実装してもよい。ベイズケースモデルは、ベイズケースベース推論、プロトタイプ分類、及びクラスタリングを使用して、機械学習モデル１３７０２のセンサデータ、シミュレーションデータ、及びデータノードなどのデータの人間の理解を容易にする。いくつかの実施形態では、モデル解釈可能性システムは、機械学習モデル１３７０２のセンサデータ、シミュレーションデータ、及びデータノードなどのデータの人間理解を容易にするために、ガウスプロセスなどのグラスボックス解釈可能性メソッドを含み、及び／又は実装してもよい。

いくつかの実施形態では、機械学習モデル１３７０２は、概念活性化ベクトル（ＴＣＡＶ）を用いたテストを含み、及び／又は実装してもよい。ＴＣＡＶは、機械学習モデル１３７０２が、概念の定義、概念活性化ベクトルの決定、及び方向微分の計算を含むプロセスによって、例から「走る」、「走らない」、「動力付き」、「動力無し」、「ロボット」、「人間」、「トラック」、又は「船」といった人間解釈可能な概念を学習することを可能にする。ＴＣＡＶは、人間が解釈可能な概念、オブジェクト、状態などを学習することにより、機械学習モデル１３７０２が、情報技術システムの人間のユーザーが容易に理解できる形式で、取引エンティティ及びそこから収集されたデータに関連する有用な情報を出力することを可能にし得る。

いくつかの実施形態では、機械学習モデル１３７０２は、人工ニューラルネットワーク、例えば、例を考慮することによって、かつタスク固有の規則で明示的にプログラムされることなくタスクを実行するように「学習」するように構成されたコネクショニストシステムであってもよく、及び／又はこれを含んでもよい。機械学習モデル１３７０２は、いくつかの方法で生物学的脳内のニューロンをエミュレートし得る人工ニューロンのように動作し得る接続されたユニット及び／又はノードの集合体に基づいてもよい。ユニット及び／又はノードはそれぞれ、他のユニット及び／又はノードへの１つ又は複数の接続を有していてもよい。ユニット及び／又はノードは、情報、例えば１つ又は複数の信号を他のユニット及び／又はノードに送信し、他のユニット及び／又はノードから受信した信号を処理し、処理した信号を他のユニット及び／又はノードに転送するように構成されていてもよい。ユニット及び／又はノードとその間の接続の１つ以上は、１つ以上の数値的な「重み」が割り当てられていてもよい。割り当てられた重みは、機械学習モデル１３７０２の学習、すなわち、訓練を容易にするように構成されてもよい。割り当てられた重みは、１つ又は複数のユニット及び／又はノード間の１つ又は複数の信号を増加及び／又は減少させてもよく、いくつかの実施形態では、重みのうちの１つ又は複数に関連する１つ又は複数の閾値を有してもよい。つ又は複数の閾値は、信号及び／又は集合信号が閾値を越えた場合にのみ、１つ又は複数のユニット及び／又はノード間で信号が送信されるように構成されてもよい。いくつかの実施形態では、ユニット及び／又はノードは、複数の層に割り当てられてもよく、層の各々は、入力及び出力の一方又は両方を有する。第１の層は、トレーニングデータを受信し、トレーニングデータの少なくとも一部を変換し、トレーニングデータ及びその変換に関連する信号を第２の層に送信するように構成されてもよい。最終層は、機械学習モデル１３７０２による１つ以上の入力の処理の推定、結論、製品、または他の結果を出力するように構成されてもよい。層の各々は、１つ又は複数のタイプの変換を実行してもよく、１つ又は複数の信号は、層の１つ又は複数を１回又は複数回通過してもよい。いくつかの実施形態では、機械学習モデル１３７０２は、深層学習を採用し、１つ以上の隠れ層を含むように構成されることによって、深層ニューラルネットワーク、深層信念ネットワーク、再帰ニューラルネットワーク、及び／又は畳み込みニューラルネットワークとして、少なくとも部分的にモデル化及び／又は構成され得る。

いくつかの実施形態では、機械学習モデル１３７０２は、決定木、例えば、入力に基づいて１つ又は複数の観測を識別し、１つ又は複数の結論を決定するように構成された木ベースの予測モデルであってもよく、及び／又はこれを含む。観測結果は、決定木の１つ又は複数の「枝」としてモデル化されてもよく、結論は、決定木の１つ又は複数の「葉」としてモデル化されてもよい。いくつかの実施形態では、決定木は分類木であってもよい。分類木は、１つ以上のクラスラベルを表す１つ以上の葉と、クラスラベルを導くように構成された特徴の１つ以上の接続を表す１つ以上の枝とを含んでもよい。いくつかの実施形態では、決定木は回帰木であってもよい。回帰木は、１つ又は複数のターゲット変数が連続値をとるように構成されてもよい。

いくつかの実施形態では、機械学習モデル１３７０２は、サポートベクターマシン、例えば、データの分類及び回帰ベースのモデリングの一方又は両方において使用するように構成された関連する教師あり学習方法のセットであってもよく、及び／又はそれを含んでもよい。サポートベクターマシンは、新しい例が１つ以上のカテゴリに入るかどうかを予測するように構成されてもよく、１つ以上のカテゴリは、サポートベクターマシンのトレーニング中に構成される。

いくつかの実施形態では、機械学習モデル１３７０２は、１つ又は複数の入力と１つ又は複数の入力の１つ又は複数の特徴との間の関係を決定及び／又は推定するために回帰分析を実行するように構成されてもよい。回帰分析は、線形回帰を含んでもよく、機械学習モデル１３７０２は、１つ又は複数の数学的基準に従って入力データに最も適合する単一の直線を計算してもよい。

実施形態において、機械学習モデル１３７０２（回帰モデル、ベイジアンネットワーク、教師ありモデル、または他のタイプのモデルなど）への入力は、モデル１３７０２の精度に対する様々な入力の影響をテストするために、機械学習モデルの作成および／または訓練に使用されたデータセットから独立しているテストデータのセットを使用するなどして、テストされてもよい。例えば、回帰モデルへの入力は、入力の不在がモデル１３７０２の成功の重大な劣化を生じさせるかどうかを判断するために、単一の入力、入力の組、三つ組などを含めて除去されてもよい。これは、実際に相関している（例えば、同じ基礎データの線形結合である）入力、重複している入力、または同様の入力の認識を支援することができる。モデルの成功の比較は、モデルにおいて最も少ない「ノイズ」を生成する入力（いくつかの類似のものの中から）を識別する、最も低いコストでモデルの有効性に最も影響を与える、などのように、同様の情報を提供する代替入力データセットの中から選択するのに役立つ場合がある。したがって、入力変動および入力変動のモデル有効性への影響のテストは、本開示を通じて説明される機械学習システムのいずれに対しても、モデル性能を刈り込みまたは強化するために使用され得る。

いくつかの実施形態では、機械学習モデル１３７０２は、ベイジアンネットワークであってもよく、及び／又はベイジアンネットワークを含んでもよい。ベイジアンネットワークは、確率変数の集合及び確率変数の集合の条件付き独立性を表すように構成された確率的グラフィカルモデルであってよい。ベイジアンネットワークは、有向無サイクルグラフを介して、確率変数及び条件付き独立性を表現するように構成されてもよい。ベイジアンネットワークは、ダイナミックベイジアンネットワークとインフルエンスダイアグラムの一方または両方を含んでもよい。

いくつかの実施形態では、機械学習モデル１３７０２は、教師あり学習、すなわち、１つ又は複数の入力及び所望の出力を含む訓練データのセットの数学的モデルを構築するように構成された１つ又は複数のアルゴリズムを介して定義されてもよい。訓練データは、訓練例のセットから構成されてもよく、訓練例の各々は、１つ又は複数の入力及び所望の出力、すなわち、監督信号を有する。訓練例の各々は、機械学習モデル１３７０２において、配列及び／又はベクトル、すなわち、特徴ベクトルによって表されてもよい。学習データは、機械学習モデル１３７０２において、行列によって表されてもよい。機械学習モデル１３７０２は、目的関数の反復最適化を介して１つ又は複数の関数を学習し、それによって、新しい入力に関連する出力を予測するように学習してもよい。最適化されると、目的関数は、機械学習モデル１３７０２に、学習データに含まれる入力以外の入力に対する出力を正確に決定する能力を提供してもよい。いくつかの実施形態では、機械学習モデル１３７０２は、能動学習、統計的分類、回帰分析、及び類似性学習などの１つ又は複数の教師あり学習アルゴリズムを介して定義されてもよい。能動学習は、機械学習モデル１３７０２によって、ユーザー及び／又は情報源に対話的に問い合わせ、所望の出力で新しいデータ点をラベル付けすることを含んでもよい。統計的分類は、機械学習モデル１３７０２によって、既知のカテゴリを有する観測値を含むデータのトレーニングセットに基づいて、新しい観測値がサブカテゴリのセット、すなわちサブポピュレーション、のいずれに属するかを識別することを含んでもよい。回帰分析は、機械学習モデル１３７０２によって、従属変数、すなわち結果変数と、１つ以上の独立変数、すなわち予測因子、共変量、及び／又は特徴との間の関係を推定することを含んでもよい。類似性学習は、機械学習モデル１３７０２によって、類似性関数を用いて例から学習することを含み得、類似性関数は、２つのオブジェクトがどの程度類似しているか又は関連しているかを測定するように設計されている。

いくつかの実施形態では、機械学習モデル１３７０２は、教師なし学習、すなわち、データ点のグループ化またはクラスタリングなどのデータ内の構造を見つけることによって、入力のみを含むデータセットの数学モデルを構築するように構成された１つまたは複数のアルゴリズムを介して定義されてもよい。いくつかの実施形態では、機械学習モデル１３７０２は、ラベル付け、分類、又は分類されていないテストデータ、すなわち、学習データから学習してもよい。教師なし学習アルゴリズムは、機械学習モデル１３７０２によって、訓練データにおける共通性を識別することと、新たなデータにおける識別された共通性の存在又は不在に基づいて反応することによって学習することとを含んでもよい。いくつかの実施形態において、機械学習モデル１３７０２は、１つ又は複数の確率密度関数を生成してもよい。いくつかの実施形態では、機械学習モデル１３７０２は、内部コンパクト性、分離、推定密度、及び／又はグラフ接続性が要因である類似性メトリックに従うなど、１つ又は複数の予め指定された基準に従って、観測値のセットをサブセット、すなわちクラスタに割り当てるなど、クラスタ分析を行うことによって学習してもよい。

いくつかの実施形態では、機械学習モデル１３７０２は、半教師付き学習、すなわち、いくつかの訓練例が訓練ラベルを欠いていてもよい訓練データを使用する１つ以上のアルゴリズムを介して定義されてもよい。半教師付き学習は、弱教師付き学習であってよく、訓練ラベルは、ノイズが多く、限定的で、及び／又は不正確であってよい。ノイズの多い、限定された、及び／又は不正確な訓練ラベルは、生成するのがより安価であり、及び／又はより労力がかからない場合があり、したがって、機械学習モデル１３７０２は、より少ないコスト及び／又は労力でより大きな訓練データのセットで訓練することができる。

いくつかの実施形態において、機械学習モデル１３７０２は、機械学習モデル１３７０２が累積報酬を最大化するために環境において行動を起こすことによって訓練し得るような動的計画法を用いた１以上のアルゴリズムなどの強化学習を介して定義されてもよい。いくつかの実施形態では、学習データは、マルコフ決定過程として表される。

いくつかの実施形態では、機械学習モデル１３７０２は、自己学習を経由して定義されてもよく、機械学習モデル１３７０２は、クロスバー適応アレイ（ＣＡＡ）を採用することなどにより、外部報酬および外部教示がない訓練データを用いて訓練するように構成される。ＣＡＡは、結果状況についての行動及び／又は感情に関する決定をクロスバー方式で計算し、それによって、認知と感情との間の相互作用によって機械学習モデル１３７０２の教示を駆動してもよい。

いくつかの実施形態では、機械学習モデル１３７０２は、特徴学習、すなわち、学習中に提供される１つ又は複数の入力、例えば学習データのますます正確な及び／又は適性な表現を発見するように設計された１つ又は複数のアルゴリズムを介して定義されてもよい。特徴学習は、主成分分析及び／又はクラスタ分析を介した学習を含んでもよい。特徴学習アルゴリズムは、機械学習モデル１３７０２によって、入力訓練データを保存しつつ、変換された入力訓練データが有用であるように入力訓練データを変換する試みを含んでもよい。いくつかの実施形態では、機械学習モデル１３７０２は、入力訓練データの１つ以上の分類及び／又は予測を実行する前に、入力訓練データを変換するように構成されてもよい。したがって、機械学習モデル１３７０２は、分布に従った入力訓練データのありえない構成に必ずしも適合することなく、１つまたは複数の未知のデータ生成分布から入力訓練データを再構成するよう構成されてもよい。いくつかの実施形態において、特徴学習アルゴリズムは、機械学習モデル１３７０２によって、教師あり、教師なし、又は半教師ありの方法で実行されてもよい。

いくつかの実施形態では、機械学習モデル１３７０２は、異常検出を介して、すなわち、１つ以上の項目、事象及び／又は観測の希少及び／又は異常値のインスタンスを識別することによって、定義されてもよい。希少及び／又は異常値インスタンスは、インスタンスが学習データの大多数のパターン及び／又は特性と著しく異なることによって識別されてもよい。教師なし異常検出は、機械学習モデル１３７０２によって、学習データの大部分が「正常」であるという仮定の下で、ラベル付けされていない学習データセットにおける異常の検出を含んでもよい。教師あり異常検出は、訓練データの少なくとも一部が"正常"及び／又は"異常"としてラベル付けされているデータセットで訓練することを含んでもよい。

いくつかの実施形態では、機械学習モデル１３７０２は、ロボット学習を介して定義されてもよい。ロボット学習は、機械学習モデル１３７０２による、１つ以上のカリキュラムの生成、カリキュラムは学習経験のシーケンスであり、機械学習モデル１３７０２によって導かれる探索及び機械学習モデル１３７０２による人間との社会的相互作用を介して新しいスキルを累積的に獲得することを含んでもよい。新しいスキルの獲得は、能動学習、成熟、運動シナジー、及び／又は模倣などの１つ又は複数のガイダンスメカニズムによって促進されてもよい。

いくつかの実施形態では、機械学習モデル１３７０２は、アソシエーションルール学習を介して定義され得る。関連ルール学習は、"面白さ"のいくつかの尺度を用いて強いルールを識別するために、機械学習モデル１３７０２によって、データベース内の変数間の関係を発見することを含んでもよい。関連規則学習は、知識を記憶し、操作し、及び／又は適用するための規則を特定し、学習し、及び／又は進化させることを含んでもよい。機械学習モデル１３７０２は、関係ルールのセットを特定及び／又は利用することによって学習するように構成されてもよく、関係ルールは、機械学習モデル１３７０２によって捕捉された知識を集合的に表現する。関係ルール学習は、学習分類器システム、帰納論理プログラミング、及び人工免疫システムのうちの１つ又は複数を含んでもよい。学習分類器システムは、１つ以上の遺伝的アルゴリズムなどの発見コンポーネントと、教師あり学習、強化学習、又は教師なし学習のための１つ以上のアルゴリズムなどの学習コンポーネントとを組み合わせてもよいアルゴリズムである。帰納的論理プログラミングは、機械学習モデル１３７０２による、訓練中に機械学習モデル１３７０２によって決定された入力例、背景知識、及び仮説のうちの１つ以上を表現するための論理プログラミングを使用した、ルール学習を含んでもよい。機械学習モデル１３７０２は、既知の背景知識の符号化、及び事実の論理データベースとして表される例の集合を与えられた、全ての正の例を包含する仮説論理プログラムを導出するように構成されてもよい。

図１３８を参照すると、分散型台帳および暗号通貨を使用して人格権のライセンス供与を促進するコンプライアンスシステム１３８００が描かれている。本明細書で使用される場合、人格権は、商業目的のために彼、彼女、またはそのアイデンティティの使用を制御するエンティティの能力を指す場合がある。本明細書で使用される場合、エンティティという用語は、文脈が他に示唆しない限り、人格権のライセンスに同意する個人または組織（例えば、大学、学校、チーム、企業など）を指す場合がある。これには、実体がその名前、画像、肖像、音声などの使用を制御する能力を含む場合がある。例えば、個人が商業目的で人格権を行使することは、コマーシャル、テレビ番組、又は映画に出演すること、スポンサー付きソーシャルメディア投稿（例えば、インスタグラム投稿、ＦＡｃｅｂｏｏｋ投稿、Ｔｗｉｔｔｅｒ（登録商標）投稿等）を行うこと、衣服（例えば、ジャージ、Ｔシャツ、トレーナー等）又は他の物品に名前を表示すること、ビデオゲームに出演すること、又はそのようなことを含み得る。実施形態において、個人は、学生アスリート又はプロアスリートを指す場合があるが、他のクラスの個人を同様に含む場合がある。現在の説明ではＮＣＡＡを参照しているが、本システムは、他の個人及び組織に関する取引を監視及び促進するために使用されてもよい。例えば、本システムは、組織がスポンサーシップ及び他のライセンス契約を使用してサラリーキャップ又は他のリーグ規則（例えば、ＦＩＦＡフェアプレー規則）を回避することができる、プロスポーツの文脈で使用されてもよい。

実施形態では、コンプライアンスシステム１３８００は、エンティティの人格権のライセンス供与に関連するトランザクションを記録する１つ以上のデジタル台帳を維持する。実施形態において、デジタル台帳は、コンピューティングデバイス１３８７０、１３８８０、１３８９０のセット（ノードとも呼ばれる）の間で分散される分散型台帳であってもよく、および／または暗号化されてもよい。別の言い方をすれば、参加している各ノードは分散型台帳のコピーを保存してもよい。デジタル台帳の一例は、ブロックチェーン台帳である。いくつかの実施形態では、分散型台帳は、一組のパブリックノードにまたがって格納される。他の実施形態では、分散型台帳は、ホワイトリストされた参加者ノード（例えば、参加大学又はチームのサーバ上）の集合にまたがって格納される。いくつかの実施形態では、デジタル台帳は、コンプライアンスシステム１３８００によって私的に維持される。後者の構成は、デジタル台帳を維持するよりエネルギー効率の良い手段を提供し、前者の構成（例えば、分散型台帳）は、デジタル台帳を維持するより安全／検証可能な手段を提供する。

実施形態において、分散型台帳は、トークンを格納してもよい。トークンは、ライセンサー及びライセンシーに譲渡可能な暗号通貨トークンであってよい。いくつかの実施形態では、分散型台帳は、各トークンの所有権データを格納してもよい。トークン（またはその一部）は、コンプライアンスシステム、統括組織（例えば、ＮＣＡＡ）、ライセンサー、ライセンシー、チーム、機関、個人等によって所有されてもよい。実施形態において、分散型台帳は、イベントレコードを格納してもよい。イベントレコードは、コンプライアンスシステムに関与するエンティティに関連するイベントに関連する情報を格納してもよい。例えば、イベントレコードは、２つの当事者によって締結された契約、ライセンサーによる義務の完了、ライセンスからライセンサーへの資金の分配、ライセンサーによる義務の非完了、ライセンシーに関連するエンティティ（例えば、チームメイト、機関、チーム等）への資金の分配等を記録してもよい。

実施形態において、デジタル台帳は、ライセンサーとライセンシーとの間の契約を管理するスマートコントラクトを格納してもよい。本明細書で使用されるように、ライセンシーは、ライセンサーの人格権をライセンスする契約を締結することを望む組織又は個人であってよい。ライセンシーの例としては、スター学生アスリートを印刷広告に登場させたい自動車ディーラー、ライセンサー（例えば、アスリート及び／又はチーム）の肖像をコマーシャルに登場させたい企業、チーム名、チームアパレル、選手名及び／又は番号をビデオゲームに使用したいビデオゲームメーカー、アスリートにスニーカーのエンドースをしてもらいたい靴メーカー、アスリートにテレビ番組に登場してもらいたいテレビ番組制作者、又は同様のものが挙げられるが、これらに限定されるものではない。実施形態において、コンプライアンスシステム１３８００は、個人とライセンシーとの間の契約を記念するスマートコントラクトを生成し、個人が契約に定められた要件を履行したことに当事者が同意した場合に、対価（例えば、金銭）の授受を容易にする。例えば、スポーツ選手が地元の自動車ディーラーを代表してＣＭに出演することに同意するとします。この例におけるスマートコントラクトは、アスリートの識別子（例えば、個人ＩＤ及び／又は個人アカウントＩＤ）、組織の識別子（例えば、組織ＩＤ及び／又は組織アカウントＩＤ）、個人の要件（例えば、コマーシャルに出演すること、スポンサー付きソーシャルメディア投稿をすること、サイン会に出演すること、等）、及び対価（例えば、金銭額）、を含んでもよい。実施形態において、スマートコントラクトは、追加の条件を含んでもよい。実施形態において、追加の条件は、対価がアスリート及び１つ以上の他の当事者（例えば、エージェント、マネージャー、大学、チーム、チームメイト等）に配分される方法を定義する配分ルールを含んでもよい。例えば、学生アスリートの文脈では、スマートコントラクトは、ライセンスアスリート、学生アスリートの大学の運動部、及び学生アスリートのチームメイトの間の分割を定義してもよい。具体的な例では、大学は、任意の広告に出演する選手に対して、６０／２０／２０分割に従って資金を分割することを要求する方針を有していてもよく、それによって、資金の６０％がコマーシャルに出演する学生アスリートに割り当てられ、資金の２０％が競技部門に割り当てられ、資金の２０％が学生アスリートのチームメイトに割り当てられる。スマートコントラクトが、アスリートがスマートコントラクトに関する義務を遂行したこと（例えば、コマーシャルに出演したこと）を確認すると、スマートコントラクトは、ライセンシーの口座から、アスリートの口座及びスマートコントラクトにおいて資金の割合を割り当てられ得る他のエンティティ（例えば、運動部及びチームメイト）の口座に合意額を転送することができる。

実施形態では、コンプライアンスシステム１３８００は、資金移動を促進するために暗号通貨を利用する。実施形態では、暗号通貨は、参加者ノードによって採掘され、および／またはコンプライアンスシステムによって生成される。暗号通貨は、確立されたタイプの暗号通貨（例えば、ビットコイン、イーサリアム、ライトコインなど）であってもよいし、独自の暗号通貨であってもよい。いくつかの実施形態では、暗号通貨は、特定の不換紙幣（例えば、米ドル。英ポンド、ユーロなど）にペグされたペグされた暗号通貨である。例えば、暗号通貨の単一ユニット（「コイン」とも呼ばれる）は、不換紙幣の単一ユニット（例えば、米ドル）にペグ化されてもよい。実施形態において、ライセンシーは、不換紙幣を対応する量の暗号通貨と交換することができる。例えば、暗号通貨がドルにペッグされている場合、ライセンシーは、ドルの量を対応する量の暗号通貨と交換してもよい。実施形態において、コンプライアンスシステム１３８００は、取引手数料として現実世界の通貨のパーセンテージ（例えば、５％）を保持してもよい。例えば、１０，０００ドルを交換する際に、コンプライアンスシステム１３８００は、９，５００ドル分の暗号通貨をライセンシーの口座に分配してもよく、５，０００ドルを取引手数料として預かってもよい。暗号通貨がライセンシーの口座に入金されると、ライセンシーは個人との取引を開始することができる。

実施形態において、コンプライアンスシステム１３８００は、組織が、契約上の１つ以上の条件／制限を定義するスマートコントラクトテンプレートを作成することを可能にし得る。例えば、組織は、ライセンシー、組織、及び他の任意の個人（例えば、コーチ、チームメイト、代表者）間の配分を予め定義してもよい。さらに、または代替的に、組織は、契約の最小量および／または最大量を配置してもよい。さらに、または代替的に、組織は、契約を締結および／または実行できる時期について制限を設けることができる。例えば、プレーヤーは、シーズン中及び／又は試験期間中にコマーシャル又は広告に出演することを制限されてもよい。これらの詳細は、組織のデータストア１３８５６Ａに格納されてもよい。組織は、スマートコントラクトに他の条件／制限を配置してもよい。これらの実施形態では、契約を締結したい個人とライセンシーは、個人が所属する組織が提供するスマートコントラクトのテンプレートを使用する必要がある。言い換えれば、コンプライアンスシステム１３８００は、スマートコントラクトが組織によって定義されるか、または他の方法で組織によって承認される場合にのみ、組織と活発な関係を有する個人（例えば、大学のチームでプレーする）がスマートコントラクトに参加することを許可してもよい。

実施形態では、コンプライアンスシステム１３８００は、潜在的なライセンシーを承認するクリアリングハウスプロセスを管理する。ライセンシーがコンプライアンスシステム１３８００によって促進される協定に参加する前に、ライセンシーは、ライセンシーに関連する情報を提供することができる。これには、タックスＩＤ番号、事業体名、法人設立情報（例えば、州および種類）、主要な人員（例えば、取締役、幹部、取締役会メンバー、承認された意思決定者、および／または同類）のリスト、および他の任意の適切な情報を含むことができる。実施形態において、潜在的なライセンシーは、組織が進んでコンプライアンスシステム１３８００を使用していかなる規則、法律、または規制を回避しない（例えば、ＮＣＡＡの規制を回避しない）ことを示す文書に署名（例えば、ｅＳｉｇｎまたはウェットインク署名）することが要求され得る。実施形態において、コンプライアンスシステム１３８００又は別の組織（例えば、ＮＣＡＡ）は、ライセンシーを検証することができる。検証されると、情報はライセンシーデータストア１３８５６Ｂに格納され、ライセンシーは取引に参加することができる。

実施形態において、コンプライアンスシステム１３８００は、ライセンサーが組織に加入すると（例えば、大学と運動奨学金に署名すると）、ライセンサーのためのアカウントを作成してもよい。ライセンサーが組織に所属していることが確認されると、コンプライアンスシステム１３８００は、ライセンサーのためのアカウントを作成してもよく、個人と組織の間の関係を作成してもよく、それによってライセンサーは、組織が承認または提供するスマートコントラクトを使用することが要求され得る。ライセンサーが他の組織に加わる（例えば、他の学校に転校する）場合、コンプライアンスシステム１３８００は、以前の組織との関係を切断してもよく、他の組織との新しい関係を作成してもよい。同様に、ライセンサーがどの組織にも属さなくなると（例えば、プレーヤーが卒業する、プロリーグに入る、引退する、など）、コンプライアンスシステム１３８００は、ライセンサーがコンプライアンスシステム１３８００上の取引に参加するのを防止してもよい。

実施形態において、コンプライアンスシステム１３８００は、ユーザーが人格権ライセンスを管理するスマートコントラクトを作成することを可能にするグラフィカルユーザインターフェースを提供し得る。これらの実施形態において、コンプライアンスシステムは、ユーザ（例えば、ライセンサー）がスマートコントラクトテンプレートを選択することを可能にする。いくつかの実施形態では、コンプライアンスシステム１３８００は、ライセンサーの機関に関連するスマートコントラクトテンプレートのみを選択するようにユーザーを制限してもよい。実施形態において、グラフィカルユーザインターフェースは、ユーザーが特定の条件（例えば、ライセンサーに課せられた義務の種類またはタイプ、支払われるべき資金の量、ライセンサーの義務が完了しなければならない日付、義務が完了する場所、および／または他の適切な条件）を定義することを可能にする。ユーザーがスマートコントラクトテンプレートをパラメータ化するための入力を提供すると、コンプライアンスシステム１３８００は、提供された入力でスマートコントラクト内の１つ以上の変数をパラメータ化することによってスマートコントラクトを生成することができる。スマートコントラクトのインスタンスをパラメータ化すると、コンプライアンスシステム１３８００は、スマートコントラクトをデプロイしてもよい。いくつかの実施形態では、コンプライアンスシステム１３８００は、パラメータ化されたスマートコントラクトを参加者ノードにブロードキャストすることによってスマートコントラクトを展開してもよく、参加者ノードは、順に、分散型台帳のそれぞれのインスタンスを新しいスマートコントラクトで更新してよい。いくつかの実施形態では、パラメータ化されたスマートコントラクトが分散型台帳にデプロイされ得る前に、ライセンサーの機関が、パラメータ化されたスマートコントラクトを承認する必要がある。

実施形態において、コンプライアンスシステム１３８００は、ライセンサーによる義務の履行を検証するためのグラフィカルユーザインターフェースを提供してもよい。これらの実施形態のいくつかでは、コンプライアンスシステム１３８００は、ライセンサーがアクセスする、ライセンサーが義務を履行したことを証明することができるアプリケーションを含んでもよい。これらの実施形態のいくつかでは、アプリケーションは、ユーザーが、ライセンサーが行った場所（例えば、映画または写真の撮影場所）を記録したり、記録（例えば、ソーシャルメディアの投稿のスクリーンショット）をアップロードしたり、ライセンサーがライセンス取引に関してその義務を遂行したという他の確証的証拠を提供したりすることを可能にすることができる。このようにして、ライセンサーは、ライセンシング取引によって要求されるタスクを実行したことを証明することができる。いくつかの実施形態では、アプリケーションは、ウェアラブルデバイスと相互作用してもよいし、ユーザー（例えば、ライセンサー）のソーシャルメディアの投稿など、他のデジタル排気を取り込んで、ライセンサーが取引契約に基づく義務を遂行したという主張を裏付ける、または反証する証拠を収集することも可能である。実施形態では、アプリケーションによって収集された裏付けとなる証拠は、アプリケーションによって記録され、ライセンサーデータストア１３８５６Ｃとして分散型台帳に格納されてもよい。

実施形態において、コンプライアンスシステム１３８００（又はコンプライアンスシステム１３８００に関連して発行されたスマートコントラクト）は、ライセンサーが契約で定義された義務を履行したことを検証した上で、ライセンサーの人格権のライセンスを管理するスマートコントラクトに係る取引を完了させてもよい。前述のように、ライセンサーは、契約の義務の充足の証拠を提供するために、アプリケーションを使用してもよい。さらに、または代替的に、ライセンシーは、ライセンサーがその義務を履行したことの検証を提供してもよい（例えば、アプリケーションを使用する）。実施形態において、契約を管理するスマートコントラクトは、ライセンサーが契約によって定義された彼又は彼女の義務を履行したという検証を受信してもよい。これに応答して、スマートコントラクトは、スマートコントラクトで定義された暗号通貨量を解放してもよい（又は解放を開始してもよい）。暗号通貨量は、ライセンサー及び契約で定義された他の当事者（例えば、ライセンサーのチームメイト、ライセンサーのプログラム、規制機関など）の口座に分配されてもよい。

実施形態において、コンプライアンスシステム１３８００は、アナリティクスを実行し、規制機関及び／又は他の組織（例えば、他の組織）にレポートを提供するように構成される。これらの実施形態において、分析は、規制機関の規則及び規制を回避する可能性がある個人を特定するために使用されてもよい。さらに、いくつかの実施形態では、取引記録は、分散型台帳上で維持されてもよく、それによって、異なる組織は、追加レベルの透明性および監視が、個人、組織、および／またはライセンシーが規則および規制を回避することを抑制し得るように、他の組織に属する個人が締結した合意を見ることができるかもしれない。

実施形態において、コンプライアンスシステム１３８００は、規則又は規制の回避の潜在的なインスタンスを識別するために、機械学習モデルを訓練及び／又は活用してもよい。これらの実施形態において、コンプライアンスシステム１３８００は、結果データを使用して機械学習モデルを訓練してもよい。結果データの例は、組織（例えば、チーム又は大学）、ライセンシー（例えば、企業）、及び／又はライセンサー（例えば、スポーツ選手）が規則又は規制を回避していると判断された一連の取引に関するデータ、並びに組織、ライセンシー、及び／又はライセンサーが規則及び規制を遵守していることが判明した一連の取引に関するデータを含むことができる。機械学習モデルの例には、ニューラルネットワーク、回帰に基づくモデル、決定木、ランダムフォレスト、隠れマルコフモデル、ベイズモデルなどが含まれる。実施形態において、コンプライアンスシステム１３８００は、分散型台帳からライセンシー、ライセンサー、および／または組織（例えば、チームまたは大学）の取引に関連する一連の記録を取得することによって、機械学習モデルを活用してもよい。コンプライアンスシステムは、ライセンシーが特定のライセンサーに支払った金額、他のチームの他のライセンサーに支払った金額、ライセンサーの所属、他のライセンシーがライセンサーに支払った金額など、関連する特徴を抽出し、その特徴を機械学習モデルに供給することができる。機械学習モデルは、抽出された特徴に基づいて、取引が正当であった（又は違法であった）可能性を示すスコアを発行することができる。実施形態において、コンプライアンスシステム１３８００は、機械学習モデルの出力が、取引が違法であった可能性が高いことを示す場合、関連当事者（例えば、規制当局）に通知を提供してもよい。

図１３９は、本開示のいくつかの実施形態に従って、ライセンサーの１つまたは複数の人格権のライセンス供与を電子的に促進するために構成された例示的なシステム１３９００を示す図である。いくつかの実施形態では、システム１３９００は、１つまたは複数のコンピューティングプラットフォーム１３９０２を含んでもよい。コンピューティングプラットフォーム１３９０２は、クライアント／サーバアーキテクチャ、ピアツーピアアーキテクチャ、および／または他のアーキテクチャに従って、１つまたは複数のリモートプラットフォーム１３９０４と通信するように構成されてもよい。リモートプラットフォーム１３９０４は、コンピューティングプラットフォーム１３９０２を介して、および／またはクライアント／サーバアーキテクチャ、ピアツーピアアーキテクチャ、および／または他のアーキテクチャに従って、他のリモートプラットフォームと通信するように構成されてもよい。ユーザーは、リモートプラットフォーム１３９０４を介してシステム１３９００にアクセスすることができる。

実施形態において、コンピューティングプラットフォーム（複数可）１３９０２は、機械可読命令１３９０６によって構成され得る。機械可読命令１３９０６は、１つ又は複数の命令モジュールを含んでもよい。命令モジュールは、コンピュータプログラムモジュールを含んでもよい。命令モジュールは、アクセスモジュール１３１０８、資金管理モジュール１３１１２、台帳管理モジュール１３１１６、検証モジュール１３１１８、分析モジュール１３１２０、及び／又は他の命令モジュールのうちの１つ又は複数を含んでもよい。

実施形態において、アクセスモジュール１３１０８は、利用可能なライセンサーのセットからパーソナリティ権をライセンスする承認を得るために、ライセンシーからアクセス要求を受信するように構成されてもよい。実施形態において、アクセスモジュール１３１０８は、アクセス要求に基づいてライセンシーに選択的にアクセスを許可するように構成されてもよい。例えば、アクセスモジュール１３１０８は、ライセンシー候補の名前（例えば、企業名）、ライセンシー候補の主要者（例えば、幹部および／または所有者）のリスト、ライセンシーの場所、ライセンシーおよびその主要者の所属、などを受信してもよい。実施形態において、アクセスモジュール１３１０８は、アクセスを許可する人間にこの情報を提供してもよく、および／または潜在的なライセンシーを吟味する人工知能システムにこの情報を供給してもよい。実施形態において、アクセスモジュール１３１０８は、ライセンシーが、所属のセットに基づいてライセンサーを含むライセンサーのセットと関わることが許可されていることを検証することによって、ライセンサーへのアクセスを選択的に付与するように構成される。ライセンサーへのアクセスを選択的に許可することは、ライセンシーがライセンサーのセットと係合することが許可されていることを確認することに応答して、ライセンサーのセットと係合するための承認をライセンシーに付与することを含むことができる。ライセンシーの所属のセットには、ライセンシーまたはライセンシーに関連する代表者が寄付をする、または所有する組織が含まれる場合がある。

実施形態では、資金管理モジュール１３１１２は、ライセンシーから資金量の預金の確認を受信するように構成されてもよい。いくつかの実施形態では、資金管理モジュール１３１１２は、ライセンシーによって入金された資金の量に対応する量の暗号通貨をライセンシーの口座に発行するように構成されてもよい。実施形態では、資金管理システム１３１１２は、資金がスマートコントラクトによって解放されるまで、ライセンシーの口座から暗号通貨の対価の量をエスクローするように構成されてもよい。

実施形態において、台帳管理モジュール１３１１６は、ライセンシーによるライセンサーの１つ以上の人格権のライセンスを管理するスマートコントラクトを作成するためのスマートコントラクト要求を受信するように構成されてもよい。実施形態では、台帳管理モジュール１３１１６は、スマートコントラクト要求に基づいてスマートコントラクトを生成するよう構成されてもよい。スマートコントラクトは、利害関係のある第三者（例えば、大学、統治機関など）によって提供されるスマートコントラクトテンプレートを使用して、ユーザー（例えば、ライセンサー、ライセンサーのチーム、機関、及び／又はライセンシー）によって提供される１つ又は複数のパラメータによって生成されてもよい）非限定的に例示すると、利害関係のある第三者は、大学、スポーツチーム、大学陸上競技統治組織のうちの１つであってもよい。スマートコントラクト要求は、ライセンサーに対する１つ以上の義務と引き換えにライセンサーに支払われる暗号通貨の対価量を含む１つ以上の条件を示すことができる。実施形態において、台帳管理モジュール１３１１６は、スマートコントラクトを分散型台帳に展開するように構成されてもよい。分散型台帳は、利害関係者である第三者を含む一連の第三者によって監査可能であってもよい。分散型台帳は、公開台帳であってもよい。分散型台帳は、利害関係のある第三者に関連付けられたコンピューティングデバイスにのみホストされるプライベート台帳であってもよい。実施形態において、分散型台帳は、ブロックチェーンであってもよい。

実施形態において、検証モジュール１３１１８は、ライセンサーが１つまたは複数の義務を履行したことを検証するように構成されてもよい。いくつかの実施形態では、ライセンサーが１つ以上の義務を実行したことを検証することは、ライセンサーに関連するウェアラブルデバイスから位置データを受信することと、位置データに基づいてライセンサーが１つ以上の義務を実行したことを検証することとを含み、それによって位置は、ライセンサーが特定の時間に特定の場所にいたこと（例えば、写真撮影又は撮影）を示すために使用されてもよい。実施形態において、ライセンサーが１つ以上の義務を遂行した可能性があることを確認することは、ソーシャルメディアウェブサイトからソーシャルメディアデータを受信し、ライセンサーが１つ以上の義務を遂行したことをソーシャルメディアデータに基づいて確認することを含み、これにより、ソーシャルメディアデータは、ライセンサーが要求されるソーシャルメディア投稿を行ったことを示すために使用することができる。実施形態において、ライセンサーが１つ以上の義務を履行した可能性があることを検証することは、外部データソースからメディアコンテンツを受信し、ライセンサーがメディアコンテンツに基づいて１つ以上の義務を履行したことを検証することを含み、それによってライセンサーおよび／またはライセンシーは、ライセンサーがメディアコンテンツに登場したことを証明するために、メディアコンテンツをアップロードすることができる。非限定的な例として、メディアコンテンツは、ビデオ、写真、または音声録音のうちの１つであってもよい。実施形態において、検証モジュール１３１１８は、ライセンサーがその義務を履行したことを検証する際に、イベント記録を生成し、参加ノードに出力してよい。実施形態において、検証モジュール１３１１８は、コンプライアンスシステム１３１００が、ライセンサーが義務を履行したことを示す裏付け証拠（例えば、ソーシャルメディアデータ、位置データ、および／またはメディアコンテンツ）を受け取ったことを示すイベントレコードを生成して、参加ノードに出力してもよい。実施形態において、検証モジュール１３１１８は、スマートコントラクトによって定義されたライセンス取引の完了を示すイベントレコードを分散型台帳に出力するように構成されてもよい。

実施形態において、検証モジュール１３１１８は、スマートコントラクトによって、ライセンサーが１つまたは複数の義務を履行したことを検証するように構成されてもよい。実施形態において、検証モジュール１３１１８及び／又はスマートコントラクトは、ライセンサーが１つ又は複数の義務を履行したという検証を受けることに応答して、暗号通貨の対価額の少なくとも一部をライセンサーのライセンサー口座に放出するように構成されてもよい。暗号通貨の対価額の少なくとも一部をライセンシーのアカウントに解放することは、ライセンシーに関連付けられた配分スマートコントラクトを特定することと、配分規則に従って暗号通貨の対価額を配分することとを含んでもよい。非限定的な例として、追加のエンティティは、ライセンサーのチームメイト、ライセンサーのコーチ、ライセンサーのチーム、ライセンシーの大学、及び運営団体（例えば、ＮＣＡＡのような）のうちの１つ以上を含んでもよい。

実施形態において、分析モジュール１３１２０は、分散型台帳から一組のそれぞれの取引の完了を示す記録のセットを取得するように構成されてもよい。レコードのセットは、スマートコントラクトによって定義されたトランザクションの完了を示すレコードを含んでもよい。実施形態において、分析モジュール１３１２０は、記録のセットと不正検出モデルとに基づいて、ライセンサーに関連する組織が１つまたは複数の規制に違反している可能性が高いかどうかを判断するように構成されていてもよい。不正検出モデルは、許容される取引および不正な取引を示す訓練データを使用して訓練されてもよい。

いくつかの実装では、配分スマートコントラクトは、１つまたは複数のパーソナリティ権をライセンスすることから生じる資金が、ライセンサーおよび１つまたは複数の追加のエンティティの間で分配される方法を支配する配分ルールを定義することができる。

いくつかの実装では、非限定的な例として、規則は、ＮＣＡＡ、ＦＩＦＡ、ＮＢＡ、ＭＬＢ、ＮＦＬ、ＭＬＳ、ＮＨＬなどの１つによって提供されてもよい。

いくつかの実装では、コンピューティングプラットフォーム（複数可）１３９０２、リモートプラットフォーム（複数可）１３９０４、および／または外部リソース１３９３４は、１つまたは複数の電子通信リンクを介して動作可能に連結されてもよい。例えば、そのような電子通信リンクは、少なくとも部分的に、インターネットおよび／または他のネットワークのようなネットワークを介して確立されてもよい。これは限定することを意図したものではなく、本開示の範囲は、コンピューティングプラットフォーム（複数可）１３９０２、リモートプラットフォーム（複数可）１３９０４、および／または外部リソース１３９３４が、いくつかの他の通信媒体を介して動作可能にリンクされてもよい実装を含むことが理解されるであろう。

所定のリモートプラットフォーム１３９０４は、コンピュータプログラムモジュールを実行するように構成された１つまたは複数のプロセッサを含んでもよい。コンピュータプログラムモジュールは、所定のリモートプラットフォーム１３９０４に関連する専門家またはユーザーが、コンプライアンスシステム１３１００および／または外部リソース１３９３４とインターフェースすることを可能にし、および／またはリモートプラットフォーム（複数可）に本明細書に帰する他の機能性を提供するように構成されてもよい。１３９０４.非限定的な例として、所定のリモートプラットフォーム１３９０４および／または所定のコンピューティングプラットフォーム１３９０２は、サーバ、デスクトップコンピュータ、ラップトップコンピュータ、ハンドヘルドコンピュータ、タブレットコンピューティングプラットフォーム、ネットブック、スマートフォン、ゲーム機、および／または他のコンピューティングプラットフォームの１以上を含んでもよい。

外部リソース１３９３４は、コンプライアンスシステム１３１００の外部の情報源、コンプライアンスシステム１３１００に参加する外部エンティティ、および／または他のリソースを含んでもよい。いくつかの実装では、本明細書で外部リソース１３９３４に帰着する機能の一部または全部は、コンプライアンスシステム１３１００に含まれるリソースによって提供されてもよい。

コンピューティングプラットフォーム（複数可）２０２は、電子記憶装置１３９３６、１つ以上のプロセッサ１３９３８、及び／又は他の構成要素を含んでもよい。コンピューティングプラットフォーム（複数可）１２０２は、ネットワーク及び／又は他のコンピューティングプラットフォームとの情報交換を可能にするために、通信線、又はポートを含んでもよい。図１３９におけるコンピューティングプラットフォーム（単数または複数）１３９０２の図示は、限定することを意図していない。コンピューティングプラットフォーム（複数可）１３９０２は、コンピューティングプラットフォーム（複数可）１３９０２に本明細書で帰属する機能を提供するために一緒に動作する複数のハードウェア、ソフトウェア、および／またはファームウェアコンポーネントを含んでもよい。例えば、コンピューティングプラットフォーム（複数可）１３９０２は、コンピューティングプラットフォーム（複数可）１３９０２として一緒に動作するコンピューティングプラットフォームのクラウドによって実装されてもよい。

電子ストレージ１３９３６は、情報を電子的に記憶する非一時的記憶媒体から構成されてもよい。電子ストレージ１３９３６の電子記憶媒体は、コンピューティングプラットフォーム（複数可）１３９０２と一体的に（すなわち、実質的に取り外し不能に）提供されるシステムストレージ、及び／又は、例えばポート（例えば、ＵＳＢポート、Ｆｉｒｅｗｉｒｅポート等）又はドライブ（例えば、ディスクドライブ等）を介してコンピューティングプラットフォーム（複数可）１３９０２に取り外し可能に接続可能なストレージの一方又は両方を含むことができる。電子記憶装置１３９３６は、光学的に読み取り可能な記憶媒体（例えば、光ディスクなど）、磁気的に読み取り可能な記憶媒体（例えば、磁気テープ、磁気ハードドライブ、フロッピードライブなど）、電荷ベースの記憶媒体（例えば、ＥＥＰＲＯＭ、ＲＡＭなど）、固体記憶媒体（例えば、フラッシュドライブなど）、および／または他の電子的に読み取り可能な記憶媒体の１以上を含んでもよい。電子ストレージ１３９３６は、１つまたは複数の仮想ストレージリソース（例えば、クラウドストレージ、仮想プライベートネットワーク、および／または他の仮想ストレージリソース）を含んでもよい。電子ストレージ１３９３６は、ソフトウェアアルゴリズム、プロセッサ（複数可）１３９３８によって決定された情報、コンピューティングプラットフォーム（複数可）１３９０２から受信した情報、リモートプラットフォーム（複数可）１３９０４から受信した情報、および／またはコンピューティングプラットフォーム（複数可）が本明細書に記載するように機能することを可能にする他の情報、を格納してもよい。

プロセッサ（複数可）１３９３８は、コンピューティングプラットフォーム（複数可）１３９０２において情報処理能力を提供するように構成されてもよい。このように、プロセッサ（複数可）１３９３８は、デジタルプロセッサ、アナログプロセッサ、情報を処理するように設計されたデジタル回路、情報を処理するように設計されたアナログ回路、状態機械、および／または情報を電子的に処理するための他の機構のうちの１つまたは複数を含んでもよい。プロセッサ（複数可）１３９３８は、図１３９に単一のエンティティとして示されているが、これは例示の目的だけのためである。いくつかの実装では、プロセッサ（複数可）１３９３８は、複数の処理ユニットを含んでもよい。これらの処理ユニットは、物理的に同じ装置内に配置されてもよく、又はプロセッサ（複数可）１３９３８は、協調して動作する複数の装置の処理機能を表してもよい。プロセッサ（単数又は複数）１３９３８は、モジュール１３１０８、１３１１２、１３１１６、１３１１８、１３１２０、及び／又は他のモジュールを実行するように構成されてもよい。プロセッサ（複数可）１３９３８は、ソフトウェア、ハードウェア、ファームウェア、ソフトウェア、ハードウェア、及び／又はファームウェアの何らかの組み合わせ、並びにプロセッサ（複数可）１３９３８上の処理能力を構成するための他の機構によって、モジュール１３１０８、１３１１２、１３１１６、１３１１８、１３１２０、及び／又は他のモジュールを実行するように構成されてもよい。本明細書で使用される場合、用語「モジュール」は、モジュールに帰属する機能を実行する任意のコンポーネントまたはコンポーネントのセットを指す場合がある。これは、プロセッサ可読命令の実行中の１つ以上の物理プロセッサ、プロセッサ可読命令、回路、ハードウェア、記憶媒体、または他の任意のコンポーネントを含んでもよい。

モジュール１３１０８、１３１１２、１３１１６、１３１１８、および１３１２０は、単一の処理ユニット内に実装されるように図１３９に示されているが、プロセッサ（複数可）１３９３８が複数の処理ユニットを含む実装では、モジュール１３１０８、１３１１２、１３１１６、１３１１８、および１３１２０の１または複数が他のモジュールからリモートで実装されてよいことを理解されたい。以下に説明する異なるモジュール１３１０８、１３１１２、１３１１６、１３１１８、及び１３１２０によって提供される機能の説明は、例示目的のためであり、モジュール１３１０８、１３１１２、１３１１６、１３１１８、及び／又は１３１２０のいずれかが、説明されるよりも多い又は少ない機能を提供してもよいため、制限することを意図していない。例えば、モジュール１３１０８、１３１１２、１３１１６、１３１１８、及び／又は１３１２０のうちの１つ又は複数が除去されてもよく、その機能の一部又は全部がモジュール１３１０８、１３１１２、１３１１６、１３１１８、及び／又は１３１２０の他のものによって提供されてもよい。別の例として、プロセッサ（複数可）１３９３８は、モジュール１３１０８、１３１１２、１３１１６、１３１１８、および／または１３１２０のうちの１つに以下に帰属する機能の一部または全部を実行し得る１つまたは複数の追加モジュールを実行するように構成されてもよい。

図１４０および／または図１４１は、本開示のいくつかの実施形態による、ライセンサーの１つまたは複数の人格権のライセンシングを電子的に促進するための例示的な方法１４０００を示す図である。以下に提示される方法１４０００の動作は、例示的であることを意図している。いくつかの実施形態では、方法１４０００は、説明されていない１つまたは複数の追加の操作で、および／または説明された操作の１つまたは複数なしで達成され得る。さらに、方法１４０００の操作が図１４０及び／又は図１４１に図示され、以下に説明される順序は、限定的であることを意図していない。

いくつかの実装では、方法１４０００は、１つ以上の処理デバイス（例えば、デジタルプロセッサ、アナログプロセッサ、情報を処理するように設計されたデジタル回路、情報を処理するように設計されたアナログ回路、状態マシン、および／または電子的に情報を処理する他の機構）において実施されてもよい。つ以上の処理装置は、電子記憶媒体上に電子的に記憶された命令に応答して、方法１４０００の動作の一部または全部を実行する１つ以上の装置を含んでもよい。つ以上の処理デバイスは、方法１４０００の１つ以上の動作の実行のために特別に設計されるようにハードウェア、ファームウェア、および／またはソフトウェアを通じて構成された１つ以上のデバイスを含んでもよい。

図１４０は、本開示の１つ以上の実施態様による、方法１４０００を示す。

１４００２において、本方法は、利用可能なライセンサーのセットからパーソナリティ権をライセンスするための承認を得るためにライセンシーからアクセス要求を受信することを含む。動作１４００２は、１つまたは複数の実装に従って、アクセスモジュール１３１０８と同じまたは類似するモジュールを含む機械可読命令によって構成された１つまたは複数のハードウェアプロセッサによって実行されてもよい。

１４００４において、本方法は、アクセス要求に基づいてライセンシーにアクセスを選択的に許可することを含む。動作１４００４は、１つまたは複数の実装に従って、アクセスモジュール１３１０８と同じまたは類似するモジュールを含む機械可読命令によって構成された１つまたは複数のハードウェアプロセッサによって実行されてもよい。

１４００６において、本方法は、ライセンシーから資金量の入金の確認を受信することを含む。動作１４００６は、１つまたは複数の実装に従って、資金管理モジュール１３１１２と同じまたは類似するモジュールを含む機械可読命令によって構成された１つまたは複数のハードウェアプロセッサによって実行されてもよい。

１４００８において、本方法は、ライセンシーによってライセンシーのアカウントに入金された資金の量に対応する量の暗号通貨を発行することを含む。動作１４００８は、１つまたは複数の実装に従って、資金管理モジュール１３１１２と同じまたは類似するモジュールを含む機械可読命令によって構成された１つまたは複数のハードウェアプロセッサによって実行されてもよい。

図１４１は、本開示の１つ以上の実施態様による、方法１４１００を示す。

１４１２２において、方法は、ライセンシーによるライセンサーの１つまたは複数の人格権のライセンスを管理するスマートコントラクトを作成するスマートコントラクト要求を受信することを含む。スマートコントラクト要求は、ライセンサーの１つまたは複数の義務と引き換えにライセンサーに支払われる暗号通貨の対価量を含む１つまたは複数の条件を示すことができる。動作１４１２２は、１つ以上の実装に従って、台帳管理モジュール１３１１６と同じまたは類似するモジュールを含む機械可読命令によって構成された１つ以上のハードウェアプロセッサによって実行されてもよい。

１４１２４において、本方法は、スマートコントラクト要求に基づいてスマートコントラクトを生成することを含む。動作１４１２４は、１つまたは複数の実装に従って、台帳管理モジュール１３１１６と同じまたは類似するモジュールを含む機械可読命令によって構成された１つまたは複数のハードウェアプロセッサによって実行されてもよい。

１４１２６において、本方法は、ライセンシーのアカウントから暗号通貨の対価の金額をエスクローすることを含む。動作１４１２６は、１つまたは複数の実装に従って、資金管理モジュール１３１１２と同じまたは類似するモジュールを含む機械可読命令によって構成された１つまたは複数のハードウェアプロセッサによって実行されてもよい。

１４１２８において、本方法は、スマートコントラクトを分散型台帳に展開することを含む。動作１４１２８は、１つまたは複数の実装に従って、台帳管理モジュール１３１１６と同じまたは類似するモジュールを含む機械可読命令によって構成された１つまたは複数のハードウェアプロセッサによって実行されてもよい。

１４１３０において、本方法は、スマートコントラクトによって、ライセンサーが１つ以上の義務を履行したことを検証することを含む。動作１４１３０は、１つまたは複数の実装に従って、検証モジュール１３１１８と同じまたは類似するモジュールを含む機械可読命令によって構成された１つまたは複数のハードウェアプロセッサによって実行されてもよい。

１４１３２において、本方法は、ライセンサーが１つまたは複数の義務を履行したという検証を受信することに応答して、暗号通貨の対価額の少なくとも一部をライセンサーのライセンサー口座に解放することを含む。動作１４１３２は、１つまたは複数の実装に従って、検証モジュール１３１１８と同じまたは類似するモジュールを含む機械可読命令によって構成された１つまたは複数のハードウェアプロセッサによって実行されてもよい。

１４１３４において、方法は、スマートコントラクトによって定義されたライセンス取引の完了を示す記録を分散型台帳に出力することを含む。動作１４１３４は、１つまたは複数の実装に従って、検証モジュール１３１１８および／または台帳管理モジュール１３１１６と同じまたは類似するモジュールを含む機械可読命令によって構成された１つまたは複数のハードウェアプロセッサによって実行されてもよい。

図１４２は、１つまたは複数の実施態様による方法１４２００を示す。

１４２０２において、本方法は、分散型台帳から一組のそれぞれのトランザクションの完了を示す一組のレコードを取得することを含む。レコードのセットは、スマートコントラクトによって定義されるトランザクションの完了を示すレコードを含んでもよい。動作１４２０２は、１つまたは複数の実装に従って、分析モジュール１３１２０と同じまたは類似するモジュールを含む機械可読命令によって構成された１つまたは複数のハードウェアプロセッサによって実行されてもよい。

１４２０４において、本方法は、記録のセットおよび不正検出モデルに基づいて、ライセンサーに関連する組織が１つまたは複数の規制に違反している可能性が高いかどうかを判断することを含む。動作１４２０４は、１つまたは複数の実装に従って、分析モジュール１３１２０と同じまたは類似するモジュールを含む機械可読命令によって構成された１つまたは複数のハードウェアプロセッサによって実行されてもよい。

図１４３を参照すると、ロボットまたは自動化プロセスで使用するためのＡＩソリューションを選択するためのコンピュータが実行する方法１４３００が描かれている。コンピュータが実行する方法は、１つ以上の機能的媒体１４３０２を受け取ることを含んでもよい。機能的媒体は、自動化されるタスクに従事する作業者の脳活動を示す情報を含んでもよい。機能的媒体は、新皮質の活動領域が特定され得るＭＲＩ、FＭＲＩなどの機能的イメージングであってもよい。機能メディアは、画像、ビデオストリーム、オーディオストリームなどであってもよく、そこから脳活動の種類を推測することができる。機能メディアは、作業者が作業を行っている間、又は、例えば、拡張現実、仮想現実環境、又は、装置及び／若しくは環境のモデル上で作業のシミュレーションを行っている間に取得されてもよい。受信後、機能メディア（複数可）は、少なくとも１つの脳領域１４３０６における活動レベルを特定するために分析される１４３０４。活動レベルに基づいて、脳領域パラメータ及び／又は活動パラメータが特定される１４３０８。脳領域パラメータは、一次視覚野及び一次聴覚野を含む新皮質の前頭葉、頭頂葉、後頭葉、及び側頭葉、又は腹外側前頭前皮質（ブローカ野）、及び眼窩前頭皮質を含む新皮質の下位区分などの新皮質の特定の領域を表す場合がある。活動パラメータは、視覚処理、帰納的推論、音声処理、嗅覚処理、筋肉制御などの脳の機能領域を代表するものであってもよい。活動パラメータは、視覚処理（見る）音声処理（聞く）、嗅覚処理（嗅ぐ）、動作活動、機器の音を聞く、別の交渉者を見る、などの作業者が従事している活動の種類を代表するものであってもよい。活動レベルは、関与する脳領域の範囲、信号強度、脳領域が関与しているか否かなど、活動の強さ又はレベルを代表するものであってもよい。

脳領域パラメータ、活動パラメータ、又は活動レベルのうちの１つ以上に基づいて、行動パラメータが特定され得る１４３１０。行動パラメータは、活動パラメータに関する追加の情報を提供してもよい。例えば、活動パラメータは運動を示し、アクションパラメータは、運動の範囲、運動の速度、運動の繰り返し、筋肉の記憶の使用、運動の滑らかさ、運動の流れ、運動のタイミングなどを記述してもよい。脳領域パラメータ、活動パラメータ、又は活動レベルのうちの１つ以上に基づいて、最終的なＡＩソリューションに組み込まれるコンポーネントが選択され得る１４３１２。コンポーネントは、モデル、エキスパートシステム、ニューラルネットワークなどのうちの１つ又は複数を含んでもよい。ＡＩソリューションのためのコンポーネントが選択された後、構成パラメータが決定されてもよい１４３１４。構成パラメータは、部分的に、選択されたコンポーネントのタイプ、脳領域パラメータ、活動パラメータ、活動レベル、又は行動パラメータに基づくことができる。構成及び構成パラメータは、機械学習プロセスの入力を選択すること、機械学習プロセスによって提供されるべき出力を識別すること、運用ソリューションプロセスの入力を識別すること１４３１６、運用ソリューションプロセスの出力を識別すること、学習パラメータを調整すること、変化率を識別すること、重み付け要因を識別すること、パラメータを含めるためのパラメータを識別すること、パラメータの除外を識別すること、入力データの閾値を設定すること、運用ロボットプロセスの出力閾値を設定すること、又はパラメータの閾値を設定することを含んでも良い。さらに、機能媒体１４３０４の分析は、第２の脳領域パラメータ又は第２の活動パラメータ１４３１８を特定することを含んでもよい。ＡＩソリューションのコンポーネントは、第２の脳領域パラメータまたは第２の活動パラメータに基づいて１４３２０を修正してもよい。ＡＩソリューションの第２のコンポーネントは、第２の脳領域パラメータまたは第２の活動パラメータに基づいて選択されてもよい１４３２２。最終的なＡＩソリューションは、コンポーネント１４３２４又は第２のコンポーネント１４３２６から組み立てられてよい。実施形態において、最終的なＡＩソリューションは、動作を可能にする任意の標準的または必須のコンポーネントと共に、任意選択で、コンポーネントおよび第２のコンポーネントから組み立てられてもよい。

図１４４を参照すると、ロボットまたは自動化プロセスで使用するためのＡＩソリューションを選択するためのコンピュータ実装の方法１４４００が描かれている。この方法は、タイムスタンプを含むユーザー関連入力１４４０２を受信することと、ユーザー関連入力を分析すること１４４０４とを含んでもよい。ユーザー関連入力は、音声フィード、モーションセンサー、ビデオフィード、心拍モニター、アイトラッカー、バイオセンサー（例えば、ガルバニック皮膚反応）などを含んでもよい。分析は、一連のユーザーアクション及び関連するアクティビティパラメータ１４４０６の特定を可能にしてもよい。ＡＩソリューションのためのコンポーネントは、一連のユーザーアクション１４４０８のユーザーアクションに基づいて選択されてもよい。分析は、一連のユーザーアクション１４４１０の第２のユーザーアクションの識別を可能にしてもよい。第２のユーザーアクションに基づいて、ＡＩソリューションのための選択されたコンポーネントが修正され得る１４４１２。ＡＩソリューションのための第２のコンポーネントは、第２のユーザーアクションに基づいて１４４１４選択されてもよい。アクションパラメータは、ユーザーアクション及び／又は関連するアクティビティパラメータに基づいて１４４１６を特定してもよい。例えば、ユーザーアクションが動作である場合、動作パラメータは、動作範囲、動作速度、動作の反復、筋肉記憶の使用、動作の滑らかさ、動作の流れ、動作のタイミング等を含んでもよい。ＡＩソリューションの選択されたコンポーネントは、動作パラメータに基づいて１４４１８構成されてもよい。実施形態において、ユーザーによって実行された少なくとも１つのデバイス入力が受信されてもよい（１４４２０）。デバイス入力は、タイムスタンプと、デバイス入力と決定されたユーザーアクションとの間の相関とに基づいて、ユーザーアクションと同期化されてもよい１４４１９。コンポーネントは、相関関係に基づいて１４４２３修正されてもよい。ＡＩソリューションのコンポーネントの選択は、デバイス入力とユーザー関連入力との間の相関関係１４４２１に部分的に基づいてもよい。ＡＩソリューションは、コンポーネントから１４４２２を組み立ててもよい。ＡＩソリューションは、第２の構成要素１４４２４から組み立てられてもよい。実施形態において、ＡＩは、動作を可能にする任意の標準的又は必須のコンポーネントと共に、任意選択で、コンポーネント及び第２のコンポーネントの両方から組み立てられてもよい。

図１４５を参照すると、組み立てられたＡＩソリューション１４５０２の例示的かつ非限定的な一例が示されている。組み立てられたＡＩソリューション１４５０２は、選択されたコンポーネント１４５０４および第２の選択されたコンポーネント１４５０６、ならびに他のコンポーネント１４５０８を含んでもよい。第１の選択されたコンポーネントのための構成データ１４５１４および第２の選択されたコンポーネントのための構成データ１４５１２は、提供されてもよい。ランタイム入力データ１４５１０は、コンポーネント構成プロセスの一部として指定されてもよい。コンポーネントは、直列的に（選択されたコンポーネント１４５０４と、選択されたコンポーネント１４５０４から入力を受け取った第２の選択されたコンポーネント１４５０６など）または並列的に（第２のコンポーネント１４５０６と他のコンポーネント（複数可）１４５０８など）実行するように構成されてもよい。コンポーネントのいくつかは、他のコンポーネントに入力を提供してもよい（選択されたコンポーネント１４５０４が第２の選択されたコンポーネント１４５０６に入力を提供する等）。 複数の構成要素は、全体的なＡＩソリューション出力１４５１８の様々な部分を提供してもよい（第２の選択された構成要素１４５０６及び他の構成要素１４５０８など）。この描写は限定的なものではなく、最終的なソリューションは、様々な数のコンポーネント、構成データおよび入力、ならびに他のコンポーネント（例えば、センサ、音声変調器など）を含んでもよく、様々な構成で相互接続されてもよい。

図１４６～１４７を参照すると、ロボットまたは自動化プロセスで使用するためのＡＩソリューションを選択するためのコンピュータ実装の方法が描かれている。本方法は、タスクを実行する作業者の時間的生体測定データ１４６０２を受信することと、タスクを実行する作業者が経験する空間的-時間的環境データ１４６０４を受信することとを含んでもよい。受信したデータを使用して、空間的-時間的活動パターンが特定され得る１４６０６。空間的時間的活動パターンに基づいて、作業者の新皮質の活動領域が特定されてもよい１４６０８。タスクを実行するときに使用される推論のタイプは、新皮質の活性領域及び／又は生体測定データ、又は空間-時間環境データに基づいて、１４６１０を特定してもよい。推論のタイプを複製するために、ＡＩソリューションで使用するためのコンポーネント１４６１２が選択されてもよい。ＡＩソリューションのコンポーネントは、空間的-時間的環境入力に基づいて１４６１４構成されてもよい。シリアルＡＩソリューションまたはパラレルＡＩソリューションが最適であるかどうかについての決定１４６１６がなされてもよい。コンポーネントへの構成入力のセットが識別されてもよく１４６１８、ＡＩソリューションのコンポーネントへの入力の順序付けされたセットが識別されてもよい１４６２０。機械を訓練することは、適切な入力の重み付けを決定し、空間的-時間的環境入力の組み合わせから効率を識別するために、空間的-時間的環境入力の様々なサブセットを提供することを含んでもよい１４６２２。空間-時間環境データの望ましい又は望ましくない組み合わせもまた、１４６２４を特定してもよい。識別された必要な入力に基づいて、入力ノイズ１４６２６を低減する（例えば、関心のある信号に対する信号対ノイズを改善する）、適切な入力信号をコンポーネントに提供するためにフィルタリングする、などのために入力環境データが処理されてもよい。

図１４７を引き続き参照すると、タスクを実行する同じ作業者の第２の時間的生体測定データを受信１４７０２し、生体測定値１４７０４から複数の実行タスクが識別されてもよい。生体測定値１４７０６からパフォーマンスパラメータが抽出されてもよい（例えば、作業者の心拍数、ガルバニック皮膚反応、及び同種のもの）。いくつかの実施形態では、コンポーネントは、性能パラメータ１４７０７に基づいて構成されてもよい。いくつかの実施形態では、第２の時間的生体測定値は、トレーニングセット１４７０９として構成モジュールに提供されてもよい。タスクに関連する結果データを受信してもよく１４７０８、第２の時間的生体測定データは、受信した結果データ１４７１０と相関させてもよい。いくつかの実施形態では、構成要素は、少なくとも部分的に、相関関係１４７１１に基づいて選択されてもよい。複数の実行されたタスクの各々の間の一連の時間間隔が特定され１４７１２、時間間隔の少なくとも１つに基づいてＡＩソリューションのコンポーネントが構成されてもよい１４７１４。例えば、作業者が次の動作に移る前に対象物を長時間検査する場合、これは、精神的処理だけでなく複雑な視覚的処理を示す可能性があり、タスクに対応するコンポーネントが、詳細で微細な処理などのために構成されることを示す可能性がある。

図１４１を参照すると、ＡＩソリューション選択および構成システム１４１０２が描かれている。例示的な選択および構成システム１４１０２は、ユーザー関連機能メディア１４１１４を受け取るように構造化されたメディア入力モジュール１４１０４を含んでもよい。ユーザー関連機能メディア１４１１４は、自動化されるタスクに従事している人の画像、音声記録、ビデオフィード、生体データ（例えば、心拍データ、ガルバニック皮膚反応データ等）、動作データ等を含んでもよい。メディア分析モジュール１４１０６は、受信したメディアを分析し、アクションパラメータを特定してもよい。アクションパラメータは、見る、聞く、動く、考えるなど、人が従事しているように見える活動の種類を代表するものであってもよい。いくつかの実施形態では、機能メディアは、自動化されるタスクに従事している人間の脳活動のタイプを示し、メディア分析モジュール１４１２０６は、少なくとも１つの脳領域における活動レベルを特定し、特定された脳領域における活動レベルに対応する脳領域パラメータを提供する。メディア分析モジュールはまた、従事している、従事していない、活動のレベル、活動のタイプなどのエンゲージメントのレベルを示す活動パラメータを識別してもよい。ソリューション選択モジュール１４１０８は、アクションパラメータ、脳領域パラメータ、又は活動パラメータに少なくとも部分的に基づいて、自動化プロセスで使用するためのＡＩソリューションの少なくとも１つのコンポーネントを選択するように構成されてもよい。脳領域パラメータ又は行動パラメータは、選択すべきコンポーネントの種類を示唆し、活動パラメータは、そのコンポーネントに要求される処理のレベルを示唆することができる。例えば、行動パラメータが「見る」であれば、視覚処理に適したコンポーネントを選択することが示唆される。活動パラメータが嗅覚処理の代表であった場合、入力指定モジュールは、少なくとも１つの化学センサを入力として特定してもよい。活動パラメータが視覚的処理の代表であった場合、入力指定モジュール１３１１６は、ロボット入力として少なくとも１つの視覚センサを識別してもよい。いくつかの実施形態において、視覚センサは、約３８０～７００ナノメートルの間の波長を有する可視スペクトルの一部に感度を有するように選択されてもよい。活動パラメータが聴覚処理の代表であった場合、入力指定モジュール１３１１６は、ロボット入力として少なくとも１つのマイクロフォンを識別してもよい。活動パラメータが非常に高いレベルの濃度を代表していた場合、解決策選択モジュール１４１０８は、必要とされる処理のレベル、処理が発生する可能性のある場所などを提案してもよい。コンポーネント構成モジュール１４１１０は、コンポーネント１４１１２を構成してよい。コンポーネントを構成することは、選択されたコンポーネントの機械学習プロセスの入力を選択すること、機械学習プロセスによって提供されるべき出力を識別すること、運用ソリューションプロセスの入力を識別すること、運用ソリューションプロセスの出力を識別すること、学習パラメータのチューニング、変化率の識別、重み付け要素の識別、パラメータを含めるためのパラメータの識別、パラメータの除外に関するパラメータの識別、入力データの閾値の設定、運用ロボットプロセスに対する出力閾値の設定、パラメータの閾値を設定、及びその他を含んでもよい。ソリューションアセンブリモジュール１４１１８は、１つ以上の選択されたコンポーネント、構成コンポーネント、及び要求されたランタイムに基づいて、最終的なＡＩソリューションを組み立ててもよい。入力指定モジュール１４１１６は、選択されたコンポーネント、アクションパラメータ、脳領域パラメータ、活動パラメータなどに基づいて、入力ソースを提案してもよい。

図１４９を参照すると、ＡＩソリューション選択および構成システム１４９０２が描かれている。例示的な選択システム１４９０２は、作業者が自動化されるべきタスクの１つを実行している間に活性化および／または不活性化される脳領域のセットを識別することによって、広い脳活動（例えば、デルタ、シータ、アルファおよびガンマ波などの活動の波帯）などを識別することによって、例えば機能ＭＲＩまたは他の磁気イメージング、脳波（ＥＧＧ）などの脳の機能画像１４９１４を受け取るように構成された画像入力モジュール１４９０４を含んでもよい。画像入力モジュール１４９０４は、機能画像１４９１４のサブセットを画像解析モジュール１４９０６に提供してもよい。いくつかの実施形態では、画像入力モジュール１４９０４は、機能画像１４９１４のサブセットを画像解析モジュール１４９０６に提供する前に、ノイズ除去、ヒストグラム調整、フィルタリングなどの機能画像１４９１４のサブセットに対するいくつかの前処理を実行してもよい。画像解析モジュール１４９０６は、少なくとも１つの脳領域における活動レベルを識別し、機能画像のサブセットに基づいて脳領域パラメータを提供してもよい。脳領域パラメータは、一次視覚皮質及び一次聴覚皮質を含む新皮質の前頭葉、頭頂葉、後頭葉、及び側頭葉などの新皮質の特定の領域、又は腹外側前頭前皮質（ブローカ野）、及び眼窩前頭皮質などの新皮質の下位区分などを表すことができる。脳領域パラメータは、視覚処理、帰納的推論、音声処理、嗅覚処理、筋肉制御などの脳の機能領域を表してもよい。ソリューション選択モジュール１４９０８は、脳領域パラメータに基づいてＡＩソリューションで使用するためのコンポーネントを選択し、コンポーネント構成モジュールに入力を提供し得る（機械学習プロセスのための入力を選択すること、機械学習プロセスによって提供されるべき出力を識別すること、運用ソリューションプロセスのための入力を識別すること、等。学習パラメータの調整、変化率の特定、重み付け係数の特定、パラメータを含めるためのパラメータの特定、パラメータを除外するためのパラメータの特定、入力データの閾値の設定、運用ロボットプロセスの出力閾値の設定、及びパラメータ閾値の設定、など）。コンポーネント構成モジュール１４９１０、は、入力を使用してコンポーネント１４９１２を構成してもよい。また、ソリューション選択モジュール１４９０８は、入力指定モジュール１４９１６にデータを供給してもよい。ソリューションアセンブリモジュール１４９１８は、コンポーネント、および他のコンポーネントを組み合わせて、ＡＩソリューションを作成してもよい。ＡＩソリューションは、入力指定モジュール１４９１６によって指定されるように入力を受け取るように設定されてもよい。この図では、コンポーネントを選択する１つの反復が示されているが、複数のコンポーネントがＡＩソリューションの一部として選択、構成、および組み立てられてよいことが想定される。

図１５０～１５１を参照すると、ＡＩソリューション選択及び構成システム１５００２が描かれている。例示的なＡＩソリューション選択及び構成システム１５００２は、ビデオ、音声記録、心拍モニター、ガルバニック皮膚反応データ、動作データなどの様々なユーザー関連入力を受信するように構成された入力モジュール１５００４を含んでもよい。ユーザー関連入力に関連する時間的データがあってもよい。入力モジュール１５００４は、ユーザー関連入力データ１５０１４のサブセットを入力分析モジュール１５００６に提供してもよい。分析モジュール１５００６は、ユーザー関連アクションのタイミングを特定するための時間的分析モジュール１５０１８を含んでもよい。時間的分析モジュール１５０１８は、ユーザーアクションのタイミングの特定を可能にしてもよい。いくつかの実施形態では、入力モジュール１５００４は、ユーザー関連入力データ１５０１４のサブセットを入力分析モジュール１５００６に提供する前に、ノイズ除去、入力データのタイプ間の相関など、ユーザー関連入力データ１５０１４のサブセットに対して何らかの前処理を実行してもよい。入力分析モジュール１５００６は、心拍データ、ガルバニック皮膚反応データなどのデータに基づいて、従事している脳活動の種類（例えば、視覚処理、聴覚処理、嗅覚処理、運動制御など）及び活動の強さのレベルを特定してもよい。コンポーネント選択モジュール１５００８は、脳活動のタイプに基づいてＡＩソリューションで使用するためのコンポーネントを選択し、機械学習プロセスのための入力を選択するためのＭＬ入力選択モジュール１５１０２、機械学習プロセスによって提供されるべき出力を識別するためのＭＰ出力識別モジュール１５１０４、運用ソリューションプロセスのための入力を識別するためのランタイム入力選択モジュール１５１０６を含み得るコンポーネント構成モジュール１５０１０に入力を提供してもよい。コンポーネントの出力を識別するための実行時出力識別モジュール１５１０８、変化率の識別、重み付け係数の識別、入力データの閾値の設定、運用ロボットプロセスの出力閾値の設定等のための設定モジュール１５１１０、学習パラメータの調整、包含パラメータの識別、除外パラメータの識別、パラメータ閾値の設定等のためのパラメータ設定モジュール１５１１２がある。コンポーネント設定モジュール１５０１０は、選択されたコンポーネント１５０１２を設定してもよい。また、コンポーネント選択モジュール１５００８は、入力指定モジュール１５０１６にデータを供給してもよい。ＡＩソリューションアセンブリモジュール１５０２０は、構成されたコンポーネントを、必要に応じて、任意の標準コンポーネント又は必須コンポーネントと共に他のコンポーネントと組み合わせて、ＡＩソリューションを作成してもよい。ＡＩソリューションは、入力仕様モジュール１５０１６によって指定されるように入力を受け取るように設定されてもよい。コンポーネントを選択する１つの反復がこの図に示されているが、複数のコンポーネントがＡＩソリューションの一部として選択され、構成され、組み立てられてもよいことが、想定されている。

実施形態では、図１５２を参照すると、ＡＩソリューション選択および構成システム１５２０２が描かれている。例示的なＡＩソリューション選択及び構成システム１５２０２は、ビデオストリーム、オーディオストリーム、機器インタラクション（例えば、マウスクリック、マウス動作、機械への物理入力）心拍、ガルバニック皮膚反応、アイトラッキングなどのユーザー生体測定などを含み得る一時的ユーザー関連データ１５２１４を含む入力ストリームを受信するデータ入力モジュール１５２０４を含んでもよい。データ入力モジュール１５２０４は、視覚環境、聴覚環境、嗅覚環境、機器ディスプレイ、機器ユーザインターフェースなど、ユーザーが受けている環境入力を代表する時間環境入力データ１５２２０も受信してもよい。データ入力モジュール１５２０４はまた、一時的結果入力データ１５２０３を受信してもよい。データ入力モジュール１５２０４は、受信したデータ１５２１４、１５２２０、１５２０３のサブセットを入力分析モジュール１５２１６に提供してもよい。データ入力モジュール１５２０４は、受信したデータ１５２１４、１５２２０ １５２０３を処理して、ノイズの低減、データの圧縮、データの一部の関連付けなどを行ってもよい。解析モジュール１５２１６は、コンポーネント選択モジュール１５２０８に提供するために、複数のユーザーアクションを特定してもよい。 画像解析モジュール１５２１６は、ユーザーアクションのタイミングを特定するための時間的解析モジュール１５２１８を含んでもよい。時間分析モジュール１５２１８は、時間的なユーザー関連データ１５２１４、環境データ１５２２０、及び結果データ１５２０３の間の相関を可能にし得る。ユーザーアクションに基づいて、コンポーネント選択モジュール１５２０８は、複数のユーザーアクションのうちの少なくとも１つを実行するために必要なユーザーの１つ又は複数の精神的プロセスをシミュレートするであろうコンポーネントを選択してもよい。選択されたコンポーネントを特定する際の要因は、必要とされる計算強度のレベル、時間感度などを含んでもよい。これは、コンポーネントのタイプ、コンポーネントの位置（オンボード、クラウド、エッジコンピューティング、及び同様のもの）を規定してもよい。入力分析モジュール１５２１６はまた、ユーザーの行動および環境データに関する情報をコンポーネント構成モジュール１５２１０に提供してもよい。このデータは、コンポーネント構成モジュールによって、機械学習アルゴリズムへの入力として、結果データと共に使用され、どの入力が有益であり、どれがコンポーネントが所望の結果に到達することを可能にするために有害であるかを識別し、入力の適切な重み付け、パラメータ設定などを識別してもよい。コンポーネント構成モジュール１５２１０は、構成情報とともに全体的なＡＩソリューション１５２２４に提供されるコンポーネント１５２１２を構成する。

本明細書の他の箇所に記載されているように、本開示は、ドメイン固有の問題に対する解決策を含む、自動化及び知能の向上のための機会を発見するためのシステム及び方法に関するものである。さらに、本開示は、機会が発見された後の人工知能ソリューション（例えば、ニューラルネットワーク、機械学習システム、エキスパートシステムなど）の選択及び構成にも関する。

ここで図１５３を参照すると、コントローラ１５３０８は、機会マイニングモジュール１５３、人工知能構成モジュール１５３０４、及び人工知能検索エンジン１５３１０を含み、任意に協調フィルタ１５３２８及びクラスタリングエンジン１５３３０を有する。機会マイニングモジュール１５３は、タスク、ドメイン、またはドメイン関連問題の属性に関する属性入力などの入力１５３０２を受信する。

入力１５３０２は、機会マイニングモジュール１５３によって処理され、人工知能システムがタスク又はドメインに適用できるか否かを決定してもよい。例えば、属性入力１５３０２は、交渉タスク、作図タスク、データ入力タスク、電子メール応答タスク、データ分析タスク、文書レビュータスク、機器操作タスク、予測タスク、ＮＬPタスク、画像認識タスク、パターン認識タスク、動き検出タスク、経路最適化タスクなどのタスク、ドメインまたは問題の属性を含んでもよい。機会マイニングモジュール１５３は、タスクの１つ以上の属性が、自動化された又はインテリジェンスが適用された他のタスクと類似しているかどうか、又はタスクの属性に基づいて、以前に行われたかどうかにかかわらず、タスクが潜在的に自動化可能であるか又はインテリジェンスを適用するのに適しているかどうかを判断してもよい。例えば、作図タスクの属性は、第１のアイデアを明確にすること、第２のアイデアを明確にすること、複数のアイデアを明確にすること、複数のアイデアをペアワイズ方式で組み合わせること、およびアイデアをトリプル方式で組み合わせることを含んでもよい。アイデアの明確化は自動化には適さないかもしれないが、アイデアを対にして組み合わせたり、３つ組にしたりするタスクは、自動化に適しているか、タスクに知能を適用させることができるかもしれない。

人工知能システムをタスクまたはドメインに適用することができるという決定がなされた場合、その決定に関する出力１５３１２は、人工知能ストア１５７の検索を実行するために人工知能検索エンジン１５３１０を起動するために使用されてもよい。人工知能ストア１５７は、複数のドメイン固有及び一般人工知能モデル１５３１８、並びにドメイン固有及び一般人工知能モデル１５３１８の構成要素を含んでもよい。人工知能ストア１５７は、カテゴリによって編成されてもよい。カテゴリは、人工知能モデルのコンポーネントタイプ、ドメイン、入力タイプ、処理タイプ、出力タイプ、計算要件、計算能力、コスト、学習状況、又はエネルギー使用量のうちの少なくとも１つであってもよい。人工知能ストアは、少なくとも１つの電子商取引機能を含んでもよい。少なくとも１つの電子商取引機能は、評価、レビュー、関連するコンテンツへのリンク、提供のための機構、ライセンスのための機構、配信のための機構、又は支払いのための機構のうちの少なくとも１つを含んでもよい。モデル１５３１８は、事前に訓練されてもよく、または、訓練のために利用可能であってもよい。ドメイン固有および一般的な人工知能モデル１５３１８のコンポーネントは、言語間を検出および翻訳するコンポーネント、または高度にパーソナライズされた顧客推奨を提供するコンポーネントなどの人工知能ビルディングブロックを含んでもよい。１つ以上のモデル１５３１８および／またはモデル１５３１８のコンポーネントは、人工知能ストア１５７の検索で特定されてもよい。モデル１５３１８のコンポーネントは、カスタムＡＩモデル１５３１８の組み立てにおいて使用されるスタンドアロン要素として、または完全な、オプションとして事前に訓練された、モデル１５３１８のコンポーネントとして、識別されてもよい。

人工知能ストア１５７は、特定のタイプの問題を解決すること、またはドメイン固有の入力、データ、または他のエンティティ上で動作することの少なくとも１つに対する人工知能システムの適合性を示すメタデータ１５３２４または他の記述的材料を含んでもよい。メタデータ１５３２４、または他の記述的材料、カテゴリ、または電子商取引機能は、属性入力１５３０２および／または他の選択基準１５３１４を使用して検索され得る。例えば、２Ｄオブジェクト分類を含むタスクの属性は、人工知能ストア１５７およびそのメタデータ１５３２４で検索され、２Ｄオブジェクト分類を含むタスクに適した人工知能モデル１５３１８が畳み込みニューラルネットワークであってもよいことを明らかにすることができる。例を続けると、ある種の２Ｄオブジェクト認識（例えば、直線エッジ）に較正された畳み込みニューラルネットワーク（ＣＮＮ）と、別の種の２Ｄオブジェクト認識（例えば、曲線エッジと直線エッジのコンボ）に較正された別の畳み込みニューラルネットワーク（ＣＮＮ）など、人工知能ストア１５７の畳み込みニューラルネットワーク（ＣＮＮ）のクラス内にもモデルの多様性があってもよい。この例では、２Ｄオブジェクトの種類のさらなるエッジ対曲線属性が検索された場合、人工知能ストア１５７は、分類されるべき２Ｄオブジェクトに最も適した畳み込みニューラルネットワーク（ＣＮＮ）を提示することになる。

実施形態において、入力１５３０２に加えて、少なくとも１つの選択基準１５３１４が、人工知能モデル１５３１８および／またはそのコンポーネントについて人工知能ストア１５７を検索するために人工知能検索エンジン１５３１０によって使用されてもよい。人工知能モデル１５３１８またはモデルコンポーネントの推薦に用いられる選択基準は、モデルが事前に訓練されているか否か、少なくとも１つの人工知能モデル１５３１８またはそのコンポーネントがユーザー環境で実行可能であるか否か、少なくとも１つの人工知能モデル１５３１８またはそのコンポーネントがユーザーにとって利用可能か否か、の少なくとも１つを含んでもよい。ガバナンス原理、ガバナンスポリシー、計算要因、ネットワーク要因、データ可用性、タスク固有要因、性能要因、サービス品質要因、モデル展開の考慮、セキュリティの考慮、またはヒューマンインターフェースであり、これらは、本明細書の他の箇所に記載されていてもよい。例えば、歩行者事故回避システムの反バイアスレビューの要件などのガバナンス原則は、自律運転タスクに適用する人工知能モデルについて人工知能ストア１５７を検索するために使用されてもよい。別の例では、航空管制システムで使用される人工知能ソリューションの選択基準は、敵対的攻撃および欺瞞的入力について訓練されていることの要件であってよい。さらに別の例では、株式取引タスクで使用される人工知能ソリューションの選択基準は、人間の監視、特に、人間に基づく最終決定の要件である場合がある。

人工知能検索エンジン１５３１０は、少なくとも１つの選択基準１５３１４に対する少なくとも１つの人工知能モデル１５３１８又はモデルコンポーネントの強さ又は弱さに従って、１つ又は複数の検索結果をランク付けしてもよい。ランク付けされた検索結果は、評価及び検討、並びに最終的には選択のためにユーザーに提示されてもよい。実施形態において、人工知能検索エンジン１５３１０は、検索結果をフィルタリングするために使用される、少なくとも１つの人工知能モデル１５３１８又はモデルコンポーネントの要素の指示をユーザーから受信する協調フィルタ１５３２８をさらに含んでもよい。実施形態において、人工知能検索エンジン１５３１０は、少なくとも１つの人工知能モデル１５３１８またはモデルコンポーネントを含む検索結果をクラスタリングするように構造化されたクラスタリングエンジン１５３３０をさらに含んでもよい。クラスタリングエンジン１５３３０は、類似性マトリックス又はケイミーンズ（ｋ－ｍeＡｎＳ）クラスタリングのうちの少なくとも１つであってよい。クラスタリングエンジン１５３３０は、検索結果において、類似の開発者、類似のドメイン固有の問題、又は類似の人工知能ソリューションのうちの少なくとも１つを関連付けることができる。

人工知能モデル１５３１８またはそのコンポーネントが、入力１５３０２単独で、または入力１５３０２および選択基準１５３１４の両方で検索することによって、人工知能検索エンジン１５３１０によって識別されると、人工知能構成モジュール１５３０４は、少なくとも一つの人工知能モデル１５３１８またはモデルコンポーネントと共に使用するために一つ以上のデータ入力１５３２０を構成してよい。人工知能構成モジュール１５３０４は、特定の実施形態において、所定の問題に対する人工知能の効果的かつ効率的な使用を可能にし得る入力１５３２０を発見し選択する際に動作可能であってよい。実施形態において、人工知能構成モジュール１５３０４は、少なくとも１つの構成基準１５３２２に従って、少なくとも１つの人工知能モデル１５３１８またはモデルコンポーネント（複数可）をさらに構成し得る。実施形態において、個々のデータ入力及びモデルコンポーネントは、１つ以上の構成基準を介して構成されてもよく、他の実施形態において、単一の構成基準は、データ入力、ＡＩコンポーネントアセンブリ等の構成を支配する。

実施形態において、少なくとも１つの構成基準１５３２２は、ユーザー環境で実行するための少なくとも１つの人工知能モデル１５３１８またはモデルコンポーネントの可用性、ユーザーに対する少なくとも１つの人工知能モデル１５３１８またはモデルコンポーネントの可用性、ガバナンス原則、ガバナンスポリシー、計算要素、ネットワーク要素、データ可用性、タスク固有要素、パフォーマンス要素、サービス品質要素、モデル展開考慮、セキュリティ考慮、またはヒューマンインターフェースのうち少なくとも１つを含んでもよい。実施形態において、少なくとも１つの構成基準は、所望の出力の特定、トレーニングデータの特定、モデルのトレーニングまたは操作における除外または包含のためのパラメータの特定、入力データ閾値、出力データ閾値、ニューラルネットワークタイプの選択、入力モデルタイプの選択、初期モデル重みの設定、モデルサイズの設定、計算展開環境の選択、トレーニング用の入力データ源の選択、操作用の入力データ源の選択、フィードバック関数／結果手段の選択、の少なくとも１つを含んでもよい。入力及び出力用のデータ統合言語の選択、モデルトレーニング用のＡＰＩの設定、モデル入力用のＡＰＩ１３１１４の設定、出力用のＡＰＩ１３１１４の設定、アクセス制御の設定、セキュリティパラメータの設定、ネットワークプロトコルの設定、ストレージパラメータの設定、経済要素の設定、データフローの設定、高可用性の設定、１又は複数の耐障害環境、価格ベースのデータ取得戦略、発見的方法、決定モデルの作成、又は超並列決定環境の調整、などである。実施形態において、少なくとも１つの構成基準は、任意選択で他の標準又は必須のモデル構成要素と共に、複数の識別されたモデル構成要素からＡＩソリューションを組み立てるためのパラメータを含んでもよい。例えば、モデルコンポーネントは、並列に実行するように、シリアルに実行するように、又はシリアルと並列の組み合わせで実行するように構成されてもよい。

例えば、人工知能構成モジュール１５３０４は、人工知能モデル１５３１８を構成して、あるデータ入力１５３２０を他のデータ入力よりも重く重み付けすることができる。例えば、雨の中、自律走行ソリューションは、トラクションコント役割システムおよび前方レーダーシステムからの入力を、道路傾斜および車両速度を測定するセンサなどの、燃料効率の向上を目標とするセンサよりも重くすることができる。雨上がりには、この重み付けを逆転させることができる。

別の実施例では、人工知能構成モジュール１５３０４は、データ入力１５３２０の特定の閾値内で動作するように人工知能モデル１５３１８を構成することができる。例えば、人工知能モデル１５３１８は、組合せ作図タスクで使用されてもよい。つの明確なアイデアのみがモデル１５３１８に提供されるとき、モデル１５３１８は、動作するようにトリガされないかもしれない。しかし、モデル１５３１８が第３のアーティキュレートされたアイデアを受け取ると、アーティキュレートされたアイデアのその組合せ的な処理が開始されてもよい。

人工知能構成モジュール１５３０４は、どのセンサをデータ入力１５３２０として使用するか、データをサンプリングする頻度、出力を送信する頻度、種々のデータ入力１５３２０の重み付け、データ入力１５３２０からのデータに適用する閾値、モデル１５３１８のあるコンポーネントの出力がモデル１５３１８の別のコンポーネントへの入力として用いられるか、モデル１５３１８のコンポーネントの動作順序、モデルのワークフロー内のモデルコンポーネントの配置などを構成してもよい。

人工知能構成モジュール１５３０４は、人工知能検索エンジン１５３１０によって識別された１つまたは複数のモデルコンポーネントから人工知能モデル１５３１８を構成してもよい。 例えば、検索結果がモデル構成要素のみから構成された場合、ＡＩ構成モジュール１５３０４は、ワークフローまたはデータフロー内などの互いに対する関係で、ならびにモデル１５３１８が機能するために必要となり得る他の構成要素との関係で、識別された１２７個の構成要素をどこに配置するかを構成してもよい。

実施形態において、人工知能ストア１５７は、関連する人工知能アプリケーションのダウンロード、人工知能システムへのリンクまたは他の接続の確立（ＡＰＩ、ポート、コネクタ、または他のインターフェースを介したクラウド展開された人工知能システムへのリンクなど）などを可能にする、人工知能システムに対する一連のインターフェースを含み得る。

次に、図１５４を参照する。１５４、人工知能モデル識別及び選択の方法は、タスク又はドメインの属性に関する入力を受け取ること１５４０２、及び人工知能システムをタスク又はドメインに適用できるかどうかを決定するために入力を処理すること１５４０４を含んでもよい。入力及び／又は少なくとも１つの選択基準を使用して、複数のドメイン固有及び一般的な人工知能モデル及びモデルコンポーネントの人工知能ストアを検索して、タスク又はドメイン１５４０８に適用する少なくとも１つの人工知能モデル又はモデルコンポーネントを識別することと、少なくとも１つの人工知能モデル１５４１０又はモデルコンポーネントと共に使用する１又は複数のデータ入力を構成することとを実行することである。人工知能ストアは、特定のタイプの問題を解決すること、またはドメイン固有の入力、データ、もしくは他のエンティティ上で動作することの少なくとも１つに対する人工知能システムの適合性を示すメタデータまたは他の記述的材料を含んでもよい。

本方法は、少なくとも１つの選択基準１５４１２に対する少なくとも１つの人工知能モデルの強さまたは弱さにしたがって、検索の１つ以上の結果をランク付けすることをさらに含んでもよい。本方法は、少なくとも１つの構成基準１５４１４に従って、少なくとも１つの人工知能モデル又はモデルコンポーネントを構成することをさらに含んでもよい。本方法は、ユーザー１５４１６によって選択された少なくとも１つの人工知能モデル又はモデルコンポーネントの要素を用いて、少なくとも１つの人工知能モデルを含む検索結果を協調的にフィルタリングすることをさらに含んでもよい。本方法は、クラスタリングエンジン１５４１８を用いて、少なくとも１つの人工知能モデル又はモデルコンポーネントを構成する検索結果をクラスタリングすることをさらに含んでもよい。

図１５５は、デジタルツインシステム１５５００の環境例を示している。実施形態において、デジタルツインシステム１５５００は、産業環境のセット１５５２０及び／又は産業環境のセット内の産業エンティティのデジタルツインのセットを生成する。実施形態において、デジタルツインシステム１５５００は、産業環境１５５２０を監視するそれぞれのセンサシステム１５５３０から得られたセンサデータを使用するなどして、それぞれの産業環境１５５２０の状態のセットを維持する。実施形態において、デジタルツインシステム１５５００は、デジタルツイン管理システム１５５０２、デジタルツインＩ／Ｏシステム１５５０４、デジタルツインシミュレーションシステム１５５０６、デジタルツイン動的モデルシステム１５５０８、認知知能システム１５５１０、及び／又は環境制御モジュール１５５１２を含んでもよい。実施形態において、デジタルツインシステム１５５００は、それぞれのセンサシステム１５５３０のセンサのためのインターフェースのセットを可能にするための能力のセットを提供するリアルタイムセンサＡＰＩを提供してもよい。実施形態において、デジタルツインシステム１５５００は、デジタルツインシステム１５５００との間のデータの転送を容易にするために、他の適切なＡＰＩ、ブローカー、コネクタ、ブリッジ、ゲートウェイ、ハブ、ポート、ルーター、スイッチ、データ統合システム、ピアツーピアシステムなどを含み、及び／又は採用してもよい。これらの実施形態において、これらの接続コンポーネントは、センサシステム１５５３０内のＩｏＴセンサまたは仲介デバイス（例えば、リレー、エッジデバイス、スイッチなど）が、デジタルツインシステム１５５００にデータを通信し、および／またはデジタルツインシステム１５５００もしくは別の外部システムからデータ（例えば、構成データ、制御データなど）を受信することを可能にし得る。実施形態において、デジタルツインシステム１５５００は、様々な産業環境１５５２０及び環境１５５２０内のオブジェクト１５５２２、デバイス１５５２４、センサ１５５２６、及び／又は人間１５５２８のデジタルツインデータストア１５５１６をさらに含んでもよい。

デジタルツインは、産業環境１５５２０、物理オブジェクト１５５２２、デバイス１５５２４、センサ１５５２６、人間１５５２８、またはそれらの任意の組み合わせなど、１つまたは複数の産業エンティティのデジタル表現を指す場合がある。産業環境１５５２０の例としては、工場、発電所、食品生産施設（検査施設を含んでもよい）、業務用キッチン、室内栽培施設、天然資源発掘現場（例えば、鉱山、油田など）、などがあるが、これらに限定されるものではない。環境の種類に応じて、環境に存在する物体、装置、及びセンサの種類は異なる。物理オブジェクト１５５２２の非限定的な例としては、原材料、製造品、掘削物、容器（例えば、箱、ダンプカー、冷却塔、バット、パレット、バレル、パレート、ビンなど）、家具（例えば、テーブル、カウンター、ワークステーション、シェルフなど）、などがある。デバイス１５５２４の非限定的な例としては、ロボット、コンピュータ、車両（例えば、車、トラック、タンカー、列車、フォークリフト、クレーンなど）、機械／装置（例えば、トラクター、耕耘機、ドリル、プレス、組立ライン、コンベアベルトなど）、および同様のものが含まれる。センサ１５５２６は、環境内のセンサシステム１５５３０に見られる任意のセンサ装置及び／又はセンサ集合装置であってよい。センサシステム１５５３０に実装され得るセンサ１５５２６の非限定的な例は、温度センサ１５５３２、湿度センサ１５５３４、振動センサ１５５３６、レーダーセンサ１５５３８、動作センサ１５５４０、化学センサ１５５４２、音声センサ１５５４４、圧力センサ１５５４６、体重センサ１５５４８、放射線センサ１５５５０、映像センサ１５５５２、着用可能デバイス１５５５４、リレー１５５５６、縁装置１５５５８、クロスポイントスイッチ１５５６０、および／または他の任意の適切なセンサを含んでも良い。異なるタイプの物理オブジェクト１５５２２、デバイス１５５２４、センサ１５５２６、および環境１５５２０の例は、本開示全体を通して参照される。

いくつかの実施形態では、産業用ＩｏＴデバイスのためのオンデバイスセンサフュージョンおよびデータストレージがサポートされており、複数のセンサからのデータが、融合データストリームのストレージのためにデバイスで多重化される。例えば、圧力および温度データは、時系列で圧力と温度を組み合わせたデータストリームに多重化されてもよく、例えば、バイト状構造（時間、圧力、および温度がデータ構造内のバイトであるため、圧力と温度が時間的にリンクしたまま、外部システムによってストリームを別々に処理する必要がない）、または追加、分割、増殖、減算等によって多重化されて、融合データがデバイス上に保存できるようにしてもよい。振動データを含む、本開示全体を通して説明されるセンサデータタイプのいずれも、この方法で融合され、ローカルデータプール、ストレージ、またはデータコレクタ、機械のコンポーネントなどのＩｏＴデバイスに保存され得る。

いくつかの実施形態では、デジタルツインのセットは、エネルギー生産組織、石油及びガス組織、再生可能エネルギー生産組織、航空宇宙メーカー、車両メーカー、重機メーカー、鉱業組織、掘削組織、海洋プラットフォーム組織などの組織全体を表してもよい。これらの例において、デジタルツインは、組織の１つ以上の産業施設のデジタルツインを含んでもよい。

実施形態では、デジタルツイン管理システム１５５０２は、デジタルツインを生成する。デジタルツインは、他のデジタルツインから（例えば、参照を通じて）構成されてもよい。このように、離散的なデジタルツインは、他の離散的なデジタルツインの集合によって構成されてもよい。例えば、機械のデジタルツインは、機械上のセンサーのデジタルツイン、機械を構成するコンポーネントのデジタルツイン、機械に組み込まれているか機械と統合されている他のデバイス（機械に入力を提供するか機械から出力を取るシステムなど）のデジタルツイン、および／または機械によって作られる製品または他のアイテムのデジタルツインを含むことができる。この例をさらに一歩進めると、産業施設（例えば、工場）のデジタルツインは、施設内またはその周辺の物理的資産およびシステムの配置を含む産業施設のレイアウトを表すデジタルツイン、ならびに施設内の資産のデジタル資産（例えば、機械のデジタルツイン）、さらに施設内の保管場所のデジタルツイン、施設中の機械から振動測定を収集する人間のデジタルツインなどを含んでもよい。この第２の例では、産業施設のデジタルツインは、埋め込まれたデジタルツインを参照してもよく、そのデジタルツインは、それらのデジタルツイン内に埋め込まれた他のデジタルツインを参照してもよい。

いくつかの実施形態では、デジタルツインは、入力、出力、ステップのシーケンス、決定点、処理ループなど、そのようなワークフローおよびプロセスを構成するワークフローおよび／またはプロセスなどの抽象的なエンティティを表すことができる。例えば、デジタルツインは、製造プロセス、物流ワークフロー、農業プロセス、鉱物抽出プロセスなどのデジタル表現であってもよい。これらの実施形態において、デジタルツインは、ワークフロー又はプロセスに含まれる産業エンティティへの参照を含んでもよい。製造プロセスのデジタルツインは、プロセスの様々な段階を反映してもよい。これらの実施形態のいくつかでは、デジタルツインシステム１５５００は、製造プロセスが行われる産業施設（例えば、環境１５５２０のセンサシステム１５５３０）からリアルタイムデータを受け取り、プロセスの現在の（又は実質的に現在の）状態をリアルタイムで反映させる。

実施形態において、デジタル表現は、表現された物理オブジェクト１５５２２、デバイス１５５２４、センサ１５５２６、または環境１５５２０の一連の特性および／またはそれらの可能な動作を集合的に定義するデータ構造（例えば、クラス）のセットを含んでもよい。例えば、物理オブジェクト１５５２２の特性のセットは、物理オブジェクトのタイプ、オブジェクトの寸法、オブジェクトの質量、オブジェクトの密度、オブジェクトの材料（複数可）、材料の物理特性、物理オブジェクトの表面、物理オブジェクトの状態、物理オブジェクトの位置、オブジェクト内に含まれる他のデジタルツインの識別子、及び／又は他の適切な特性を含んでもよい。物理オブジェクトの動作の例は、物理オブジェクトの状態（例えば、固体、液体、または気体）を含んでもよい。固体、液体、または気体）、物理的物体の融点、液体状態にあるときの物理的物体の密度、液体状態にあるときの物理的物体の粘性、物理的物体の凝固点、固体状態にあるときの物理的物体の密度、固体状態にあるときの物理的物体の硬度、など。物理的物体の可鍛性、物理的物体の浮力、物理的物体の導電性、物理的物体の燃焼点、湿度が物理的物体に影響を与える方法、水または他の液体が物理的物体に影響を与える方法、物理的物体の終端速度、などである。別の例では、装置の特性のセットは、装置の種類、装置の寸法、装置の質量、装置の密度、装置の材料（複数可）、材料の物理的特性、装置の表面、装置の出力、装置の状態、装置の位置、装置の軌道、装置の振動特性、装置が接続され及び／又は含む他のデジタルツインの識別子、及び同様のものを含んでもよい。デバイスの動作の例は、デバイスの最大加速度、デバイスの最大速度、デバイスの可動範囲、デバイスの加熱プロファイル、デバイスの冷却プロファイル、デバイスによって実行されるプロセス、デバイスによって実行されるオペレーション、などを含んでもよい。環境の特性の例としては、環境の寸法、環境の境界、環境の温度、環境の湿度、環境の気流、環境内の物理的物体、環境の流れ（水域の場合）などを挙げることができる。環境の動作の例としては、環境を支配する科学的法則、環境で実行されるプロセス、環境で遵守されなければならない規則または規制、などを挙げることができる。

実施形態において、デジタルツインの特性は、調整されてもよい。例えば、デジタルツインの温度、デジタルツインの湿度、デジタルツインの形状、デジタルツインの材料、デジタルツインの寸法、または他の任意の適切なパラメータが調整されてもよい。デジタルツインの特性が調整されると、他の特性も影響を受ける可能性がある。例えば、環境１５５２０の温度が上昇した場合、理想気体の法則に従った気体の圧力など、環境内の圧力も上昇する可能性がある。別の例では、氷点下の環境のデジタルツインが氷点下以上に上昇した場合、固体状態の水（すなわち、氷）の埋め込みツインの特性は、時間の経過とともに液体状態に変化する可能性がある。

デジタルツインは、多くの異なる形態で表現されてもよい。実施形態において、デジタルツインは、人間のユーザーが環境１５５２０及び／又は環境内の物理オブジェクト１５５２２、デバイス１５５２４、及び／又はセンサ１５５２６のデジタル表現を見ることができるように、コンピューティングデバイスによってレンダリングされる視覚デジタルツインであってよい。実施形態において、デジタルツインは、レンダリングされ、ディスプレイデバイスに出力されてもよい。これらの実施形態のいくつかでは、デジタルツインは、ユーザーがデジタルツインと対話することができるように、グラフィカルユーザインターフェースでレンダリングされてもよい。例えば、ユーザーは、特定の要素（例えば、物理オブジェクト又はデバイス）を「ドリルダウン」して、その要素に関する追加の情報（例えば、物理オブジェクト又はデバイスの状態、物理オブジェクト又はデバイスのプロパティ等）を表示してもよい。いくつかの実施形態では、デジタルツインは、仮想現実ディスプレイにおいてレンダリングされ、出力されてもよい。例えば、ユーザーは、環境の３Ｄレンダリングを（例えば、モニタまたは仮想現実ヘッドセットを使用して）表示してもよい。そうしている間、ユーザーは、環境内の物理的な資産またはデバイスのデジタルツインを表示／検査してもよい。

いくつかの実施形態では、視覚的デジタルツイン（すなわち、２Ｄまたは３Ｄの態様で表示されるように構成されるデジタルツイン）のデータ構造は、表面（例えば、スプライン、メッシュ、ポリゴンメッシュなど）を含んでもよい。いくつかの実施形態では、サーフェスは、テクスチャデータ、シェーディング情報、及び／又は反射データを含んでもよい。このように、表面は、より現実的な方法で表示されてもよい。いくつかの実施形態において、そのような表面は、デジタルツインが視野内にあるとき、及び／又はより大きなデジタルツイン（例えば、産業環境のデジタルツイン）に存在するとき、可視化エンジン（図示せず）によりレンダリングされてもよい。これらの実施形態において、デジタルツインシステム１５５００は、デジタルオブジェクトの表面をレンダリングしてもよく、それによって、レンダリングされたデジタルツインは、隣接する表面のセットとして描かれてもよい。

実施形態において、ユーザーは、グラフィカルユーザインターフェースを介してデジタルツインの１つまたは複数のプロパティを制御する入力を提供することができる。例えば、ユーザーは、デジタルツインのプロパティを変更する入力を提供することができる。これに応答して、デジタルツインシステム１５５００は、変更されたプロパティの効果を計算することができ、デジタルツイン及びプロパティの変更によって影響を受ける他のデジタルツインを更新することができる。

実施形態において、ユーザーは、１つ以上のデジタルツインに関して実行されているプロセス（例えば、製品の製造、鉱山又は井戸からの鉱物の抽出、家畜検査ラインなど）を見ることができる。これらの実施形態において、ユーザーは、プロセス全体又はプロセス内の特定のステップを見ることができる。

いくつかの実施形態では、デジタルツイン（およびそこに埋め込まれた任意のデジタルツイン）は、非視覚的表現（または「データ表現」）で表現されてもよい。これらの実施形態では、デジタルツインおよび任意の埋め込まれたデジタルツインは、二値表現で存在するが、デジタルツイン間の関係は維持される。例えば、実施形態において、各デジタルツイン及び／又はその構成要素は、デジタルツイン（又はその構成要素）の形状を定義する物理的寸法のセットによって表現されてもよい。さらに、デジタルツインを具現化するデータ構造は、デジタルツインの位置を含んでもよい。いくつかの実施形態では、デジタルツインの位置は、座標のセットで提供されてもよい。例えば、産業環境のデジタルツインは、座標空間（例えば、デカルト座標空間、極座標空間など）に関して定義されてもよい。実施形態において、埋め込まれたデジタルツインは、１つ以上の順序付きトリプル（例えば、（Ｘ座標、ｙ座標、ｚ座標）または他のベクトルベースの表現）のセットとして表現されてもよい。これらの実施形態のいくつかでは、各順序付きトリプルは、産業エンティティ（例えば、オブジェクト、デバイス、またはセンサ）が存在する環境との関係で、産業エンティティ上の特定の点（例えば、中心点、上点、下点、または同様のもの）の位置を表してもよい。いくつかの実施形態では、デジタルツインのデータ構造は、環境に対するデジタルツインの動きを示すベクトルを含んでもよい。例えば、流体（例えば、液体又は気体）又は固体は、デジタルツインによって表されるエンティティの速度（例えば、速度の方向及び大きさ）を示すベクトルによって表されてもよい。実施形態において、ツイン内のベクトルは、流体内の粒子などの微視的下位構成要素を表してもよく、デジタルツインは、変位、速度、加速度、運動量、運動エネルギー、振動特性、熱特性、電磁特性などの物理的特性を表してもよい。

いくつかの実施形態では、２つ以上のデジタルツインのセットは、ノード及びノードを接続するエッジを含むグラフデータベースによって表されてもよい。いくつかの実施形態では、エッジは、空間的関係（例えば、「周囲（ＡｂｕｔＳ）」、「上（ｒｅｓｔｓ ｕｐｏｎ）」、「含有（ｃｏｎｔａｉｎｓ）」等）を表すことができる。これらの実施形態では、グラフデータベースの各ノードは、エンティティ（例えば、産業エンティティ）のデジタルツインを表し、デジタルツインを定義するデータ構造を含んでもよい。これらの実施形態において、グラフデータベース内の各エッジは、接続されたノードによって表される２つのエンティティ間の関係を表してもよい。いくつかの実施形態では、エッジは、空間的関係（例えば、「周囲（ＡｂｕｔＳ）」、「上（ｒｅｓｔｓ ｕｐｏｎ）」、「連結（ｉｎｔｅｒｌｏｃｋ Ｓｗｉｔｈ）」、「支持（ｂｅａｒ）」、「含有（ｃｏｎｔａｉｎｓ）」等）を表すことができる。実施形態では、様々なタイプのデータがノードまたはエッジに格納されてもよい。実施形態では、ノードは、設備、システム、サブシステム、および／またはコンポーネントに関するプロパティデータ、状態データ、および／またはメタデータを格納してもよい。プロパティデータと状態データの種類は、ノードによって表されるエンティティに基づいて異なる。例えば、ロボットを表すノードには、ロボットの材質、ロボット（またはその構成要素）の寸法、ロボットの質量などを表すプロパティデータが含まれる場合がある。この例では、ロボットの状態データは、ロボットの現在のポーズ、ロボットの位置などを含んでもよい。実施形態において、エッジは、２つのノード間の関係に関連する関係データ及びメタデータデータを格納してもよい。関係データの例は、関係の性質、関係が永続的であるかどうか（例えば、固定部品は、それが取り付けられるか、又は静止している構造体と永続的な関係を有するであろう）、及びそのようなものを含んでもよい。実施形態では、エッジは、２つのエンティティ間の関係に関するメタデータを含んでもよい。例えば、製品が組立ラインで生産された場合、製品のデジタルツインと組立ラインとの間に文書化され得る１つの関係は、「生じる（ｃｒｅａｔｅｄ ｂｙ）」であってよい。これらの実施形態において、「作成者」の関係を表すエッジの例は、製品が作成された日時を示すタイムスタンプを含んでもよい。別の例では、センサは、デバイスの状態に関連する測定を行うことができ、それによって、センサとデバイスとの間の１つの関係は、「測定された」を含んでもよく、センサによって測定される測定タイプを定義してもよい。この例では、エッジに格納されるメタデータは、Ｎ個の測定値のリストと、それぞれの測定値のタイムスタンプとを含んでもよい。このようにして、２つのエンティティ間の関係の性質に関連する時間的データが維持されてもよく、それによって、分析エンジン、機械学習エンジン、及び／又は可視化エンジンが、予測システムに用いられる因果分析を容易にするために、異種のデータセットを一連の時点と整合させることなどによって、そのような時間的関係データを活用することができる。

いくつかの実施形態では、グラフデータベースは、グラフデータベースが一連の設備、システム、及びコンポーネントを関連付けるように、階層的な方法で実装されてもよい。例えば、製造環境のデジタルツインは、製造環境を表すノードを含んでもよい。グラフデータベースは、ＨＶＡＣシステム、照明システム、製造システムなどを表すノードなど、製造環境内の様々なシステムを表すノードをさらに含んでもよく、これらのノードはすべて、製造システムを表すノードに接続することができる。この例では、システムの各々は、さらに、システムの様々なサブシステム及び／又は構成要素に接続してもよい。例えば、ＨＶＡＣシステム内では、ＨＶＡＣシステムは、施設の冷却システムを表すサブシステムノード、施設の加熱システムを表す第２のサブシステムノード、施設のファンシステムを表す第３のサブシステムノード、および施設のサーモスタット（または複数のサーモスタット）を表す１つ以上のノードに接続してもよい。この例をさらに進めると、サブシステムノード及び／又はコンポーネントノードは、サブシステムノード及び／又はコンポーネントノードを含む下位レベルのノードに接続してもよい。例えば、冷房サブシステムを表すサブシステムノードは、エアコンユニットを表すコンポーネントノードに接続されてもよい。同様に、サーモスタット装置を表すコンポーネントノードは、様々なセンサ（例えば、温度センサ、湿度センサなど）を表す１つまたは複数のコンポーネントノードに接続してもよい。

グラフデータベースが実装される実施形態において、グラフデータベースは、単一の環境に関連してもよいし、より大きな企業を表してもよい。後者のシナリオでは、企業は様々な製造および流通施設を有することができる。これらの実施形態において、企業を表す企業ノードは、それぞれの各施設の環境ノードに接続してもよい。このように、デジタルツインシステム１５５００は、企業の複数の産業施設のためのデジタルツインを維持してもよい。

実施形態において、デジタルツインシステム１５５００は、グラフデータベースを使用して、レンダリングされ表示されてもよいデジタルツインを生成してもよく、及び／又はデータ表現で表現されてもよい。前者のシナリオでは、デジタルツインシステム１５５００は、デジタルツインをレンダリングする要求を受信してもよく、それによって、要求は、描かれるビューを示す１つ以上のパラメータを含む。例えば、１つ以上のパラメータは、描写される産業環境及びレンダリングのタイプ（例えば、人間が見るような環境を描写する「実世界ビュー」、オブジェクトをそれぞれの温度の関数として描写する「赤外線ビュー」、デジタルツイン内の気流を描写する「気流ビュー」等）を示してよい。これに応答して、デジタルツインシステム１５５００は、グラフデータベースをトラバースし、環境の環境ノードに（直接または下位レベルのノードを介して）関連するグラフデータベース内のノードと、関連するノード間の関係を定義するエッジとに基づいて、描画される環境の構成を決定してもよい。構成を決定すると、デジタルツインシステム１５５００は、描写されるべき表面を特定してもよく、それらの表面をレンダリングしてもよい。次いで、デジタルツインシステム１５５００は、構成に従って表面を接続することによって、要求されたデジタルツインをレンダリングしてもよい。レンダリングされたデジタルツインは、その後、視聴デバイス（例えば、ＶＲヘッドセット、モニターなど）に出力されてもよい。いくつかのシナリオでは、デジタルツインシステム１５５００は、環境１５５２０のセンサシステム１５５３０からリアルタイムのセンサデータを受信してもよく、センサデータに基づいて視覚的デジタルツインを更新してもよい。例えば、デジタルツインシステム１５５０は、モータおよびそのベアリングのセットに関連するセンサデータ（例えば、振動センサ１５５３６からの振動データ）を受信してもよい。センサデータに基づいて、デジタルツインシステム１５５００は、モータのデジタルツイン内のベアリングのセットのおおよその振動特性を示すために、視覚的デジタルツインを更新してもよい。

デジタルツインシステム１５５００がデジタルツインのデータ表現を提供しているシナリオでは（例えば、動的モデリング、シミュレーション、機械学習のために）、デジタルツインシステム１５５００は、グラフデータベースをトラバースしてもよく、環境の環境ノードに（直接または下位のノードを通じて）関連しているグラフデータベース内のノードと、関連するノード間の関係を定義するエッジに基づいて描かれる環境の構成を決定してもよい。いくつかのシナリオでは、デジタルツインシステム１５５００は、環境１５５２０のセンサシステム１５５３０からリアルタイムのセンサデータを受信してもよく、センサデータに基づいてデジタルツインに１つまたは複数の動的モデルを適用してもよい。他のシナリオでは、本明細書を通じてより詳細に議論されるように、デジタルツインのデータ表現が、シミュレーションを実行するために使用されてもよい。

いくつかの実施形態では、デジタルツインシステム１５５００は、産業環境のデジタルツインに関して実行されるデジタルゴーストを実行してもよい。これらの実施形態において、デジタルゴーストは、産業環境のセンサシステム１５５３０の１つ以上のセンサを監視して、悪意のあるウイルスまたは他のセキュリティ問題を示す可能性がある異常を検出してもよい。

議論されたように、デジタルツインシステム１５５００は、デジタルツイン管理システム１５５０２、デジタルツインＩ／Ｏシステム１５５０４、デジタルツインシミュレーションシステム１５５０６、デジタルツイン動的モデルシステム１５５０８、認知知能システム１５５１０、及び／又は環境制御システム１５５１２を含むことができる。

実施形態において、デジタルツインマネジメントシステム１５５０２は、新しいデジタルツインを作成し、既存のデジタルツインを維持／更新し、及び／又はデジタルツインをレンダリングする。デジタルツインマネジメントシステム１５５０２は、ユーザー入力、アップロードされたデータ、及び／又はセンサデータを受信して、既存のデジタルツインを作成及び維持することができる。新しいデジタルツインを作成すると、デジタルツインマネジメントシステム１５５０２は、デジタルツインデータストア１５５１６にデジタルツインを保存してもよい。デジタルツインの作成、更新、およびレンダリングは、本開示を通じてより詳細に議論される。

実施形態において、デジタルツインＩ／Ｏシステム１５５０４は、様々なソースから入力を受信し、様々な受信者にデータを出力する。実施形態において、デジタルツインＩ／Ｏシステムは、１つまたは複数のセンサシステム１５５３０からセンサデータを受信する。これらの実施形態では、各センサシステム１５５３０は、それぞれのセンサデータを出力する１つ以上のＩｏＴセンサを含んでもよい。各センサには、ＩＰアドレスが割り当てられてもよく、または別の適切な識別子を有していてもよい。各センサは、センサの識別子とセンサデータとを含むセンサパケットを出力してもよい。いくつかの実施形態では、センサパケットは、センサデータが収集された時刻を示すタイムスタンプをさらに含んでもよい。いくつかの実施形態において、デジタルツインＩ／Ｏシステム１５５０４は、リアルタイムセンサＡＰＩ１５５１４を介してセンサシステム１５５３０とインターフェースしてもよい。これらの実施形態において、センサシステム１５５３０内の１つ又は複数のデバイス（例えば、センサ、アグリゲータ、エッジデバイス）は、センサデータを含むセンサパケットをＡＰＩを介してデジタルツインＩ／Ｏシステム１５５０４に送信してよい。デジタルツインＩ／Ｏシステムは、センサパケットを送信したセンサシステム１５５３０及びその内容を決定してもよく、センサデータ及び他の関連データ（例えば、タイムスタンプ、環境識別子／センサシステム識別子等）をデジタルツイン管理システム１５５０２に提供してもよい。

実施形態において、デジタルツインＩ／Ｏシステム１５５０４は、１つ以上のソースからインポートデータを受信してもよい。例えば、デジタルツインシステム１５５００は、ユーザーが自分のデジタルツインを作成し管理するためのポータルを提供してもよい。これらの実施形態では、ユーザーは、作成中の新しいデジタルツインに関連して、１つ以上のファイル（例えば、画像ファイル、レーダースキャン、設計図など）をアップロードしてもよい。これに応答して、デジタルツインＩ／Ｏシステム１５５０４は、インポートされたデータをデジタルツイン管理システム１５５０２に提供し得る。デジタルツインＩ／Ｏシステム１５５０４は、本開示の範囲から逸脱することなく、他の適切なタイプのデータを受信してもよい。

いくつかの実施形態では、デジタルツインシミュレーションシステム１５５０６は、デジタルツインを使用してシミュレーションを実行するように構成される。例えば、デジタルツインシミュレーションシステム１５５０６は、デジタルツイン及び／又は１つ以上の組み込みデジタルツインの１つ以上のパラメータを反復的に調整してもよい。実施形態において、デジタルツインシミュレーションシステム１５５０６は、パラメータの各セットについて、パラメータのセットに基づいてシミュレーションを実行し、シミュレーションから生じるシミュレーション結果データを収集してもよい。別の言い方をすれば、デジタルツインシミュレーションシステム１５５０６は、シミュレーション中に使用されるデジタルツイン及びデジタルツイン内又はデジタルツインを含むデジタルツインの特性、並びにシミュレーションから生じる任意の結果を収集してもよい。例えば、屋内農業施設のデジタルツイン上でシミュレーションを実行する際に、デジタルツインシミュレーションシステム１５５０６は、温度、湿度、気流、二酸化炭素及び／又は他の関連パラメータを変化させ、パラメータの異なる組み合わせから生じる結果を出力するシミュレーションを実行することが可能である。別の例では、デジタルツインシミュレーションシステム１５５０６は、一連の入力を与えられた出力を生成する産業施設内の特定の機械の動作をシミュレートすることができる。いくつかの実施形態では、入力は、機械及びその出力に対する入力の効果を決定するために変化させられてもよい。別の例では、デジタルツインシミュレーションシステム１５５０６は、機械及び／又は機械コンポーネントの振動をシミュレートしてもよい。この例では、機械のデジタルツインは、機械の動作パラメータ、インターフェース、及び能力のセットを含んでもよい。いくつかの実施形態では、動作パラメータは、機械の有効性を評価するために変化されてもよい。デジタルツインシミュレーションシステム１５５０６は、本開示を通じてさらに詳細に論じられる。

実施形態において、デジタルツインダイナミックモデルシステム１５５０８は、環境のデジタルツインに関する１つまたは複数の動作をモデル化するように構成される。実施形態において、デジタルツインダイナミックモデルシステム１５５０８は、環境またはプロセスに関するあるタイプの動作をモデル化する要求を受信してもよく、動的モデル、環境またはプロセスのデジタルツイン、および環境またはプロセスを監視している１つまたは複数のセンサから収集されたセンサデータを用いて、その動作をモデル化してもよい。例えば、ベアリングを有する機械のオペレータは、機械および／またはベアリングが出力の増加に耐えられるかどうかを判断するために、機械およびベアリングの振動をモデル化することを望むかもしれない。この例では、デジタルツインダイナミックモデルシステム１５５０８は、出力の増加が有害な結果（例えば、故障、ダウンタイムなど）をもたらすかどうかを判断するように構成されたダイナミックモデルを実行することができる。デジタルツインダイナミックモデルシステム１５５０８は、本開示を通じてさらに詳細に論じられる。

実施形態において、認知プロセスシステム１５５１０は、デジタルツインシステムに代わって機械学習及び人工知能関連のタスクを実行する。実施形態において、認知プロセスシステム１５５１０は、様々な種類のニューラルネットワーク、回帰モデル、ランダムフォレスト、決定木、隠れマルコフモデル、ベイズモデルなどを含むがこれらに限定されない、任意の適切なタイプのモデルを訓練してもよい。実施形態において、認知プロセスシステム１５５１０は、デジタルツインシミュレーションシステム１５５０６によって実行されたシミュレーションの出力を用いて機械学習モデルを訓練する。これらの実施形態のいくつかにおいて、シミュレーションの成果は、実世界の環境及び／又はプロセスから収集された訓練データを補完するために使用されてもよい。実施形態において、認知プロセスシステム１５５１０は、機械学習されたモデルを活用して、予測、識別、分類を行い、それぞれのデジタルツインによって表される実世界の環境及び／又はプロセスに関連する意思決定支援を提供する。

例えば、機械学習された予測モデルは、産業施設のエンジンの軸受の不規則な振動パターン（例えば、最適でない、臨界、又はアラーム振動障害状態）の原因を予測するために使用されてもよい。この例では、認知プロセスシステム１５５１０は、エンジン上又はその近くに配置された１つ以上の振動センサから振動センサデータを受信してもよく、産業施設から保守データを受信してもよく、振動センサデータ及び保守データに基づいて特徴ベクトルを生成してもよい。認知処理システム１５５１０は、不規則振動パターンの原因を予測するために、エンジンに対して特に訓練された（例えば、不規則振動パターンの原因のシミュレーションデータと実世界のデータとの組み合わせを使用して）機械学習モデルに特徴ベクトルを入力してもよい。この例では、不規則な振動パターンの原因は、ベアリングの緩み、ベアリングの潤滑不足、アライメントがずれているベアリング、摩耗したベアリング、ベアリングの位相がエンジンの位相と一致している可能性、ハウジングの緩み、ボルトの緩み、等とすることができる。

別の実施例では、機械学習モデルが、最適でない振動故障レベル状態で動作する産業施設内のエンジンの軸受を通常動作の振動故障レベル状態にするための意思決定支援を提供するために使用されてもよい。この例では、認知プロセスシステム１５５１０は、エンジン上又はその近くに配置された１つ以上の振動センサから振動センサデータを受信してもよく、産業施設から保守データを受信してもよく、振動センサデータ及び保守データに基づいて特徴ベクトルを生成してもよい。認知処理システム１５５１０は、特徴ベクトルを、エンジン用に特別に訓練された機械学習モデルに入力し（例えば、不規則な振動パターンに対する解決策のシミュレーションデータ及び実世界データを組み合わせて使用して）、軸受の通常運転故障レベル状態を達成する際の意思決定サポートを提供してもよい。この例では、決定サポートは、ベアリングの締め付け、ベアリングの潤滑、ベアリングの再調整、新しいベアリングの注文、新しい部品の注文、追加の振動測定値の収集、エンジンの運転速度の変更、ハウジングの締め付け、ボルトの締め付けなどの推奨となり得る。

別の実施例では、機械学習モデルが、作業員による振動測定収集に関連する意思決定支援を提供するために使用されてもよい。この例では、認知プロセスシステム１５５１０は、産業施設から振動測定履歴データを受信してもよく、振動測定履歴データに基づいて特徴ベクトルを生成してもよい。認知プロセスシステム１５５１０は、特徴ベクトルを、エンジン用に特別に訓練された機械学習モデルに入力し（例えば、シミュレーションデータと実世界の振動測定履歴データの組み合わせを使用して）、振動測定場所を選択する際の意思決定支援を提供してもよい。

さらに別の実施例では、機械学習モデルが、機械及び／又は機械部品の問題に関連する振動シグネチャを特定するために使用されてもよい。この例では、認知プロセスシステム１５５１０は、産業施設から振動測定履歴データを受信してもよく、振動測定履歴データに基づいて特徴ベクトルを生成してもよい。認知プロセスシステム１５５１０は、特徴ベクトルを、エンジン用に特別に訓練された機械学習モデルに入力し（例えば、シミュレーションデータと実世界の振動測定履歴データの組み合わせを使用して）、機械および／または機械コンポーネントに関連する振動シグネチャを識別してもよい。前述の例は非限定的な例であり、認知処理システム１５５１０は、産業施設に関して実行される他の任意の適切なＡＩ／機械学習関連タスクに使用されてもよい。

実施形態において、環境制御システム１５５１２は、産業施設の１つまたは複数の側面を制御する。これらの実施形態のいくつかでは、環境制御システム１５５１２は、産業環境内の１つまたは複数のデバイスを制御してもよい。例えば、環境制御システム１５５１２は、環境内の１つ以上の機械、環境内のロボット、環境のＨＶＡＣシステム、環境のアラームシステム、環境内の組立ラインなどを制御してもよい。実施形態において、環境制御システム１５５１２は、デジタルツインシミュレーションシステム１５５０６、デジタルツインダイナミックモデルシステム１５５０８、及び／又は認知プロセスシステム１５５１０を活用して、１つ又は複数の制御指示を決定してもよい。実施形態において、環境制御システム１５５１２は、制御命令を決定するために、ルールベース及び／又は機械学習アプローチを実装してもよい。制御命令を決定することに応答して、環境制御システム１５５１２は、デジタルツインＩ／Ｏシステム１５５０４を介して、特定の環境内の意図されたデバイスに制御命令を出力してもよい。

図１５６は、本開示のいくつかの実施形態による例示的なデジタルツインマネジメントシステム１５５０２を示す図である。実施形態において、デジタルツイン管理システム１５５０２は、デジタルツイン作成モジュール１５５６４、デジタルツイン更新モジュール１５５６６、およびデジタルツイン可視化モジュール１５５６８を含んでもよいが、これらに限定されるものではない。

実施形態において、デジタルツイン作成モジュール１５５６４は、ユーザーからの入力、インポートデータ（例えば、設計図、仕様書など）、環境の画像スキャン、レーダーデバイスおよび／またはスラム（ＳＬＡＭ）センサからの３Ｄデータ、ならびに他の適切なデータ源を使用して、一群の環境の新しいデジタルツインを作成してもよい。例えば、ユーザー（例えば、組織／顧客アカウントに所属するユーザー）は、クライアントアプリケーション１５５７０を介して、環境の新しいデジタルツインを作成するための入力を提供してもよい。その際、ユーザーは、環境の２Ｄまたは３Ｄ画像スキャンおよび／または環境の青写真をアップロードしてもよい。ユーザーは、カメラ、レーダー装置、ＩＲスキャナ、ＳＬＡＭセンサのセット、レーダ装置、ＥＭＦスキャナなどによって撮影された３Ｄデータをアップロードすることもできる。提供されたデータに応答して、デジタルツイン作成モジュール１５５６４は、環境の３Ｄ表現を作成してもよく、これは、画像データにおいて捕捉された／３Ｄデータにおいて検出された任意のオブジェクトを含んでもよい。実施形態において、認知プロセスシステム１５５７２は、入力データ（例えば、設計図、画像スキャン、３Ｄデータ）を分析して、部屋、通路、設備などを分類し、３Ｄ表現の生成を支援してもよい。いくつかの実施形態では、デジタルツイン作成モジュール１５５６４は、デジタルツインを３Ｄ座標空間（例えば、ｘ、ｙ、及びｚ軸を有する直交空間）にマッピングしてもよい。

いくつかの実施形態において、デジタルツイン作成モジュール１５５６４は、環境の３Ｄ表現をグラフィカルユーザインターフェース（ＧＵＩ）に出力してもよい。これらの実施形態のいくつかにおいて、ユーザーは、特定のエリア及び／又はオブジェクトを識別してもよく、識別されたエリア及び／又はオブジェクトに関連する入力を提供してもよい。例えば、ユーザーは、特定の部屋、設備、機械などをラベル付けしてもよい。加えて又は代替的に、ユーザーは、識別されたオブジェクト及び／又は領域に関連するデータを提供してもよい。例えば、機器の一部を特定する際に、ユーザーは、その機器の製造番号／モデル番号を提供してもよい。いくつかの実施形態では、デジタルツイン作成モジュール１５５６４は、装置、機器の一部、又は機械の製造業者から情報を取得してもよい。この情報は、装置、機器、又は機械の１つ又は複数の特性及び／又は挙動を含んでもよい。いくつかの実施形態では、ユーザーは、グラフィカルユーザインターフェースを介して、環境全体のセンサの位置を特定してもよい。各センサについて、ユーザーは、センサの種類及び関連データ（例えば、メーカー、モデル、ＩＰアドレス等）を提供してもよい。デジタルツイン作成モジュール１５５６４は、環境のデジタルツインに位置（例えば、センサのＸ、ｙ、ｚ座標）を記録してもよい。実施形態において、デジタルツインシステム１５５００は、デジタルツインの人口を自動化する１つ又は複数のシステムを採用してもよい。例えば、デジタルツインシステム１５５００は、デバイス、装置、又はセンサーのメーカー及びモデルを分類するマシンビジョンベースの分類器を採用してもよい。さらに、または代替的に、デジタルツインシステム１５５００は、環境に存在する特定のタイプのセンサーの存在を識別するために、異なるタイプの既知のセンサーに反復的にピン音（ｐｉｎｇ）を打ってもよい。センサがピン音（ｐｉｎｇ）に応答するたびに、デジタルツインシステム１５５００は、センサのメーカーとモデルを推定してもよい。

いくつかの実施形態では、製造者は、その製品（例えば、センサ、デバイス、機械、装置、原材料など）のデジタルツインを提供するか、または利用可能にすることができる。これらの実施形態において、デジタルツイン作成モジュール１５５６４は、環境において識別される１つまたは複数の製品のデジタルツインをインポートしてもよく、それらのデジタルツインを環境のデジタルツインに埋め込んでもよい。実施形態において、デジタルツインを別のデジタルツイン内に埋め込むことは、埋め込まれたデジタルツインと別のデジタルツインとの間に関係を作成することを含んでもよい。これらの実施形態において、デジタルツインの製造者は、それぞれの製品の動作および／または特性を定義してもよい。例えば、機械のデジタルツインは、機械が動作する方法、機械の入力／出力などを定義してもよい。このように、機械のデジタルツインは、一連の入力が与えられたときの機械の動作を反映することができる。

実施形態において、ユーザーは、環境において発生する１つ以上のプロセスを定義してもよい。これらの実施形態において、ユーザーは、プロセスのステップ、プロセスの各ステップを実行する機械／装置、プロセスへの入力、及びプロセスの出力を定義してもよい。

実施形態において、デジタルツイン作成モジュール１５５６４は、一組のデジタルツインの間の関係を定義するグラフデータベースを作成してもよい。これらの実施形態において、デジタルツイン作成モジュール１５５６４は、環境、環境のシステム及びサブシステム、環境内のデバイス、環境内のセンサ、環境内で働く作業員、環境内で実行されるプロセスなどのノードを作成してもよい。実施形態において、デジタルツイン作成モジュール１５５６４は、デジタルツインのセットを表すグラフデータベースをデジタルツインデータストア１５５１６に書き込んでもよい。

実施形態において、デジタルツイン作成モジュール１５５６４は、各ノードについて、エンティティを表すノードに、そのエンティティに関連する任意のデータを含んでもよい。例えば、環境を表すノードを定義する際に、デジタルツイン作成モジュール１５５６４は、寸法、境界、レイアウト、経路、及び他の関連する空間データをノードに含んでもよい。さらに、デジタルツイン作成モジュール１５５６４は、環境を基準とした座標空間を定義してもよい。デジタルツインがレンダリングされ得る場合、デジタルツイン作成モジュール１５５６４は、環境をレンダリングするために使用され得る任意の形状、メッシュ、スプライン、表面等への参照をノードに含んでもよい。システム、サブシステム、デバイス、またはセンサを表現する場合、デジタルツイン作成モジュール１５５６４は、それぞれのエンティティに対するノードを作成してもよく、任意の関連するデータを含んでもよい。例えば、デジタルツイン作成モジュール１５５６４は、環境内のマシンを表すノードを作成してもよい。この例では、デジタルツイン作成モジュール１５５６４は、機械を表すノードに、機械に関連する寸法、動作、特性、位置、及び／又は他の任意の適切なデータを含んでもよい。デジタルツイン作成モジュール１５５６４は、関連するエンティティのノードをエッジで接続し、それによって、エンティティ間の関係を作成してもよい。その際、エンティティ間に作成された関係は、エッジによって特徴付けられる関係の種類を定義してもよい。プロセスを表現する際に、デジタルツイン作成モジュール１５５６４は、プロセス全体に対するノードを作成してもよいし、プロセス内の各ステップに対するノードを作成してもよい。これらの実施形態のいくつかでは、デジタルツイン作成モジュール１５５６４は、プロセスノードを、プロセス内のステップを実行する機械／デバイスを表すノードに関連させてもよい。実施形態において、エッジがプロセスステップノードをプロセスステップを実行する機械／デバイスに接続する場合、エッジまたはノードの１つは、ステップへの入力、ステップの出力、ステップが要する時間量、出力を生成するための入力の処理の性質、プロセスが受け得る一連の状態またはモード、などを示す情報を含んでもよい。

実施形態において、デジタルツインアップデートモジュール１５５６６は、１つまたは複数の産業エンティティの現在のステータスに基づいてデジタルツインのセットを更新する。いくつかの実施形態では、デジタルツインアップデートモジュール１５５６６は、産業環境のセンサシステム１５５３０からセンサデータを受信し、産業環境のデジタルツインのステータス、及び／又は影響を受ける任意のシステム、サブシステム、デバイス、作業員、プロセスなどのデジタルツインを更新する。議論したように、デジタルツインＩ／Ｏシステム１５５０４は、１つまたは複数のセンサパケットでセンサデータを受信してもよい。デジタルツインＩ／Ｏシステム１５５０４は、センサデータをデジタルツイン更新モジュール１５５６６に提供してもよく、センサパケットが受信された環境およびセンサパケットを提供したセンサを特定してもよい。センサデータに応答して、デジタルツインアップデートモジュール１５５６６は、センサデータに基づいて１つまたは複数のデジタルツインの状態を更新してもよい。これらの実施形態のいくつかにおいて、デジタルツインアップデートモジュール１５５６６は、現在のセンサデータを反映するために、センサデータを提供したセンサに対応するレコード（例えば、グラフデータベースのノード）を更新してもよい。いくつかのシナリオでは、デジタルツインアップデートモジュール１５５６６は、センサによって監視される環境内の特定の領域を識別してもよく、現在のセンサデータを反映させるためにレコード（例えば、グラフデータベース内のノード）を更新してもよい。例えば、デジタルツイン更新モジュール１５５６６は、機械及び／又は機械構成要素の異なる振動特性を反映したセンサデータを受信してもよい。この例では、デジタルツインアップデートモジュール１５５６６は、振動センサデータを提供した振動センサを表すレコード、及び／又は機械及び／又は機械構成要素を表すレコードを更新して、振動センサデータを反映させてもよい。別の例では、いくつかのシナリオにおいて、産業環境（例えば、製造施設、産業貯蔵施設、鉱山、掘削作業など）の作業員は、ウェアラブルデバイス（例えば、スマートウォッチ、スマートヘルメット、スマートシューズなど）の装着を要求される場合がある。これらの実施形態において、ウェアラブルデバイスは、作業員（例えば、位置、動き、心拍数、呼吸数、体温など）及び／又は作業員を取り巻く環境に関するセンサデータを収集してもよく、収集したセンサデータを直接又はセンサシステムの集約デバイスを介してデジタルツインシステム１５５００に（例えば、リアルタイムセンサＡＰＩ１５５１４を介して）伝達してもよい。作業員のウェアラブルデバイスからセンサデータを受信することに応答して、デジタルツイン更新モジュール１５５６６は、例えば、作業員の位置、作業員の軌跡、作業員の健康状態などを反映するために作業員のデジタルツインを更新してもよい。これらの実施形態のいくつかにおいて、デジタルツインアップデートモジュール１５５６６は、作業者の現在の状態を反映するために、作業者を表すノード及び／又は環境を表すノードと収集されたセンサデータとを接続するエッジを更新してもよい。

いくつかの実施形態において、デジタルツイン更新モジュール１５５６６は、１つ以上のセンサからのセンサデータをデジタルツイン動的モデルシステム１５５０８に提供してもよく、このシステムは、追加の状態データを外挿するために環境及び／又は１つ以上の産業エンティティの挙動をモデル化することができる。

実施形態において、デジタルツイン視覚化モジュール１５５６８は、視覚的なデジタルツインまたはその一部を見るための要求を受信する。実施形態において、要求は、閲覧されるデジタルツインを示してもよい（例えば、環境識別子）。応答において、デジタルツイン視覚化モジュール１５５６８は、要求されたデジタルツイン及び要求によって暗示される他のデジタルツインを決定してもよい。例えば、環境のデジタルツインを表示することを要求する場合、デジタルツイン視覚化モジュール１５５６８は、環境内の任意の産業エンティティのデジタルツインをさらに特定してもよい。実施形態において、デジタルツイン視覚化モジュール１５５６８は、例えば、グラフデータベースにおいて定義された関係に基づいて、産業エンティティと環境との間の空間的関係を特定してもよい。これらの実施形態において、デジタルツイン視覚化モジュール１５５６８は、含有デジタルツイン内の埋め込みデジタルツインの相対位置、隣接するデジタルツインの相対位置、及び／又は関係の過渡性（例えば、オブジェクトが点に固定されているか、オブジェクトが移動するか）を判定することができる。デジタルツイン視覚化モジュール１５５６８は、識別された関係に基づいて、要求されたデジタルツイン及び他の任意の関係するデジタルツインをレンダリングしてもよい。いくつかの実施形態では、デジタルツイン視覚化モジュール１５５６８は、各デジタルツインについて、デジタルツインの表面を決定してよい。いくつかの実施形態では、デジタルの表面は、デジタルツインに対応するレコードにおいて定義または参照されてもよく、それは、ユーザーによって提供されてもよく、インポートされた画像から決定されてもよく、産業実体の製造者によって定義されてもよい。オブジェクトが異なるポーズ又は形状を取り得るというシナリオ（例えば、産業用ロボット）において、デジタルツイン視覚化モジュール１５５６８は、デジタルツインに対するオブジェクトのポーズ又は形状を決定してもよい。デジタルツイン視覚化モジュール１５５６８は、デジタルツインを要求されたデジタルツインに埋め込んでもよく、要求されたデジタルツインをクライアントアプリケーションに出力してもよい。

これらの実施形態のいくつかでは、デジタルツインを見るためのリクエストは、ビューのタイプをさらに示すことができる。議論されたように、いくつかの実施形態では、デジタルツインは、多数の異なるビュータイプで描かれてもよい。例えば、環境又はデバイスは、環境又はデバイスをそれらが通常現れるように描写する「実世界」ビューで、環境又はデバイスを環境又はデバイスの温度を示す方法で描写する「熱」ビューで、産業環境における機械及び／又は機械コンポーネントを機械及び／又は機械コンポーネントの振動特性を示す方法で描写する「振動」ビューで閲覧されてもよい。環境またはデバイスのコンポーネント内の特定のタイプのオブジェクト（例えば、故障状態の認識、警告、更新されたレポート、または他の要因に起因する注意を要するオブジェクトなど）のみを表示する「フィルタリング」ビュー、デジタルツインにデータをオーバーレイする拡張ビュー、および／または他の任意の適切なビュータイプで表示する。実施形態において、デジタルツインは、多数の異なる役割ベースのビュータイプで描かれてもよい。例えば、製造施設デバイスは、施設オペレータに適した方法で施設を描写する「オペレータ」ビュー、幹部レベルの管理者に適した方法で施設を描写する「Ｃ－Ｓｕｉｔｅ」ビュー、販売および／またはマーケティングの役割の労働者に適した方法で施設を描写する「マーケティング」ビューで表示されてもよい。役員に適した形で描かれた「役員会」、規制管理者に適した形で描かれた「規制」、人事担当者に適した形で描かれた「人事」の各ビューを表示する。ビュータイプを示すリクエストに応答して、デジタルツイン可視化モジュール１５５６８は、ビュータイプに対応する各デジタルツインのデータを取得してもよい。例えば、ユーザーが工場床の振動ビューを要求した場合、デジタルツイン視覚化モジュール１５５６８は、工場床の振動データ（これは、異なる機械及び／又は機械部品から取られた振動測定値及び／又はデジタルツイン動的モデルシステム１５５０８によって外挿された振動測定値及び／又はデジタルツインシミュレーションシステム１５５０６からのシミュレーション振動データ）並びに工場床に現れる任意の産業エンティティに対する利用可能な振動データを取得しても良い。この例では、デジタルツイン可視化モジュール１５５６８は、振動障害レベル状態を表す工場フロア上の各機械コンポーネントに対応する色を決定してもよい（例えば、アラームの場合は赤、重要の場合はオレンジ、最適以下の場合は黄色、正常動作の場合は緑）。デジタルツイン視覚化モジュール１５５６８は、次に、決定された色に基づいて、環境内の機械構成要素のデジタルツインをレンダリングしてもよい。さらに、または代替的に、デジタルツイン視覚化モジュール１５５６８は、決定された色を有するインジケータで環境内の機械構成要素のデジタルツインをレンダリングしてもよい。例えば、モータのインバウンドベアリングの振動故障レベル状態が最適以下であり、モータのアウトバウンドベアリングが重大である場合、デジタルツイン視覚化モジュール１５５６８は、黄色の色合いのインジケータ（例えば、最適以下）を有するインバウンドベアリングのデジタルツインをレンダリングし、オレンジの色合いのインジケータ（例えば、重大）を有するアウトバウンドベアリングのデジタルツインをレンダリングし得る。いくつかの実施形態において、デジタルツインシステム１５５００は、デジタルツイン可視化システム１５５００が人間のユーザーに情報を提示する態様を決定する分析システム（図示せず）を含んでもよいことに留意されたい。例えば、分析システムは、視覚的なデジタルツインで提示された情報に応答して、実世界の環境又はオブジェクトとの人間の相互作用に関連する結果を追跡してもよい。いくつかの実施形態において、分析システムは、結果データに基づいて、視覚化された情報（例えば、アラーム状態を示すためにどのような色を使用するか、アラーム状態に注意を促すどのような動き又はアニメーションか、等）又は音声情報（アラーム状態を示すためにどのような音を使用するか）を表示する最も有効な方法を決定するために認知モデルを適用することができる。いくつかの実施形態では、分析システムは、認知モデルを適用して、ユーザーの役割に基づいて視覚化された情報を表示するための最も適切な方法を決定してもよい。実施形態において、可視化は、グラフ情報、振動特性を描写するグラフ情報、高調波ピークを描写するグラフ情報、ピークを描写するグラフ情報、振動深刻度単位データ、振動故障レベル状態データなど、可視化されたデジタルツインに関連する情報の表示を含んでもよい。認知知能システム１５５１０からの推奨、認知知能システム１５５１０からの予測、故障確率データ、保守履歴データ、故障までの時間データ、ダウンタイムデータコスト、ダウンタイムデータ確率、修理コストデータ、機械交換コストデータ、停止確率データ、製造ＫＰＩ、などである。

別の実施例では、ユーザーは、プロセスのデジタルツインのフィルタリングされたビューを要求してもよく、それによって、プロセスのデジタルツインは、プロセスに関与するコンポーネント（例えば、機械又は装置）のみを表示する。この例では、デジタルツイン可視化モジュール１５５６８は、プロセスのデジタルツインだけでなく、任意の関連するデジタルツイン（例えば、環境のデジタルツイン、プロセスに影響を与える任意の機械又は装置のデジタルツイン）も取得してもよい。デジタルツイン可視化モジュール１５５６８は、次に、デジタルツインの各々（例えば、環境及び関連する産業エンティティ）をレンダリングしてもよく、次に、レンダリングされたデジタルツイン上でプロセスを実行してもよい。プロセスが一定期間にわたって実行され、移動するアイテム及び／又は部品を含み得るので、デジタルツイン視覚化モジュール１５５６８は、プロセスを実証する一連の連続したフレームを生成し得ることに留意されたい。このシナリオでは、プロセスによって関与する機械及び／又はデバイスの動きは、機械及び／又はデバイスのそれぞれのデジタルツインにおいて定義される動作に従って決定されてもよい。

議論されたように、デジタルツイン視覚化モジュール１５５６８は、要求されたデジタルツインをクライアントアプリケーション１５５７０に出力してよい。いくつかの実施形態では、クライアントアプリケーション１５５７０は、仮想現実アプリケーションであり、それによって、要求されたデジタルツインは、仮想現実ヘッドセット上に表示される。いくつかの実施形態では、クライアントアプリケーション１５５７０は、拡張現実アプリケーションであり、それによって、要求されたデジタルツインは、ＡＲ対応デバイスにおいて描かれる。これらの実施形態において、要求されたデジタルツインは、視覚的要素および／またはテキストがＡＲ対応デバイスのディスプレイ上にオーバーレイされるようにフィルタリングされ得る。

グラフデータベースが議論されているが、デジタルツインシステム１５５００は、デジタルツインのセットに関連する情報を格納するために、他の適切なデータ構造を採用してもよいことに留意されたい。これらの実施形態において、データ構造、及び任意の関連するストレージシステムは、データ構造がフローの反復を表すときにある程度のフィードバックループ及び／又は再帰を提供するように実装されてもよい。

図１３１は、本開示のいくつかの実施形態による、結合されたコンポーネント間のデータの双方向転送を提供するために、環境１５５２０、デジタルツインシステム１５５００、及び／又はそれらのコンポーネントとインターフェースするデジタルツインＩ／Ｏシステム１５５０４の一例を示す図である。

実施形態において、転送されたデータは、ソフトウェアコンポーネント、ハードウェアコンポーネント、物理デバイス、仮想化デバイス、シミュレーションデバイス、それらの組み合わせなどを含み得る、接続されたコンポーネント間の信号（例えば、要求信号、コマンド信号、応答信号など）を含んでいる。信号は、材料特性（例えば、温度、圧力、湿度、密度、粘度などの物理量）、測定値（例えば、デバイスまたはシステムによって取得された同時または保存された値）、デバイス特性（例えば、デバイスＩＤまたはデバイスの設計仕様、材料、測定能力、寸法、絶対位置、相対位置、これらの組み合わせなど）、設定点（例えば、,に関する目標値）、および／または臨界点（例えば、材料特性、デバイス特性、システム特性などに関する最小値または最大値などの閾値）である。信号は、データを取得する（例えば、直接測定又は生成する）システム又は装置から受信してもよく、又はその他の方法で取得する（例えば、受信、計算、ルックアップ、フィルタリング等）デジタルツインＩ／Ｏシステム１５５０４と、所定の時間に又はデジタルツインＩ／Ｏシステム１５５０４からの要求（例えば、ポーリング）に応答して伝達されてもよい。通信は、直接的又は間接的な接続を介して（例えば、回路内の中間モジュール及び／又は接続された構成要素間の中間装置を介して）発生してもよい。値は、実世界要素１５７３０２ｒ（例えば、有形振動センサーの入力又は出力）又は仮想要素１５７３０２ｖ（例えば、振動データを提供するデジタルツイン１５７３０２Ｄ及び／又は模擬要素１５７３０２Ｓの入力又は出力）に対応してもよい。

実施形態では、実世界要素１５７３０２ｒは、産業環境１５５２０内の要素であってよい。実世界要素１５７３０２ｒは、例えば、非ネットワーク化オブジェクト１５５２２、デバイス１５５２４（スマートまたは非スマート）、センサ１５５２６、および人間１５５２８を含んでもよい。実世界要素１５１３０２ｒは、産業環境１５５２０内のプロセス機器または非プロセス機器であってもよい。例えば、プロセス機器は、モータ、ポンプ、ミル、ファン、塗装機、溶接機、製錬機などを含んでもよく、非プロセス機器は、個人防護具、安全装置、緊急ステーションまたは装置（例えば、安全シャワー、洗眼ステーション、消火器、スプリンクラーシステムなど）、倉庫特徴（例えば、壁、床レイアウトなど）、障害物（例えば、環境１５５２０内の人物または他のアイテムなど）などでもよい。

実施形態では、仮想要素１５７３０２ｖは、同時期に存在する現実世界要素１５７３０２ｒのデジタル表現であってもよいし、それに対応するものであってもよい。加えて又は代替的に、仮想要素１５７３０２ｖは、環境１５５２０への後の追加及び実装のために利用可能であり得る実世界要素１５７３０２ｒのデジタル表現であってもよく又はそれに対応するものであってもよい。仮想要素は、例えば、シミュレートされた要素１７５３０２Ｓ及び／又はデジタルツイン１５７３０２Ｄを含んでもよい。実施形態において、シミュレートされた要素１５７３０２Ｓは、産業環境１５５２０内に存在しない実世界の要素１５７３０２Ｓのデジタル表現であってよい。シミュレートされた要素１５７３０２Ｓは、後に実世界の要素１５７３０２ｒとして環境１５５２０内に統合され得る所望の物理的特性を模倣してもよい（例えば、実世界の要素１５７３０２ｒの寸法を模倣する「ブラックボックス」であってもよい）。模擬要素１５７３０２Ｓは、既存のオブジェクトのデジタルツインを含んでもよい（例えば、単一の模擬要素１５１３０２Ｓは、既存のセンサに対する１つ又は複数のデジタルツイン１５１３０２Ｄを含んでもよい）。模擬要素１５７３０２Ｓに関連する情報は、例えば、模擬要素１３１３０２Ｓの情報及び挙動を定義するライブラリ（例えば、物理ライブラリ、化学ライブラリ等）から、数学モデル又はアルゴリズムを用いて対応する実世界要素１５７３０２ｒの動作を評価することにより取得してもよい。

実施形態では、デジタルツイン１５７３０２Ｄは、１つ以上の実世界要素１５７３０２ｒのデジタル表現であってよい。デジタルツイン１５７３０２Ｄは、周囲又はアンビエント環境の入力、出力、及び／又は条件に応答する実世界要素１５７３０２ｒの動作及び応答を模倣、コピー、及び／又はモデル化するように構成される。実世界要素１５７３０２ｒの物理的特性及び応答に関連するデータは、例えば、ユーザー入力、センサ入力、及び／又は物理的モデリング（例えば、熱力学モデル、電気力学モデル、機械力学モデル等）を介して得られてもよい。デジタルツイン１５７３０２Ｄの情報は、デジタルツイン１５７３０２Ｄに対応する１つ又は複数の実世界要素１５７３０２ｒに対応し、そこから取得されてもよい。例えば、いくつかの実施形態では、デジタルツイン１３１３０２Ｄは、機械部品上の固定デジタル振動センサ１５５３６である１つの実世界要素１５７３０２ｒに対応してもよく、デジタルツイン１３１３０２Ｄのための振動データは、機械部品上の固定デジタル振動センサによって測定された振動データをポーリングまたはフェッチして取得されてもよい。さらなる例では、デジタルツイン１５７３０２Ｄは、要素の各々が機械構成要素上の固定デジタル振動センサであり得るような複数の実世界要素１５７３０２ｒに対応してもよく、デジタルツイン１５７３０２Ｄの振動データは、複数の実世界要素１５７３０２ｒ上の固定デジタル振動センサの各々によって測定された振動データのポーリングまたはフェッチによって取得されてもよい。加えて又は代替的に、第１のデジタルツイン１５７３０２Ｄの振動データは、第１のデジタルツイン１５７３０２Ｄ内に埋め込まれる第２のデジタルツイン１５７３０２Ｄの振動データをフェッチすることによって得られてもよく、第１のデジタルツイン１５７３０２Ｄの振動データは第２のデジタルツイン１５７３０２Ｄの振動データを含む又はそれから導出されてもよい。例えば、第１のデジタルツインは、環境１５５２０のデジタルツイン１５７３０２Ｄ（代替的に「環境デジタルツイン」と呼ばれる）であってもよく、第２のデジタルツイン１５７３０２Ｄは、第１のデジタルツイン１５７３０２Ｄの振動データが第２のデジタルツイン１５７３０２Ｄの振動データを含むデータから得られる、またはデータに基づいて計算されるように環境１５５２０内に配置される振動センサに対応するデジタルツイン１５７３０２Ｄであってよい。

実施形態において、デジタルツインシステム１５５００は、デジタルツイン１５７３０２Ｄ及び／又は１つ以上のシミュレーションされた要素１５７３０２Ｓに対するモデルの出力によって表される又は表され得るそれぞれの環境１５５２０内でセンサ１５５２６を使用して実世界要素１５７３０２ｒのプロパティを監視する。実施形態において、デジタルツインシステム１５５００は、影響を受ける実世界要素１５７３０２ｒに対応するセンサーのためのポーリング間隔を延長し、及び／又はデータ転送を最小化し、他のソース（例えば、影響を受ける実世界要素１５７３０２ｒに物理的に近接しているか又は影響を及ぼすセンサー）から得られたデータを使用して延長間隔の間に（例えば、デジタルツインシミュレーションシステム１５５０６を介して）シミュレーションを行うことによってプロセスの有効監視を維持しながらネットワークの混雑を最小化しても良い。加えて又は代替的に、収集されたセンサデータをデジタルツインシミュレーションシステム１５５０６から得られたデータと比較することによって、エラーチェックを行うことができる。例えば、実世界要素１５７３０２ｒとシミュレーション要素１５７３０２Ｓから得られたセンサデータ間の一貫した偏差又は変動は、それぞれのセンサの誤動作又は別の障害状態を示している可能性がある。

実施形態において、デジタルツインシステム１５５００は、１つ以上の模擬要素１５７３０２の使用を通じて、環境の特徴を最適化してもよい。例えば、デジタルツインシステム１５５００は、環境１５５２０内の実世界要素１５７３０２ｒの包含、除外、又は置換から流れるコスト及び／又は利益を迅速かつ効率的に決定するために、環境のデジタルツイン内の模擬要素１５７３０２Ｓの影響を評価してもよい。コスト及び利点は、例えば、機械コストの増加（例えば、設備投資及びメンテナンス）、効率の増加（例えば、無駄を削減し又は処理能力を増加させるためのプロセス最適化）、環境１５５２０内のフットプリントの減少又は変更、耐用年数の延長又は最適化、構成要素の欠陥の最小化、構成要素のダウンタイムの最小化等を含むことができる。

実施形態において、デジタルツインＩ／Ｏシステム１５５０４は、１つ以上のデバイス（例えば、サーバデバイス、ユーザデバイス、及び／又は分散デバイス）の１つ以上のコントローラによって実行され、説明された機能に影響を及ぼす１つ以上のソフトウェアモジュールを含んでもよい。デジタルツインＩ／Ｏシステム１５５０４は、例えば、入力モジュール１５７３０４、出力モジュール１５７３０６、及びアダプタモジュール１５７３０８を含んでもよい。

実施形態において、入力モジュール１５７３０４は、センサシステム１５５３０及びデジタルツインシミュレーションシステム１５５０６などのデジタルツインＩ／Ｏシステム１５５０４と通信しているデータソースからデータを取得又はインポートしてもよい。データは、デジタルツインシステム１５５００によって直ちに使用されてもよく、又はデジタルツインシステム１５５００内に保存されてもよい。インポートされたデータは、データストリーム、データバッチ、トリガーイベントに応答して、それらの組み合わせなどから取り込まれる場合がある。入力モジュール１５７３０４は、デジタルツインシステム１５５００内で情報を転送、読み取り、及び／又は書き込むのに適したフォーマットでデータを受け取ってもよい。

実施形態において、出力モジュール１５７３０６は、他のシステムコンポーネント（例えば、デジタルツインデータストア１５５１６、デジタルツインシミュレーションシステム１５５０６、認知知能システム１５５１０等）、デバイス１５５２４、及び／又はクライアントアプリケーション１５５７０にデータを出力又はエクスポートしてもよい。データは、データストリーム、データバッチ、トリガーイベント（例えば、要求）に応答して、それらの組合せなどで出力されてもよい。出力モジュール１５７３０６は、ターゲット要素によって使用又は保存されるのに適したフォーマットでデータを出力してもよい（例えば、クライアントアプリケーションへの出力用の１つのプロトコルと、デジタルツインデータストア１５５１６用の別のプロトコルとがある）。

実施形態において、アダプタモジュール１５７３０８は、入力モジュール１５７３０４と出力モジュール１５７３０６の間でデータを処理及び／又は変換してもよい。実施形態において、アダプタモジュール１５７３０８は、データを自動的に（例えば、データ型に基づいて）、又は受信した要求に応じて（例えば、データ内の情報に応答して）、変換及び／又は経路指定してもよい。

実施形態において、デジタルツインシステム１５５００は、デジタルツインにおける産業ワークピース要素のセットを表すことができ、デジタルツインシミュレーションシステム１５５０６は、ワークピース要素との作業者の物理的相互作用のセットをシミュレートする。

実施形態において、デジタルツインシミュレーションシステム１５５０６は、シミュレートされた人的要因を考慮して、シミュレートされた物理的相互作用のプロセス結果を決定してもよい。例えば、ワークピースのスループットの変動は、例えば、イベントに対する作業者の応答時間、作業者の疲労、作業者の動作内の不連続性（例えば、人間の移動速度の自然な変動、異なる位置決め時間など）、下流工程に対する不連続性の影響などを含むデジタルツインシステム１５５０によってモデル化されてもよい。実施形態では、デジタルツインシステム１５５００によって収集、取得、及び／又は保存される履歴データを用いて、個別作業者インタラクションがモデル化されてもよい。シミュレーションは、推定量（例えば、労働者の年齢、業界平均、職場の期待など）に基づいて開始されてもよい。また、シミュレーションは、各労働者のデータを個別化してもよい（例えば、推定量と収集された労働者固有の成果とを比較する）。

実施形態において、作業者に関する情報（例えば、疲労率、効率率など）は、特定の作業者のパフォーマンスを経時的に分析し、当該パフォーマンスをモデル化することによって決定されてもよい。

実施形態において、デジタルツインシステム１５５００は、センサシステム１５５３０内に複数の近接センサを含む。近接センサは、所定の領域内にある環境１５５２０の要素を検出するように構成されているか、または構成されてもよい。例えば、近接センサは、電磁センサ、光センサ、及び／又は音響センサを含んでもよい。

電磁センサーは、１つ以上の電磁場（例えば、放出された電磁放射線又は受信された電磁放射線）を介して物体又は相互作用を感知するように構成されているか又は構成されていてもよい。実施形態において、電磁センサーは、誘導センサー（例えば、無線周波数識別センサー）、静電容量センサー（例えば、接触型及び非接触型静電容量センサー）、それらの組み合わせ、及び同様のものを含む。

光センサは、例えば、遠赤外線、近赤外線、光学、及び／又は紫外線スペクトルにおける電磁放射を介して物体又は相互作用を感知するように構成されているか、又は構成されていてもよい。実施形態において、光センサは、画像センサ（例えば、電荷結合素子及びＣＭＯＳアクティブピクセルセンサ）、光電センサ（例えば、透過型センサ、再帰反射型センサ、及び拡散型センサ）、それらの組み合わせ、及び同様のものを含んでもよい。さらに、光センサは、光検出及び測距（レーダー「ＬＩＤＡＲ」）センサなどのシステム又はサブシステムの一部として実装されてもよい。

音響センサは、音響センサによって放射及び／又は受信される音波を介して物体又は相互作用を感知するように構成される、又は構成されてもよい。実施形態において、音響センサは、低周波センサ、音波センサ、及び／又は超音波センサを含んでもよい。さらに、音響センサは、音響航法及び測距（ソナー「ＳＯＮＡＲ」）センサなどのシステム又はサブシステムの一部としてグループ化されてもよい。

実施形態において、デジタルツインシステム１５５００は、環境１５５２０またはその一部内の近接センサのセットからデータを格納し、収集する。収集されたデータは、例えば、デジタルツインシステム１５５００の構成要素による使用及び／又はユーザーによる視覚化のために、デジタルツインデータストア１５５１６に格納されてもよい。そのような使用及び／又は視覚化は、データの収集と同時又はその後に（例えば、後の分析及び／又はプロセスの最適化の間に）発生してもよい。

実施形態において、データ収集は、トリガー条件に応答して発生してもよい。これらのトリガー条件は、例えば、静的又は動的な所定の間隔の満了、静的又は動的な値より短い又は超える値の取得、デジタルツインシステム１５５００又はそのコンポーネントから自動的に生成された要求又は命令の受信、それぞれのセンサ又はセンサと要素の相互作用（例えば、作業者又は機械がビームを破るか又は近接センサから所定の距離内に来ることに応答して）、ユーザーとデジタルツインの相互作用（例えば、環境デジタルツイン、センサ配列デジタルツイン、又はセンサデジタルツインの選択）、これらの組み合わせ、及び同様のものである。

いくつかの実施形態では、デジタルツインシステム１５５００は、実世界要素１５７３０２ｒとの作業者の相互作用に応答して、ＲＦＩＤデータを収集及び／又は記憶する。例えば、実世界環境との作業者の相互作用に応答して、デジタルツインは、対応する環境１５５２０内の又はそれに関連するＲＦＩＤセンサからＲＦＩＤデータを収集及び／又は記憶することになる。さらに、または代替的に、センサーアレイデジタルツインとの作業者の相互作用は、対応するセンサーアレイ内またはそれに関連するＲＦＩＤセンサーからＲＦＩＤデータを収集および／または保存することになる。同様に、作業者とセンサーデジタルツインとの対話は、対応するセンサーからＲＦＩＤデータを収集し、及び／又は保存する。ＲＦＩＤデータは、近接するＲＦＩＤタグ、ＲＦＩＤタグの位置、許可されたＲＦＩＤタグ、許可されていないＲＦＩＤタグ、認識されていないＲＦＩＤタグ、ＲＦＩＤタイプ（例えば、アクティブ又はパッシブ）、エラーコード、それらの組み合わせなど、ＲＦＩＤセンサによって到達可能な適切なデータを含んでもよい。

実施形態において、デジタルツインシステム１５５００は、対応するデジタルツイン内に１つまたは複数のデバイスからの出力をさらに埋め込んでもよい。実施形態において、デジタルツインシステム１５５００は、個別の関連するデバイスのセットからの出力を産業用デジタルツインに埋め込む。例えば、デジタルツインＩ／Ｏシステム１５５０４は、産業環境内の個人に関連する１つ以上のウェアラブルデバイス１５５５４またはモバイルデバイス（図示せず）から出力された情報を受信してもよい。ウェアラブルデバイスは、画像キャプチャデバイス（例えば、ボディカメラ又は拡張現実ヘッドウェア）、ナビゲーションデバイス（例えば、ＧＰＳデバイス、慣性誘導システム）、モーショントラッカー、音響キャプチャデバイス（例えば、マイクロフォン）、放射線検出器、及びそれらの組み合わせなどを含んでもよい。

実施形態において、出力情報を受信すると、デジタルツインＩ／Ｏシステム１５５０４は、デジタルツイン作成モジュール１５５６４に情報をルーティングして、環境デジタルツイン及び／又は環境内の関連デジタルツイン（例えば、所定の時間における作業者、機械、又はロボット位置のデジタルツイン）を確認及び／又は更新させる。さらに、デジタルツインシステム１５５００は、埋め込まれた出力を使用して、環境１５５２０の特性を決定してもよい。

実施形態において、デジタルツインシステム１５５００は、レーダー（ＬＩＤＡＲ）点群システムからの出力を産業用デジタルツインに埋め込む。例えば、デジタルツインＩ／Ｏシステム１５５０４は、産業環境内の１つまたは複数のレーダー（ＬＩＤＡｒ）デバイス１５５３８から出力された情報を受信してもよい。レーダー（ＬＩＤＡｒ）デバイス１５５３８は、関連する位置データ（例えば、絶対値又は相対値Ｘ、ｙ、ｚの座標）を有する複数の点を提供するように構成される。複数の点の各々は、強度、戻り数、総戻り数、レーザー色データ、戻り色データ、スキャン角度、スキャン方向などの更なるレーダー属性を含んでもよい。レーダー装置１５５３８は、複数の点を含む点群を、例えば、デジタルツインＩ／Ｏシステム１５５０４を介して、デジタルツインシステム１５５００に提供してもよい。加えて又は代替的に、デジタルツインシステム１５５００は、点のストリームを受信してストリームを点群に組み立ててもよく、又は点群を受信して受信した点群を既存の点群データ、地図データ、又は３次元（３Ｄ）モデルデータと組み立ててもよい。

実施形態において、出力情報を受信すると、デジタルツインＩ／Ｏシステム１５５０４は、点群情報をデジタルツイン作成モジュール１５５６４にルーティングして、環境デジタルツイン及び／又は環境内の関連デジタルツイン（例えば、所定の時間における作業者、機械、又はロボット位置のデジタルツイン）を確認及び／又は更新させる。いくつかの実施形態では、デジタルツインシステム１５５００は、受信したレーダー（ＬＩＤＡＲ）データ内の閉じた形状のオブジェクトを決定するようにさらに構成される。例えば、デジタルツインシステム１５５００は、点群内の複数の点をオブジェクトとしてグループ化し、必要に応じて、オブジェクトの妨害された面（例えば、床に接触又は隣接するオブジェクトの面、又は別の機器等の別のオブジェクトに接触又は隣接するオブジェクトの面）を推定してもよい。システムは、このような閉じた形状のオブジェクトを使用して、デジタルツインの探索空間を狭め、それによってマッチングアルゴリズム（例えば、形状マッチングアルゴリズム）の効率を向上させることができる。

実施形態において、デジタルツインシステム１５５００は、同時位置・マッピング（スラム「ＳＬＡＭ」）システムからの出力を環境デジタルツインに埋め込む。例えば、デジタルツインＩ／Ｏシステム１５５０４は、スラムセンサー１５５６２などのスラムシステムから出力された情報を受け取り、受け取った情報をスラムシステムによって決定された場所に対応する環境デジタルツイン内に埋め込んでもよい。実施形態では、スラムシステムから出力情報を受け取ると、デジタルツインＩ／Ｏシステム１５５０４は、デジタルツイン作成モジュール１５５６４に情報をルーティングして、環境デジタルツイン及び／又は環境内の関連デジタルツイン（例えば、ワーク、家具、移動可能オブジェクト、又は自律オブジェクトのデジタルツイン）を確認及び／又は更新する。このような更新は、デジタルツインシステム１５５００とのユーザーの相互作用を必要とせず、自動的に、非連結要素（例えば、家具又は人物）のデジタルツインを提供する。

実施形態において、デジタルツインシステム１５５００は、最適でないマップ構築アルゴリズムを使用することによって、スラムセンサー１５５６２の計算要件を低減するために、既知のデジタルツインを活用し得る。例えば、準最適マップ構築アルゴリズムは、単純な境界領域表現を使用して、可能性のあるデジタルツインを識別することで、より高い不確実性許容度を可能にし得る。加えて又は代替的に、デジタルツインシステム１５５００は、境界領域表現を使用してデジタルツインの数を制限し、潜在的なツインのグループを区別する特徴について分析し、次に、区別する特徴についてより高精度の分析を実行して、デジタルツインのカテゴリ、グループ、又は個々のデジタルツインを識別及び／又は排除し、一致するデジタルツインが見つからない場合、スキャンされる残りの領域のみの精密スキャンを実行してもよい。

実施形態において、デジタルツインシステム１５５００は、環境内の他のセンサから取り込まれたデータ（例えば、取り込まれた画像又はビデオ、無線画像など）を活用して、位置マップを構築するのに必要な計算をさらに低減して、初期マップ構築処理（例えば。単純境界領域マップ又は他の適切な写真測量法）を実行し、既知の環境オブジェクトのデジタルツインを単純境界領域マップの特徴と関連付けて単純境界領域マップを改良し、残りの単純境界領域のより正確なスキャンを実行してマップをさらに改良する。いくつかの実施形態において、デジタルツインシステム１５５００は、受信したマッピング情報内のオブジェクトを検出し、検出された各オブジェクトについて、検出されたオブジェクトが実世界-要素の既存のデジタルツインに対応するかどうかを決定し得る。検出されたオブジェクトが既存の実世界要素のデジタルツインに対応しないと決定することに応答して、デジタルツインシステム１５５００は、例えば、デジタルツイン作成モジュール１５５６４を使用して、検出されたオブジェクトに対応する新しいデジタルツイン（例えば、検出オブジェクトのデジタルツイン）を生成し、検出オブジェクトのデジタルツインをデジタルツインデータストア内の実世界要素のデジタルツインに追加してもよい。加えて又は代替的に、検出された物体が既存の実世界要素デジタルツインに対応すると決定することに応答して、デジタルツインシステム１５５００は、実世界要素デジタルツインを更新して、同時位置及びマッピングセンサーによって検出された新しい情報（もしあれば）を含んでもよい。

実施形態において、デジタルツインシステム１５５００は、産業用デジタルツイン内の自律的又は遠隔的に移動可能な要素の位置及びその属性を表す。そのような可動要素は、例えば、作業員、人、車両、自律型車両、ロボットなどを含んでもよい。可動要素の位置は、トリガー条件に応答して更新されてもよい。そのようなトリガー条件は、例えば、静的又は動的な所定の間隔の満了、デジタルツインシステム１５５００又はそのコンポーネントからの自動的に生成された要求又は命令の受信、要素とそれぞれのセンサ又はセンサとの相互作用（例えば、作業員又は機械がビームを破るか又は近接センサから所定の距離内に入ることに応答して）、ユーザーとデジタルツインとの相互作用（例えば、環境デジタルツイン、センサ配列デジタルツイン又はセンサデジタルツインの選択）、それらの組み合わせ等を含むことがある。

実施形態において、時間間隔は、それぞれの可動要素が時間期間内に移動したことの確率に基づいてもよい。例えば、作業員位置を更新するための時間間隔は、頻繁に移動すると予想される作業員（例えば、環境１５５２０内及び環境を通じて物体を持ち上げ、運ぶことを任務とする作業員）に対しては比較的短く、頻繁に移動しないと予想される作業員（例えば、プロセスストリームを監視することを任務とする作業員）に対しては比較的長くなってもよい。さらに、または代替的に、時間間隔は、可動要素が検出されないときは時間間隔を増加させ、環境内の可動要素の数が増加するとき（例えば、作業員の数および作業員の相互作用の増加）、環境活動が減少する期間中（例えば、昼食などの休憩）に時間間隔を増加させるなどの適用条件に基づいて動的に調節されてもよい。のような休憩時間）、異常な環境活動の期間（例えば、見学、検査、又は保守）中の時間間隔の減少、予期しない又は特徴的でない動きが検出された場合の時間間隔の減少（例えば、通常座っている要素による頻繁な動き又は例えば出口に近づく又は大きな物を運ぶために協力的に動く作業員の協調した動き）、それらの組み合わせ、及び同様のものが挙げられる。さらに、時間間隔は、追加の半ランダムな取得を含んでもよい。例えば、特定の時間間隔の有効性を補強又は評価するために、時折の中間間隔の位置がデジタルツインシステム１５５００によって取得されてもよい。

実施形態において、デジタルツインシステム１５５００は、デジタルツインＩ／Ｏシステム１５５０４から受信したデータを解析して、条件を洗練、削除、又は追加してもよい。例えば、デジタルツインシステム１５５００は、必要以上に頻繁に更新される可動要素（例えば、複数の連続した受信位置が同一または所定の誤差範囲内にある）に対して、データ収集時間を最適化してもよい。

実施形態において、デジタルツインシステム１５５００は、環境１５５２０に関連する一連の状態１５８４０Ａｎを受信し、識別し、及び／又は記憶してもよい。状態１５８４０Ａｎは、例えば、複数の属性１５８４０４Ａ-ｎと、それぞれの状態１５８４０Ａｎを一意に識別するための 識別基準１５８４０６Ａｎのセットとを含むデータ構造であってよい 。実施形態において、状態１５８４０Ａ-ｎは、デジタルツインシステム１５５００が実世界要素１５７３０２ｒ及び／又は環境１５５２０の条件を設定又は変更する（例えば、監視間隔の増加／減少、動作条件の変更等）ことが望ましい状態に対応してもよい。

実施形態において、状態１５８４０Ａ-ｎのセットは、例えば、各状態１５８４０Ａ-ｎの最小監視属性、各状態１５８４０Ａ-ｎの識別基準１５８４０６Ａｎのセット、及び／又は各状態１５８４０Ａ-ｎに応答して取られることが可能又は取られることが推奨されるアクションを更に含むことができる。そのような情報は、例えば、デジタルツインデータストア１５５１６又は別のデータストアによって記憶されてもよい。状態１５８４０Ａ-ｎ又はその一部は、デジタルツインシステム１５５００に提供されてもよく、それによって決定されてもよく、又はデジタルツインシステム１５５００によって変更されてもよい。さらに、状態１５８４０Ａ-ｎのセットは、異種のソースからのデータを含んでもよい。例えば、第１の状態の発生を特定及び／又は対応するための詳細は、ユーザー入力を介してデジタルツインシステム１５５００に提供されてもよく、第２の状態の発生を特定及び／又は対応するための詳細は、外部システムを介してデジタルツインシステム１５５００に提供されてもよく、第３の状態の発生を特定及び／又は対応するための詳細は、デジタルツインシステム１５５００によって（例えば、シミュレーション又はプロセスデータの分析を通じて）、及び第４の状態の発生を特定及び／又は対応するための詳細は、デジタルツインシステム１５５００によって記憶され、（例えば、状態の発生のシミュレーション又は状態の発生及び状態への対応中に収集されたデータの分析に応答して）所望により変更されてもよい。

実施形態において、複数の属性１５８４０４Ａ-ｎは、それぞれの状態１５８４０４Ａ-ｎを特定するために必要な属性１５８４０４Ａ-ｎを少なくとも含む。複数の属性１５８４０４Ａ-ｎは、それぞれの状態１５８４０Ａ-ｎを決定する際に監視される、または監視され得るが、それぞれの状態１５８４０Ａ-ｎを識別するために必要とされない追加の属性をさらに含んでもよい。例えば、第１の状態のための複数の属性１５８４０４Ａ-ｎは、回転速度、燃料レベル、エネルギー入力、線速度、加速度、温度、歪み、トルク、体積、重量等の関連情報を含んでもよい。

識別基準１５８４０６Ａｎのセットは、 それぞれの状態を一意に識別するための属性１５８４０４Ａ-ｎのセットのそれぞれの情報を含んでもよい。識別基準１５８４０６Ａ-ｎは、例えば、ルール、閾値、限界、範囲、論理値、条件、比較、それらの組み合わせ等を含んでもよい。

動作条件又は監視の変化は、任意の適切な変化であってよい。例えば、それぞれの状態１５８４０６Ａ-ｎの発生を識別した後、デジタルツインシステム１５５００は、デバイスの動作を変更せずに、デバイスの監視間隔を増加または減少させてもよい（例えば、公称動作と異なる測定パラメータに応答して監視間隔を減少させるなど）。さらに、または代替的に、デジタルツインシステム１５５００は、デバイスの監視を変更することなく、デバイスの動作を変更してもよい（例えば、速度または電力入力を減少させる）。さらなる実施形態において、デジタルツインシステム１５５００は、デバイスの動作を変更し（例えば、速度または電力入力を減少させ）、デバイスの監視間隔を変更してもよい（例えば、監視間隔を減少させる）。

図１５８は、本開示のいくつかの実施形態による、デジタルツインシステム１５５００が、インテリジェントシステム（例えば、認知知能システム１５５１０）又はデジタルツインシステム１５５００のユーザーによるアクセスのために識別及び／又は記憶し得る産業環境に関連する識別状態１５８４０Ａｎの一例を示している。状態１５８４０Ａｎは、動作状態（例えば、１つ以上の構成要素の最適下、正常、最適、臨界、又はアラーム動作）、過剰又は不足状態（例えば、供給側又は出力側の量）、それらの組み合わせ等を含んでもよい。

実施形態において、デジタルツインシステム１５５００は、それぞれの状態１５８４０Ａ-ｎを決定するために、実世界要素１５７３０２ｒ及び／又はデジタルツイン１５７３０２Ｄの属性１５８４０４Ａｎを監視してよい。属性１５８４０４Ａｎは、例えば、動作条件、設定点、臨界点、状態指標、他の感知された情報、それらの組合せなどであってもよい。例えば、属性１５８４０４Ａｎは、監視対象要素の電力入力１５８４０４Ａ、動作速度１５８４０４ｂ、臨界速度１５８４０４ｃ、及び動作温度１５８４０４Ｄを含んでもよい。図示された例では、一律の監視される属性が例示されているが、監視される属性は、対象デバイスによって異なってもよい（例えば、デジタルツインシステム１５５００は、回転可能な構成要素を有さないオブジェクトに対して回転速度を監視しないであろう）。

状態１５８４０Ａｎの各々は、監視された状態のグループ１３２４０Ａｎの間で一意である特定の基準を満たす識別基準１５８４０６Ａｎのセットを含む。デジタルツインシステム１５５００は、例えば、監視された属性１５８４０４Ａｎが識別基準 １５８４０６Ａの第１のセット（例えば、動作温度１５８４０４Ｄが公称値である間、動作速度１５８４０４ｂが臨界速度１５８４０４ｃより高い）を満たすことに応答して、オーバースピード状態１５５４０Ａを識別してもよい。

１つ以上の状態１５８４０Ａｎが 存在する又は発生したと決定することに応答して、デジタルツインシステム１５５００は、１つ以上の監視プロトコルのトリガー条件を更新し、警告又は通知を発行し、又はデジタルツインシステム１５５００のサブコンポーネントの行動をトリガーし得る。例えば、デジタルツインシステム１５５００のサブコンポーネントは、検出された状態１５５４０Ａｎの影響を緩和する及び／又は評価するためのアクションを取ってもよい。検出された状態 １５５４０Ａｎの実世界要素１５７３０２ｒへの影響を緩和する ためのアクションを取ろうとするとき、デジタルツインシステム１５５００は、命令が存在するか（例えば、デジタルツインデータストア１５５１６に格納されている）、または開発されるべきか（例えば、シミュレーションおよび認知知能を介して、またはユーザーもしくは作業者の入力を介して開発される）を決定してもよい。さらに、デジタルツインシステム１５５００は、例えば、緩和行動と同時に、又はデジタルツインシステム１５５００が検出された状態１５５４０Ａｎに対する記憶された緩和命令を有していないと判断することに応答して、 検出された状態１５５４０Ａｎの影響を評価してもよい。

実施形態において、デジタルツインシステム１５５００は、デジタルツインシミュレーションシステム１５５０６を採用して、認識された状態の即時、上流、下流、及び／又は継続的影響などの１つ又は複数の影響をシミュレートしている。デジタルツインシミュレーションシステム１５５０６は、評価された状態１５５４０Ａｎに関連する値を収集し、及び／又は提供されてもよい。１つ以上の状態１５５４０Ａｎの影響をシミュレートする際に、デジタルツインシミュレーションシステム１５５０６は、収束が達成されるまで、影響を受けるデジタルツイン１５７３０２Ｄの性能特性を再帰的に評価してもよい。デジタルツインシミュレーションシステム１５５０６は、例えば、認知知能システム１５５１０と連動して、１つ以上の状態１５５４０Ａｎの発生を緩和、軽減、抑制、及び／又は防止するための応答アクションを決定してもよい。例えば、デジタルツインシミュレーションシステム１５５０６は、所望の適合を達成するまで（例えば、収束が達成される）、１つ又は複数の状態１５５４０Ａｎの影響を再帰的にシミュレーションし、潜在的アクションの評価及び決定のためにシミュレーション値を認知知能システム１５５１０に提供し、潜在的アクションを受け、それぞれの望ましい適合（例えば、生産障害を最小限に抑えるためのコスト関数、重要コンポーネントを保全する、保守及び／又はダウンタイムを最小限に抑える、システム、作業者、ユーザー又は個人の安全等を最適化する）に対して潜在的アクション各々の衝撃を評価しても良い。

実施形態において、デジタルツインシミュレーションシステム１５５０６及び認知知能システム１５５１０は、所望の条件が満たされるまで（例えば、各評価アクションに対する各評価コスト関数に対する収束）、各所望の結果に対するシミュレーション値及び応答アクションを繰り返し共有及び更新してもよい。デジタルツインシステム１５５００は、１つ以上の状態１５５４０Ａｎが 発生したと決定することに応答して使用するために、デジタルツインデータストア１５５１６に結果を保存してもよい。さらに、デジタルツインシミュレーションシステム１５５０６及び／又は認知知能システム１５５１０によるシミュレーション及び評価は、事象の発生又は検知に応答して発生してもよい。

実施形態において、シミュレーション及び評価は、関連するアクションがデジタルツインシステム１５５００内に存在しない場合にのみ、トリガされる。さらなる実施形態では、シミュレーション及び評価は、リアルタイムでアクションの有効性又は効果を評価し、及び／又はさらなるアクションが採用されるべきかどうか、又は認識されない状態が発生した可能性があるかどうかを評価するために、記憶されたアクションの使用と同時に実行される。実施形態において、認知知能システム１５５１０は、後の評価を最適化するために、望ましくない側面又はそのようなアクションの結果に関するデータを伴う又は伴わない望ましくないアクションのインスタンスの通知も提供され得る。

実施形態において、デジタルツインシステム１５５００は、製造設備のデジタルツイン内で機械ダウンタイムの影響を評価及び／又は表現する。例えば、デジタルツインシステム１５５００は、デジタルツインシミュレーションシステム１５５０６を採用して、機械ダウンタイム状態１５５４０ｂの即時、上流、下流、及び／又は継続的な影響をシミュレートしてもよい。デジタルツインシミュレーションシステム１５５０６は、影響を受けるデジタルツイン１５７３０２Ｄ内の要素（例えば、実世界要素１５７３０２ｒ及び／又は入れ子デジタルツイン１５７３０２Ｄ）に対する最適、サブ最適、及び最小パフォーマンス要件、並びに影響を受けるデジタルツイン１５７３０２Ｄ、入れ子デジタルツイン１５７３０２Ｄ、影響を受けるデジタルツイン１５７３０２Ｄ内の冗長システム、それらの組み合わせ等に利用できるその特性等のパフォーマンス関連値を収集するか又は提供を受けても良い。

実施形態において、デジタルツインシステム１５５００は、以下のように構成され、実世界要素デジタルツインを使用して、産業環境に所定の特性が供給されることに応答して、実世界要素の１つ以上の動作パラメータをシミュレーションして、同時期の特性が供給されることに応答して実世界要素の１つ以上が取るべき緩和措置を計算して、及び同時期の特性の検出に応答して、緩和措置を作動させる。計算は、それぞれの設計パラメータから外れた同時期の特性または動作パラメータの検出に応答して実行されてもよいし、そのような特性の検出の前にシミュレーションを介して決定されてもよい。

さらに、または代替的に、デジタルツインシステム１５５００は、状態を検出することに応答して、１人または複数のユーザーまたはシステム要素にアラートを提供することができる。

実施形態において、デジタルツインＩ／Ｏシステム１５５０４は、パッシングモジュール１５７３１０を含む。パッシングモジュール１５７３１０は、要素１５７３０２から航法データを摂取し、デジタルツインシステム１５５００のコンポーネント（例えば、デジタルツインシミュレーションシステム１５５０６、デジタルツイン行動システム、及び／又は認知知能システム１５５１０）に対して航法データを提供及び／又は要求し、並びに要素１５７３０２に（例えば、装着可能デバイス１５５５４に）航法データを出力してよい。ナビゲーションデータは、例えば、履歴データ、要素１５７３０２に提供されるガイダンスデータ、それらの組み合わせなどを用いて収集または推定されてもよい。

例えば、航法データは、デジタルツインシステム１５５００によって記憶された履歴データを使用して収集または推定されてもよい。履歴データは、取得時間、関連要素１５７３０２、ポーリング間隔、実行されたタスク、積荷または非積荷の状態、事前の誘導データが提供されたか及び／又は従ったか、環境１５５２０の状態、環境１５５２０内の他の要素１５７３０２、それらの組み合わせ等の情報を含むか、または提供するように処理されてもよい。推定データは、１つ又は複数の適切なパッシングアルゴリズムを用いて決定されてもよい。例えば、推定データは、適切な順序ピッキングアルゴリズム、適切な経路探索アルゴリズム、それらの組み合わせなどを用いて計算されてもよい。オーダーピッキングアルゴリズムは、例えば、最大ギャップアルゴリズム、Ｓ字アルゴリズム、アイルバイアイルアルゴリズム、複合アルゴリズム、それらの組み合わせなどであってよい。経路探索アルゴリズムは、例えば、ダイクストラのアルゴリズム、Ａ＊アルゴリズム、階層的経路探索アルゴリズム、漸進的経路探索アルゴリズム、任意角経路探索アルゴリズム、フローフィールドアルゴリズム、それらの組み合わせなどであってもよい。

さらに、または代替的に、ナビゲーションデータは、作業者のガイダンスデータを用いて収集または推定されてもよい。ガイダンスデータは、例えば、作業者のデバイス（例えば、モバイルデバイス又はウェアラブルデバイス１５５５４）に提供される計算された経路を含んでもよい。別の実施例では、案内データは、経路に沿った１つ又は複数の機械上の１つ又は複数の場所から振動測定値を収集するように作業員に指示する、作業員のデバイスに提供される計算された経路を含んでもよい。収集及び／又は推定されたナビゲーションデータは、視覚化のためにデジタルツインシステム１５５００のユーザーに提供されてもよく、分析、最適化、及び／又は変更のためにデジタルツインシステム１５５００の他のコンポーネントによって使用され、１又は複数の要素１５７３０２、それらの組み合わせ等に提供されてもよい。

実施形態において、デジタルツインシステム１５５００は、デジタルツインで表現するために、一組の作業員のためのナビゲーションデータを取り込む。加えて、または代替的に、デジタルツインシステム１５５００は、産業環境のモバイル機器資産のセットに対するナビゲーションデータをデジタルツインに取り込む。

実施形態において、デジタルツインシステム１５５００は、産業用デジタルツインにおけるモバイル要素のトラフィックをモデル化するためのシステムを取り込む。例えば、デジタルツインシステム１５５００は、環境１５５２０内の作業員または人、移動装置資産、それらの組み合わせ、および同様のもののためのトラフィックパターンをモデル化してもよい。トラフィックパターンは、および履歴データおよび同時摂取データからのトラフィックパターンのモデル化に基づいて推定されてもよい。さらに、トラフィックパターンは、環境１５５２０内の条件に応じて連続的に又は断続的に更新されてもよい（例えば、複数の自律移動機器アセットは、作業員及び移動機器アセットの両方を含む環境１５５２０よりも遅い更新間隔でデジタルツインシステム１５５００に情報を提供し得る）。

デジタルツインシステム１５５００は、１つ以上の所定の基準を達成するために（例えば、１つ以上の移動体要素に更新された航行データを提供することによって）、交通パターンを変更してもよい。所定の基準は、例えば、プロセス効率の向上、積載された作業者と移動装置資産との間の相互作用の減少、作業者の経路長の最小化、移動装置を人の経路又は潜在的経路の周りにルーティングすること、それらの組合せ等を含んでもよい。

実施形態において、デジタルツインシステム１５５００は、産業用デジタルツイン内のモバイル要素に交通データ及び／又は航行情報を提供してもよい。航行情報は、指示又は規則セット、表示された経路データ、又はデバイスの選択的な作動として提供されてもよい。例えば、デジタルツインシステム１５５００は、振動センサを使用してルート上の１つ以上の指定された機械上の１つ以上の指定された場所から振動データを収集するための所望のルートへ及び／又はそれに沿ってロボットを指示するための一連の命令をロボットに提供してもよい。ロボットは、障害物、経路変更、環境１５５２０内の他の資産との予期せぬ相互作用などを含む更新情報をシステムに伝達してもよい。

いくつかの実施形態では、アリベースシステム１５５７４は、ロボットを含む産業エンティティが、自分自身を含む他の産業エンティティが後の旅で従うための１つ以上のメッセージで痕跡を築くことを可能にする。実施形態において、メッセージは、振動測定収集に関連する情報を含む。実施形態において、メッセージは、振動センサーの測定位置に関連する情報を含む。いくつかの実施形態において、軌跡は、時間の経過とともに薄れるように構成されてもよい。いくつかの実施形態では、アリに基づく痕跡は、拡張現実システムを介して体験されてもよい。いくつかの実施形態では、アリに基づく痕跡は、バーチャルリアリティシステムを介して体験されてもよい。いくつかの実施形態では、アリに基づく痕跡は、複合現実感システムを介して体験されてもよい。いくつかの実施形態では、アリに基づく領域のタグ付けは、痛み-反応を引き起こし、及び／又は警告信号へと蓄積され得る。実施形態において、アリベースのトレイルは、情報フィルタリング応答を生成するように構成されてもよい。いくつかの実施形態では、アリに基づく痕跡は、情報フィルタリング応答を生成するように構成されてもよく、情報フィルタリング応答は、視覚的認識の高揚感である。いくつかの実施形態では、アリに基づくトレイルは、情報フィルタリング応答が音響的な意識の高まりである情報フィルタリング応答を生成するように構成されてもよい。いくつかの実施形態において、メッセージは、ベクトル化されたデータを含む。

実施形態では、デジタルツインシステム１５５００は、デジタルツイン１５７３０２Ｄを使用して実世界要素１５７３０２ｒを表現するための設計仕様情報を含む。デジタルは、既存の実世界要素１５７３０２ｒ又は潜在的な実世界要素１５７３０２ｒに対応してもよい。設計仕様情報は、１つ又は複数のソースから受信されてもよい。例えば、設計仕様情報は、ユーザー入力によって設定された設計パラメータ、デジタルツインシステム１５５００（例えば、経由デジタルツインシミュレーションシステム１５５０６）によって決定されたもの、ユーザー又はデジタルツインシミュレーションシステム１５５０６によって最適化されたもの、それらの組み合わせ、及び同様のものを含んでもよい。デジタルツインシミュレーションシステム１５５０６は、例えば、表示装置又はウェアラブルデバイスを介して、ユーザーに対してコンポーネントの設計仕様情報を表現してもよい。設計仕様情報は、概略的に（例えば、プロセス図又は情報の表の一部として）、又は拡張現実又は仮想現実ディスプレイの一部として表示されてもよい。設計仕様情報は、例えば、デジタルツインシステム１５５００とのユーザインタラクションに応答して（例えば、要素のユーザー選択またはディスプレイ内に設計仕様情報を一般的に含むためのユーザー選択を介して）表示されてもよい。加えて又は代替的に、設計仕様情報は、例えば、要素が拡張現実又は仮想現実デバイスの視界内に入ったときに、自動的に表示されてもよい。実施形態において、表示された設計仕様情報は、情報源の表示（例えば、異なる表示色は、ユーザー入力対デジタルツインシステム１５５００の決定を示す）、不一致の表示（例えば、設計仕様情報と動作情報との間）、それらの組み合わせなどをさらに含んでもよい。

実施形態において、デジタルツインシステム１５５００は、産業用デジタルツイン内にウェアラブルデバイスのための制御命令のセットを埋め込み、制御命令がウェアラブルデバイスに提供されて、産業用デジタルツインの要素との相互作用時にウェアラブルデバイスの着用者に経験を誘発させるようにする。誘発される体験は、例えば、拡張現実体験又は仮想現実体験であってもよい。ヘッドセットなどのウェアラブルデバイスは、経験を誘発するために、ビデオ、オーディオ、及び／又は触覚フィードバックを着用者に出力するように構成されてもよい。例えば、ウェアラブルデバイスは、表示装置を含んでもよく、体験は、それぞれのデジタルツインに関連する情報の表示を含んでもよい。表示される情報は、デジタルツインに関連するメンテナンスデータ、デジタルツインに関連する振動データ、デジタルツインに関連する振動測定位置データ、デジタルツインの動作に関連する利益又は損失などのデジタルツインに関連する財務データ、デジタルツインに関連する製造ＫＰＩ、閉塞要素に関連する情報（例えば、前景要素（例えば、筐体）によって少なくとも部分的に隠蔽されている隠蔽要素（例えば、サブアセンブリ）に関する情報、隠蔽要素に重ねられ前景要素と共に可視化された隠蔽要素の仮想モデル、隠蔽要素の動作パラメータ、表示された動作パラメータに対応する設計パラメータとの比較、それらの組み合わせなど、である。比較は、例えば、操作パラメータの表示を変更して、操作パラメータの色、サイズ、及び／又は表示期間を変更することを含んでもよい。

いくつかの実施形態では、表示された情報は、各インジケーションがそれぞれの取り外し可能な要素に近接して又はその上に表示されている状態で、閉塞要素へのアクセスを提供するように構成されている又はされ得る取り外し可能な要素のインジケーションを含んでもよい。さらに、作業者が第１の取り外し可能要素を取り外すことに応答して、第１の取り外し可能要素（例えば、ハウジング）に対応する第１の指標が表示され、第２の取り外し可能要素（例えば、ハウジング内のアクセスパネル）に対応する第２の指標が表示されるように、指標は順次表示されることができる。いくつかの実施形態では、誘導された経験により、装着者は、最適な振動測定収集のために機械上の１つ以上の場所を見ることができる。一例では、デジタルツインシステム１５５００は、機械上の強調された振動測定収集場所及び／又は振動測定収集に関連する指示を含む拡張現実ビューを提供してもよい。実施例をさらに進めると、デジタルツインシステム１５５００は、振動測定収集のタイミングに関連する指示を含む拡張現実ビューを提供してもよい。ハイライトされた配置位置を表示する際に利用される情報は、デジタルツインシステム１５５００によって記憶された情報を使用して取得されてもよい。いくつかの実施形態では、移動要素は、デジタルツインシステム１５５００によって追跡され（例えば、環境１５５２０内の観察要素を介して、及び／又はデジタルツインシステム１５５００に通信される経路情報を介して）、作業員の遮蔽された視界内にウェアラブルデバイスによって継続的に表示されてもよい。これは、環境１５５２０内の要素の動きを最適化し、作業員の安全性を高め、損傷に起因する要素のダウンタイムを最小化する。

いくつかの実施形態では、デジタルツインシステム１５５００は、実世界要素１５７３０２ｒの設計パラメータ又は期待されるパラメータ間のミスマッチを着用者に表示する拡張現実ビューを提供してもよい。表示された情報は、装着者の視界内にない（例えば、別の部屋内の要素又は機械によって隠されている）実世界の要素１５７３０２ｒに対応してもよい。これにより、作業者は、ミスマッチを迅速かつ正確にトラブルシューティングして、ミスマッチの１つ又は複数の原因を判断することができる。その後、ミスマッチの原因は、例えば、デジタルツインシステム１５５００によって決定され、是正措置が命じられることができる。例示的な実施形態では、装着者は、閉塞要素（例えば、ハウジング又はシールド）を取り外すことなく、機械の誤動作しているサブコンポーネントを見ることができる場合がある。加えて又は代替的に、装着者は、例えば、取り外しプロセスの表示（例えば、取り外すべきファスナーの位置）、修理のために他の領域に輸送されるべきアセンブリ又はサブアセンブリ（例えば。埃の影響を受けやすい部品）、潤滑が必要な組立品又は部分組立品、及び再組立のための物体の位置（例えば、装着者が取り外した物体を置いた位置を記憶し、装着者又は別の装着者を記憶した位置に誘導して再組立を促進し、再組立された要素におけるさらなる分解又は部品の不足を最小にする）。これにより、修理作業を迅速化し、プロセスへの影響を最小限に抑え、作業員が装置を分解および再組み立てすることを可能にし（例えば、作業員間の直接的な通信なしに分解を調整することによって）、装置の寿命および信頼性を高め（例えば、使用中に戻す前にすべての構成要素が適切に交換されることを保証することによって）、これらの組み合わせなどを実現することができる。

いくつかの実施形態では、誘導された経験は、装着者が既存の又は計画された要素に関連する情報を見ることを可能にする仮想現実ビュー又は拡張現実ビューを含む。情報は、要素の物理的性能（例えば、資産価値、エネルギーコスト、入力材料コスト、出力材料価値、法令遵守、及び企業運営などの財務的性能）とは無関係であってもよい。一人または複数の装着者は、産業環境１５５２０の仮想ウォークスルーまたは拡張ウォークスルーを実行してもよい。

ウェアラブルデバイスにコンプライアンス情報を表示することで、検査や作業の迅速化を図る例もある。

さらなる例では、ウェアラブルデバイスは、変更または最適化のためのターゲットを識別するために使用される財務情報を表示する。例えば、管理者または役員は、旧規制、「グランドファザー」、および／または除外された要素への準拠に関する情報を含む、更新された規制への準拠について環境１５５２０を検査し得る。これは、不要なダウンタイムの削減（例えば、計画された保守サイクル中など、最も影響の少ない時間帯にアップグレードを予定する）、不要なアップグレードの防止（例えば、グランドフェザーまたは除外された装置の交換）、および資本投資の削減に使用することができる。

図１５５に戻って参照すると、実施形態において、デジタルツインシステム１５５００は、デジタルツインダイナミックモデルシステム１５５０８を含み、統合し、管理し、扱い、リンクし、入力を取り、出力を提供し、制御し、協調し、または他の方法で相互作用し得る。デジタルツインダイナミックモデルシステム１５５０８は、デジタルツインが、リアルタイムまたは極めて近いリアルタイムで、それらの産業エンティティおよび環境、ならびにそれらのプロパティまたは属性を表し得るように、物理的産業資産、作業員、プロセス、製造施設、倉庫などのプロパティ（または本開示または参照により本書に組み込まれる文書に記載される他のタイプのエンティティまたは環境のいずれか）を含む一式の産業エンティティおよび／または環境のデジタルツインの特性を更新することができる。いくつかの実施形態では、デジタルツインダイナミックモデルシステム１５５０８は、センサシステム１５５３０から受信したセンサデータを取得してもよく、センサデータに基づいて、１つまたは複数のダイナミックモデルに基づいて、産業環境または環境内の産業実体の１つまたは複数のプロパティを決定してもよい。

実施形態において、デジタルツイン動的モデルシステム１５５０８は、振動値、振動障害レベル状態、故障確率値、ダウンタイム確率値、ダウンタイム費用値、シャットダウン確率値などの、デジタルツインおよび／または１つ以上の埋め込みデジタルツインにおける種々のプロパティの値を更新／割り当ててもよい（ただし、これらに限定されない）が、これには、次のものが含まれる。振動値、故障確率値、ダウンタイム確率値、ダウンタイムコスト値、停止確率値、ＫＰＩ値、温度値、湿度値、熱流値、流体流値、放射線値、物質濃度値、速度値、加速度値、位置値、圧力値、応力値、ひずみ値、光量値、騒音値、体積値、形状特性、材料特性および寸法など。

実施形態において、デジタルツインは、他の埋め込みデジタルツインの（例えば、参照を通じて）構成されてもよい。例えば、製造設備のデジタルツインは、機械の組み込みデジタルツインと、機械内に封入された１つ以上のそれぞれのモータの１つ以上の組み込みデジタルツインとを含んでもよい。デジタルツインは、例えば、オンボードＩＴシステム（例えば、オンボード診断システム、制御システム（例えば、スキャダ（ＳＣＡＤＡ）システム）等のメモリ）を有する産業機械のメモリに埋め込まれてもよい。デジタルツインが埋め込まれ得る他の非限定的な例としては、作業者のウェアラブルデバイス上、スイッチ、ルーター、アクセスポイントなどのローカルネットワーク資産上のメモリ、環境またはエンティティ用に提供されるクラウドコンピューティングリソース上、エンティティ専用の資産タグまたは他のメモリ構造上、がある。

一例では、デジタルツインダイナミックモデルシステム１５５０８は、産業環境内の１つ以上の場所で測定された捕捉された振動センサデータと、産業環境デジタルツイン内の振動をモデル化する１つ以上の動的モデルに基づいて、産業環境デジタルツイン全体の振動特性を更新することができる。産業用デジタルツインは、更新前に、振動特性がデジタルツイン内のエンティティ及び／又は環境について表され得るように、動的モデルに供給するために使用され得る産業エンティティ及び／又は環境の特性に関する情報、例えば、材料、形状／体積（例えば、導管の）、位置、接続／インターフェース等、を既に含んでいてもよい。あるいは、動的モデルは、そのような情報を使用して構成されてもよい。

実施形態において、デジタルツイン動的モデルシステム１５５０８は、クライアントアプリケーション１５５７０に代わって、デジタルツインおよび／または１つまたは複数の埋め込みデジタルツインのプロパティを更新することができる。実施形態において、クライアントアプリケーション１５５７０は、産業コンポーネントまたは環境（例えば、産業施設またはその中のコンポーネントを監視する、産業環境をシミュレーションする、など）に関するアプリケーションであってよい。実施形態において、クライアントアプリケーション１５５７０は、固定データ収集システム及び移動データ収集システムの両方と関連して使用されてもよい。実施形態において、クライアントアプリケーション１５５７０は、産業用ＩｏＴセンサシステム１５５３０と関連して使用されてもよい。

実施形態において、デジタルツイン動的モデルシステム１５５０８は、デジタルツイン動的モデル１５５１００を活用して、産業エンティティ及び／又は環境の挙動をモデル化する。動的モデル１５５１００は、科学的原理に基づくなど、産業エンティティおよび／または環境のデジタル表現を豊かにするために限られた数の測定値を使用することによって、デジタルツインが、産業エンティティの相互作用を含む物理的現実を表現することを可能にし得る。実施形態において、動的モデル１５５１００は、数式モデルまたは数学的モデルである。実施形態において、動的モデル１５５１００は、科学的法則、自然法則、及び数式（例えば、ニュートンの運動法則、熱力学の第２法則、ベルヌーイの原理、理想気体の法則、分圧のダルトンの法則、フックの弾性法則、熱伝導のフーリエの法則、浮力のアルキメデスの原理など）に準拠している。実施形態において、動的モデルは、機械学習されたモデルである。

実施形態において、デジタルツインシステム１５５００は、デジタルツインで表され得る動的モデル１５５１００を格納するためのデジタルツインダイナミックモデルデータストア１５５１０２を有し得る。実施形態において、デジタルツインダイナミックモデルデータストアは、検索可能及び／又は発見可能であり得る。実施形態において、デジタルツインダイナミックモデルデータストアは、所定のダイナミックモデルがどのような特性を扱うことができるか、どのような入力が要求されるか、どのような出力が提供されるか、などをユーザーが理解することを可能にするメタデータを含むことができる。いくつかの実施形態では、デジタルツインダイナミックモデルデータストア１５５１０２は、階層的であり得る（例えば、利用可能なデータ及び／又は入力の程度、入力の粒度、及び／又は状況的要因（例えば、何かが高い関心を持つようになり、より高い忠実度のモデルが一定期間アクセスされる場合）に基づいてモデルを深める又はより単純にすることができるところなどである）。

実施形態において、産業エンティティまたは施設のデジタルツインまたはデジタル表現は、表現された物理的産業資産、デバイス、作業者、プロセス、施設、および／または環境の特性のセット、および／またはそれらの可能な動作を集合的に定義するデータ構造のセットを含んでもよい。実施形態において、デジタルツインダイナミックモデルシステム１５５０８は、ダイナミックモデル１５５１００を活用して、リアルタイムデータ値でデジタルツインを集合的に定義するデータ構造のセットに情報を提供してもよい。デジタルツインダイナミックモデル１５５１００は、１つ以上のセンサ測定値、ＩｏＴデバイスデータ、及び／又は他の適切なデータを入力として受け取り、受け取ったデータ及び１つ以上のダイナミックモデル１５５１００に基づいて１つ以上の出力を計算してもよい。次いで、デジタルツインダイナミックモデルシステム１５５０８は、１つ以上の出力を使用して、デジタルツインデータ構造を更新する。

一例では、動的モデル１５５１００を使用してデジタルツインダイナミックモデルシステム１５５０８によって更新され得る産業資産のデジタルツインの特性のセットは、資産の振動特性、資産の温度（複数可）、資産の状態（例えば、固体、液体、又は気体）、資産の位置、資産の変位、資産の速度、資産の加速度、資産に関連するダウンタイム値の確率、資産のコスト、を含み得る。固体、液体、又は気体）、資産の位置、資産の変位、資産の速度、資産の加速度、資産に関連するダウンタイム値の確率、資産に関連するダウンタイム値のコスト、資産に関連するシャットダウン値の確率、資産に関連する製造ＫＰＩ、資産に関連する財務情報、資産に関連する熱流特性、資産に関連する流量（例えば、,パイプを流れる流体の流速）、資産のデジタルツイン内に埋め込まれた他のデジタルツインの識別子及び／又は資産のデジタルツインを埋め込むデジタルツインの識別子、及び／又は他の好適な特性である。資産のデジタルツインに関連する動的モデル１５５１００は、産業環境に配置されたセンサ及び／又はデバイスから収集された入力データ及び／又は他の適切なデータに基づいて、そのような資産のデジタルツインのプロパティに対する値を計算、補間、外挿、及び／又は出力し、続いて資産のデジタルツインを計算値で入力するように構成され得る。

いくつかの実施形態では、動的モデル１５５１００を使用してデジタルツインダイナミックモデルシステム１５５０８によって更新され得る産業デバイスのデジタルツインの特性のセットは、デバイスのステータス、デバイスの位置、デバイスの温度（複数可）、デバイスの軌道、デバイスのデジタルツインが内部に埋め込まれる、埋め込まれる、リンクされる、含む、統合する、入力から取る、出力を提供する、及び／又は対話する他のデジタルツインの識別子等を含むことがある。デバイスのデジタルツインに関連する動的モデル１５５１００は、入力データに基づいてこれらのデバイスデジタルツインプロパティの値を計算または出力し、その後、計算された値でデバイスデジタルツインを更新するように構成されることが可能である。

いくつかの実施形態では、動的モデル１５５１００を使用してデジタルツイン動的モデルシステム１５５０８によって更新され得る産業労働者のデジタルツインのプロパティのセットは、労働者のステータス、労働者の場所、労働者のストレス尺度、労働者によって実行されているタスク、労働者のパフォーマンス尺度などを含んでもよい。産業作業員のデジタルツインに関連する動的モデルは、入力データに基づいてそのようなプロパティの値を計算または出力するように構成され得、その後、産業作業員デジタルツインを移入するために使用され得る。実施形態において、産業作業員動的モデル（例えば、心理測定モデル）は、作業員が作業を行うように指示するために与えられる合図、および／または安全な行動を誘導することを意図する警告もしくは警報などの刺激に対する反応を予測するように構成され得る。実施形態において、産業作業員動的モデルは、ワークフローモデル（ガントチャートなど）、故障モード効果分析モデル（ＦＭＥＡ）、生物物理モデル（作業員の疲労、エネルギー利用、空腹のモデルなど）などであり得る。

動的モデル１５５１００を使用してデジタルツイン動的モデルシステム１５５０８によって更新され得る産業環境のデジタルツインの例示的な特性は、産業環境の寸法、産業環境の温度（複数可）、産業環境の湿度値（複数可）、産業環境における流体流れ特性、産業環境の熱流れ特性、産業環境の照明特性、産業環境の音響特性、環境における物理的物体、産業環境で発生するプロセス、産業環境の流れ（水域の場合）、および同様のものを含むことができる。産業環境のデジタルツインに関連する動的モデルは、産業環境に配置されたセンサ及び／又は装置から収集された入力データ及び／又は他の適切なデータに基づいてこれらの特性を計算又は出力し、続いて産業環境のデジタルツインに計算値を入力するように構成され得る。

実施形態において、動的モデル１５５１００は、デジタルツインモデリングのための境界条件、定数または変数を定義する物理的制限を遵守することができる。例えば、産業エンティティまたは産業環境のデジタルツインの物理的特性は、重力定数（例えば、９.８ｍ／Ｓ２）、表面の摩擦係数、材料の熱係数、資産の最大温度、最大流量容量などを含んでもよい。さらに、または代替的に、動的モデルは、自然法則を遵守してもよい。例えば、動的モデルは、熱力学の法則、運動の法則、流体力学の法則、浮力の法則、熱伝達の法則、放射の法則、量子力学の法則などを順守してよい。いくつかの実施形態では、動的モデルは、生物学的老化理論または機械的老化原理に付着していてもよい。したがって、デジタルツインダイナミックモデルシステム１５５０８がリアルタイムのデジタル表現を促進する場合、デジタル表現は、デジタル表現が現実世界の条件を模倣するように、ダイナミックモデルに適合してもよい。いくつかの実施形態において、動的モデルからの出力（複数可）は、動的モデルの実世界への収束を確実にするために、人間のユーザーに提示され、及び／又は実世界のデータと比較され得る。さらに、動的モデルは部分的に仮定に基づくので、実世界の挙動がデジタルツインの挙動と異なる場合、デジタルツインの特性は、改善及び／又は修正され得る。実施形態において、所望の動的モデルから入力が欠落していること、動作中のモデルが期待通りに動作していないこと（おそらくセンサ情報の欠落及び／又は欠陥のため）、異なる結果が必要であること（高い関心を持たせるような状況要因のため）等の認識に基づいて、追加のデータ収集及び／又は計装を推奨することが可能である。

動的モデルは、多くの異なるソースから取得することができる。いくつかの実施形態では、ユーザーは、ユーザー又は第三者によって作成されたモデルをアップロードすることができる。加えて、又は代替的に、モデルは、グラフィカルユーザインタフェースを用いてデジタルツインシステム上で作成されてもよい。動的モデルは、特定の環境及び／又は産業界の集合のために構成される特注モデル、及び／又は類似のタイプのデジタルツインに適用可能な不可知論的モデルを含んでもよい。動的モデルは、機械学習されたモデルであってもよい。

図１５９は、クライアントアプリケーション１５５７０に代わって、デジタルツインおよび／または１つ以上の埋め込みデジタルツインのプロパティのセットを更新するための方法の例示的な実施形態を示す図である。実施形態において、デジタルツインダイナミックモデルシステム１５５０８は、１つまたは複数のダイナミックモデル１５５１００を活用して、センサシステム１５５３０からの収集されたセンサデータ、ＩｏＴ接続デバイス１５５２４から収集されたデータ、および／または産業デジタルツインを有効にするために用いられるダイナミックモデル１５５１００のセットにおける他の適切なデータの影響に基づいてクライアントアプリケーション１５５７０に代わってデジタルツインおよび／または１つまたは複数の組み込みデジタルツインのプロパティのセットを更新する。実施形態において、デジタルツインダイナミックモデルシステム１５５０８は、クライアントアプリケーション１５５７０によって管理、維持、および／または監視される物理的な産業資産、デバイス、作業員、プロセス、および／または産業環境を表す１つまたは複数のデジタルツインを用いて特定の動的モデルを実行するように指示されてもよい。

実施形態において、デジタルツイン動的モデルシステム１５５０８は、必ずしも産業関連のデータソースではないが、動的モデルの入力データとして使用できるデータを提供することができる他のタイプの外部データソースからデータを取得してもよい。例えば、気象データ、ニュースイベント、ソーシャルメディアデータなどが、センサーデータ、産業用ＩｏＴデバイスデータ、及び／又は動的モデルによって使用される他のデータを補完するために、収集、ク役割、サブスクライブなどされ得る。実施形態において、デジタルツインダイナミックモデルシステム１５５０８は、マシンビジョンシステムからデータを取得してもよい。マシンビジョンシステムは、ビデオ及び／又は静止画像を使用して、動的モデルによって入力として使用され得る測定値（例えば、位置、状態など）を提供してもよい。

実施形態において、デジタルツインダイナミックモデルシステム１５５０８は、１つ以上の出力を得るために、このデータを上述のダイナミックモデルのうちの１つ以上に供給してもよい。これらの出力は、計算された振動故障レベル状態、振動深刻度単位値、振動特性、故障確率値、ダウンタイム確率値、シャットダウン確率値、ダウンタイムコスト値、シャットダウンコスト値、故障までの時間値、温度値、圧力値、湿度値、降雨値、視界値、空気品質値、歪み値、応力値、変位値、速度値、加速度値、位置値、パフォーマンス値、財務値、製造ＫＰＩ値、電気力学値、熱力学値、液体流量値、および同様のものを含むことができる。次に、クライアントアプリケーション１５５７０は、デジタルツインダイナミックモデルシステム１５５０８によって得られた結果を使用して、デジタルツイン視覚化イベントを開始してもよい。実施形態において、可視化は、ヒートマップ可視化であってもよい。

実施形態において、デジタルツインダイナミックモデルシステム１５５０８は、デジタルツインがリアルタイムで産業エンティティおよび／または環境を表すように、産業エンティティおよび／または環境のデジタルツインの１つまたは複数のプロパティを更新する要求を受信し得る。１５９１００において、デジタルツインダイナミックモデルシステム１５５０８が、産業エンティティおよび／または環境のデジタルツインのうちの１つまたは複数のプロパティを更新する要求を受信する。例えば、デジタルツインダイナミックモデルシステム１５５０８は、クライアントアプリケーション１５５７０から、またはデジタルツインシステム１５５００によって実行される別のプロセス（例えば、予知保全プロセス）から、要求を受信してもよい。要求は、１つまたは複数のプロパティと、要求が関係するデジタルツインまたはデジタルツインを示すことができる。ステップ１５９１０２において、デジタルツインダイナミックモデルシステム１５５０８は、要求を満たすために必要な１つまたは複数のデジタルツインを決定し、デジタルツインデータストア１５５１６から、あらゆる埋め込みデジタルツインを含む、１つまたは複数の必要なデジタルツインを取得する。１５９１０４において、デジタルツインダイナミックモデルシステム１５５０８は、要求を満たすために必要な１つまたは複数のダイナミックモデルを決定し、デジタルツインダイナミックモデルデータストア１５５１０２から１つまたは複数の必要なダイナミックモデルを取得する。１５９１０６において、デジタルツインダイナミックモデルシステム１５５０８は、利用可能なデータソース及びダイナミックモデル（複数可）の１つ以上の要求される入力に基づいて、センサシステム１５５３０から１つ以上のセンサ、ＩｏＴ接続デバイス１５５２４から収集されたデータ、及び／又はデジタルツインＩ／Ｏシステム１５５０４から他のデータソースを選択する。実施形態において、データソースは、１つまたは複数の動的モデルによって要求される入力において定義されてもよく、またはルックアップテーブルを使用して選択されてもよい。１５９１０８において、デジタルツインダイナミックモデルシステム１５５０８は、デジタルツインＩ／Ｏシステム１５５０４から選択されたデータを取得する。１５９１１０において、デジタルツインダイナミックモデルシステム１５５０８は、検索された入力データ（例えば、振動センサデータ、産業用ＩｏＴデバイスデータなど）を入力として使用してダイナミックモデル（複数可）を実行し、ダイナミックモデル（複数可）および入力データに基づいて１つまたは複数の出力値を決定する。１５９１１２において、デジタルツインダイナミックモデルシステム１５５０８は、ダイナミックモデル（複数可）の１つまたは複数の出力に基づいて、１つまたは複数のデジタルツインの１つまたは複数のプロパティの値を更新する。

例示的な実施形態では、クライアントアプリケーション１５５７０は、産業実体のデジタルツインのデジタル表現及び／又は視覚化を提供するように構成されてもよい。実施形態において、クライアントアプリケーション１５５７０は、１つまたは複数のサーバデバイスによって実行される１つまたは複数のソフトウェアモジュールを含んでもよい。これらのソフトウェアモジュールは、デジタルツインの特性を定量化する、デジタルツインの特性をモデル化する、及び／又はデジタルツインの動作を視覚化するように構成されてもよい。実施形態において、これらのソフトウェアモジュールは、ユーザーが、特定のデジタルツイン動作の視覚化を表示するために選択することを可能にし得る。実施形態において、これらのソフトウェアモジュールは、ユーザーが、デジタルツイン動作可視化プレイバックを表示するように選択することを可能にし得る。いくつかの実施形態では、クライアントアプリケーション１５５７０は、選択された動作視覚化をデジタルツインダイナミックモデルシステム１５５０８に提供してもよい。

実施形態において、デジタルツイン動的モデルシステム１５５０８は、リアルタイムのデジタル表現がデジタルツインの視覚化である産業エンティティおよび／または環境のデジタル表現を可能にするために、クライアントアプリケーション１５５７０からデジタルツインのプロパティを更新する要求を受信し得る。実施形態において、デジタルツインは、人間のユーザーが実世界の産業資産、デバイス、作業員、プロセス、及び／又は環境のデジタル表現を見ることができるように、コンピューティングデバイスによってレンダリングされてもよい。例えば、デジタルツインは、ディスプレイデバイスにレンダリングされ、出力されてもよい。実施形態において、動的モデル出力及び／又は関連データは、デジタルツインのレンダリング上にオーバーレイされてもよい。実施形態において、動的モデル出力及び／又は関連情報は、表示インターフェースにおいてデジタルツインのレンダリングと共に表示されてもよい。実施形態において、関連情報は、デジタルツインによって表される実世界のエンティティに関連するリアルタイムのビデオ映像を含んでもよい。実施形態において、関連情報は、機械における振動故障レベル状態の各々の合計を含んでもよい。実施形態において、関連情報は、グラフィカルな情報であってもよい。実施形態において、グラフィカル情報は、個々の機械構成要素についての運動及び／又は周波数の関数としての運動を描き出してもよい。実施形態において、グラフィカル情報は、個々の機械構成要素についての周波数の関数としての動き及び／又はモーションを描写してもよく、ユーザーは、Ｘ、ｙ、及びｚ次元におけるグラフィカル情報のビューを選択することが可能である。実施形態において、グラフィカル情報は、個々の機械構成要素についての周波数の関数としての運動及び／又はモーションを描いてもよく、グラフィカル情報は、高調波ピーク及びピークを含む。実施形態において、関連情報は、１日当たりのダウンタイムデータ、修理のコストデータ、新しい部品データのコスト、新しい機械データのコストなどを含むコストデータであってもよい。実施形態において、関連情報は、ダウンタイムの確率データ、故障の確率データ等であってもよい。実施形態において、関連情報は、故障までの時間データであってもよい。

実施形態において、関連情報は、推奨及び／又は洞察であってもよい。例えば、機械に関連する認知知能システムから受信した推奨事項又は洞察は、表示インターフェースにおいて機械のデジタルツインのレンダリングと共に表示されてもよい。

実施形態において、表示インターフェースにレンダリングされたデジタルツインをクリック、タッチ、またはその他の方法で相互作用することにより、ユーザーは「ドリルダウン」して、基礎となるサブシステムまたはプロセスおよび／または埋め込みデジタルツインを見ることができる。例えば、ユーザーが機械のデジタルツインにレンダリングされた機械のベアリングをクリックすることに応答して、表示インターフェースは、ユーザーがドリルダウンしてベアリングに関連する情報を見ること、ベアリングの振動の３Ｄ視覚化を見ること、及び／又はベアリングのデジタルツインを見ることを可能にすることができる。

実施形態において、表示インターフェースにレンダリングされたデジタルツインに関連する情報をクリック、タッチ、またはその他の方法で相互作用させると、ユーザーは「ドリルダウン」して基本情報を見ることができるようになる。

図１６０は、乾燥機遠心分離機のデジタルツインおよび乾燥機遠心分離機に関連する他の情報をレンダリングするディスプレイインターフェースの例示的な実施形態を示す図である。

いくつかの実施形態では、デジタルツインは、仮想現実ディスプレイにおいてレンダリングされ、出力されてもよい。例えば、ユーザーは、環境の３Ｄレンダリングを（例えば、モニタまたは仮想現実ヘッドセットを使用して）表示してもよい。また、ユーザーは、産業エンティティのデジタルツインを検査および／または相互作用させてもよい。実施形態において、ユーザーは、１つまたは複数のデジタルツインに関して実行されているプロセス（例えば、測定値の収集、動作、相互作用、棚卸し、積み込み、梱包、出荷など）を閲覧してもよい。実施形態において、ユーザーは、グラフィカルユーザインターフェースを介してデジタルツインの１つ以上のプロパティを制御する入力を提供してもよい。

いくつかの実施形態では、デジタルツインダイナミックモデルシステム１５５０８は、産業エンティティ及び／又は環境のデジタル表現を可能にするために、クライアントアプリケーション１５５７０からデジタルツインのプロパティを更新する要求を受信し得、デジタル表現は、デジタルツインのヒートマップ視覚化である。実施形態において、表示インターフェースに入力を提供するための、センサシステム１５５３０、ＩｏＴ接続デバイス１５５２４、及び動的モデル１５５１００からのデータ出力からの収集データを表示するヒートマップを有するプラットフォームが提供される。実施形態において、ヒートマップインターフェースは、モバイルデバイス、タブレット、ダッシュボード、コンピュータ、ＡＲ／ＶＲデバイスなどの別のシステムへの、様々なセンサデータ、動的モデル出力データ、および他のデータ（地図データ、アナログセンサデータ、および他のデータなど）の視覚化のための情報を処理し提供するなど、デジタルツインデータに対する出力として提供される。デジタルツイン表現は、フォームファクタ（例えば。例えば、アナログセンサデータ、デジタルセンサデータ、及び動的モデルからの出力値（例えば、振動故障レベル状態を示すデータ、振動深刻度単位値、ダウンタイムの確率値、コスト、及び振動の発生を示すデータ）のレベルの指標を含むマップの提示など、ユーザーへの視覚入力を提供するために適したフォームファクタ（ユーザー装置、ＶＲ対応装置、ＡＲ対応装置、又はその類）において、デジタルツイン表現を提供してもよい。ダウンタイム値の確率、ダウンタイム値のコスト、シャットダウン値の確率、故障までの時間値、故障の確率、製造ＫＰＩ、温度、回転レベル、振動特性、流体の流れ、加熱又は冷却、圧力、物質濃度、及び他の多くの出力値）を示すデータ）を含むマップを提示することができる。実施形態では、デジタルツインダイナミックモデルシステム１５５０８によって決定されるデータと同様に、様々なセンサまたは入力ソース（または選択的な組み合わせ、順列、混合など）からの信号が、ヒートマップに入力データを提供し得る。座標は、色が関連する次元に沿った入力の様々なレベルを表し得るように、マップベースの視覚化において、時間ベースの座標、周波数ベースの座標、またはアナログセンサ信号、デジタル信号、動的モデル出力、入力ソース情報、および様々な組み合わせの表現を可能にする他の座標など、現実世界の位置座標（ジオロケーションまたは環境の地図上の位置など）だけでなく、他の座標を含んでもよい。例えば、他の多くの可能性の中で、産業機械のコンポーネントが重要な振動故障レベルの状態にある場合、ヒートマップインターフェースは、機械コンポーネントをオレンジ色で表示することによって、ユーザーに警告することができる。ヒートマップの例では、クリック、タッチ、またはヒートマップとの他の相互作用により、ユーザーはドリルダウンして、ヒートマップ表示の入力として使用されるセンサ、動的モデル出力、または他の入力データを確認することができる。デジタルツインがＶＲまたはＡＲ環境で表示されるものなどの他の例では、産業機械コンポーネントが通常の動作以外で振動している場合（例えば、最適以下、臨界、またはアラーム振動障害レベルで）、ユーザーが機械コンポーネントの表現に触れたときに触覚インターフェースが振動を誘発することがあり、または機械コンポーネントが危険な方法で動作している場合、ヘッドセットまたは他のサウンドシステムの特定のスピーカーで再生するなど、指向性サウンド信号がデジタルツインの機械に向かってユーザーの注意を導くことがある。

実施形態において、デジタルツイン動的モデルシステム１５５０８は、一組の周囲環境データ及び／又は他のデータを取り込み、デジタルツインを有効にするために使用される動的モデル１５５１００のセットにおける環境データ及び／又は他のデータの影響に基づいて産業エンティティ又は施設のデジタルツインのプロパティのセットを自動的に更新し得る。周囲環境データは、温度データ、圧力データ、湿度データ、風データ、降雨データ、潮汐データ、高潮データ、雲量データ、降雪データ、視程データ、水位データなどを含んでもよい。加えて、または代替的に、デジタルツインダイナミックモデルシステム１５５０８は、産業環境に配置されたＩｏＴ接続デバイス１５５２４のセットによって収集された環境データ測定のセットを、デジタルツインを有効にするために用いられるダイナミックモデル１５５１００のセットに対する入力として使用してもよい。例えば、デジタルツインダイナミックモデルシステム１５５０８は、産業環境の機械、デバイス、コンポーネント、部品、操作、機能、条件、状態、イベント、ワークフローおよび他の要素（「状態」という用語によって集合的に包含される）の種々のパラメータおよび特徴を監視するためなどの、カメラ、モニタ、組み込みセンサ、モバイルデバイス、診断デバイスおよびシステム、計装システム、テレマティクスシステムなどの、ＩｏＴ接続デバイス１５５２４によって収集、処理または交換されたデータをダイナミックモデル１５５１００に供給しうる。ＩｏＴ接続デバイスの他の例としては、スマート火災警報器、スマートセキュリティシステム、スマート空気品質モニター、スマート／ラーニングサーモスタット、およびスマート照明システムなどが挙げられる。

図１６１は、機械のデジタルツインにおけるベアリングのセットに対する振動フォルトレベル状態を更新するための方法の例示的な実施形態を示す。この例では、デジタルツイン動的モデルシステム１５５０８とインターフェースするクライアントアプリケーション１５５７０は、機械のデジタルツインにおけるベアリングの故障レベル状態の視覚化を提供するように構成されてもよい。

この例では、デジタルツインダイナミックモデルシステム１５５０８は、クライアントアプリケーション１５５７０から、マシンデジタルツインの振動フォルトレベル状態を更新するための要求を受信してもよい。１６１２００において、デジタルツインダイナミックモデルシステム１５５０８は、クライアントアプリケーション１５５７０から、マシンデジタルツインの１つまたは複数の振動フォルトレベル状態を更新するための要求を受信する。次に、ステップ１６１２０２において、デジタルツインダイナミックモデルシステム１５５０８は、要求を満たすために必要な１つまたは複数のデジタルツインを決定し、デジタルツインデータストア１５５１６から１つまたは複数の必要なデジタルツインを取得する。この例では、デジタルツインダイナミックモデルシステム１５５０８は、機械のデジタルツインと、埋め込まれた任意のモータデジタルツインおよびベアリングデジタルツインなどの任意の埋め込みデジタルツインと、製造施設デジタルツインなどの機械デジタルツインを埋め込む任意のデジタルツインを取得し得る。１６１２０４において、デジタルツインダイナミックモデルシステム１５５０８は、要求を満たすために必要な１つまたは複数のダイナミックモデルを決定し、デジタルツインダイナミックモデルデータストア１５５１０２から１つまたは複数の必要なダイナミックモデルを取得する。１６１２０６において、デジタルツインダイナミックモデルシステム１５５０８は、利用可能なデータソース（例えば、センサシステム１５５３０のセンサのセットからの利用可能なセンサ）と、ダイナミックモデル（複数可）の１つまたは複数の要求入力とに基づいて、デジタルツイン入出力システム１５５０４を介してダイナミックモデル入力データソース（例えば、センサシステム１５５３０からの１つまたは複数のセンサ、ＩｏＴ接続デバイス１５５２４からのデータ、およびその他の任意の適切なデータ）を選択する。本例では、検索された動的モデル（複数可）１５５１００は、動的モデルへの入力として、振動センサ１５５３６からの１つまたは複数の振動センサ測定値を取り得る。実施形態において、振動センサ１５５３６は、光学振動センサ、単軸振動センサ、三軸振動センサなどであってもよい。１６１２０８において、デジタルツインダイナミックモデルシステム１５５０８は、デジタルツインＩ／Ｏシステム１５５０４から、選択されたデータソースのそれぞれから１つ以上の測定値を取得する。次に、１６１２１０で、デジタルツインダイナミックモデルシステム１５５０８は、取り出した振動センサ測定値を入力として使用して、ダイナミックモデル（複数可）を実行し、軸受振動故障レベル状態を表す１つ以上の出力を計算する。次に、１６１２１２において、デジタルツインダイナミックモデルシステム１５５０８は、ダイナミックモデル（複数可）の１つ以上の出力に基づいて、製造設備デジタルツイン、機械デジタルツイン、モータデジタルツイン、及び／又は軸受デジタルツインの１つ以上の軸受故障レベル状態を更新する。クライアントアプリケーション１５５７０は、ベアリングの振動フォルトレベル状態を取得してもよく、ディスプレイインターフェース上のデジタルツインのうちの１つまたは複数のレンダリングにおいて、各ベアリングに関連する取得した振動フォルトレベル状態を表示し、および／またはフォルトレベル重大度に関連する色（例えば、アラームは赤、重大はオレンジ、最適下は黄、通常動作は緑）を表示してもよい。

別の例では、クライアントアプリケーション１５５７０は、拡張現実アプリケーションであってもよい。この例のいくつかの実施形態では、クライアントアプリケーション１５５７０は、産業環境のデジタルツインから（例えば、デジタルツインシステム１５５００のＡＰＩを介して）クライアントアプリケーションをホストするＡＲ対応デバイス（例えば、スマートグラス）の視野内のベアリングの振動故障レベル状態を取得してもよく、表示された振動故障レベル状態がＡＲ対応デバイスの視野内の場所に対応するように、取得した振動故障レベル状態をＡＲ対応デバイスのディスプレイ上に表示させてもよい。このようにすれば、ＡＲ対応機器の視野内に振動センサが配置されていない場合であっても、振動障害レベル状態を表示することができる。

図１６２は、機械のデジタルツインにおけるベアリングの振動シビアリティユニット値のセットを更新するための方法の例示的な実施形態を示す。振動厳しさ単位は、変位、速度、及び加速度として測定され得る。

この例では、デジタルツインダイナミックモデルシステム１５５０８とインターフェースするクライアントアプリケーション１５５７０は、機械のデジタルツインにおけるベアリングの３次元振動特性の視覚化を提供するように構成されてもよい。

この例では、デジタルツインダイナミックモデルシステム１５５０８は、クライアントアプリケーション１５５７０から、機械のデジタルツインにおけるベアリングの振動厳しさ単位値を更新する要求を受信してもよい。１６２３００において、デジタルツインダイナミックモデルシステム１５５０８は、クライアントアプリケーション１５５７０から、製造設備のデジタルツインの１つまたは複数の振動厳しさ単位値（複数可）を更新する要求を受信する。次に、ステップ１６２３０２において、デジタルツインダイナミックモデルシステム１５５０８は、要求を満たすために必要な１つまたは複数のデジタルツインを決定し、デジタルツインデータストア１５５１６から１つまたは複数の必要なデジタルツインを取得する。この例では、デジタルツインダイナミックモデルシステム１５５０８は、機械のデジタルツイン及び任意の埋め込まれたデジタルツイン（例えば、ベアリング及び他のコンポーネントのデジタルツイン）を取得し得る。１６２３０４において、デジタルツインダイナミックモデルシステム１５５０８は、要求を満たすために必要な１つまたは複数のダイナミックモデルを決定し、ダイナミックモデルデータストア１５５１０２から１つまたは複数の必要なダイナミックモデルを取得する。１６２３０６において、デジタルツインダイナミックモデルシステム１５５０８は、利用可能なデータソース（例えば、センサシステム１５５３０のセンサのセットからの利用可能なセンサ）およびダイナミックモデル（複数可）の１つまたは複数の要求入力に基づいて、デジタルツインＩ／Ｏシステム１５５０４を介してダイナミックモデル入力データソース（例えば、センサシステム１５５３０からの１つまたは複数のセンサ、ＩｏＴ接続デバイス１５５２４からのデータおよび他の任意の好適なデータ）を選択する。本実施例では、検索された動的モデルは、１つまたは複数の振動センサ測定値を入力として取り、機械内のベアリングに対する厳しさ単位値を提供するように構成されてもよい。１６２３０８において、デジタルツインダイナミックモデルシステム１５５０８は、選択されたセンサのそれぞれから１つ以上の測定値を取得する。本実施例では、デジタルツインダイナミックモデルシステム１５５０８は、デジタルツインＩ／Ｏシステム１５５０４を介して振動センサ１５５３６から測定値を取得する。１６２３１０において、デジタルツインダイナミックモデルシステム１５５０８は、検索された振動測定値を入力として使用してダイナミックモデル（複数可）を実行し、機械内のベアリングに対する振動厳しさ単位値を表す１つ以上の出力値を計算する。次に、１６２３１２において、デジタルツインダイナミックモデルシステム１５５０８は、機械デジタルツイン及び他の全ての組み込みデジタルツイン又は機械デジタルツインを埋め込むデジタルツインにおけるベアリングの１つ又は複数の振動厳しさユニット値を、ダイナミックモデル（複数可）によって出力された１つ又は複数の値に基づき更新する。

図１６３は、機械のデジタルツインにおける機械部品の故障確率値のセットを更新するための方法の例示的な実施形態を示す図である。

この例では、デジタルツインダイナミックモデルシステム１５５０８は、クライアントアプリケーション１５５７０から、マシンデジタルツイン内のコンポーネントの故障確率値を更新するための要求を受信してもよい。１５６４００において、デジタルツインダイナミックモデルシステム１５５０８は、クライアントアプリケーション１５５７０から、機械デジタルツイン、任意の埋め込みコンポーネントデジタルツイン、および製造施設デジタルツインなどの機械デジタルツインを埋め込む任意のデジタルツインの１つ以上の故障確率値（複数可）を更新する要求を受信する。次に、ステップ１６３４０２において、デジタルツインダイナミックモデルシステム１５５０８は、要求を満たすために必要な１つまたは複数のデジタルツインを決定し、１つまたは複数の必要なデジタルツインを取得する。この例では、デジタルツインダイナミックモデルシステム１５５０８は、デジタルツインデータストア１５５１６から、製造施設のデジタルツイン、マシンのデジタルツイン、およびマシンコンポーネントのデジタルツインを取り出してもよい。１６３４０４において、デジタルツインダイナミックモデルシステム１５５０８は、要求を満たすために必要な１つまたは複数のダイナミックモデルを決定し、ダイナミックモデルデータストア１５５１０２から１つまたは複数の必要なダイナミックモデルを取得する。１６３４０６において、デジタルツインダイナミックモデルシステム１５５０８は、デジタルツインＩ／Ｏシステム１５５０４を介して、利用可能なデータソース（例えば、センサシステム１５５３０のセンサのセットからの利用可能なセンサ）および動的モデル（複数可）の１つまたは複数の要求入力に基づいて動的モデル入力データソース（例えば、センサシステム１５５３０からの１つまたは複数のセンサ、ＩｏＴ接続デバイス１５５２４からのデータ、任意のその他の適切なデータ）を選択する。本実施例では、検索された動的モデルは、振動センサ１５５３６からの１つ以上の振動測定値と過去の故障データを動的モデル入力として取り、機械のデジタルツインにおける機械構成部品の故障確率値を出力してもよい。１６３４０８において、デジタルツインダイナミックモデルシステム１５５０８は、デジタルツインＩ／Ｏシステム１５５０４を介して選択されたセンサ及び／又はＩｏＴ接続デバイスのそれぞれからデータを取得する。ＡＴ １６３４１０,デジタルツインダイナミックモデルシステム１５５０８は、取得した振動データおよび過去の故障データを入力として使用してダイナミックモデル（複数可）を実行し、機械デジタルツイン内のベアリングの故障確率値を表す１つまたは複数の出力を計算する。次に、１６３４１２において、デジタルツインダイナミックモデルシステム１５５０８は、機械デジタルツイン、すべての埋め込みデジタルツイン、および機械デジタルツインを埋め込むすべてのデジタルツインにおけるベアリングの１つまたは複数の故障確率値を、ダイナミックモデル（複数可）の出力に基づき、更新する。

図１６４は、製造施設のデジタルツインにおける機械のダウンタイム確率のセットを更新するための方法の例示的な実施形態を示す。

この例では、デジタルツインダイナミックモデルシステム１５５０８とインターフェースするクライアントアプリケーション１５５７０は、製造施設のデジタルツインにおける製造施設のダウンタイム値の確率の視覚化を提供するように構成されてもよい。

この例では、デジタルツインダイナミックモデルシステム１５５０８は、クライアントアプリケーション１５５７０から、製造施設デジタルツイン内のマシンにダウンタイムの確率値を割り当てる要求を受信してもよい。１６４５００において、デジタルツインダイナミックモデルシステム１６２０８は、クライアントアプリケーション１５５７０から、製造施設デジタルツインおよび個々のマシンデジタルツインなどの任意の組み込みデジタルツインにおけるマシンの１つ以上のダウンタイム確率値を更新する要求を受信する。次に、ステップ１６４５０２において、デジタルツインダイナミックモデルシステム１５５０８は、要求を満たすために必要な１つまたは複数のデジタルツインを決定し、デジタルツインデータストア１５５１６から１つまたは複数の必要なデジタルツインを取得する。この例では、デジタルツインダイナミックモデルシステム１５５０８は、製造施設のデジタルツインおよび任意の埋め込みデジタルツインをデジタルツインデータストア１５５１６から取得し得る。１６４５０４において、デジタルツインダイナミックモデルシステム１５５０８は、要求を満たすために必要な１つまたは複数のダイナミックモデルを決定し、ダイナミックモデルデータストア１５５１０２から１つまたは複数の必要なダイナミックモデルを取得する。１６４５０６において、デジタルツインダイナミックモデルシステム１５５０８は、利用可能なデータソース（例えば、センサシステム１５５３０のセンサのセットからの利用可能なセンサ）と、デジタルツインＩ／Ｏシステム１５５０４を介してダイナミックモデル（複数可）の１つ以上の要求入力とを基に、ダイナミックモデル入力データソース（例えば、センサシステム１５５３０からの１つ以上のセンサ、ＩｏＴ接続機器１５５２４からのデータ、および他の任意の適切なデータ）を選択する。本実施例では、動的モデル（複数可）は、振動センサからの振動測定値および過去のダウンタイムデータを入力として取り、製造施設全体の異なる機械についてのダウンタイム値の確率を出力するように構成されてもよい。１６４５０８において、デジタルツインダイナミックモデルシステム１５５０８は、デジタルツインＩ／Ｏシステム１５５０４を介して、選択されたセンサのそれぞれから１つ以上の測定値を取得する。１６４５１０において、デジタルツインダイナミックモデルシステム１５５０８は、取り出した振動測定値および過去のダウンタイムデータを入力として使用してダイナミックモデル（複数可）を実行し、製造施設内の機械のダウンタイム値の確率を表す１つまたは複数の出力を計算する。次に、１６４５１２において、デジタルツインダイナミックモデルシステム１５５０８は、ダイナミックモデルの１つまたは複数の出力に基づいて、製造施設デジタルツインおよびすべての埋め込みデジタルツインにおける機械に対する１つまたは複数のダウンタイム確率の値を更新する。

図１６５は、製造設備のセットを有する企業のデジタルツインにおける１つ以上のシャットダウン確率の値を更新するための方法の例示的な実施形態を示す図である。

本実施例では、デジタルツインダイナミックモデルシステム１５５０８は、クライアントアプリケーション１５５７０から、エンタープライズデジタルツイン内の製造施設のセットに対するシャットダウン確率値を更新するための要求を受信してもよい。１６５６００において、デジタルツインダイナミックモデルシステム１５５０８は、クライアントアプリケーション１５５７０から、エンタープライズデジタルツインおよび任意の組み込みデジタルツインの１つまたは複数のシャットダウンの確率の値を更新する要求を受信する。次に、ステップ１６５６０２において、デジタルツインダイナミックモデルシステム１５５０８は、要求を満たすために必要な１つまたは複数のデジタルツインを決定し、デジタルツインデータストア１５５１６から１つまたは複数の必要なデジタルツインを取得する。この例では、デジタルツインダイナミックモデルシステム１５５０８は、企業のデジタルツイン及び任意の埋め込まれたデジタルツインを取得してもよい。１６５６０４において、デジタルツインダイナミックモデルシステム１５５０８は、要求を満たすために必要な１つまたは複数のダイナミックモデルを決定し、ダイナミックモデルデータストア１５５１０２から１つまたは複数の必要なダイナミックモデルを取得する。１６５６０６において、デジタルツインダイナミックモデルシステム１５５０８は、利用可能なデータソース（例えば、センサシステム１５５３０のセンサのセットからの利用可能なセンサ）と、デジタルツインＩ／Ｏシステム１５５０４を介してダイナミックモデル（複数可）の１つ以上の要求入力とを基に、ダイナミックモデル入力データソース（例えば、センサシステム１５５３０からの１つ以上のセンサ、ＩｏＴ接続デバイス１５５２４からのデータ、および他の任意の適切なデータ）を選択する。本実施例では、検索された動的モデルは、振動センサ１５５３６及び／又は他の適切なデータから１つ又は複数の振動測定値を入力として取り、エンタープライズデジタルツイン内の各製造事業体のシャットダウン確率値を出力するように構成されてもよい。１６５６０８において、デジタルツインダイナミックモデルシステム１５５０８は、デジタルツインＩ／Ｏシステム１５５０４から選択された振動センサ１５５３６のそれぞれから１つまたは複数の振動測定値を取得する。１６５６１０において、デジタルツインダイナミックモデルシステム１５５０８は、取り出した振動測定値および過去のシャットダウンデータを入力として使用してダイナミックモデル（複数可）を実行し、エンタープライズデジタルツイン内の製造設備に対するシャットダウン確率値を表す１つ以上の出力を計算する。次に、１６５６１２において、デジタルツインダイナミックモデルシステム１５５０８は、ダイナミックモデル（複数可）の１つまたは複数の出力に基づいて、エンタープライズデジタルツインおよびすべての組み込みデジタルツインの１つまたは複数のシャットダウンの確率の値を更新する。

本実施例では、デジタルツインダイナミックモデルシステム１５５０８は、クライアントアプリケーション１５５７０から、製造施設デジタルツイン内の機械に関連するダウンタイム値のリアルタイムコストを入力する要求を受信することができる。１５９７００において、デジタルツインダイナミックモデルシステム１５５０８は、クライアントアプリケーション１５５７０から、製造施設デジタルツインおよび任意の埋め込みデジタルツイン（例えば、機械、機械部品など）の１つまたは複数のダウンタイム値を更新するための要求を受信する。次に、ステップ１５９７０２において、デジタルツインダイナミックモデルシステム１５５０８は、要求を満たすために必要な１つまたは複数のデジタルツインを決定し、１つまたは複数の必要なデジタルツインを取得する。この例では、デジタルツインダイナミックモデルシステム１５５０８は、デジタルツインデータストア１５５１６から、製造施設、機械、機械部品、および他の任意の埋め込みデジタルツインのデジタルツインを取得し得る。１５９７０４において、デジタルツインダイナミックモデルシステム１５５０８は、要求を満たすために必要な１つまたは複数のダイナミックモデルを決定し、ダイナミックモデルデータストア１５５１０２から１つまたは複数の必要なダイナミックモデルを取得する。１５９７０６において、デジタルツインダイナミックモデルシステム１５５０８は、利用可能なデータソース（例えば、センサシステム１５５３０のセンサのセットからの利用可能なセンサ）と、デジタルツインＩ／Ｏシステム１５５０４を介してダイナミックモデル（複数可）の１つ以上の要求入力とを基に、ダイナミックモデル入力データソース（例えば、センサシステム１５５３０からの１つ以上のセンサ、ＩｏＴ接続デバイス１５５２４からのデータ、および他の任意の適切なデータ）を選択する。本実施例では、検索された動的モデル（複数可）は、過去のダウンタイムデータおよび運用データを入力として取り、製造施設内の機械の１日あたりのダウンタイムのコストを表すデータを出力するように構成されてもよい。１５９７０８において、デジタルツインダイナミックモデルシステム１５５０８は、デジタルツインＩ／Ｏシステム１５５０４から過去のダウンタイムデータと運用データを取得する。１５９７１０において、デジタルツインダイナミックモデルシステム１５５０８は、取り出したデータを入力として使用してダイナミックモデル（複数可）を実行し、製造施設内の機械の１日当たりのダウンタイムのコストを表す１つまたは複数の出力を計算する。次に、１５９７１２において、デジタルツインダイナミックモデルシステム１５５０８は、ダイナミックモデル（複数可）の１つ以上の出力に基づいて、製造施設デジタルツイン及び機械デジタルツインの１つ以上のダウンタイムコスト値を更新する。

図１６７は、製造設備のデジタルツインにおける製造ＫＰＩ値のセットを更新するための方法の例示的な実施形態を示す図である。実施形態において、製造ＫＰＩは、稼働時間、容量利用率、標準運転効率上、全体運転効率、全体設備効果、機械ダウンタイム、予定外ダウンタイム、機械セットアップ時間、在庫回転、在庫精度、品質（例えば、品質（不良品率など）、一次歩留まり、手直し、スクラップ、審査落ち、納期遵守、顧客からの返品、研修時間、従業員の離職率、報告義務のある安全衛生事故、従業員一人当たりの収益、スケジュール達成度、総サイクル時間、スループット、切り替え時間、歩留、計画メンテナンス率、稼働率、顧客返品率など。

本実施例では、デジタルツインダイナミックモデルシステム１５５０８は、クライアントアプリケーション１５５７０から、製造施設デジタルツインにリアルタイムの製造ＫＰＩ値を入力するための要求を受信することができる。１６７８００において、デジタルツインダイナミックモデルシステム１５５０８は、クライアントアプリケーション１５５７０から、製造施設デジタルツインおよび任意の埋め込みデジタルツイン（例えば、機械、機械部品など）の１つまたは複数のＫＰＩ値を更新するための要求を受信する。次に、ステップ１６７８０２において、デジタルツインダイナミックモデルシステム１５５０８は、要求を満たすために必要な１つまたは複数のデジタルツインを決定し、１つまたは複数の必要なデジタルツインを取得する。この例では、デジタルツインダイナミックモデルシステム１５５０８は、デジタルツインデータストア１５５１６から、製造施設、機械、機械部品、および他の任意の埋め込まれたデジタルツインのデジタルツインを取り出してもよい。１６７８０４において、デジタルツインダイナミックモデルシステム１５５０８は、要求を満たすために必要な１つまたは複数のダイナミックモデルを決定し、ダイナミックモデルデータストア１５５１０２から１つまたは複数の必要なダイナミックモデルを取得する。１６７８０６において、デジタルツインダイナミックモデルシステム１５５０８は、利用可能なデータソース（例えば、センサシステム１５５３０のセンサのセットからの利用可能なセンサ）と、デジタルツインＩ／Ｏシステム１５５０４を介してダイナミックモデル（複数可）の１つ以上の要求入力とを基に、ダイナミックモデル入力データソース（例えば、センサシステム１５５３０からの１つ以上のセンサ、ＩｏＴ接続デバイス１５５２４からのデータ、およびその他の任意の適切なデータ）を選択する。本実施例では、検索された動的モデル（複数可）は、振動センサ１５５３６から得られた１つ以上の振動測定値および他の運用データを入力として取り、設備に対する１つ以上の製造ＫＰＩを出力するように構成されてもよい。１６７８０８において、デジタルツインダイナミックモデルシステム１５５０８は、選択された振動センサ１５５３６のそれぞれから１つまたは複数の振動測定値およびデジタルツインＩ／Ｏシステム１５５０４から運用データを取得する。１６７８１０において、デジタルツインダイナミックモデルシステム１５５０８は、取り出した振動測定値および運用データを入力として使用して動的モデル（複数可）を実行し、製造施設の製造ＫＰＩを表す１つまたは複数の出力を計算する。次に、１６７８１２において、デジタルツインダイナミックモデルシステム１５５０８は、ダイナミックモデル（複数可）の１つ以上の出力に基づいて、製造施設デジタルツイン、機械デジタルツイン、機械部品デジタルツイン、および他のすべての組み込みデジタルツインの１つ以上のＫＰＩ値を更新する。

さらなる実施形態として、以下の例を挙げることができる。図１５５は、デジタルツインシステム１５５００の環境の一例を示す。実施形態において、デジタルツインシステム１５５００は、一組の産業環境１５５２０及び／又は一組の産業環境内の産業エンティティのデジタルツインの一組を生成する。実施形態において、デジタルツインシステム１５５００は、産業環境１５５２０を監視するそれぞれのセンサシステム１５５３０から得られたセンサデータを使用するなどして、それぞれの産業環境１５５２０の状態のセットを維持する。実施形態において、デジタルツインシステム１５５００は、デジタルツイン管理システム１５５０２、デジタルツインＩ／Ｏシステム１５５０４、デジタルツインシミュレーションシステム１５５０６、デジタルツイン動的モデルシステム１５５０８、認知知能システム１５５１０、及び／又は環境制御モジュール１５５１２を含んでもよい。実施形態において、デジタルツインシステム１５５００は、それぞれのセンサシステム１５５３０のセンサのためのインターフェースのセットを可能にするための能力のセットを提供するリアルタイムセンサＡＰＩを提供してもよい。実施形態において、デジタルツインシステム１５５００は、デジタルツインシステム１５５００との間のデータの転送を容易にするために、他の適切なＡＰＩ、ブローカー、コネクタ、ブリッジ、ゲートウェイ、ハブ、ポート、ルーター、スイッチ、データ統合システム、ピアツーピアシステム などを含むおよび／または採用することができる。これらの実施形態において、これらの接続コンポーネントは、センサシステム１５５３０内のＩｏＴセンサまたは仲介デバイス（例えば、リレー、エッジデバイス、スイッチなど）が、デジタルツインシステム１５５３００にデータを通信し、および／またはデジタルツインシステム１５５００もしくは別の外部システムからデータ（例えば、構成データ、制御データなど）を受信できるようにし得る。実施形態において、デジタルツインシステム１５５００は、様々な産業環境１５５２０のデジタルツイン１５５１８と、環境１５５２０内のオブジェクト１５５２２、デバイス１５５２４、センサ１５５２６、及び／又は人間１５５２８とを格納するデジタルツインデータストア１５５１６をさらに含んでもよい。

デジタルツインは、産業環境１５５２０、物理オブジェクト１５５２２、デバイス１５５２４、センサ１５５２６、人間１５５２８、またはそれらの任意の組み合わせなどの、１つまたは複数の産業エンティティのデジタル表現を指す場合がある。産業環境１５５２０の例としては、工場、発電所、食品生産施設（検査施設を含んでもよい）、業務用キッチン、室内栽培施設、天然資源発掘現場（例えば、鉱山、油田など）、などがあるが、これらに限定されるものではない。環境の種類に応じて、環境に存在する物体、装置、及びセンサの種類は異なる。物理オブジェクト１５５２２の非限定的な例としては、原材料、製造品、掘削物、容器（例えば、箱、ダンプカー、冷却塔、バット、パレット、バレル、パレート、ビンなど）、家具（例えば、テーブル、カウンター、ワークステーション、シェルフなど）、などがある。デバイス１５５２４の非限定的な例としては、ロボット、コンピュータ、車両（例えば、車、トラック、タンカー、列車、フォークリフト、クレーンなど）、機械／装置（例えば、トラクター、耕耘機、ドリル、プレス、組立ライン、コンベアベルトなど）、および同様のものが含まれる。センサ１５５２６は、環境内のセンサシステム１５５３０に見られる任意のセンサ装置及び／又はセンサ集合装置であってよい。センサシステム１５５３０に実装され得るセンサ１５５２６の非限定的な例は、温度センサ１５５３２、湿度センサ１５５３４、振動センサ１５５３６、レーダーセンサ１５５３８、動作センサ１５５４０、化学センサ１５５４２、音声センサ１５５４４、圧力センサ１５５４６、体重センサ１５５４８、放射線センサ１５５５０、映像センサ１５５５２、着用可能デバイス１５５５４、リレー１５５５６、縁装置１５５５８、クロスポイントスイッチ１５５６０、および／または他の任意の適切なセンサを含んでも良い。異なるタイプの物理オブジェクト１５５２２、デバイス１５５２４、センサ１５５２６、および環境１５５２０の例は、本開示全体を通して参照される。

いくつかの実施形態では、産業用ＩｏＴデバイスのためのオンデバイスセンサフュージョンおよびデータストレージがサポートされており、複数のセンサからのデータが、融合データストリームのストレージのためにデバイスで多重化される。例えば、圧力および温度データは、時系列で圧力と温度を組み合わせたデータストリームに多重化されてもよく、例えば、バイト状構造（時間、圧力、および温度がデータ構造内のバイトであるため、圧力と温度が時間的にリンクしたまま、外部システムによってストリームを別々に処理する必要がない）、または追加、分割、増殖、減算等によって多重化されて、融合データがデバイス上に保存できるようにしてもよい。振動データを含む、本開示全体を通して説明されるセンサデータタイプのいずれも、この方法で融合され、ローカルデータプール、ストレージ、またはデータコレクタ、機械のコンポーネントなどのＩｏＴデバイスに保存され得る。

いくつかの実施形態では、デジタルツインのセットは、エネルギー生産組織、石油及びガス組織、再生可能エネルギー生産組織、航空宇宙メーカー、車両メーカー、重機メーカー、鉱業組織、掘削組織、海洋プラットフォーム組織などの組織全体を表してもよい。これらの例において、デジタルツインは、組織の１つ以上の産業施設のデジタルツインを含んでもよい。

実施形態では、デジタルツイン管理システム１５５０２は、デジタルツインを生成する。デジタルツインは、他のデジタルツインから（例えば、参照を通じて）構成されてもよい。このように、離散的なデジタルツインは、他の離散的なデジタルツインの集合によって構成されてもよい。例えば、機械のデジタルツインは、機械上のセンサーのデジタルツイン、機械を構成するコンポーネントのデジタルツイン、機械に組み込まれているか機械と統合されている他のデバイス（機械に入力を提供するか機械から出力を取るシステムなど）のデジタルツイン、および／または機械によって作られる製品または他のアイテムのデジタルツインを含むことができる。この例をさらに一歩進めると、産業施設（例えば、工場）のデジタルツインは、施設内またはその周辺の物理的資産およびシステムの配置を含む産業施設のレイアウトを表すデジタルツイン、ならびに施設内の資産のデジタル資産（例えば、機械のデジタルツイン）、さらに施設内の保管場所のデジタルツイン、施設中の機械から振動測定を収集する人間のデジタルツインなどを含んでもよい。この第２の例では、産業施設のデジタルツインは、埋め込まれたデジタルツインを参照してもよく、そのデジタルツインは、それらのデジタルツイン内に埋め込まれた他のデジタルツインを参照してもよい。

いくつかの実施形態では、デジタルツインは、入力、出力、ステップのシーケンス、決定点、処理ループなど、そのようなワークフローおよびプロセスを構成するワークフローおよび／またはプロセスなどの抽象的なエンティティを表すことができる。例えば、デジタルツインは、製造プロセス、物流ワークフロー、農業プロセス、鉱物抽出プロセスなどのデジタル表現であってもよい。これらの実施形態において、デジタルツインは、ワークフロー又はプロセスに含まれる産業エンティティへの参照を含んでもよい。製造プロセスのデジタルツインは、プロセスの様々な段階を反映してもよい。これらの実施形態のいくつかでは、デジタルツインシステム１５５００は、製造プロセスが行われる産業施設（例えば、環境１５５２０のセンサシステム１５５３０）からリアルタイムデータを受け取り、プロセスの現在の（又は実質的に現在の）状態をリアルタイムで反映させる。

実施形態において、デジタル表現は、表現された物理オブジェクト１５５２２、デバイス１５５２４、センサ１５５２６、または環境１５５２０の特性のセットおよび／またはそれらの可能な動作を集合的に定義するデータ構造のセット（例えば、クラス）を含んでもよい。例えば、物理オブジェクト１５５２２の特性のセットは、物理オブジェクトのタイプ、オブジェクトの寸法、オブジェクトの質量、オブジェクトの密度、オブジェクトの材料（複数可）、材料の物理特性、物理オブジェクトの表面、物理オブジェクトの状態、物理オブジェクトの位置、オブジェクト内に含まれる他のデジタルツインの識別子、及び／又は他の適切な特性を含んでもよい。物理オブジェクトの動作の例は、物理オブジェクトの状態（例えば、固体、液体、または気体）を含んでもよい。固体、液体、または気体）、物理的物体の融点、液体状態にあるときの物理的物体の密度、液体状態にあるときの物理的物体の粘性、物理的物体の凝固点、固体状態にあるときの物理的物体の密度、固体状態にあるときの物理的物体の硬度、など。物理的物体の可鍛性、物理的物体の浮力、物理的物体の導電性、物理的物体の燃焼点、湿度が物理的物体に影響を与える方法、水または他の液体が物理的物体に影響を与える方法、物理的物体の終端速度、などである。別の例では、装置の特性のセットは、装置の種類、装置の寸法、装置の質量、装置の密度、装置の材料（複数可）、材料の物理的特性、装置の表面、装置の出力、装置の状態、装置の位置、装置の軌道、装置の振動特性、装置が接続され及び／又は含む他のデジタルツインの識別子、及び同様のものを含んでもよい。デバイスの動作の例は、デバイスの最大加速度、デバイスの最大速度、デバイスの可動範囲、デバイスの加熱プロファイル、デバイスの冷却プロファイル、デバイスによって実行されるプロセス、デバイスによって実行されるオペレーション、などを含んでもよい。環境の特性の例としては、環境の寸法、環境の境界、環境の温度、環境の湿度、環境の気流、環境内の物理的物体、環境の流れ（水域の場合）などを挙げることができる。環境の動作の例としては、環境を支配する科学的法則、環境で実行されるプロセス、環境で遵守されなければならない規則または規制、などを挙げることができる。

実施形態において、デジタルツインの特性は、調整されてもよい。例えば、デジタルツインの温度、デジタルツインの湿度、デジタルツインの形状、デジタルツインの材料、デジタルツインの寸法、または他の任意の適切なパラメータが調整されてもよい。デジタルツインの特性が調整されると、他の特性も影響を受ける可能性がある。例えば、環境１５５２０の温度が上昇する場合、理想気体の法則に従った気体の圧力など、環境内の圧力も上昇する可能性がある。別の例では、氷点下の環境のデジタルツインが氷点下以上に上昇した場合、固体状態の水（すなわち、氷）の埋め込みツインの特性は、時間の経過とともに液体状態に変化する可能性がある。

デジタルツインは、多くの異なる形態で表現されてもよい。実施形態において、デジタルツインは、人間のユーザーが環境１５５２０及び／又は環境内の物理オブジェクト１５５２２、デバイス１５５２４、及び／又はセンサ１５５２６のデジタル表現を見ることができるように、コンピューティングデバイスによってレンダリングされる視覚デジタルツインであってよい。実施形態において、デジタルツインは、レンダリングされ、ディスプレイデバイスに出力されてもよい。これらの実施形態のいくつかでは、デジタルツインは、ユーザーがデジタルツインと対話することができるように、グラフィカルユーザインターフェースでレンダリングされてもよい。例えば、ユーザーは、特定の要素（例えば、物理オブジェクト又はデバイス）を「ドリルダウン」して、その要素に関する追加の情報（例えば、物理オブジェクト又はデバイスの状態、物理オブジェクト又はデバイスのプロパティ等）を表示してもよい。いくつかの実施形態では、デジタルツインは、仮想現実ディスプレイにおいてレンダリングされ、出力されてもよい。例えば、ユーザーは、環境の３Ｄレンダリングを（例えば、モニタまたは仮想現実ヘッドセットを使用して）表示してもよい。そうしている間、ユーザーは、環境内の物理的な資産またはデバイスのデジタルツインを表示／検査してもよい。

いくつかの実施形態では、視覚的デジタルツイン（すなわち、２Ｄまたは３Ｄの態様で表示されるように構成されるデジタルツイン）のデータ構造は、表面（例えば、スプライン、メッシュ、ポリゴンメッシュなど）を含んでもよい。いくつかの実施形態では、サーフェスは、テクスチャデータ、シェーディング情報、及び／又は反射データを含んでもよい。このように、表面は、より現実的な方法で表示されてもよい。いくつかの実施形態において、そのような表面は、デジタルツインが視野内にあるとき、及び／又はより大きなデジタルツイン（例えば、産業環境のデジタルツイン）に存在するとき、可視化エンジン（図示せず）によりレンダリングされてもよい。これらの実施形態において、デジタルツインシステム１５５００は、デジタルオブジェクトの表面をレンダリングしてもよく、それによって、レンダリングされたデジタルツインは、隣接する表面のセットとして描かれてもよい。

実施形態において、ユーザーは、グラフィカルユーザインターフェースを介してデジタルツインの１つまたは複数のプロパティを制御する入力を提供することができる。例えば、ユーザーは、デジタルツインのプロパティを変更する入力を提供することができる。これに応答して、デジタルツインシステム１５５００は、変更されたプロパティの効果を計算することができ、デジタルツイン及びプロパティの変更によって影響を受ける他のデジタルツインを更新することができる。

実施形態において、ユーザーは、１つ以上のデジタルツインに関して実行されているプロセス（例えば、製品の製造、鉱山又は井戸からの鉱物の抽出、家畜検査ラインなど）を見ることができる。これらの実施形態において、ユーザーは、プロセス全体又はプロセス内の特定のステップを見ることができる。

いくつかの実施形態では、デジタルツイン（およびそこに埋め込まれた任意のデジタルツイン）は、非視覚的表現（または「データ表現」）で表現されてもよい。これらの実施形態では、デジタルツインおよび任意の埋め込まれたデジタルツインは、二値表現で存在するが、デジタルツイン間の関係は維持される。例えば、実施形態において、各デジタルツイン及び／又はその構成要素は、デジタルツイン（又はその構成要素）の形状を定義する物理的寸法のセットによって表現されてもよい。さらに、デジタルツインを具現化するデータ構造は、デジタルツインの位置を含んでもよい。いくつかの実施形態では、デジタルツインの位置は、座標のセットで提供されてもよい。例えば、産業環境のデジタルツインは、座標空間（例えば、デカルト座標空間、極座標空間など）に関して定義されてもよい。実施形態において、埋め込まれたデジタルツインは、１つ以上の順序付きトリプル（例えば、（Ｘ座標、ｙ座標、ｚ座標）または他のベクトルベースの表現）のセットとして表現されてもよい。これらの実施形態のいくつかでは、各順序付きトリプルは、産業エンティティ（例えば、オブジェクト、デバイス、またはセンサ）が存在する環境との関係で、産業エンティティ上の特定の点（例えば、中心点、上点、下点、または同様のもの）の位置を表してもよい。いくつかの実施形態では、デジタルツインのデータ構造は、環境に対するデジタルツインの動きを示すベクトルを含んでもよい。例えば、流体（例えば、液体又は気体）又は固体は、デジタルツインによって表されるエンティティの速度（例えば、速度の方向及び大きさ）を示すベクトルによって表されてもよい。実施形態において、ツイン内のベクトルは、流体内の粒子などの微視的下位構成要素を表してもよく、デジタルツインは、変位、速度、加速度、運動量、運動エネルギー、振動特性、熱特性、電磁特性などの物理的特性を表してもよい。

いくつかの実施形態では、２つ以上のデジタルツインのセットは、ノード及びノードを接続するエッジを含むグラフデータベースによって表されてもよい。いくつかの実施形態では、エッジは、空間的関係（例えば、「周囲（ＡｂｕｔＳ）」、「上（ｒｅｓｔｓ ｕｐｏｎ）」、「含有（ｃｏｎｔａｉｎｓ）」等）を表すことができる。これらの実施形態では、グラフデータベースの各ノードは、エンティティ（例えば、産業エンティティ）のデジタルツインを表し、デジタルツインを定義するデータ構造を含んでもよい。これらの実施形態において、グラフデータベース内の各エッジは、接続されたノードによって表される２つのエンティティ間の関係を表してもよい。いくつかの実施形態では、エッジは、空間的関係（例えば、「周囲（ＡｂｕｔＳ）」、「上（ｒｅｓｔｓ ｕｐｏｎ）」、「連結（ｉｎｔｅｒｌｏｃｋ Ｓｗｉｔｈ）」、「支持（ｂｅａｒ）」、「含有（ｃｏｎｔａｉｎｓ）」等）を表すことができる。実施形態では、様々なタイプのデータがノードまたはエッジに格納されてもよい。実施形態では、ノードは、設備、システム、サブシステム、および／またはコンポーネントに関するプロパティデータ、状態データ、および／またはメタデータを格納してもよい。プロパティデータと状態データの種類は、ノードによって表されるエンティティに基づいて異なる。例えば、ロボットを表すノードには、ロボットの材質、ロボット（またはその構成要素）の寸法、ロボットの質量などを表すプロパティデータが含まれる場合がある。この例では、ロボットの状態データは、ロボットの現在のポーズ、ロボットの位置などを含んでもよい。実施形態において、エッジは、２つのノード間の関係に関連する関係データ及びメタデータデータを格納してもよい。関係データの例は、関係の性質、関係が永続的であるかどうか（例えば、固定部品は、それが取り付けられるか、又は静止している構造体と永続的な関係を有するであろう）、及びそのようなものを含んでもよい。実施形態では、エッジは、２つのエンティティ間の関係に関するメタデータを含んでもよい。例えば、製品が組立ラインで生産された場合、製品のデジタルツインと組立ラインとの間に文書化され得る１つの関係は、「生じる（ｃｒｅａｔｅｄ ｂｙ）」であってよい。これらの実施形態において、「作成者」の関係を表すエッジの例は、製品が作成された日時を示すタイムスタンプを含んでもよい。別の例では、センサは、デバイスの状態に関連する測定を行うことができ、それによって、センサとデバイスとの間の１つの関係は、「測定された」を含んでもよく、センサによって測定される測定タイプを定義してもよい。この例では、エッジに格納されるメタデータは、Ｎ個の測定値のリストと、それぞれの測定値のタイムスタンプとを含んでもよい。このようにして、２つのエンティティ間の関係の性質に関連する時間的データが維持されてもよく、それによって、分析エンジン、機械学習エンジン、及び／又は可視化エンジンが、予測システムに用いられる因果分析を容易にするために、異種のデータセットを一連の時点と整合させることなどによって、そのような時間的関係データを活用することができる。

いくつかの実施形態では、グラフデータベースは、グラフデータベースが一連の設備、システム、及びコンポーネントを関連付けるように、階層的な方法で実装されてもよい。例えば、製造環境のデジタルツインは、製造環境を表すノードを含んでもよい。グラフデータベースは、冷暖房空調設備（ＨＶＡＣ）システム、照明システム、製造システムなどを表すノードなど、製造環境内の様々なシステムを表すノードをさらに含んでもよく、これらのノードはすべて、製造システムを表すノードに接続することができる。この例では、システムの各々は、さらに、システムの様々なサブシステム及び／又は構成要素に接続してもよい。例えば、冷暖房空調設備システム内では、冷暖房空調設備システムは、施設の冷却システムを表すサブシステムノード、施設の加熱システムを表す第２のサブシステムノード、施設のファンシステムを表す第３のサブシステムノード、および施設のサーモスタット（または複数のサーモスタット）を表す１つ以上のノードに接続してもよい。この例をさらに進めると、サブシステムノード及び／又はコンポーネントノードは、サブシステムノード及び／又はコンポーネントノードを含む下位レベルのノードに接続してもよい。例えば、冷房サブシステムを表すサブシステムノードは、エアコンユニットを表すコンポーネントノードに接続されてもよい。同様に、サーモスタット装置を表すコンポーネントノードは、様々なセンサ（例えば、温度センサ、湿度センサなど）を表す１つ以上のコンポーネントノードに接続されてもよい。

グラフデータベースが実装される実施形態において、グラフデータベースは、単一の環境に関連してもよいし、より大きな企業を表してもよい。後者のシナリオでは、企業は様々な製造および流通施設を有することができる。これらの実施形態において、企業を表す企業ノードは、それぞれの各施設の環境ノードに接続してもよい。このように、デジタルツインシステム１５５００は、企業の複数の産業施設のためのデジタルツインを維持してもよい。

実施形態において、デジタルツインシステム１５５００は、グラフデータベースを使用して、レンダリングされ表示されてもよいデジタルツインを生成してもよく、及び／又はデータ表現で表現されてもよい。前者のシナリオでは、デジタルツインシステム１５５００は、デジタルツインをレンダリングする要求を受信してもよく、それによって、要求は、描かれるビューを示す１つ以上のパラメータを含む。例えば、１つ以上のパラメータは、描写される産業環境及びレンダリングのタイプ（例えば、人間が見るような環境を描写する「実世界ビュー」、オブジェクトをそれぞれの温度の関数として描写する「赤外線ビュー」、デジタルツイン内の気流を描写する「気流ビュー」等）を示してよい。これに応答して、デジタルツインシステム１５５００は、グラフデータベースをトラバースし、環境の環境ノードに（直接または下位レベルのノードを介して）関連するグラフデータベース内のノードと、関連するノード間の関係を定義するエッジとに基づいて、描画される環境の構成を決定してもよい。構成を決定すると、デジタルツインシステム１５５００は、描写されるべき表面を特定してもよく、それらの表面をレンダリングしてもよい。次いで、デジタルツインシステム１５５００は、構成に従って表面を接続することによって、要求されたデジタルツインをレンダリングしてもよい。レンダリングされたデジタルツインは、その後、視聴デバイス（例えば、ＶＲヘッドセット、モニターなど）に出力されてもよい。いくつかのシナリオでは、デジタルツインシステム１５５００は、環境１５５２０のセンサシステム１５５３０からリアルタイムのセンサデータを受信してもよく、センサデータに基づいて視覚的デジタルツインを更新してもよい。例えば、デジタルツインシステム１５５００は、モータおよびそのベアリングのセットに関連するセンサデータ（例えば、振動センサ１５５３６からの振動データ）を受信してもよい。センサデータに基づいて、デジタルツインシステム１５５００は、モータのデジタルツイン内のベアリングのセットのおおよその振動特性を示すために、視覚的デジタルツインを更新してもよい。

デジタルツインシステム１５５００がデジタルツインのデータ表現を提供しているシナリオでは（例えば、動的モデリング、シミュレーション、機械学習のために）、デジタルツインシステム１５５００は、グラフデータベースをトラバースしてもよく、環境の環境ノードに（直接または下位ノードを通じて）関連しているグラフデータベース内のノードと、関連ノード間の関係を定義するエッジに基づいて描かれる環境の構成を決定してもよい。いくつかのシナリオでは、デジタルツインシステム１５５００は、環境１５５２０のセンサシステム１５５３０からリアルタイムのセンサデータを受信してもよく、センサデータに基づいてデジタルツインに１つまたは複数の動的モデルを適用してもよい。他のシナリオでは、本明細書を通じてより詳細に議論されるように、デジタルツインのデータ表現が、シミュレーションを実行するために使用されてもよい。

いくつかの実施形態では、デジタルツインシステム１５５００は、産業環境のデジタルツインに関して実行されるデジタルゴーストを実行してもよい。これらの実施形態において、デジタルゴーストは、産業環境のセンサシステム１５５３０の１つ以上のセンサを監視して、悪意のあるウイルスまたは他のセキュリティ問題を示す可能性がある異常を検出してもよい。

議論されたように、デジタルツインシステム１５５００は、デジタルツイン管理システム１５５０２、デジタルツインＩ／Ｏシステム１５５０４、デジタルツインシミュレーションシステム１５５０６、デジタルツイン動的モデルシステム１５５０８、認知知能システム１５５１０、及び／又は環境制御モジュール１５５１２を含み得る。

実施形態において、デジタルツインマネジメントシステム１５５０２は、新しいデジタルツインを作成し、既存のデジタルツインを維持／更新し、及び／又はデジタルツインをレンダリングする。デジタルツインマネジメントシステム１５５０２は、ユーザー入力、アップロードされたデータ、及び／又はセンサデータを受信して、既存のデジタルツインを作成及び維持することができる。新しいデジタルツインを作成すると、デジタルツインマネジメントシステム１５５０２は、デジタルツインデータストア１５５１６にデジタルツインを保存してもよい。デジタルツインの作成、更新、およびレンダリングは、本開示を通じてより詳細に議論される。

実施形態において、デジタルツインＩ／Ｏシステム１５５０４は、様々なソースから入力を受信し、様々な受信者にデータを出力する。実施形態において、デジタルツインＩ／Ｏシステムは、１つまたは複数のセンサシステム１５５３０からセンサデータを受信する。これらの実施形態では、各センサシステム１５５３０は、それぞれのセンサデータを出力する１つ以上のＩｏＴセンサを含んでもよい。各センサには、ＩＰアドレスが割り当てられてもよく、または別の適切な識別子を有していてもよい。各センサは、センサの識別子とセンサデータとを含むセンサパケットを出力してもよい。いくつかの実施形態では、センサパケットは、センサデータが収集された時刻を示すタイムスタンプをさらに含んでもよい。いくつかの実施形態において、デジタルツインＩ／Ｏシステム１５５０４は、リアルタイムセンサＡＰＩ１５５１４を介してセンサシステム１５５３０とインターフェースしてもよい。これらの実施形態において、センサシステム１５５３０内の１つ又は複数のデバイス（例えば、センサ、アグリゲータ、エッジデバイス）は、センサデータを含むセンサパケットをＡＰＩを介してデジタルツインＩ／Ｏシステム１５５０４に送信してよい。デジタルツインＩ／Ｏシステムは、センサパケットを送信したセンサシステム１５５３０及びその内容を決定してもよく、センサデータ及び他の関連データ（例えば、タイムスタンプ、環境識別子／センサシステム識別子等）をデジタルツイン管理システム１５５０２に提供してもよい。

実施形態において、デジタルツインＩ／Ｏシステム１５５０４は、１つ以上のソースからインポートデータを受信してもよい。例えば、デジタルツインシステム１５５００は、ユーザーが自分のデジタルツインを作成し管理するためのポータルを提供してもよい。これらの実施形態では、ユーザーは、作成中の新しいデジタルツインに関連して、１つ以上のファイル（例えば、画像ファイル、レーダースキャン、設計図など）をアップロードしてもよい。これに応答して、デジタルツインＩ／Ｏシステム１５５０４は、インポートされたデータをデジタルツイン管理システム１５５０２に提供し得る。デジタルツインＩ／Ｏシステム１５５０４は、本開示の範囲から逸脱することなく、他の適切なタイプのデータを受信してもよい。

いくつかの実施形態では、デジタルツインシミュレーションシステム１５５０６は、デジタルツインを使用してシミュレーションを実行するように構成される。例えば、デジタルツインシミュレーションシステム１５５０６は、デジタルツイン及び／又は１つ以上の組み込みデジタルツインの１つ以上のパラメータを反復的に調整してもよい。実施形態において、デジタルツインシミュレーションシステム１５５０６は、パラメータの各セットについて、パラメータのセットに基づいてシミュレーションを実行し、シミュレーションから生じるシミュレーション結果データを収集してもよい。別の言い方をすれば、デジタルツインシミュレーションシステム１５５０６は、シミュレーション中に使用されるデジタルツイン及びデジタルツイン内又はデジタルツインを含むデジタルツインの特性、並びにシミュレーションから生じる任意の結果を収集してもよい。例えば、屋内農業施設のデジタルツイン上でシミュレーションを実行する際に、デジタルツインシミュレーションシステム１５５０６は、以下のものを変化させることができる。温度、湿度、気流、二酸化炭素及び／又は他の関連するパラメータを有し、パラメータの異なる組み合わせから生じる結果を出力するシミュレーションを実行することができる。別の例では、デジタルツインシミュレーションシステム１５５０６は、一組の入力を与えられた出力を生成する産業施設内の特定の機械の動作をシミュレートしてもよい。いくつかの実施形態では、入力は、機械及びその出力に対する入力の効果を決定するために変化させられてもよい。別の例では、デジタルツインシミュレーションシステム１５５０６は、機械及び／又は機械コンポーネントの振動をシミュレートしてもよい。この例では、機械のデジタルツインは、機械の動作パラメータ、インターフェース、及び能力のセットを含んでもよい。いくつかの実施形態では、動作パラメータは、機械の有効性を評価するために変化されてもよい。デジタルツインシミュレーションシステム１５５０６は、本開示を通じてさらに詳細に論じられる。

実施形態では、デジタルツインダイナミックモデルシステム１５５０８は、環境のデジタルツインに関する１つまたは複数の動作をモデル化するように構成される。実施形態において、デジタルツインダイナミックモデルシステム１５５０８は、環境またはプロセスに関するあるタイプの動作をモデル化する要求を受信してもよく、動的モデル、環境またはプロセスのデジタルツイン、および環境またはプロセスを監視している１つまたは複数のセンサから収集したセンサデータを用いて、その動作をモデル化してもよい。例えば、ベアリングを有する機械のオペレータは、機械および／またはベアリングが出力の増加に耐えられるかどうかを判断するために、機械およびベアリングの振動をモデル化することを望むかもしれない。この例では、デジタルツインダイナミックモデルシステム１５５０８は、出力の増加が有害な結果（例えば、故障、ダウンタイムなど）をもたらすかどうかを判断するように構成されたダイナミックモデルを実行することができる。デジタルツインダイナミックモデルシステム１５５０８は、本開示を通じてさらに詳細に論じられる。

実施形態では、認知プロセスシステム１５５１０は、デジタルツインシステムに代わって機械学習および人工知能関連のタスクを実行する。実施形態において、認知プロセスシステム１５５１０は、様々なタイプのニューラルネットワーク、回帰モデル、ランダムフォレスト、決定木、隠れマルコフモデル、ベイズモデルなどを含むがこれらに限定されない、任意の適切なタイプのモデルを訓練し得る。実施形態において、認知プロセスシステム１５５１０は、デジタルツインシミュレーションシステム１５５０６によって実行されたシミュレーションの出力を用いて機械学習モデルを訓練する。これらの実施形態のいくつかにおいて、シミュレーションの成果は、実世界の環境及び／又はプロセスから収集された訓練データを補完するために使用されてもよい。実施形態において、認知プロセスシステム１５５１０は、機械学習されたモデルを活用して、予測、識別、分類を行い、それぞれのデジタルツインによって表される実世界の環境及び／又はプロセスに関連する意思決定支援を提供する。

例えば、機械学習された予測モデルは、産業施設におけるエンジンの軸受の不規則な振動パターン（例えば、最適でない、臨界、またはアラーム振動障害状態）の原因を予測するために使用され得る。この例では、認知プロセスシステム１５５１０は、エンジン上又はその近くに配置された１つ以上の振動センサから振動センサデータを受信してもよく、産業施設から保守データを受信してもよく、振動センサデータ及び保守データに基づいて特徴ベクトルを生成してもよい。認知処理システム１５５１０は、不規則振動パターンの原因を予測するために、エンジンに対して特に訓練された（例えば、不規則振動パターンの原因のシミュレーションデータと実世界のデータとの組み合わせを使用して）機械学習モデルに特徴ベクトルを入力してもよい。この例では、不規則な振動パターンの原因は、ベアリングの緩み、ベアリングの潤滑不足、アライメントがずれているベアリング、摩耗したベアリング、ベアリングの位相がエンジンの位相と一致している可能性、ハウジングの緩み、ボルトの緩み、等とすることができる。

別の例では、機械学習モデルが、最適でない振動故障レベル状態で動作する産業施設内のエンジンの軸受を通常動作振動故障レベル状態にするための決定支援を提供するために使用され得る。この例では、認知プロセスシステム１５５１０は、エンジン上又はその近くに配置された１つ以上の振動センサから振動センサデータを受信してもよく、産業施設から保守データを受信してもよく、振動センサデータ及び保守データに基づいて特徴ベクトルを生成してもよい。認知処理システム１５５１０は、特徴ベクトルを、エンジン用に特別に訓練された機械学習モデルに入力し（例えば、不規則な振動パターンに対する解決策のシミュレーションデータ及び実世界データを組み合わせて使用して）、軸受の通常運転故障レベル状態を達成する際に意思決定サポートを提供してもよい。この例では、決定サポートは、ベアリングの締め付け、ベアリングの潤滑、ベアリングの再調整、新しいベアリングの注文、新しい部品の注文、追加の振動測定値の収集、エンジンの運転速度の変更、ハウジングの締め付け、ボルトの締め付けなどの推奨となり得る。

別の例では、機械学習モデルが、作業員による振動測定収集に関連する意思決定支援を提供するために使用され得る。この例では、認知プロセスシステム１５５１０は、産業施設から振動測定履歴データを受信してもよく、振動測定履歴データに基づいて、特徴ベクトルを生成してもよい。認知プロセスシステム１５５１０は、特徴ベクトルを、エンジン用に特別に訓練された機械学習モデルに入力し（例えば、シミュレーションデータと実世界の振動測定履歴データの組み合わせを使用して）、振動測定場所を選択する際の意思決定支援を提供してもよい。

さらに別の例では、機械学習モデルが、機械および／または機械部品の問題に関連する振動シグネチャを識別するために使用され得る。この例では、認知プロセスシステム１５５１０は、産業施設から振動測定履歴データを受信してもよく、振動測定履歴データに基づいて特徴ベクトルを生成してもよい。認知プロセスシステム１５５１０は、特徴ベクトルを、エンジン用に特別に訓練された機械学習モデルに入力し（例えば、シミュレーションデータと実世界の振動測定履歴データの組み合わせを使用して）、機械および／または機械コンポーネントに関連する振動シグネチャを識別してもよい。前述の例は非限定的な例であり、認知処理システム１５５１０は、産業施設に関して実行される他の任意の適切なＡＩ／機械学習関連タスクに使用されてもよい。

実施形態では、環境制御システム１５５１２は、産業施設の１つまたは複数の側面を制御する。これらの実施形態のいくつかでは、環境制御システム１５５１２は、産業環境内の１つまたは複数のデバイスを制御し得る。例えば、環境制御システム１５５１２は、環境内の１つ以上の機械、環境内のロボット、環境のＨＶＡＣシステム、環境のアラームシステム、環境内の組立ラインなどを制御してもよい。実施形態において、環境制御システム１５５１２は、デジタルツインシミュレーションシステム１５５０６、デジタルツインダイナミックモデルシステム１５５０８、及び／又は認知プロセスシステム１５５１０を活用して、１つ又は複数の制御指示を決定してもよい。実施形態において、環境制御システム１５５１２は、制御命令を決定するために、ルールベース及び／又は機械学習アプローチを実装してもよい。制御命令を決定することに応答して、環境制御システム１５５１２は、デジタルツインＩ／Ｏシステム１５５０４を介して、特定の環境内の意図されたデバイスに制御命令を出力してもよい。

図１５６は、本開示のいくつかの実施形態による例示的なデジタルツイン管理システム１５５０２を例示する。実施形態において、デジタルツイン管理システム１５５０２は、デジタルツイン作成モジュール１５５６４、デジタルツイン更新モジュール１５５６６、およびデジタルツイン可視化モジュール１５５６８を含むことができるが、これらに限定されるものではない。

実施形態において、デジタルツイン作成モジュール１５５６４は、ユーザーからの入力、インポートデータ（例えば、設計図、仕様書など）、環境のイメージスキャン、レーダーデバイスおよび／またはＳＬＡＭセンサからの３Ｄデータ、ならびに他の適切なデータ源を使用して、一式の環境の新しいデジタルツインを作成し得る。例えば、ユーザー（例えば、組織／顧客アカウントに所属するユーザー）は、クライアントアプリケーション１５５７０を介して、環境の新しいデジタルツインを作成するための入力を提供してもよい。その際、ユーザーは、環境の２Ｄまたは３Ｄ画像スキャンおよび／または環境の青写真をアップロードしてもよい。ユーザーは、カメラ、レーダーデバイス、ＩＲスキャナ、ＳＬＡＭセンサのセット、レーダーデバイス、ＥＭＦスキャナなどによって撮影された３Ｄデータもアップロードしてもよい。提供されたデータに応答して、デジタルツイン作成モジュール１５５６４は、環境の３Ｄ表現を作成してもよく、これは、画像データにおいて捕捉された／３Ｄデータにおいて検出された任意のオブジェクトを含んでもよい。実施形態において、認知プロセスシステム１５５７２は、入力データ（例えば、設計図、画像スキャン、３Ｄデータ）を分析して、部屋、通路、設備などを分類し、３Ｄ表現の生成を支援してもよい。いくつかの実施形態では、デジタルツイン作成モジュール１５５６４は、デジタルツインを３Ｄ座標空間（例えば、Ｘ、ｙ、及びｚ軸を有する直交空間）にマッピングしてもよい。

いくつかの実施形態では、デジタルツイン作成モジュール１５５６４は、環境の３Ｄ表現をグラフィカル・ユーザインターフェース（ＧＵＩ）に出力し得る。これらの実施形態のいくつかでは、ユーザーは、特定のエリア及び／又はオブジェクトを識別してもよく、識別されたエリア及び／又はオブジェクトに関連する入力を提供してもよい。例えば、ユーザーは、特定の部屋、設備、機械などをラベル付けしてもよい。加えて又は代替的に、ユーザーは、識別されたオブジェクト及び／又は領域に関連するデータを提供してもよい。例えば、機器の一部を特定する際に、ユーザーは、その機器の製造番号／モデル番号を提供してもよい。いくつかの実施形態では、デジタルツイン作成モジュール１５５６４は、装置、機器の一部、又は機械の製造業者から情報を取得してもよい。この情報は、装置、機器、又は機械の１つ又は複数の特性及び／又は挙動を含んでもよい。いくつかの実施形態では、ユーザーは、ＧＵＩを介して、環境全体のセンサの位置を特定してもよい。各センサについて、ユーザーは、センサの種類及び関連データ（例えば、メーカー、モデル、ＩＰアドレス等）を提供してもよい。デジタルツイン作成モジュール１５５６４は、環境のデジタルツインに位置（例えば、センサのＸ、ｙ、ｚ座標）を記録してもよい。実施形態において、デジタルツインシステム１５５００は、デジタルツインの人口を自動化する１つ又は複数のシステムを採用してもよい。例えば、デジタルツインシステム１５５００は、デバイス、装置、又はセンサーのメーカー及びモデルを分類するマシンビジョンベースの分類器を採用してもよい。さらに、または代替的に、デジタルツインシステム１５５００は、環境内にある特定のタイプのセンサーの存在を識別するために、異なるタイプの既知のセンサーに反復的にピーン音（ｐｉｎｇ）を打ってもよい。センサがピーン音（ｐｉｎｇ）に応答するたびに、デジタルツインシステム１５５００は、センサのメーカーとモデルを推定してもよい。

いくつかの実施形態では、製造者は、その製品（例えば、センサ、デバイス、機械、装置、原材料など）のデジタルツインを提供するか、または利用可能にすることができる。これらの実施形態では、デジタルツイン作成モジュール１５５６４は、環境内で識別される１つまたは複数の製品のデジタルツインをインポートしてもよく、それらのデジタルツインを環境のデジタルツインに埋め込んでもよい。実施形態において、デジタルツインを別のデジタルツイン内に埋め込むことは、埋め込まれたデジタルツインと別のデジタルツインとの間に関係を作成することを含んでもよい。これらの実施形態において、デジタルツインの製造者は、それぞれの製品の動作および／または特性を定義してもよい。例えば、機械のデジタルツインは、機械が動作する方法、機械の入力／出力などを定義してもよい。このように、機械のデジタルツインは、一連の入力が与えられたときの機械の動作を反映することができる。

実施形態では、ユーザーは、環境内で発生する１つまたは複数のプロセスを定義し得る。これらの実施形態では、ユーザーは、プロセスのステップ、プロセスの各ステップを実行する機械／装置、プロセスへの入力、およびプロセスの出力を定義し得る。

実施形態において、デジタルツイン作成モジュール１５５６４は、一連のデジタルツインの間の関係を定義するグラフデータベースを作成し得る。これらの実施形態において、デジタルツイン作成モジュール１５５６４は、環境、環境のシステムおよびサブシステム、環境内のデバイス、環境内のセンサ、環境内で働く作業員、環境内で実行されるプロセスなどに対するノードを作成してもよい。実施形態において、デジタルツイン作成モジュール１５５６４は、デジタルツインのセットを表すグラフデータベースをデジタルツインデータストア１５５１６に書き込んでもよい。

実施形態では、デジタルツイン作成モジュール１５５６４は、各ノードについて、エンティティを表すノードに、そのエンティティに関連する任意のデータを含んでもよい。例えば、環境を表すノードを定義する際に、デジタルツイン作成モジュール１５５６４は、寸法、境界、レイアウト、経路、および他の関連する空間データをノードに含んでもよい。さらに、デジタルツイン作成モジュール１５５６４は、環境を基準とした座標空間を定義してもよい。デジタルツインがレンダリングされ得る場合、デジタルツイン作成モジュール１５５６４は、環境をレンダリングするために使用され得る任意の形状、メッシュ、スプライン、表面等への参照をノードに含んでもよい。システム、サブシステム、デバイス、またはセンサを表現する場合、デジタルツイン作成モジュール１５５６４は、それぞれのエンティティに対するノードを作成してもよく、任意の関連するデータを含んでもよい。例えば、デジタルツイン作成モジュール１５５６４は、環境内のマシンを表すノードを作成してもよい。この例では、デジタルツイン作成モジュール１５５６４は、機械を表すノードに、機械に関連する寸法、動作、特性、位置、及び／又は他の任意の適切なデータを含んでもよい。デジタルツイン作成モジュール１５５６４は、関連するエンティティのノードをエッジで接続し、それによって、エンティティ間の関係を作成してもよい。その際、エンティティ間に作成された関係は、エッジによって特徴付けられる関係の種類を定義してもよい。プロセスを表現する際に、デジタルツイン作成モジュール１５５６４は、プロセス全体に対するノードを作成してもよいし、プロセス内の各ステップに対するノードを作成してもよい。これらの実施形態のいくつかでは、デジタルツイン作成モジュール１５５６４は、プロセスノードを、プロセス内のステップを実行する機械／デバイスを表すノードに関連させてもよい。実施形態において、エッジがプロセスステップノードをプロセスステップを実行する機械／デバイスに接続する場合、エッジまたはノードの１つは、ステップへの入力、ステップの出力、ステップが要する時間量、出力を生成するための入力の処理の性質、プロセスが受け得る一連の状態またはモード、などを示す情報を含んでもよい。

実施形態において、デジタルツインアップデートモジュール１５５６６は、１つまたは複数の産業エンティティの現在のステータスに基づいてデジタルツインのセットを更新する。いくつかの実施形態では、デジタルツインアップデートモジュール１５５６６は、産業環境のセンサシステム１５５３０からセンサデータを受信し、産業環境のデジタルツインおよび／または任意の影響を受けるシステム、サブシステム、デバイス、作業員、プロセスなどのデジタルツインのステータスを更新する。議論したように、デジタルツインＩ／Ｏシステム１５５０４は、１つまたは複数のセンサパケットでセンサデータを受信してもよい。デジタルツインＩ／Ｏシステム１５５０４は、センサデータをデジタルツイン更新モジュール１５５６６に提供してもよく、センサパケットが受信された環境およびセンサパケットを提供したセンサを識別してもよい。センサデータに応答して、デジタルツインアップデートモジュール１５５６６は、センサデータに基づいて１つまたは複数のデジタルツインの状態を更新してもよい。これらの実施形態のいくつかにおいて、デジタルツインアップデートモジュール１５５６６は、現在のセンサデータを反映するために、センサデータを提供したセンサに対応するレコード（例えば、グラフデータベースのノード）を更新してもよい。いくつかのシナリオでは、デジタルツインアップデートモジュール１５５６６は、センサによって監視される環境内の特定の領域を識別してもよく、現在のセンサデータを反映させるためにレコード（例えば、グラフデータベース内のノード）を更新してもよい。例えば、デジタルツイン更新モジュール１５５６６は、機械及び／又は機械部品の異なる振動特性を反映したセンサデータを受信してもよい。この例では、デジタルツイン更新モジュール１５５６６は、振動センサデータを提供した振動センサを表すレコード、及び／又は機械及び／又は機械構成要素を表すレコードを更新して、振動センサデータを反映させてもよい。別の例では、いくつかのシナリオにおいて、産業環境（例えば、製造施設、産業貯蔵施設、鉱山、掘削作業など）の作業員は、ウェアラブルデバイス（例えば、スマートウォッチ、スマートヘルメット、スマートシューズなど）の装着を要求される場合がある。これらの実施形態において、ウェアラブルデバイスは、作業員（例えば、位置、動き、心拍数、呼吸数、体温など）及び／又は作業員を取り巻く環境に関するセンサデータを収集してもよく、収集したセンサデータを直接又はセンサシステムの集約デバイスを介してデジタルツインシステム１５５００に（例えば、リアルタイムセンサＡＰＩ１５５１４を介して）伝達してもよい。作業員のウェアラブルデバイスからセンサデータを受信することに応答して、デジタルツイン更新モジュール１５５６６は、例えば、作業員の位置、作業員の軌跡、作業員の健康状態などを反映するために作業員のデジタルツインを更新してもよい。これらの実施形態のいくつかにおいて、デジタルツインアップデートモジュール１５５６６は、作業者の現在の状態を反映するために、作業者を表すノード及び／又は環境を表すノードと収集されたセンサデータとを接続するエッジを更新してもよい。

いくつかの実施形態では、デジタルツイン更新モジュール１５５６６は、１つまたは複数のセンサからのセンサデータをデジタルツイン動的モデルシステム１５５０８に提供してもよく、このシステムは、環境および／または１つまたは複数の産業エンティティの動作をモデル化して追加の状態データを外挿することができる。

実施形態において、デジタルツイン視覚化モジュール１５５６８は、視覚的なデジタルツインまたはその一部を表示する要求を受信する。実施形態において、要求は、閲覧されるデジタルツインを示し得る（例えば、環境識別子）。応答において、デジタルツイン視覚化モジュール１５５６８は、要求されたデジタルツイン及び要求によって暗示される他のデジタルツインを決定してもよい。例えば、環境のデジタルツインを表示することを要求する場合、デジタルツイン視覚化モジュール１５５６８は、環境内の任意の産業エンティティのデジタルツインをさらに特定してもよい。実施形態において、デジタルツイン視覚化モジュール１５５６８は、例えば、グラフデータベースにおいて定義された関係に基づいて、産業エンティティと環境との間の空間的関係を特定してもよい。これらの実施形態において、デジタルツイン視覚化モジュール１５５６８は、含有デジタルツイン内の埋め込みデジタルツインの相対位置、隣接するデジタルツインの相対位置、及び／又は関係の過渡性（例えば、オブジェクトが点に固定されているか、オブジェクトが移動するか）を判定することができる。デジタルツイン視覚化モジュール１５５６８は、識別された関係に基づいて、要求されたデジタルツイン及び他の任意の関係するデジタルツインをレンダリングしてもよい。いくつかの実施形態では、デジタルツイン視覚化モジュール１５５６８は、各デジタルツインについて、デジタルツインの表面を決定してよい。いくつかの実施形態において、デジタルの表面は、デジタルツインに対応するレコードにおいて定義または参照されてもよく、それは、ユーザーによって提供されてもよく、インポートされた画像から決定されてもよく、産業実体の製造者によって定義されてもよい。オブジェクトが異なるポーズ又は形状を取り得るというシナリオ（例えば、産業用ロボット）において、デジタルツイン視覚化モジュール１５５６８は、デジタルツインに対するオブジェクトのポーズ又は形状を決定してもよい。デジタルツイン視覚化モジュール１５５６８は、デジタルツインを要求されたデジタルツインに埋め込んでもよく、要求されたデジタルツインをクライアントアプリケーションに出力してもよい。

これらの実施形態のいくつかでは、デジタルツインを表示する要求は、ビューのタイプをさらに示すことができる。議論されたように、いくつかの実施形態では、デジタルツインは、多数の異なるビュータイプで描かれ得る。例えば、環境またはデバイスは、環境またはデバイスをそれらが通常現れるように描写する「実世界」ビューで、環境またはデバイスの温度を示す方法で環境またはデバイスを描写する「熱」ビューで、産業環境における機械および／または機械コンポーネントを機械および／または機械コンポーネントの振動特性を示す方法で描写する「振動」ビューで閲覧されてもよい。環境またはデバイスのコンポーネント内の特定のタイプのオブジェクト（例えば、故障状態の認識、警告、更新されたレポート、または他の要因に起因する注意を要するオブジェクトなど）のみを表示する「フィルタリング」ビュー、デジタルツインにデータをオーバーレイする拡張ビュー、および／または他の任意の適切なビュータイプで表示する。実施形態において、デジタルツインは、多数の異なる役割ベースのビュータイプで描かれてもよい。例えば、製造施設デバイスは、施設オペレータに適した方法で施設を描写する「オペレータ」ビュー、幹部レベルの管理者に適した方法で施設を描写する「シースイート（Ｃ－Ｓｕｉｔｅ）」ビュー、販売および／またはマーケティングの役割の労働者に適した方法で施設を描写する「マーケティング」ビューで表示されてもよい。役員に適した形で描かれた「役員会」、規制管理者に適した形で描かれた「規制」、人事担当者に適した形で描かれた「人事」の各ビューを表示する。ビュータイプを示すリクエストに応答して、デジタルツイン可視化モジュール１５５６８は、ビュータイプに対応する各デジタルツインのデータを取得してもよい。例えば、ユーザーが工場床の振動ビューを要求した場合、デジタルツイン視覚化モジュール１５５６８は、工場床の振動データ（これは、異なる機械及び／又は機械コンポーネントから取られた振動測定値及び／又はデジタルツイン動的モデルシステム１５５０８によって外挿された振動測定値及び／又はデジタルツインシミュレーションシステム１５５０６からのシミュレーションされた振動データ）並びに工場床に現れる任意の産業エンティティに対する利用可能な振動データを取得しても良い。この例では、デジタルツイン可視化モジュール１５５６８は、振動障害レベル状態を表す工場フロア上の各機械コンポーネントに対応する色を決定してもよい（例えば、アラームの場合は赤、重要の場合はオレンジ、最適以下の場合は黄、正常動作の場合は緑）。デジタルツイン視覚化モジュール１５５６８は、次に、決定された色に基づいて、環境内の機械構成要素のデジタルツインをレンダリングしてもよい。さらに、または代替的に、デジタルツイン視覚化モジュール１５５６８は、決定された色を有するインジケータで環境内の機械構成要素のデジタルツインをレンダリングしてもよい。例えば、モータのインバウンドベアリングの振動故障レベル状態が最適以下であり、モータのアウトバウンドベアリングが重大である場合、デジタルツイン視覚化モジュール１５５６８は、黄色の色合いのインジケータ（例えば、最適以下）を有するインバウンドベアリングのデジタルツインをレンダリングし、オレンジの色合いのインジケータ（例えば、重大）を有するアウトバウンドベアリングのデジタルツインをレンダリングし得る。いくつかの実施形態において、デジタルツインシステム１５５００は、デジタルツイン可視化システム１５５６８が人間のユーザーに情報を提示する態様を決定する分析システム（図示せず）を含んでもよいことに留意されたい。例えば、分析システムは、視覚的デジタルツインで提示された情報に応答して、実世界の環境またはオブジェクトとの人間の相互作用に関連する結果を追跡してもよい。いくつかの実施形態において、分析システムは、認知モデルを適用して、結果データに基づいて、視覚化された情報（例えば、アラーム状態を示すためにどのような色を使用するか、アラーム状態に注意を促すどのような動き又はアニメーションか、等）又は音声情報（アラーム状態を示すためにどのような音を使用するか）を表示する最も有効な方法を決定してもよい。いくつかの実施形態では、分析システムは、認知モデルを適用して、ユーザーの役割に基づいて視覚化された情報を表示するための最も適切な方法を決定してもよい。実施形態において、可視化は、グラフ情報、振動特性を描写するグラフ情報、高調波ピークを描写するグラフ情報、ピークを描写するグラフ情報、振動深刻度単位データ、振動故障レベル状態データなど、可視化されたデジタルツインに関連する情報の表示を含んでもよい。認知知能システム１５５１０からの推奨、認知知能システム１５５１０からの予測、故障確率データ、保守履歴データ、故障までの時間データ、ダウンタイムデータコスト、ダウンタイムデータ確率、修理コストデータ、機械交換コストデータ、停止確率データ、製造ＫＰＩ、などである。

別の例では、ユーザーは、プロセスのデジタルツインのフィルタリングされたビューを要求し、それによって、プロセスのデジタルツインは、プロセスに関与するコンポーネント（たとえば、機械または装置）のみを示すことができる。この例では、デジタルツイン可視化モジュール１５５６８は、プロセスのデジタルツインだけでなく、任意の関連するデジタルツイン（例えば、環境のデジタルツイン、プロセスに影響を与える任意の機械又は装置のデジタルツイン）も取得してもよい。デジタルツイン可視化モジュール１５５６８は、次に、デジタルツインの各々（例えば、環境及び関連する産業エンティティ）をレンダリングしてもよく、次に、レンダリングされたデジタルツイン上でプロセスを実行してもよい。プロセスが一定期間にわたって実行され、移動するアイテム及び／又は部品を含み得るので、デジタルツイン視覚化モジュール１５５６８は、プロセスを実証する一連の連続したフレームを生成し得ることに留意されたい。このシナリオでは、プロセスによって関与する機械及び／又はデバイスの動きは、機械及び／又はデバイスのそれぞれのデジタルツインにおいて定義される動作に従って決定されてもよい。

議論されたように、デジタルツイン視覚化モジュール１５５６８は、要求されたデジタルツインをクライアントアプリケーション１５５７０に出力し得る。いくつかの実施形態では、クライアントアプリケーション１５５７０は、仮想現実アプリケーションであり、それによって、要求されたデジタルツインが仮想現実ヘッドセット上に表示される。いくつかの実施形態では、クライアントアプリケーション１５５７０は、拡張現実アプリケーションであり、それによって、要求されたデジタルツインは、ＡＲ対応デバイスにおいて描かれる。これらの実施形態において、要求されたデジタルツインは、視覚的要素および／またはテキストがＡＲ対応デバイスのディスプレイ上にオーバーレイされるようにフィルタリングされ得る。

グラフデータベースが議論されているが、デジタルツインシステム１５５００は、デジタルツインのセットに関連する情報を格納するために他の適切なデータ構造を採用し得ることに留意されたい。これらの実施形態では、データ構造、および任意の関連するストレージシステムは、データ構造がフローの反復を表すときにある程度のフィードバックループおよび／または再帰を提供するように実装され得る。

図１３１は、本開示のいくつかの実施形態による、結合されたコンポーネント間のデータの双方向転送を提供するために、環境１５５２０、デジタルツインシステム１５５００、および／またはそのコンポーネントとインターフェースするデジタルツインＩ／Ｏシステム１５５０４の例を示す。

実施形態では、転送されたデータは、ソフトウェアコンポーネント、ハードウェアコンポーネント、物理デバイス、仮想化デバイス、シミュレーションデバイス、それらの組み合わせなどを含み得る、接続されたコンポーネント間の信号（例えば、要求信号、コマンド信号、応答信号など）を含む。信号は、材料特性（例えば、温度、圧力、湿度、密度、粘度などの物理量）、測定値（例えば、デバイスまたはシステムによって取得された同時または保存された値）、デバイス特性（例えば、デバイスＩＤまたはデバイスの設計仕様、材料、測定能力、寸法、絶対位置、相対位置、これらの組み合わせなど）、設定点（例えば、,に関する目標値）、および／または臨界点（例えば、材料特性、デバイス特性、システム特性などに関する最小値または最大値などの閾値）である。信号は、データを取得（例えば、直接測定又は生成）するシステム又は装置から受信してもよく、又はその他の方法で取得（例えば、受信、計算、ルックアップ、フィルタリング等）してもよく、所定の時間に又はデジタル双子Ｉ／Ｏシステム１５５０４からの要求（例えば、ポーリング）に応答してデジタル双子Ｉ／Ｏシステム１５５０４と又はデジタル双子Ｉ／Ｏシステム１５５０４から伝達され得る。通信は、直接的又は間接的な接続を介して（例えば、回路内の中間モジュール及び／又は接続された構成要素間の中間装置を介して）発生してもよい。値は、実世界要素１３１３０２ｒ（例えば、有形振動センサの入力又は出力）又は仮想要素１３１３０２ｖ（例えば、振動データを提供するデジタルツイン１３１３０２Ｄ及び／又は模擬要素１３１３０２Ｓの入力又は出力）に対応してもよい。

実施形態では、実世界要素１３１３０２ｒは、産業環境１５５２０内の要素であり得る。実世界要素１３１３０２ｒは、例えば、非ネットワーク化オブジェクト１５５２２、デバイス１５５２４（スマートまたは非スマート）、センサ１５５２６、および人間１５５２８を含んでもよい。実世界要素１３１３０２ｒは、産業環境１５５２０内のプロセス機器または非プロセス機器であってもよい。例えば、プロセス機器は、モータ、ポンプ、ミル、ファン、塗装機、溶接機、製錬機などを含んでもよく、非プロセス機器は、個人防護具、安全装置、緊急ステーションまたは装置（例えば、安全シャワー、洗眼ステーション、消火器、スプリンクラーシステムなど）、倉庫特徴（例えば、壁、床レイアウトなど）、障害物（例えば、環境１５５２０内の人物または他のアイテムなど）など、を含んでもよい。

実施形態において、仮想要素１３１３０２ｖは、同時期に存在する現実世界要素１３１３０２ｒのデジタル表現であってもよく、またはそれに対応するものであってもよい。加えて、または代替的に、仮想要素１３１３０２ｖは、環境１５５２０への後の追加および実装のために利用可能であり得る実世界要素１３１３０２ｒのデジタル表現であってもよいし、実世界要素１３１３０２ｒに対応するものであってもよい。仮想要素は、例えば、シミュレートされた要素１３１３０２Ｓ及び／又はデジタルツイン１３１３０２Ｄを含んでもよい。実施形態において、シミュレートされた要素１３１３０２Ｓは、産業環境１５５２０内に存在しない実世界の要素１３１３０２Ｓのデジタル表現であってよい。シミュレートされた要素１３１３０２Ｓは、後に実世界の要素１３１３０２ｒとして環境１５５２０内に統合され得る所望の物理的特性を模倣してもよい（例えば、実世界の要素１３１３０２ｒの寸法を模倣する「ブラックボックス」であってもよい）。模擬要素１３１３０２Ｓは、既存のオブジェクトのデジタルツインを含んでもよい（例えば、単一の模擬要素１３１３０２Ｓは、既存のセンサに対する１つ又は複数のデジタルツイン１３１３０２Ｄを含んでもよい）。模擬要素１３１３０２Ｓに関連する情報は、例えば、模擬要素１３１３０２Ｓの情報及び挙動を定義するライブラリ（例えば、物理ライブラリ、化学ライブラリ等）から、数学モデル又はアルゴリズムを用いて対応する実世界要素１３１３０２ｒの挙動を評価することにより取得してもよい。

実施形態では、デジタルツイン１３１３０２Ｄは、１つまたは複数の実世界要素１３１３０２ｒのデジタル表現であってよい。デジタルツイン１３１３０２Ｄは、周囲またはアンビエント環境の入力、出力、および／または条件に応答する実世界要素１３１３０２ｒの動作および応答を模倣、コピー、および／またはモデル化するように構成される。実世界要素１３１３０２ｒの物理的特性および応答に関連するデータは、例えば、ユーザー入力、センサ入力、および／または物理的モデリング（例えば、熱力学モデル、電気力学モデル、機械力学モデルなど）を介して取得されてもよい。デジタルツイン１３１３０２Ｄの情報は、デジタルツイン１３１３０２Ｄに対応する１つまたは複数の実世界要素１３１３０２ｒに対応し、そこから取得されてもよい。例えば、いくつかの実施形態では、デジタルツイン１３１３０２Ｄは、機械構成要素上の固定デジタル振動センサ１５５３６である１つの実世界要素１３１３０２ｒに対応してもよく、デジタルツイン１３１３０２Ｄのための振動データは、機械構成要素上の固定デジタル振動センサによって測定された振動データをポーリングまたはフェッチして取得されてもよい。さらなる例では、デジタルツイン１３１３０２Ｄは、要素の各々が機械構成要素上の固定デジタル振動センサであり得るような複数の実世界要素１３１３０２ｒに対応してもよく、デジタルツイン１３１３０２Ｄの振動データは、複数の実世界要素１３１３０２ｒ上の固定デジタル振動センサの各々によって測定された振動データをポーリングまたは取得することによって取得されてもよい。加えて、または代替的に、第１のデジタルツイン１３１３０２Ｄの振動データは、第１のデジタルツイン１５７３０２Ｄ内に埋め込まれる第２のデジタルツイン１５７３０２Ｄの振動データをフェッチすることによって得られてもよく、第１のデジタルツイン１５７３０２Ｄの振動データは第２のデジタルツイン１５７３０２Ｄの振動データを含んでいてもよいし、そこから派生するものであってもよい。例えば、第１のデジタルツインは、環境１５５２０のデジタルツイン１５７３０２Ｄ（代替的に「環境デジタルツイン」と呼ばれる）であってもよく、第２のデジタルツイン１５７３０２Ｄは、第１のデジタルツイン１５７３０２Ｄの振動データが第２のデジタルツイン１５７３０２Ｄの振動データを含むデータから得られる、またはデータに基づいて計算されるように環境１５５２０内に配置される振動センサに対応するデジタルツイン１５７３０２Ｄであってよい。

実施形態において、デジタルツインシステム１５５００は、デジタルツイン１５７３０２Ｄ及び／又は１つ以上のシミュレートされた要素１５７３０２Ｓに対するモデルの出力によって表されるか又は表され得るそれぞれの環境１５５２０内でセンサ１５５２６を使用して実世界要素１５７３０２ｒのプロパティを監視する。実施形態において、デジタルツインシステム１５５００は、影響を受ける実世界要素１５７３０２ｒに対応するセンサーのためのポーリング間隔を延長し、及び／又はデータ転送を最小限にし、他のソース（例えば、影響を受ける実世界要素１５７３０２ｒに物理的に近接しているか又は影響を及ぼすセンサー）から得られたデータを使用して延長間隔の間に（例えば、デジタルツインシミュレーションシステム１５５０６を介して）シミュレーションを行うことによってプロセスの有効なモニタリングを維持しながらネットワークの混雑を最小化し得る。加えて又は代替的に、収集されたセンサデータをデジタルツインシミュレーションシステム１５５０６から得られたデータと比較することによって、エラーチェックを行うことができる。例えば、実世界要素１５７３０２ｒとシミュレーション要素１５７３０２Ｓから得られたセンサデータ間の一貫した偏差又は変動は、それぞれのセンサの誤動作又は別の障害状態を示している可能性がある。

実施形態では、デジタルツインシステム１５５００は、１つまたは複数のシミュレートされた要素１５７３０２の使用を通じて環境の特徴を最適化し得る。例えば、デジタルツインシステム１５５００は、環境１５５２０内の実世界要素１５７３０２ｒの包含、除外、または置換から流れるコスト及び／または利益を迅速かつ効率的に決定するために、環境のデジタルツイン内のシミュレーション要素１５７３０２Ｓの影響を評価し得る。コスト及び利点は、例えば、機械コストの増加（例えば、設備投資及びメンテナンス）、効率の増加（例えば、無駄を減らすか又は処理能力を増加させるためのプロセス最適化）、環境１５５２０内のフットプリントの減少又は変更、耐用年数の延長又は最適化、構成要素の欠陥の最小化、構成要素のダウンタイムの最小化等を含むことができる。

実施形態では、デジタルツインＩ／Ｏシステム１５５０４は、１つ以上のデバイス（例えば、サーバデバイス、ユーザデバイス、および／または分散デバイス）の１つ以上のコントローラによって実行されて、説明した機能に影響を与える１つ以上のソフトウェアモジュールを含んでもよい。デジタルツインＩ／Ｏシステム１５５０４は、例えば、入力モジュール１５７３０４、出力モジュール１５７３０６、及びアダプタモジュール１５７３０８を含んでもよい。

実施形態において、入力モジュール１５７３０４は、センサシステム１５５３０及びデジタルツインシミュレーションシステム１５５０６などのデジタルツインＩ／Ｏシステム１５５０４と通信しているデータソースからデータを取得又はインポートしてもよい。データは、デジタルツインシステム１５５００によって直ちに使用されてもよく、又はデジタルツインシステム１５５００内に保存されてもよい。インポートされたデータは、データストリーム、データバッチ、トリガーイベントに応答して、それらの組み合わせなどから取り込まれる場合がある。入力モジュール１５７３０４は、デジタルツインシステム１５５００内で情報を転送、読み取り、及び／又は書き込むのに適したフォーマットでデータを受け取ってもよい。

実施形態において、出力モジュール１５７３０６は、他のシステムコンポーネント（例えば、デジタルツインデータストア１５５１６、デジタルツインシミュレーションシステム１５５０６、認知知能システム１５５１０など）、デバイス１５５２４、および／またはクライアントアプリケーション１５５７０にデータを出力またはエクスポートしてよい。データは、データストリーム、データバッチ、トリガーイベント（例えば、要求）に応答して、それらの組合せなどで出力されてもよい。出力モジュール１５７３０６は、ターゲット要素によって使用又は保存されるのに適したフォーマットでデータを出力してもよい（例えば、クライアントアプリケーションへの出力用の１つのプロトコルと、デジタルツインデータストア１５５１６用の別のプロトコルとがある）。

実施形態では、アダプタモジュール１５７３０８は、入力モジュール１５７３０４と出力モジュール１５７３０６との間でデータを処理及び／又は変換してもよい。実施形態において、アダプタモジュール１５７３０８は、データを自動的に（例えば、データ型に基づいて）、又は受信した要求に応答して（例えば、データ内の情報に応答して）、変換及び／又はルーティングしてもよい。

実施形態において、デジタルツインシステム１５５００は、デジタルツインにおいて産業ワークピース要素のセットを表すことができ、デジタルツインシミュレーションシステム１５５０６は、ワークピース要素との作業者の物理的相互作用のセットをシミュレートする。

実施形態において、デジタルツインシミュレーションシステム１５５０６は、シミュレートされた人的要因を考慮して、シミュレートされた物理的相互作用のプロセス結果を決定してもよい。例えば、ワークピース・スループットの変動は、例えば、イベントに対する作業者の応答時間、作業者の疲労、作業者の動作内の不連続性（例えば、人間の移動速度における自然な変動、異なる位置決め時間など）、下流工程に対する不連続性の影響などを含めて、デジタルツインシステム１５５００によってモデル化されてもよい。実施形態では、デジタルツインシステム１５５００によって収集、取得、及び／又は保存される履歴データを用いて、個別作業者インタラクションがモデル化されてもよい。シミュレーションは、推定量（例えば、労働者の年齢、業界平均、職場の期待など）に基づいて開始されてもよい。また、シミュレーションは、各労働者のデータを個別化してもよい（例えば、推定量と収集された労働者固有の成果とを比較する）。

実施形態において、作業員に関する情報（例えば、疲労率、効率率など）は、特定の作業員のパフォーマンスを経時的に分析し、前記パフォーマンスをモデル化することによって決定され得る。

実施形態では、デジタルツインシステム１５５００は、センサシステム１５５３０内に複数の近接センサを含む。近接センサは、所定の領域内にある環境１５５２０の要素を検出するように構成されているか、または構成されてもよい。例えば、近接センサは、電磁センサ、光センサ、及び／又は音響センサを含んでもよい。

電磁センサーは、１つ以上の電磁場（例えば、放出された電磁放射線又は受信された電磁放射線）を介してオブジェクト又は相互作用を感知するように構成されているか、又は構成されていてもよい。実施形態において、電磁センサーは、誘導センサー（例えば、無線周波数識別センサー）、静電容量センサー（例えば、接触型及び非接触型静電容量センサー）、それらの組み合わせ、及び同様のものを含む。

光センサは、例えば、遠赤外線、近赤外線、光学、及び／又は紫外線スペクトルにおける電磁放射を介して物体又は相互作用を感知するように構成されているか、又は構成されていてもよい。実施形態において、光センサは、画像センサ（例えば、電荷結合素子及びＣＭＯＳアクティブピクセルセンサ）、光電センサ（例えば、透過型センサ、再帰反射型センサ、及び拡散型センサ）、それらの組み合わせ、及び同様のものを含んでもよい。さらに、光センサは、光検出及び測距（「レーダー（ＬＩＤＡＲ）」）センサなどのシステム又はサブシステムの一部として実装されてもよい。

音響センサは、音響センサによって放射及び／又は受信される音波を介してオブジェクト又は相互作用を感知するように構成されるか又は構成されてもよい。実施形態において、音響センサは、低周波センサ、音波センサ、及び／又は超音波センサを含んでもよい。さらに、音響センサは、音響航法及び測距（「ソナー（ＳＯＮＡＲ）」）センサなどのシステム又はサブシステムの一部としてグループ化されてもよい。

実施形態において、デジタルツインシステム１５５００は、環境１５５２０またはその一部内の近接センサのセットからデータを格納し、収集する。収集されたデータは、例えば、デジタルツインシステム１５５００の構成要素による使用および／またはユーザーによる視覚化のために、デジタルツインデータストア１５５１６に記憶され得る。そのような使用及び／又は視覚化は、データの収集と同時又はその後に（例えば、後の分析及び／又はプロセスの最適化の間に）発生してもよい。

実施形態において、データ収集は、トリガー条件に応答して発生し得る。これらのトリガー条件は、例えば、静的又は動的な所定の間隔の満了、静的又は動的な値より短い又は超える値の取得、デジタルツインシステム１５５００又はそのコンポーネントからの自動的に生成された要求又は命令の受信、それぞれのセンサ又はセンサとの要素の相互作用（例えば、作業者又は機械がビームを破るか又は近接センサから所定の距離内に来ることに応答して）、ユーザーとデジタルツインの相互作用（例えば、環境デジタルツイン、センサ配列デジタルツイン、又はセンサデジタルツインの選択）、これらの組み合わせ、及び同様のものである。

いくつかの実施形態では、デジタルツインシステム１５５００は、実世界要素１５７３０２ｒとの作業者の相互作用に応答して、ＲＦＩＤデータを収集し、および／または記憶する。例えば、実世界環境との作業者の相互作用に応答して、デジタルツインは、対応する環境１５５２０内の又はそれに関連するＲＦＩＤセンサからＲＦＩＤデータを収集及び／又は記憶することになる。さらに、または代替的に、センサーアレイデジタルツインとの作業者の相互作用は、対応するセンサーアレイ内またはそれに関連するＲＦＩＤセンサーからＲＦＩＤデータを収集および／または保存することになる。同様に、作業者とセンサーデジタルツインとの対話は、対応するセンサーからＲＦＩＤデータを収集し、及び／又は保存する。ＲＦＩＤデータは、近接するＲＦＩＤタグ、ＲＦＩＤタグの位置、許可されたＲＦＩＤタグ、許可されていないＲＦＩＤタグ、認識されていないＲＦＩＤタグ、ＲＦＩＤタイプ（例えば、アクティブ又はパッシブ）、エラーコード、それらの組み合わせなど、ＲＦＩＤセンサによって到達可能な適切なデータを含んでもよい。

実施形態において、デジタルツインシステム１５５００は、対応するデジタルツイン内に１つまたは複数のデバイスからの出力をさらに埋め込むことができる。実施形態において、デジタルツインシステム１５５００は、一組の個別関連デバイスからの出力を産業用デジタルツインに埋め込む。例えば、デジタルツインＩ／Ｏシステム１５５０４は、産業環境内の個人に関連する１つ以上のウェアラブルデバイス１５５５４またはモバイルデバイス（図示せず）から出力された情報を受信してもよい。ウェアラブルデバイスは、画像キャプチャデバイス（例えば、ボディカメラ又は拡張現実ヘッドウェア）、ナビゲーションデバイス（例えば、ＧＰＳデバイス、慣性誘導システム）、モーショントラッカー、音響キャプチャデバイス（例えば、マイクロフォン）、放射線検出器、及びそれらの組み合わせなどを含んでもよい。

実施形態において、出力情報を受信すると、デジタルツインＩ／Ｏシステム１５５０４は、デジタルツイン作成モジュール１５５６４に情報をルーティングして、環境デジタルツインおよび／または環境内の関連デジタルツイン（例えば、所定の時間における作業者、機械、またはロボット位置のデジタルツイン）を確認および／または更新する。 さらに、デジタルツインシステム１５５００は、埋め込まれた出力を使用して、環境１５５２０の特性を決定してもよい。

実施形態において、デジタルツインシステム１５５００は、レーダー点群システムからの出力を産業用デジタルツインに埋め込む。例えば、デジタルツインＩ／Ｏシステム１５５０４は、産業環境内の１つまたは複数のレーダーデバイス１５５３８から出力された情報を受信し得る。レーダーデバイス１５５３８は、関連する位置データ（例えば、絶対的又は相対的なＸ、ｙ、及びｚ値の座標）を有する複数の点を提供するように構成される。複数の点の各々は、強度、戻り数、総戻り数、レーザー色データ、戻り色データ、スキャン角度、スキャン方向などの更なるレーダー属性を含んでもよい。レーダー装置１５５３８は、複数の点を含む点群を、例えば、デジタルツインＩ／Ｏシステム１５５０４を介して、デジタルツインシステム１５５００に提供してもよい。加えて又は代替的に、デジタルツインシステム１５５００は、点のストリームを受信してストリームを点群に組み立ててもよく、又は点群を受信して受信した点群を既存の点群データ、地図データ、又は３次元（３Ｄ）モデルデータと組み立ててもよい。

実施形態において、出力情報を受信すると、デジタルツインＩ／Ｏシステム１５５０４は、点群情報をデジタルツイン作成モジュール１５５６４にルーティングして、環境デジタルツイン及び／又は環境内の関連デジタルツイン（例えば、所定の時間における作業者、機械、又はロボット位置のデジタルツイン）を確認及び／又は更新する。 いくつかの実施形態では、デジタルツインシステム１５５００は、受信したレーダーデータ内の閉じた形状のオブジェクトを決定するようにさらに構成される。例えば、デジタルツインシステム１５５００は、点群内の複数の点をオブジェクトとしてグループ化し、必要に応じて、オブジェクトの妨害された面（例えば、床に接触又は隣接するオブジェクトの面、又は別の機器などの別のオブジェクトに接触又は隣接するオブジェクトの面）を推定してもよい。システムは、このような閉じた形状のオブジェクトを使用して、デジタルツインの探索空間を狭め、それによってマッチングアルゴリズム（例えば、形状マッチングアルゴリズム）の効率を向上させる ことができる。

実施形態において、デジタルツインシステム１５５００は、同時位置およびマッピング（「スラム」（「ＳＬＡＭ」））システムからの出力を環境デジタルツインに埋め込む。たとえば、デジタルツインＩ／Ｏシステム１５５０４は、スラムセンサー１５５６２などのＳＬＡＭシステムから出力された情報を受信し、受信した情報を、ＳＬＡＭシステムによって決定された場所に対応する環境デジタルツイン内に埋め込んでもよい。実施形態では、ＳＬＡＭシステムから出力情報を受け取ると、デジタルツインＩ／Ｏシステム１５５０４は、デジタルツイン作成モジュール１５５６４に情報をルーティングして、環境デジタルツイン及び／又は環境内の関連デジタルツイン（例えば、ワーク、家具、移動可能オブジェクト、又は自律オブジェクトのデジタルツイン）を確認及び／又は更新する。このような更新は、デジタルツインシステム１５５００とのユーザーの相互作用を必要とせず、自動的に、非連結要素（例えば、家具又は人物）のデジタルツインを提供する。

実施形態において、デジタルツインシステム１５５００は、サブオプティマルマップ構築アルゴリズムを使用することによって、スラムセンサー１５５６２の計算要件を低減するために、既知のデジタルツインを活用し得る。例えば、亜最適マップ構築アルゴリズムは、単純な境界領域表現を用いてより高い不確実性許容度を可能にし、可能性のあるデジタルツインを識別することができる。加えて又は代替的に、デジタルツインシステム１５５００は、境界領域表現を使用してデジタルツインの数を制限し、潜在的なツインのグループを区別する特徴について分析し、次に、区別する特徴についてより高精度の分析を実行して、デジタルツインのカテゴリ、グループ、又は個々のデジタルツインを識別及び／又は排除し、一致するデジタルツインが見つからない場合、スキャンされる残りの領域のみの精密スキャンを実行してもよい。

実施形態において、デジタルツインシステム１５５００は、環境内の他のセンサから取り込まれたデータ（例えば、取り込まれた画像またはビデオ、無線画像など）を利用して、初期マップ構築処理（例えば。単純境界領域マップ又は他の適切な写真測量法）を実行し、既知の環境オブジェクトのデジタルツインを単純境界領域マップの特徴と関連付けて単純境界領域マップを改良し、残りの単純境界領域のより正確なスキャンを実行してマップをさらに改良する。いくつかの実施形態において、デジタルツインシステム１５５００は、受信したマッピング情報内のオブジェクトを検出し、検出された各オブジェクトについて、検出されたオブジェクトが実世界-要素の既存のデジタルツインに対応するかどうかを決定し得る。検出されたオブジェクトが既存の実世界要素のデジタルツインに対応しないと判定することに応答して、デジタルツインシステム１５５００は、例えば、デジタルツイン作成モジュール１５５６４を使用して、検出されたオブジェクトに対応する新しいデジタルツイン（例えば、検出オブジェクトのデジタルツイン）を生成して、デジタルツインデータストア内の実世界要素デジタルツインに検出オブジェクトのデジタルツイートを追加してもよい。加えて又は代替的に、検出された物体が既存の実世界要素デジタルツインに対応すると決定することに応答して、デジタルツインシステム１５５００は、実世界要素デジタルツインを更新して、同時位置及びマッピングセンサーによって検出された新しい情報（もしあれば）を含んでもよい。

実施形態において、デジタルツインシステム１５５００は、産業デジタルツイン内の自律的または遠隔的に移動可能な要素の位置およびその属性を表す。そのような可動要素は、例えば、作業員、人、車両、自律型車両、ロボットなどを含み得る。可動要素の位置は、トリガー条件に応答して更新されてもよい。そのようなトリガー条件は、例えば、静的又は動的な所定の間隔の満了、デジタルツインシステム１５５００又はそのコンポーネントからの自動的に生成された要求又は命令の受信、要素とそれぞれのセンサ又はセンサとの相互作用（例えば、作業員又は機械がビームを破るか又は近接センサから所定の距離内に入ることに応答して）、ユーザーとデジタルツインとの相互作用（例えば、環境デジタルツイン、センサ配列デジタルツイン又はセンサデジタルツインの選択）、それらの組み合わせ等を含むことがある。

実施形態では、時間間隔は、それぞれの可動要素が時間期間内に移動したことの確率に基づくことができる。例えば、作業員位置を更新するための時間間隔は、頻繁に移動すると予想される作業員（例えば、環境１５５２０内及び環境１５５２０を通して物体を持ち上げ、運ぶことを任務とする作業員）に対して比較的短く、頻繁に移動しないと予想される作業員（例えば、プロセスストリームを監視することを任務とする作業員）に対して比較的長くなってもよい。さらに、または代替的に、時間間隔は、可動要素が検出されないときは時間間隔を増加させ、環境内の可動要素の数が増加するとき（例えば、作業員の数および作業員の相互作用の増加）、環境活動が減少する期間中（例えば、昼食などの休憩）に時間間隔を増加させるなどの適用条件に基づいて動的に調節されてもよい。のような休憩時間）、異常な環境活動の期間（例えば、見学、検査、又は保守）中の時間間隔の減少、予期しない又は特徴的でない動きが検出された場合の時間間隔の減少（例えば、通常座っている要素による頻繁な動き又は例えば出口に近づく又は大きな物を運ぶために協力的に動く作業員の協調した動き）、それらの組み合わせ、及び同様のものが挙げられる。さらに、時間間隔は、追加の半ランダムな取得を含んでもよい。例えば、特定の時間間隔の有効性を補強又は評価するために、時折の中間間隔の位置がデジタルツインシステム１５５００によって取得されてもよい。

実施形態では、デジタルツインシステム１５５００は、デジタルツインＩ／Ｏシステム１５５０４から受信したデータを解析して、条件を洗練、削除、または追加してもよい。例えば、デジタルツインシステム１５５００は、必要以上に頻繁に更新される可動要素のデータ収集時間を最適化してもよい（例えば、複数の連続した受信位置が同一または所定の誤差範囲内であること）。

実施形態において、デジタルツインシステム１５５００は、環境１５５２０に関連する状態１５５４０Ａ ｎのセットを受信、識別、及び／又は記憶してもよい。状態１５５４０Ａ ｎは、例えば、複数の属性１５８４０４Ａ-ｎと、それぞれの状態１５５４０Ａ-ｎを一意に識別するための識別基準１５８４０６Ａ ｎとを含むデータ構造であってよい。実施形態において、状態１５５４０Ａ-ｎは、デジタルツインシステム１５５００が実世界要素１５７３０２ｒ及び／又は環境１５５２０の条件を設定又は変更することが望ましい状態（例えば、モニタリング間隔の増加／減少、動作条件の変更等）に対応し得る。

実施形態では、状態１５５４０Ａ-ｎのセットは、例えば、各状態１５５４０Ａ-ｎに対する最小監視属性、各状態１５５４０Ａ-ｎに対する識別基準１５８４０６Ａ-ｎのセット、及び／又は各状態１５５４０Ａ-ｎに応答して実行可能又は実行することを推奨するアクションをさらに含んでもよい。そのような情報は、例えば、デジタルツインデータストア１５５１６又は別のデータストアによって格納されてもよい。状態１５５４０Ａ-ｎ又はその一部は、デジタルツインシステム１５５００に提供されてもよく、それによって決定されてもよく、又はデジタルツインシステム１５５００によって変更されてもよい。さらに、状態１５５４０Ａ-ｎのセットは、異種のソースからのデータを含んでもよい。例えば、第１の状態の発生を特定及び／又は対応するための詳細は、ユーザー入力を介してデジタルツインシステム１５５００に提供されてもよく、第２の状態の発生を特定及び／又は対応するための詳細は、外部システムを介してデジタルツインシステム１５５００に提供されてもよく、第３の状態の発生を特定及び／又は対応するための詳細は、デジタルツインシステム１５５００によって（例えば、シミュレーション又はプロセスデータの分析を通じて）、及び第４の状態の発生を特定及び／又は対応するための詳細は、デジタルツインシステム１５５００によって記憶され、（例えば、状態の発生のシミュレーション又は状態の発生及び状態への対応中に収集されたデータの分析に応答して）所望により変更されてもよい。

実施形態では、複数の属性１５８４０４Ａ-ｎは、それぞれの状態１５５４０Ａ-ｎを識別するために必要とされる属性１５８４０４Ａ-ｎを少なくとも含む。複数の属性１５８４０４Ａ-ｎは、それぞれの状態１５５４０Ａ-ｎを決定する際に監視される、または監視され得るが、それぞれの状態１５５４０Ａ-ｎを識別するために必要とされない追加の属性をさらに含んでもよい。例えば、第１の状態のための複数の属性１５８４０４Ａ-ｎは、回転速度、燃料レベル、エネルギー入力、線速度、加速度、温度、歪み、トルク、体積、重量等の関連情報を含んでもよい。

識別基準１５８４０６Ａ-ｎのセットは、それぞれの状態を一意に識別するために、属性１５８４０４Ａ-ｎのセットのそれぞれに対する情報を含んでもよい。識別基準１５８４０６Ａ-ｎは、例えば、規則、閾値、限界、範囲、論理値、条件、比較、それらの組み合わせなどを含んでもよい。

動作条件または監視における変化は、任意の適切な変化であってよい。例えば、それぞれの状態１５８４０６Ａ-ｎの発生を識別した後、デジタルツインシステム１５５００は、デバイスの動作を変更せずに、デバイスの監視間隔を増加または減少させてもよい（例えば、公称動作と異なる測定パラメータに応答して監視間隔を減少させるなど）。加えて又は代替的に、デジタルツインシステム１５５００は、デバイスの監視を変更することなく、デバイスの動作を変更してもよい（例えば、速度又は電力入力を減少させる）。さらなる実施形態において、デジタルツインシステム１５５００は、デバイスの動作を変更し（例えば、速度または電力入力を減少させ）、デバイスの監視間隔を変更してもよい（例えば、監視間隔を減少させる）。

図１５１は、本開示のいくつかの実施形態による、デジタルツインシステム１５５００が、インテリジェントシステム（例えば、認知知能システム１５５１０）またはデジタルツインシステム１５５００のユーザーによるアクセスのために識別および／または記憶し得る産業環境に関連する識別状態１５５４０Ａ-ｎの例集合を図示する。状態１５５４０Ａ-ｎは、動作状態（例えば、１つ以上の構成要素の最適下、正常、最適、臨界、またはアラーム動作）、過剰または不足状態（例えば、供給側または出力側の量）、それらの組み合わせなどを含んでもよい。

実施形態において、デジタルツインシステム１５５００は、それぞれの状態１５５４０Ａ-ｎを決定するために、実世界要素１５７３０２ｒおよび／またはデジタルツイン１５７３０２Ｄの属性１５１４０４Ａ ｎを監視し得る。属性１５１４０４Ａ-ｎは、例えば、動作条件、設定点、臨界点、状態指標、他の感知された情報、それらの組み合わせ、等であってよい。例えば、属性１５１４０４Ａ-ｎは、監視対象要素の電力入力１５１４０４Ａ、動作速度１５１４０４ｂ、臨界速度１５１４０４ｃ、及び動作温度１５１４０４Ｄを含んでもよい。図示された例では、一律の監視される属性が例示されているが、監視される属性は、対象デバイスによって異なってもよい（例えば、デジタルツインシステム１５５００は、回転可能な構成要素がないオブジェクトの回転速度を監視しないであろう）。

状態１５５４０Ａ-ｎの各々は、監視された状態１５５４０Ａ ｎのグループの中で固有の特定の基準を満たす識別基準１５１４０６Ａ-ｎのセットを含み、デジタルツインシステム１５５００は、例えば、監視された属性１５１４０４Ａ-ｎが識別基準１５１４０６Ａの第１のセット（例えば、動作速度１５１４０４ｂが限界速度１５１４０４ｃより高く、動作温度１５１４０４Ｄは名目）を満たすことに応答してオーバースピード状態１５５４０Ａを識別し得る。

１つ以上の状態１５５４０Ａ-ｎが存在するか、または発生したと決定することに応答して、デジタルツインシステム１５５００は、１つ以上の監視プロトコルのトリガー条件を更新し、警告または通知を発行し、またはデジタルツインシステム１５５００の下位構成要素の行動をトリガーし得る。例えば、デジタルツインシステム１５５００のサブコンポーネントは、検出された状態１５５４０Ａ-ｎの影響を緩和する及び／又は評価するためのアクションを取ることができる。 実世界要素１５７３０２ｒに対する検出された状態１５５４０Ａ-ｎの影響を緩和するためのアクションを取ろうとするとき、デジタルツインシステム１５５００は、指示が存在するか（例えば、デジタルツインデータストア１５５１６に格納されている）又は開発すべき（例えば、シミュレーション及び認知知能を介して又はユーザー若しくは作業者の入力を介して開発する）かを決定し得る。さらに、デジタルツインシステム１５５００は、例えば、緩和行動と同時に、又はデジタルツインシステム１５５００が検出された状態１５５４０Ａ-ｎに対する記憶された緩和命令を有していないと判断することに応答して、検出された状態１５５４０Ａ-ｎの影響を評価してもよい。

実施形態において、デジタルツインシステム１５５００は、デジタルツインシミュレーションシステム１５５０６を採用して、認識された状態の即時、上流、下流、および／または継続的な影響などの１つまたは複数の影響をシミュレートし、デジタルツインシミュレーションシステム１５５０６は、評価された状態１５５４０Ａ ｎに関連する値を収集および／または提供し得る。デジタルツインシミュレーションシステム１５５０６は、評価された状態１５５４０Ａ ｎに関連する値を収集し及び／又は提供されてもよく、１つ以上の状態１５５４０Ａ ｎの影響をシミュレーションする際に、デジタルツインシミュレーションシステム１５５０６は、収束するまで影響を受けるデジタルツイン１５７３０２Ｄのパフォーマンス特性を再帰的に評価してもよい。デジタルツインシミュレーションシステム１５５０６は、例えば、認知知能システム１５５１０と連動して、１つ以上の状態１５５４０Ａ ｎの発生を緩和、軽減、抑制、及び／又は防止する応答行動を決定してもよく、デジタルツインシミュレーションシステム１５５０６は、望ましい適合を達成するまで１つ以上の状態１５５４０Ａ ｎの影響を再帰的にシミュレーションし（例えば、収束に至る）、潜在的アクションの評価及び決定のためにシミュレーションされた値を認知知能システム１５５１０に提供し、潜在的アクションを受け取り、それぞれの望ましい適合のための潜在的アクションのそれぞれの影響を評価する（例えば、生産妨害を最小限にするためのコスト関数、重要部品を保存する、保守及び／又はダウンタイムを最小限にする、システム、作業者、ユーザー、又は個人の安全等を最適化するためのコスト関数など）。

実施形態において、デジタルツインシミュレーションシステム１５５０６及び認知知能システム１５５１０は、所望の条件が満たされるまで（例えば、各評価済みアクションに対する各評価済みコスト関数に対する収束）、各所望の結果に対するシミュレーション値及び応答アクションを繰り返し共有及び更新し得る。デジタルツインシステム１５５００は、１つ以上の状態１５５４０Ａ ｎが発生したと決定することに応答して使用するために、デジタルツインデータストア１５５１６に結果を保存してもよい。さらに、デジタルツインシミュレーションシステム１５５０６及び／又は認知知能システム１５５１０によるシミュレーション及び評価は、事象の発生又は検知に応答して発生してもよい。

実施形態において、シミュレーションおよび評価は、関連するアクションがデジタルツインシステム１５５００内に存在しない場合にのみトリガーされる。さらなる実施形態では、シミュレーションおよび評価は、リアルタイムでアクションの効力または有効性を評価するため、および／またはさらなるアクションが採用されるべきかどうか、または認識されない状態が発生した可能性があるかどうかを評価するために、記憶されたアクションの使用と同時に実行される。実施形態において、認知知能システム１５５１０は、後の評価を最適化するために、望ましくない側面又はそのようなアクションの結果に関するデータを伴う又は伴わない望ましくないアクションのインスタンスの通知も提供され得る。

実施形態において、デジタルツインシステム１５５００は、製造設備のデジタルツイン内で機械ダウンタイムの影響を評価し、および／または表現する。例えば、デジタルツインシステム１５５００は、デジタルツインシミュレーションシステム１５５０６を採用して、機械ダウンタイム状態１５５４０ｂの即時、上流、下流、及び／又は継続的な影響をシミュレートし得る。デジタルツインシミュレーションシステム１５５０６は、影響を受けるデジタルツイン１５７３０２Ｄ内の要素（例えば、実世界要素１５７３０２ｒ及び／又は入れ子デジタルツイン１５７３０２Ｄ）に対する最適、サブ最適、及び最小パフォーマンス要件、並びに影響を受けるデジタルツイン１５７３０２Ｄ、入れ子デジタルツイン１５７３０２Ｄ、影響を受けるデジタルツイン１５７３０２Ｄ内の冗長システム、それらの組み合わせ等に利用できるその特性等のパフォーマンス関連値を収集するか又は提供を受けても良い。

実施形態において、デジタルツインシステム１５５００は、以下のように構成される。実世界要素デジタルツインを使用して、産業環境が所定の特性を供給されることに応答して、実世界要素の１つまたは複数の動作パラメータをシミュレーションすること、同時期の特性が供給されることに応答して実世界要素の１つまたは複数によって取られるべき緩和行動を計算すること、および同時期の特性の検出に応答して緩和行動を作動させること。計算は、それぞれの設計パラメータから外れた同時期の特性または動作パラメータの検出に応答して実行されてもよいし、そのような特性の検出の前にシミュレーションを介して決定されてもよい。

さらに、または代替的に、デジタルツインシステム１５５００は、状態を検出することに応答して、１人または複数のユーザーまたはシステム要素にアラートを提供し得る。

実施形態では、デジタルツインＩ／Ｏシステム１５５０４は、パッシングモジュール１５７３１０を含む。パッシングモジュール１５７３１０は、要素１５７３０２からナビゲーションデータを摂取し、デジタルツインシステム１５５００のコンポーネント（例えば、デジタルツインシミュレーションシステム１５５０６、デジタルツイン行動システム、および／または認知知能システム１５５１０）にナビゲーションデータを提供および／または要求し、および／または要素１５７３０２に（例えば、ウェアラブル装置１５５５４に）ナビゲーションデータを出力し得る。ナビゲーションデータは、例えば、履歴データ、要素１５７３０２に提供されるガイダンスデータ、それらの組み合わせなどを用いて収集または推定されてもよい。

例えば、ナビゲーションデータは、デジタルツインシステム１５５００によって記憶された履歴データを使用して収集または推定されてもよい。履歴データは、取得時間、関連する要素１５７３０２、ポーリング間隔、実行されたタスク、積荷または非積荷の状態、事前の誘導データが提供されたか、および／またはそれに従ったか、環境１５５２０の状態、環境１５５２０内の他の要素１５７３０２、それらの組み合わせなどの情報を含むかまたは提供するように処理されてもよい。推定データは、１つ又は複数の適切なパッシングアルゴリズムを用いて決定されてもよい。例えば、推定データは、適切な順序ピッキングアルゴリズム、適切な経路探索アルゴリズム、それらの組み合わせなどを用いて計算されてもよい。オーダーピッキングアルゴリズムは、例えば、最大ギャップアルゴリズム、Ｓ字アルゴリズム、アイルバイアイルアルゴリズム、複合アルゴリズム、それらの組み合わせなどであってよい。経路探索アルゴリズムは、例えば、ダイクストラのアルゴリズム、Ａ＊アルゴリズム、階層的経路探索アルゴリズム、漸進的経路探索アルゴリズム、任意角経路探索アルゴリズム、フローフィールドアルゴリズム、それらの組み合わせなどであってもよい。

さらに、または代替的に、ナビゲーションデータは、作業者のガイダンスデータを使用して収集または推定されてもよい。ガイダンスデータは、例えば、作業者のデバイス（例えば、モバイルデバイスまたはウェアラブルデバイス１５５５４）に提供される計算された経路を含んでもよい。別の例では、案内データは、経路に沿った１つ又は複数の機械上の１つ又は複数の場所から振動測定値を収集するように作業員に指示する、作業員のデバイスに提供される計算された経路を含んでもよい。収集及び／又は推定されたナビゲーションデータは、視覚化のためにデジタルツインシステム１５５００のユーザーに提供されてもよく、分析、最適化、及び／又は変更のためにデジタルツインシステム１５５００の他のコンポーネントによって使用され、１又は複数の要素１５７３０２、それらの組み合わせ等に提供されてもよい。

実施形態において、デジタルツインシステム１５５００は、デジタルツインで表現するために、一組の作業員のためのナビゲーションデータを取り込む。加えて、または代替的に、デジタルツインシステム１５５００は、産業環境のモバイル機器アセットのセットに対するナビゲーションデータをデジタルツインに取り込む。

実施形態において、デジタルツインシステム１５５００は、産業用デジタルツインにおけるモバイル要素のトラフィックをモデル化するためのシステムを取り込む。例えば、デジタルツインシステム１５５００は、環境１５５２０内の作業員または人、移動装置資産、それらの組み合わせ、および同様のもののためのトラフィックパターンをモデル化してもよい。トラフィックパターンは、および履歴データおよび同時摂取データからのトラフィックパターンのモデル化に基づいて推定されてもよい。さらに、トラフィックパターンは、環境１５５２０内の条件に応じて連続的に又は断続的に更新されてもよい（例えば、複数の自律移動機器アセットは、作業員及び移動機器アセットの両方を含む環境１５５２０よりも遅い更新間隔でデジタルツインシステム１５５００に情報を提供し得る）。

デジタルツインシステム１５５００は、１つ以上の所定の基準を達成するために（例えば、移動体要素の１つ以上に更新されたナビゲーションデータを提供することによって）交通パターンを変更し得る。所定の基準は、例えば、プロセス効率の向上、積荷作業者と移動機器資産との間の相互作用の減少、作業者経路長の最小化、人の経路又は潜在的経路の周りに移動機器をルーティングすること、それらの組合せ等を含んでもよい。

実施形態において、デジタルツインシステム１５５００は、産業デジタルツイン内のモバイル要素に交通データ及び／又は航行情報を提供し得る。航行情報は、命令または規則セット、表示された経路データ、またはデバイスの選択的な作動として提供され得る。例えば、デジタルツインシステム１５５００は、振動センサを使用してルート上の１つ以上の指定された機械上の１つ以上の指定された場所から振動データを収集するための所望のルートへ及び／又はそれに沿ってロボットを指示するための一連の命令をロボットに提供してもよい。ロボットは、障害物、経路変更、環境１５５２０内の他の資産との予期せぬ相互作用などを含む更新情報をシステムに伝達してもよい。

いくつかの実施形態では、アリベースシステム１５５７４は、ロボットを含む産業エンティティが、自分自身を含む他の産業エンティティが後の旅で従うための１つまたは複数のメッセージで痕跡を築くことを可能にする。実施形態において、メッセージは、振動測定収集に関連する情報を含む。実施形態において、メッセージは、振動センサーの測定位置に関連する情報を含む。いくつかの実施形態において、軌跡は、時間の経過とともに薄れるように構成されてもよい。いくつかの実施形態では、アリに 基づく痕跡は、拡張現実システムを介して体験されてもよい。いくつかの実施形態では、アリに基づく痕跡は、バーチャルリアリティシステムを介して体験されてもよい。いくつかの実施形態では、アリに基づく痕跡は、複合現実感システムを介して体験されてもよい。いくつかの実施形態では、アリに基づく領域のタグ付けは、痛み-反応を引き起こし、及び／又は警告信号へと蓄積され得る。実施形態において、アリベースのトレイルは、情報フィルタリング応答を生成するように構成されてもよい。いくつかの実施形態では、アリに基づく痕跡は、情報フィルタリング応答を生成するように構成されてもよく、情報フィルタリング応答は、視覚的認識の高揚感である。いくつかの実施形態では、アリに基づくトレイルは、情報フィルタリング応答が音響的な意識の高まりである情報フィルタリング応答を生成するように構成されてもよい。いくつかの実施形態において、メッセージは、ベクトル化されたデータを含む。

実施形態では、デジタルツインシステム１５５００は、デジタルツイン１５７３０２Ｄを使用して実世界要素１５７３０２ｒを表現するための設計仕様情報を含む。デジタルは、既存の実世界要素１５７３０２ｒまたは潜在的な実世界要素１５７３０２ｒに対応してもよい。設計仕様情報は、１つ又は複数のソースから受信されてもよい。例えば、設計仕様情報は、ユーザー入力によって設定された設計パラメータ、デジタルツインシステム１５５００（例えば、ビアデジタルツインシミュレーションシステム１５５０６）によって決定された、ユーザー又はデジタルツインシミュレーションシステム１５５０６によって最適化された、それらの組み合わせ、及び同様のものを含むことができる。デジタルツインシミュレーションシステム１５５０６は、例えば、ディスプレイデバイス又はウェアラブルデバイスを介して、ユーザーに対してコンポーネントの設計仕様情報を表現してもよい。設計仕様情報は、概略的に（例えば、プロセス図又は情報の表の一部として）、又は、拡張現実又は仮想現実ディスプレイの一部として表示されてもよい。設計仕様情報は、例えば、デジタルツインシステム１５５００とのユーザインタラクションに応答して（例えば、要素のユーザー選択またはディスプレイ内に設計仕様情報を一般的に含むためのユーザー選択を介して）表示されてもよい。加えて又は代替的に、設計仕様情報は、例えば、要素が拡張現実又は仮想現実デバイスの視界内に入ったときに、自動的に表示されてもよい。実施形態において、表示された設計仕様情報は、情報源の表示（例えば、異なる表示色は、ユーザー入力対デジタルツインシステム１５５００の決定を示す）、不一致の表示（例えば、設計仕様情報と動作情報との間）、それらの組み合わせなどをさらに含んでもよい。

実施形態において、デジタルツインシステム１５５００は、産業用デジタルツイン内にウェアラブルデバイス用の制御命令のセットを埋め込み、制御命令が、産業用デジタルツインの要素との相互作用時にウェアラブルデバイスの着用者の経験を誘発するように、ウェアラブルデバイスに提供されるようにする。誘発される体験は、例えば、拡張現実体験又は仮想現実体験であってもよい。ヘッドセットなどのウェアラブルデバイスは、経験を誘発するために、ビデオ、オーディオ、及び／又は触覚フィードバックを着用者に出力するように構成されてもよい。例えば、ウェアラブルデバイスは、表示装置を含んでもよく、体験は、それぞれのデジタルツインに関連する情報の表示を含んでもよい。表示される情報は、デジタルツインに関連するメンテナンスデータ、デジタルツインに関連する振動データ、デジタルツインに関連する振動測定位置データ、デジタルツインの動作に関連する利益又は損失などのデジタルツインに関連する財務データ、デジタルツインに関連する製造ＫＰＩ、閉塞要素に関連する情報、前景要素（例えば、ハウジング）によって少なくとも部分的に隠蔽されている隠蔽要素（例えば、サブアセンブリ）に関する情報、隠蔽要素に重ねられ前景要素と共に可視化された隠蔽要素の仮想モデル、隠蔽要素の動作パラメータ、表示された動作パラメータに対応する設計パラメータとの比較、それらの組み合わせなど、である。比較は、例えば、操作パラメータの表示を変更して、操作パラメータの色、サイズ、及び／又は表示期間を変更することを含んでもよい。

いくつかの実施形態では、表示された情報は、各インジケーションがそれぞれの取り外し可能な要素に近接して又はその上に表示されて、閉塞要素へのアクセスを提供するように構成されている又はされ得る取り外し可能な要素のインジケーションを含むことができる。さらに、作業者が第１の取り外し可能要素を取り外すことに応答して、第１の取り外し可能要素（例えば、ハウジング）に対応する第１の指標が表示され、第２の取り外し可能要素（例えば、ハウジング内のアクセスパネル）に対応する第２の指標が表示されるように、指標は順次表示されることができる。いくつかの実施形態では、誘導された経験により、装着者は、最適な振動測定収集のために機械上の１つ以上の場所を見ることができる。一例では、デジタルツインシステム１５５００は、機械上の強調された振動測定収集場所及び／又は振動測定収集に関連する指示を含む拡張現実ビューを提供してもよい。実施例をさらに進めると、デジタルツインシステム１５５００は、振動測定収集のタイミングに関連する指示を含む拡張現実ビューを提供してもよい。ハイライトされた配置位置を表示する際に利用される情報は、デジタルツインシステム１５５００によって記憶された情報を使用して取得されてもよい。いくつかの実施形態では、移動要素は、デジタルツインシステム１５５００によって追跡され（例えば、環境１５５２０内の観察要素を介して、及び／又はデジタルツインシステム１５５００に通信される経路情報を介して）、作業員の遮蔽された視界内にウェアラブルデバイスによって継続的に表示されてもよい。これは、環境１５５２０内の要素の動きを最適化し、作業員の安全性を高め、損傷に起因する要素のダウンタイムを最小化する。

いくつかの実施形態では、デジタルツインシステム１５５００は、実世界要素１５７３０２ｒの設計パラメータまたは期待されるパラメータの間のミスマッチを着用者に表示する拡張現実ビューを提供し得る。表示された情報は、装着者の視界内にない実世界要素１５７３０２ｒに対応してもよい（例えば、別の部屋内の要素、または機械によって隠されている要素など）。これにより、作業者は、ミスマッチを迅速かつ正確にトラブルシュートして、ミスマッチの１つ以上の原因を特定することができる。その後、ミスマッチの原因は、例えば、デジタルツインシステム１５５００によって決定され、是正措置が命じられることができる。例示的な実施形態では、装着者は、閉塞要素（例えば、ハウジング又はシールド）を取り外すことなく、機械の誤動作しているサブコンポーネントを見ることができる場合がある。加えて又は代替的に、装着者は、例えば、取り外しプロセスの表示（例えば、取り外すべきファスナーの位置）、修理のために他の領域に輸送されるべきアセンブリ又はサブアセンブリ（例えば。埃の影響を受けやすい部品）、潤滑が必要な組立品又は部分組立品、及び再組立のための物体の位置（例えば、装着者が取り外した物体を置いた位置を記憶し、装着者又は別の装着者を記憶した位置に誘導して再組立を促進し、再組立された要素におけるさらなる分解又は部品の不足を最小にする）。これにより、修理作業を迅速化し、プロセスへの影響を最小限に抑え、作業員が装置を分解および再組み立てすることを可能にし（例えば、作業員間の直接的な通信なしに分解を調整することによって）、装置の寿命および信頼性を高め（例えば、使用中に戻す前にすべての構成要素が適切に交換されることを保証することによって）、これらの組み合わせなどを実現することができる。

いくつかの実施形態では、誘導された経験は、装着者が既存の又は計画された要素に関連する情報を見ることを可能にする仮想現実ビュー又は拡張現実ビューを含む。情報は、要素の物理的性能（例えば、資産価値、エネルギーコスト、入力材料コスト、出力材料価値、法令遵守、及び企業運営などの財務的性能）とは無関係であってもよい。一人または複数の装着者は、産業環境１５５２０の仮想ウォークスルーまたは拡張ウォークスルーを実行してもよい。

実施例では、ウェアラブルデバイスは、検査または作業の実行を迅速化するコンプライアンス情報を表示する。

さらなる例では、ウェアラブルデバイスは、変更または最適化のためのターゲットを識別するために使用される財務情報を表示する。例えば、管理者または役員は、旧規制、「グランドファザー」、および／または除外された要素への準拠に関する情報を含む、更新された規制への準拠について環境１５５２０を検査し得る。これは、不要なダウンタイムの削減（例えば、計画された保守サイクル中など、最も影響の少ない時間帯にアップグレードを予定する）、不要なアップグレードの防止（例えば、グランドフェザーまたは除外された装置の交換）、および資本投資の削減に使用することができる。

図１５５に戻って参照すると、実施形態において、デジタルツインシステム１５５００は、デジタルツインダイナミックモデルシステム１５５０８を含み、統合し、管理し、扱い、リンクし、入力を取り、出力を提供し、制御し、協調し、または他の方法で相互作用し得る。デジタルツインダイナミックモデルシステム１５５０８は、デジタルツインが、リアルタイムまたは極めて近いリアルタイムで、それらの産業エンティティおよび環境、ならびにそれらのプロパティまたは属性を表し得るように、物理的産業資産、作業員、プロセス、製造施設、倉庫などのプロパティ（または本開示または参照により本書に組み込まれる文書に記載される他のタイプのエンティティまたは環境のいずれか）を含む、一組の産業エンティティのデジタルツインの特性を更新することができる。いくつかの実施形態では、デジタルツインダイナミックモデルシステム１５５０８は、センサシステム１５５３０から受信したセンサデータを取得してもよく、センサデータに基づいて、１つまたは複数のダイナミックモデルに基づいて、産業環境または環境内の産業実体の１つまたは複数のプロパティを決定してもよい。

実施形態において、デジタルツインダイナミックモデルシステム１５５０８は、デジタルツイン及び／又は１つ以上の埋め込みデジタルツインにおける様々な特性の値を更新／割り当ててもよく、振動値、振動障害レベル状態、故障確率値、ダウンタイム確率値、ダウンタイム費用値、シャットダウン確率値などが含まれるが、これらに限定されない。金融価値、ＫＰＩ値、温度値、湿度値、熱流値、流体流値、放射線値、物質濃度値、速度値、加速度値、位置値、圧力値、応力値、歪み値、光強度値、音レベル値、体積値、形状特性、材料特性、寸法など。

実施形態において、デジタルツインは、他の埋め込まれたデジタルツインの（例えば、参照を介して）構成されてもよい。例えば、製造設備のデジタルツインは、機械の組み込みデジタルツインと、機械内に封入された１つまたは複数のそれぞれのモータの１つまたは複数の組み込みデジタルツインとを含んでもよい。デジタルツインは、例えば、オンボードＩＴシステム（例えば、オンボード診断システム、制御システム（例えば、ＳＣＡＤＡシステム）等のメモリ）を有する産業機械のメモリに埋め込まれてもよい。デジタルツインが埋め込まれ得る他の非限定的な例としては、作業者のウェアラブルデバイス上、スイッチ、ルーター、アクセスポイントなどのローカルネットワーク資産上のメモリ、環境またはエンティティ用に提供されるクラウドコンピューティングリソース上、エンティティ専用の資産タグまたは他のメモリ構造上、がある。

一例では、デジタルツインダイナミックモデルシステム１５５０８は、産業環境内の１つまたは複数の場所で測定されたキャプチャされた振動センサデータと、産業環境デジタルツイン内の振動をモデル化する１つまたは複数の動的モデルに基づいて、産業環境デジタルツイン全体の振動特性を更新することが可能である。産業用デジタルツインは、更新前に、振動特性がデジタルツイン内のエンティティ及び／又は環境について表され得るように、動的モデルに供給するために使用され得る産業エンティティ及び／又は環境の特性に関する情報、例えば、材料、形状／体積（例えば、導管の）、位置、接続／インターフェース等、を既に含んでいてもよい。あるいは、動的モデルは、そのような情報を使用して構成されてもよい。

実施形態において、デジタルツイン動的モデルシステム１５５０８は、クライアントアプリケーション１５５７０に代わって、デジタルツインおよび／または１つまたは複数の埋め込みデジタルツインのプロパティを更新することができる。実施形態において、クライアントアプリケーション１５５７０は、産業コンポーネントまたは環境（例えば、産業施設またはその中のコンポーネントの監視、産業環境のシミュレーションなど）に関連するアプリケーションであってよい。実施形態において、クライアントアプリケーション１５５７０は、固定データ収集システム及び移動データ収集システムの両方と関連して使用されてもよい。実施形態において、クライアントアプリケーション１５５７０は、産業用ＩｏＴセンサシステム１５５３０と関連して使用されてもよい。

実施形態において、デジタルツインダイナミックモデルシステム１５５０８は、デジタルツインダイナミックモデル１５５１００を活用して、産業エンティティおよび／または環境の挙動をモデル化する。動的モデル１５５１００は、科学的原理に基づくなど、産業エンティティおよび／または環境のデジタル表現を豊かにするために限られた数の測定値を使用することによって、デジタルツインが、産業エンティティの相互作用を含む物理的現実を表現することを可能にし得る。実施形態において、動的モデル１５５１００は、数式モデルまたは数学的モデルである。実施形態において、動的モデル１５５１００は、科学的法則、自然法則、及び数式（例えば、ニュートンの運動法則、熱力学の第２法則、ベルヌーイの原理、理想気体の法則、分圧のダルトンの法則、フックの弾性法則、熱伝導のフーリエの法則、浮力のアルキメデスの原理など）に準拠している。実施形態において、動的モデルは、機械学習されたモデルである。

実施形態において、デジタルツインシステム１５５００は、デジタルツインで表され得る動的モデル１５５１００を格納するためのデジタルツインダイナミックモデルデータストア１５５１０２を有し得る。実施形態において、デジタルツインダイナミックモデルデータストアは、検索可能および／または発見可能であり得る。実施形態において、デジタルツインダイナミックモデルデータストアは、所定のダイナミックモデルがどのような特性を扱うことができるか、どのような入力が要求されるか、どのような出力が提供されるか、などをユーザーが理解することを可能にするメタデータを含むことができる。いくつかの実施形態では、デジタルツインダイナミックモデルデータストア１５５１０２は、階層的であり得る（例えば、利用可能なデータ及び／又は入力の程度、入力の粒度、及び／又は状況的要因（例えば、何かが高い関心を持つようになり、より高い忠実度のモデルが一定期間アクセスされる場合）に基づいてモデルを深める又はより単純にすることができるところなどである）。

実施形態において、産業エンティティまたは施設のデジタルツインまたはデジタル表現は、表された物理的な産業資産、デバイス、作業者、プロセス、施設、および／または環境、および／またはそれらの可能な動作の特性のセットを集合的に定義するデータ構造のセットを含み得る。実施形態において、デジタルツインダイナミックモデルシステム１５５０８は、ダイナミックモデル１５５１００を活用して、リアルタイムデータ値でデジタルツインを集合的に定義するデータ構造のセットに情報を提供してもよい。デジタルツインダイナミックモデル１５５１００は、１つ以上のセンサ測定値、産業用ＩｏＴデバイスデータ、及び／又は他の適切なデータを入力として受け取り、受け取ったデータ及び１つ以上のダイナミックモデル１５５１００に基づいて１つ以上の出力を計算してもよい。次いで、デジタルツインダイナミックモデルシステム１５５０８は、１つ以上の出力を使用して、デジタルツインデータ構造を更新する。

一例では、動的モデル１５５１００を使用してデジタルツインダイナミックモデルシステム１５５０８によって更新され得る産業資産のデジタルツインの特性のセットは、資産の振動特性、資産の温度（複数可）、資産の状態（例えば、固体、液体、又は気体）、資産の位置、資産の変位、資産の速度、資産の加速度、資産に関連するダウンタイム値の確率、資産のコストなどを含むことができる。固体、液体、又は気体）、資産の位置、資産の変位、資産の速度、資産の加速度、資産に関連するダウンタイム値の確率、資産に関連するダウンタイム値のコスト、資産に関連するシャットダウン値の確率、資産に関連する製造ＫＰＩ、資産に関連する財務情報、資産に関連する熱流特性、資産に関連する流量（例えば、パイプを流れる流体の流速）、資産のデジタルツイン内に埋め込まれた他のデジタルツインの識別子及び／又は資産のデジタルツインを埋め込むデジタルツインの識別子、及び／又は他の好適な特性である。資産のデジタルツインに関連する動的モデル１５５１００は、産業環境に配置されたセンサ及び／又はデバイスから収集された入力データ及び／又は他の適切なデータに基づいて、かかる資産のデジタルツインのプロパティに対する値を計算、補間、外挿、及び／又は出力し、続いて資産のデジタルツインを計算値で移入するように構成されることが可能である。

いくつかの実施形態では、ダイナミックモデル１５５１００を使用してデジタルツインダイナミックモデルシステム１５５０８によって更新され得る産業デバイスのデジタルツインのプロパティのセットは、デバイスのステータス、デバイスの位置、デバイスの温度（複数可）、デバイスの軌道、デバイスのデジタルツインの中に埋め込まれる、埋め込まれる、リンクされる、含む、統合する、入力から取る、出力を与える、及び／又は対話するなどする他のデジタルツインの識別子、及び同様のものを含むことができる。デバイスのデジタルツインに関連する動的モデル１５５１００は、入力データに基づいてこれらのデバイスデジタルツインプロパティの値を計算または出力し、その後、計算された値でデバイスデジタルツインを更新するように構成されることが可能である。

いくつかの実施形態では、動的モデル１５５１００を使用してデジタルツインダイナミックモデルシステム１５５０８によって更新され得る産業労働者のデジタルツインの特性のセットは、労働者のステータス、労働者の場所、労働者のストレス尺度、労働者によって実行されているタスク、労働者のパフォーマンス尺度などを含むことができる。産業作業員のデジタルツインに関連する動的モデルは、入力データに基づいてそのようなプロパティの値を計算または出力するように構成され得、その後、産業作業員デジタルツインを移入するために使用され得る。実施形態において、産業作業員動的モデル（例えば、心理測定モデル）は、作業員が作業を行うように指示するために与えられる合図、および／または安全な行動を誘導することを意図する警告もしくは警報などの刺激に対する反応を予測するように構成され得る。実施形態において、産業作業員動的モデルは、ワークフローモデル（ガントチャートなど）、故障モード効果分析モデル（ＦＭＥＡ）、生物物理モデル（作業員疲労、エネルギー利用、空腹のモデルなど）などであり得る。

動的モデル１５５１００を使用してデジタルツイン動的モデルシステム１５５０８によって更新され得る産業環境のデジタルツインの例示的な特性は、産業環境の寸法、産業環境の温度（複数可）、産業環境の湿度値（複数可）、産業環境内の流体流れ特性、産業環境の熱流れ特性、産業環境の照明特性、産業環境の音響特性、環境内の物理オブジェクト、産業環境内で生じるプロセス、産業環境の電流（水の体ならば）などを含むことができる。産業環境のデジタルツインに関連する動的モデルは、産業環境に配置されたセンサ及び／又は装置から収集された入力データ及び／又は他の適切なデータに基づいてこれらの特性を計算又は出力し、続いて産業環境のデジタルツインに計算値を入力するように構成され得る。

実施形態において、動的モデル１５５１００は、デジタルツインモデリングのための境界条件、定数または変数を定義する物理的制限に準拠し得る。例えば、産業エンティティまたは産業環境のデジタルツインの物理的特性は、重力定数（例えば、９.８ｍ／Ｓ２）、表面の摩擦係数、材料の熱係数、資産の最大温度、最大流量容量などを含んでもよい。さらに、または代替的に、動的モデルは、自然法則を遵守してもよい。例えば、動的モデルは、熱力学の法則、運動の法則、流体力学の法則、浮力の法則、熱伝達の法則、放射の法則、量子力学の法則などを順守してよい。いくつかの実施形態では、動的モデルは、生物学的老化理論または機械的老化原理に付着していてもよい。したがって、デジタルツインダイナミックモデルシステム１５５０８がリアルタイムのデジタル表現を促進する場合、デジタル表現は、デジタル表現が現実世界の条件を模倣するように、ダイナミックモデルに適合してもよい。いくつかの実施形態において、動的モデルからの出力（複数可）は、動的モデルの実世界への収束を確実にするために、人間のユーザーに提示され、及び／又は実世界のデータと比較され得る。さらに、動的モデルは部分的に仮定に基づくので、実世界の挙動がデジタルツインの挙動と異なる場合、デジタルツインの特性は、改善及び／又は修正され得る。実施形態において、所望の動的モデルから入力が欠落していること、動作中のモデルが期待通りに動作していないこと（おそらくセンサ情報の欠落及び／又は欠陥のため）、異なる結果が必要であること（高い関心を持たせるような状況要因のため）等の認識に基づいて、追加のデータ収集及び／又は計装を推奨することが可能である。

動的モデルは、多くの異なるソースから取得され得る。いくつかの実施形態では、ユーザーは、ユーザーまたは第三者によって作成されたモデルをアップロードすることができる。加えて、又は代替的に、モデルは、グラフィカルユーザインターフェースを使用してデジタルツインシステム上で作成されてもよい。動的モデルは、特定の環境及び／又は産業界の集合のために構成される特注モデル及び／又は類似のタイプのデジタルツインに適用可能な不可知論的モデルを含んでもよい。動的モデルは、機械学習されたモデルであってもよい。

図１５９は、クライアントアプリケーション１５５７０に代わってデジタルツインおよび／または１つ以上の埋め込まれたデジタルツインのプロパティのセットを更新するための方法の例示的な実施形態を示す。実施形態において、デジタルツインダイナミックモデルシステム１５５０８は、１つまたは複数のダイナミックモデル１５５１００を活用して、センサーシステム１５５３０から収集したセンサーデータ、ＩｏＴ接続デバイス１５５２４から収集したデータ、および／または産業デジタルツインを有効にするために使用されているダイナミックモデル１５５１００のセット内の他の適切なデータの影響に基づいてクライアントアプリケーション１５５７０に代わってデジタルツインおよび／または１つまたは複数の組込みデジタルツインのプロパティのセットを更新する。実施形態において、デジタルツインダイナミックモデルシステム１５５０８は、クライアントアプリケーション１５５７０によって管理、維持、および／または監視される物理的な産業資産、デバイス、作業員、プロセス、および／または産業環境を表す１つまたは複数のデジタルツインを用いて特定の動的モデルを実行するように指示されてもよい。

実施形態において、デジタルツインダイナミックモデルシステム１５５０８は、必ずしも産業関連のデータソースではないが、ダイナミックモデルのための入力データとして使用され得るデータを提供し得る他のタイプの外部データソースからデータを取得し得る。例えば、気象データ、ニュースイベント、ソーシャルメディアデータなどが、センサーデータ、産業用ＩｏＴデバイスデータ、及び／又は動的モデルによって使用される他のデータを補完するために、収集、ク役割、サブスクライブなどされ得る。実施形態において、デジタルツインダイナミックモデルシステム１５５０８は、マシンビジョンシステムからデータを取得してもよい。マシンビジョンシステムは、ビデオ及び／又は静止画像を使用して、動的モデルによって入力として使用され得る測定値（例えば、位置、状態など）を提供してもよい。

実施形態において、デジタルツインダイナミックモデルシステム１５５０８は、１つ以上の出力を得るために、このデータを上で議論された１つ以上のダイナミックモデルに供給し得る。これらの出力は、計算された振動故障レベル状態、振動深刻度単位値、振動特性、故障確率値、ダウンタイム確率値、シャットダウン確率値、ダウンタイムコスト値、シャットダウンコスト値、故障までの時間値、温度値、圧力値、湿度値、降雨値、視界値、空気品質値、歪み値、ストレス値、変位値、速度値、加速度値、位置値、パフォーマンス値、財務値、製造ＫＰＩ値、電気力学値、熱力学値、液体流量値、および同様のものを含んでも良い。次いで、クライアントアプリケーション１５５７０は、デジタルツインダイナミックモデルシステム１５５０８によって得られた結果を使用してデジタルツイン可視化イベントを開始してもよい。実施形態において、可視化は、ヒートマップ可視化であってもよい。

実施形態では、デジタルツインダイナミックモデルシステム１５５０８は、デジタルツインがリアルタイムで産業エンティティおよび／または環境を表すように、産業エンティティおよび／または環境のデジタルツインの１つまたは複数のプロパティを更新する要求を受信し得る。１５９１００において、デジタルツインダイナミックモデルシステム１５５０８は、産業エンティティおよび／または環境のデジタルツインのうちの１つまたは複数のプロパティを更新する要求を受信する。例えば、デジタルツインダイナミックモデルシステム１５５０８は、クライアントアプリケーション１５５７０から、またはデジタルツインシステム１５５００によって実行される別のプロセス（例えば、予知保全プロセス）から、要求を受信してもよい。要求は、１つまたは複数のプロパティと、要求が関係するデジタルツインまたはデジタルツインを示すことができる。ステップ１５９１０２において、デジタルツインダイナミックモデルシステム１５５０８は、要求を満たすために必要な１つまたは複数のデジタルツインを決定し、デジタルツインデータストア１５５１６から、任意の埋め込みデジタルツインを含む、１つまたは複数の必要なデジタルツインを取得する。１５９１０４において、デジタルツインダイナミックモデルシステム１５５０８は、要求を満たすために必要な１つまたは複数のダイナミックモデルを決定し、デジタルツインダイナミックモデルストア１５５１０２から１つまたは複数の必要なダイナミックモデルを取得する。１５９１０６において、デジタルツインダイナミックモデルシステム１５５０８は、利用可能なデータソースとダイナミックモデル（複数可）の１つ以上の要求される入力に基づいて、センサシステム１５５３０から１つ以上のセンサ、ＩｏＴ接続デバイス１５５２４から収集したデータ、及び／又はデジタルツイン入出力システム１５５０４から他のデータソースを選択する。実施形態において、データソースは、１つまたは複数の動的モデルによって要求される入力において定義されてもよく、またはルックアップテーブルを使用して選択されてもよい。１５９１０８において、デジタルツインダイナミックモデルシステム１５５０８は、デジタルツインＩ／Ｏシステム１５５０４から選択されたデータを取得する。１５９１１０において、デジタルツインダイナミックモデルシステム１５５０８は、検索された入力データ（例えば、振動センサデータ、産業用ＩｏＴデバイスデータなど）を入力として使用してダイナミックモデル（複数可）を実行し、ダイナミックモデル（複数可）および入力データに基づいて１つまたは複数の出力値を決定する。１５９１１２で、デジタルツインダイナミックモデルシステム１５５０８は、ダイナミックモデル（複数可）の１つまたは複数の出力に基づいて、１つまたは複数のデジタルツインの１つまたは複数のプロパティの値を更新する。

例示的な実施形態では、クライアントアプリケーション１５５７０は、産業エンティティのデジタルツインのデジタル表現および／または視覚化を提供するように構成されてもよい。実施形態において、クライアントアプリケーション１５５７０は、１つまたは複数のサーバデバイスによって実行される１つまたは複数のソフトウェアモジュールを含んでもよい。これらのソフトウェアモジュールは、デジタルツインの特性を定量化する、デジタルツインの特性をモデル化する、及び／又はデジタルツインの動作を視覚化するように構成されてもよい。実施形態において、これらのソフトウェアモジュールは、ユーザーが特定のデジタルツイン動作の可視化を表示するために選択することを可能にし得る。実施形態において、これらのソフトウェアモジュールは、ユーザーが、デジタルツイン動作可視化プレイバックを表示するように選択することを可能にし得る。いくつかの実施形態では、クライアントアプリケーション１５５７０は、選択された動作視覚化をデジタルツイン動的モデルシステム１５５０８に提供してもよい。

実施形態において、デジタルツイン動的モデルシステム１５５０８は、リアルタイムのデジタル表現がデジタルツインの視覚化である産業エンティティおよび／または環境のデジタル表現を可能にするために、クライアントアプリケーション１５５７０からデジタルツインのプロパティを更新する要求を受信し得る。実施形態において、デジタルツインは、人間のユーザーが実世界の産業資産、デバイス、作業員、プロセス、及び／又は環境のデジタル表現を見ることができるように、コンピューティングデバイスによってレンダリングされてもよい。例えば、デジタルツインは、ディスプレイデバイスにレンダリングされ、出力されてもよい。実施形態において、動的モデル出力及び／又は関連データは、デジタルツインのレンダリング上にオーバーレイされてもよい。実施形態において、動的モデル出力及び／又は関連情報は、表示インターフェースにおいてデジタルツインのレンダリングと共に表示されてもよい。実施形態において、関連情報は、デジタルツインによって表される実世界のエンティティに関連するリアルタイムのビデオ映像を含んでもよい。実施形態において、関連情報は、機械における振動故障レベル状態の各々の合計を含んでもよい。実施形態において、関連情報は、グラフィカルな情報であってもよい。実施形態において、グラフィカル情報は、個々の機械構成要素についての運動及び／又は周波数の関数としての運動を描き出してもよい。実施形態において、グラフィカル情報は、個々の機械構成要素についての周波数の関数としての動き及び／又はモーションを描写してもよく、ユーザーは、Ｘ、ｙ、及びｚ次元におけるグラフィカル情報のビューを選択することが可能である。実施形態において、グラフィカル情報は、個々の機械構成要素についての周波数の関数としての運動及び／又はモーションを描いてもよく、グラフィカル情報は、高調波ピーク及びピークを含む。実施形態において、関連情報は、１日当たりのダウンタイムデータ、修理のコストデータ、新しい部品データのコスト、新しい機械データのコストなどを含むコストデータであってもよい。実施形態において、関連情報は、ダウンタイムの確率データ、故障の確率データ等であってもよい。実施形態において、関連情報は、故障までの時間データであってもよい。

実施形態において、関連情報は、推薦および／または洞察であってもよい。例えば、機械に関連する認知知能システムから受信した推奨事項又は洞察は、表示インターフェースにおいて機械のデジタルツインのレンダリングと共に表示されてもよい。

実施形態では、表示インターフェースにおいてレンダリングされたデジタル・ツインをクリックする、触れる、または他の方法で相互作用することによって、ユーザーが「ドリルダウン」して、基礎となるサブシステムまたはプロセスおよび／または埋め込みデジタルツインを見ることができるようになり得る。例えば、ユーザーが機械のデジタルツインにおいてレンダリングされた機械のベアリングをクリックすることに応答して、表示インターフェースは、ユーザーがドリルダウンして、ベアリングに関連する情報を見ること、ベアリングの振動の３Ｄ視覚化を見ること、及び／又はベアリングのデジタルツインを見ることができるようにすることができる。

実施形態において、表示インターフェースにおいてレンダリングされたデジタルツインに関連する情報をクリックする、触れる、または他の方法で相互作用することによって、ユーザーが「ドリルダウン」して基礎となる情報を見ることができるようにすることができる。

図１６０は、乾燥機遠心分離機のデジタルツインおよび乾燥機遠心分離機に関連する他の情報をレンダリングする表示インターフェースの例示的な実施形態を示す図である。

いくつかの実施形態では、デジタルツインは、仮想現実ディスプレイにおいてレンダリングおよび出力され得る。例えば、ユーザーは、環境の３Ｄレンダリングを（例えば、モニタまたは仮想現実ヘッドセットを使用して）表示してもよい。また、ユーザーは、産業エンティティのデジタルツインを検査および／または相互作用させてもよい。実施形態において、ユーザーは、１つまたは複数のデジタルツインに関して実行されているプロセス（例えば、測定値の収集、動作、相互作用、棚卸し、積み込み、梱包、出荷など）を閲覧してもよい。実施形態において、ユーザーは、グラフィカルユーザインターフェースを介してデジタルツインの１つ以上のプロパティを制御する入力を提供してもよい。

いくつかの実施形態では、デジタルツインダイナミックモデルシステム１５５０８は、産業エンティティ及び／又は環境のデジタル表現を可能にするために、デジタルツインのプロパティを更新する要求をクライアントアプリケーション１５５７０から受信し得、デジタル表現は、デジタルツインのヒートマップ視覚化である。実施形態において、表示インターフェースに入力を提供するための、センサシステム１５５３０、ＩｏＴ接続デバイス１５５２４、及び動的モデル１５５１００からのデータ出力からの収集データを表示するヒートマップを有するプラットフォームが提供される。実施形態において、ヒートマップインターフェースは、モバイルデバイス、タブレット、ダッシュボード、コンピュータ、ＡＲ／ＶＲデバイスなどの別のシステムへの、様々なセンサデータ、動的モデル出力データ、および他のデータ（地図データ、アナログセンサデータ、および他のデータなど）の視覚化のための情報を処理し提供するなど、デジタルツインデータに対する出力として提供される。デジタルツイン表現は、フォームファクタ（例えば。例えば、アナログセンサデータ、デジタルセンサデータ、及び動的モデルからの出力値（例えば、振動故障レベル状態を示すデータ、振動深刻度単位値、ダウンタイムの確率値、コスト、及び振動の発生を示すデータ）のレベルの指標を含むマップの提示など、ユーザーへの視覚入力を提供するために適したフォームファクタ（ユーザー装置、ＶＲ対応装置、ＡＲ対応装置など）において、デジタルツイン表現を提供してもよい。ダウンタイム値の確率、ダウンタイム値のコスト、シャットダウン値の確率、故障までの時間値、故障の確率、製造ＫＰＩ、温度、回転レベル、振動特性、流体の流れ、加熱又は冷却、圧力、物質濃度、及び他の多くの出力値）を示すデータ）を含むマップを提示することができる。実施形態では、デジタルツインダイナミックモデルシステム１５５０８によって決定されるデータと同様に、様々なセンサまたは入力ソース（または選択的な組み合わせ、順列、混合など）からの信号が、ヒートマップに入力データを提供し得る。座標は、色が関連する次元に沿った入力の様々なレベルを表し得るように、マップベースの視覚化において、時間ベースの座標、周波数ベースの座標、またはアナログセンサ信号、デジタル信号、動的モデル出力、入力ソース情報、および様々な組み合わせの表現を可能にする他の座標など、現実世界の位置座標（ジオロケーションまたは環境の地図上の位置など）だけでなく、実世界の位置座標を含み得る。例えば、他の多くの可能性の中で、産業機械のコンポーネントが重要な振動故障レベルの状態にある場合、ヒートマップインターフェースは、機械コンポーネントをオレンジ色で表示することによって、ユーザーに警告することができる。ヒートマップの例では、クリック、タッチ、またはヒートマップとの他の相互作用により、ユーザーはドリルダウンして、ヒートマップ表示の入力として使用されるセンサ、動的モデル出力、または他の入力データを確認することができる。デジタルツインがＶＲまたはＡＲ環境で表示されるものなどの他の例では、産業機械コンポーネントが通常の動作以外で振動している場合（例えば、最適以下、臨界、またはアラーム振動障害レベルで）、ユーザーが機械コンポーネントの表現に触れたときに触覚インターフェースが振動を誘発することがあり、または機械コンポーネントが危険な方法で動作している場合、ヘッドセットまたは他のサウンドシステムの特定のスピーカーで再生するなど、指向性サウンド信号がデジタルツインの機械に向かってユーザーの注意を導くことがある。

実施形態において、デジタルツインダイナミックモデルシステム１５５０８は、環境データ及び／又は他のデータのセットを取り、デジタルツインを有効にするために使用されるダイナミックモデル１５５１００のセットにおける環境データ及び／又は他のデータの影響に基づいて産業エンティティ又は施設のデジタルツインのプロパティのセットを自動的に更新し得る。周囲環境データは、温度データ、圧力データ、湿度データ、風データ、降雨データ、潮汐データ、高潮データ、雲量データ、降雪データ、視程データ、水位データなどを含んでもよい。加えて、または代替的に、デジタルツインダイナミックモデルシステム１５５０８は、産業環境に配置されたＩｏＴ接続デバイス１５５２４のセットによって収集された環境データ測定のセットを、デジタルツインを有効にするために用いられるダイナミックモデル１５５１００のセットに対する入力として使用してもよい。例えば、デジタルツインダイナミックモデルシステム１５５０８は、産業環境の機械、デバイス、コンポーネント、部品、操作、機能、条件、状態、イベント、ワークフローおよび他の要素（「状態」という用語によって集合的に包含される）の種々のパラメータおよび特徴を監視するためなどのカメラ、モニタ、組み込みセンサ、モバイルデバイス、診断デバイスおよびシステム、計装システム、テレマティクスシステムなどの、ＩｏＴ接続デバイス１５５２４によって収集、処理または交換されたデータをダイナミックモデル１５５１００に供給しうる。ＩｏＴ接続デバイスの他の例としては、スマート火災警報器、スマートセキュリティシステム、スマート空気品質モニター、スマート／ラーニングサーモスタット、およびスマート照明システムなどが挙げられる。

図１６１は、機械のデジタルツインにおけるベアリングのセットに対する振動フォルトレベル状態のセットを更新するための方法の例示的な実施形態を示している。この例では、デジタルツインダイナミックモデルシステム１５５０８とインターフェースするクライアントアプリケーション１５５７０は、機械のデジタルツインにおけるベアリングの故障レベル状態の視覚化を提供するように構成され得る。

この実施例では、デジタルツインダイナミックモデルシステム１５５０８は、クライアントアプリケーション１５５７０から、マシンデジタルツインの振動フォルトレベル状態を更新する要求を受信し得る。１６１２００において、デジタルツインダイナミックモデルシステム１５５０８は、クライアントアプリケーション１５５７０から、マシンデジタルツインの１つまたは複数の振動フォルトレベル状態を更新するための要求を受信する。次に、ステップ１６１２０２において、デジタルツインダイナミックモデルシステム１５５０８は、要求を満たすために必要な１つまたは複数のデジタルツインを決定し、デジタルツインデータストア１５５１６から１つまたは複数の必要なデジタルツインを取得する。この例では、デジタルツインダイナミックモデルシステム１５５０８は、機械のデジタルツインと、埋め込まれた任意のモータデジタルツインおよびベアリングデジタルツインなどの任意の埋め込みデジタルツインと、製造施設デジタルツインなどの機械デジタルツインを埋め込む任意のデジタルツインを取得し得る。１６１２０４において、デジタルツインダイナミックモデルシステム１５５０８は、要求を満たすために必要な１つまたは複数のダイナミックモデルを決定し、デジタルツインダイナミックモデルデータストア１５５１０２から１つまたは複数の必要なダイナミックモデルを取得する。１６１２０６において、デジタルツインダイナミックモデルシステム１５５０８は、利用可能なデータソース（例えば、センサシステム１５５３０のセンサのセットからの利用可能なセンサ）と、ダイナミックモデル（複数可）の１つまたは複数の要求入力とに基づいて、デジタルツイン入出力システム１５５０４を介してダイナミックモデル入力データソース（例えば、センサシステム１５５３０からの１つまたは複数のセンサ、ＩｏＴ接続デバイス１５５２４からのデータ、およびその他の任意の適切なデータ）を選択する。本例では、検索された動的モデル（複数可）１５５１００は、動的モデルへの入力として、振動センサ１５５３６からの１つまたは複数の振動センサ測定値を取り得る。実施形態において、振動センサ１５５３６は、光学振動センサ、単軸振動センサ、三軸振動センサなどであってもよい。１６１２０８において、デジタルツインダイナミックモデルシステム１５５０８は、デジタルツインＩ／Ｏシステム１５５０４から、選択されたデータソースのそれぞれから１つ以上の測定値を取得する。次に、１６１２１０において、デジタルツインダイナミックモデルシステム１５５０８は、取り出した振動センサ測定値を入力として使用して、ダイナミックモデル（複数可）を実行し、軸受振動故障レベル状態を表す１つ以上の出力を計算する。次に、１６１２１２において、デジタルツインダイナミックモデルシステム１５５０８は、ダイナミックモデル（複数可）の１つ以上の出力に基づいて、製造設備デジタルツイン、機械デジタルツイン、モータデジタルツイン、及び／又は軸受デジタルツインの１つ以上の軸受故障レベル状態を更新する。クライアントアプリケーション１５５７０は、ベアリングの振動フォルトレベル状態を取得してもよく、ディスプレイインターフェース上のデジタルツインのうちの１つまたは複数のレンダリングにおいて、各ベアリングに関連する取得した振動フォルトレベル状態を表示し、および／またはフォルトレベル重大度に関連する色（例えば、アラームは赤、重大はオレンジ、最適下は黄、通常動作は緑）を表示してもよい。

別の実施例では、クライアントアプリケーション１５５７０は、拡張現実アプリケーションであってよい。この例のいくつかの実施形態では、クライアントアプリケーション１５５７０は、産業環境のデジタルツインから（例えば、デジタルツインシステム１５５００のＡＰＩを介して）クライアントアプリケーションをホストするＡＲ対応デバイス（例えば、スマートグラス）の視野内のベアリングの振動故障レベル状態を取得してもよく、表示された振動故障レベル状態がＡＲ対応デバイスの視野内の位置に対応するように、取得した振動故障レベル状態をＡＲ対応デバイスのディスプレイ上に表示させてもよい。このようにすれば、ＡＲ対応機器の視野内に振動センサが配置されていない場合であっても、振動障害レベル状態を表示することができる。

図155は、機械のデジタルツインにおけるベアリングの振動厳しさユニット値のセットを更新するための方法の例示的な実施形態である。振動厳しさ単位は、変位、速度、および加速度として測定され得る。

この例では、デジタルツイン動的モデルシステム15508とインターフェースするクライアントアプリケーション15570は、機械のデジタルツインにおけるベアリングの3次元振動特性の視覚化を提供するように構成され得る。

この例では、デジタルツインダイナミックモデルシステム15508は、クライアントアプリケーション15570から、機械のデジタルツイン内のベアリングの振動厳しさ単位値を更新する要求を受け取ることができる。155300で、デジタルツインダイナミックモデルシステム15508は、クライアントアプリケーション15570から、製造設備のデジタルツインの1つまたは複数の振動厳しさユニット値（複数可）を更新する要求を受け取る。次に、ステップ155302において、デジタルツインダイナミックモデルシステム15508は、要求を満たすために必要な1つ以上のデジタルツインを決定し、デジタルツインデータストア15516から1つ以上の必要なデジタルツインを取得する。この例では、デジタルツインダイナミックモデルシステム15508は、機械のデジタルツインおよび任意の組み込みデジタルツイン（例えば、ベアリングおよび他のコンポーネントのデジタルツイン）を取得することができる。155304で、デジタルツイン動的モデルシステム15508は、要求を満たすために必要な1つまたは複数の動的モデルを決定し、動的モデルデータストア155102から1つまたは複数の必要な動的モデルを取得する。155306で、デジタルツイン動的モデルシステム15508は、利用可能なデータソース（例えば、センサシステム15530のセンサのセットからの利用可能なセンサ）および動的モデル（複数可）の1つまたは複数の必要な入力に基づいて、デジタルツイン入出力システム15504を介して動的モデル入力データソース（例えば、センサシステム15530からの1つまたは複数のセンサ、IoT接続デバイス15524からのデータおよび任意の他の適当なデータ）を選択する。本実施例では、検索された動的モデルは、1つまたは複数の振動センサ測定値を入力として取り込み、機械内のベアリングの重大度単位値を提供するように構成され得る。155308で、デジタルツイン動的モデルシステム15508は、選択されたセンサのそれぞれから1つまたは複数の測定値を取得する。本実施例では、デジタルツイン動的モデルシステム15508は、デジタルツインI／Oシステム15504を介して振動センサ15536から測定値を取得する。155310で、デジタルツイン動的モデルシステム15508は、検索された振動測定値を入力として用いて動的モデル（複数可）を実行し、マシン内のベアリングに対する振動厳しさ単位値を表す1つまたは複数の出力値を計算する。次に、155312で、デジタルツイン動的モデルシステム15508は、動的モデル（複数可）によって出力された1つまたは複数の値に基づいて、機械デジタルツインおよび他のすべての埋め込みデジタルツインまたは機械デジタルツインを埋め込むデジタルツイン内のベアリングの1つまたは複数の振動厳しさユニット値を更新する。

図163は、機械のデジタルツインにおける機械部品の故障確率値のセットを更新するための方法の例示的な実施形態を示す図である。

この例では、デジタルツインダイナミックモデルシステム15508は、マシンデジタルツイン内のコンポーネントの故障確率値を更新するための要求をクライアントアプリケーション15570から受け取ることができる。163400で、デジタルツインダイナミックモデルシステム15508は、クライアントアプリケーション15570から、マシンデジタルツイン、任意の埋め込みコンポーネントデジタルツイン、および製造施設デジタルツインなどのマシンデジタルツインを埋め込む任意のデジタルツインの1つまたは複数の故障確率値（複数可）を更新する要求を受け取る。次に、ステップ163402において、デジタルツインダイナミックモデルシステム15508は、要求を満たすために必要な1つまたは複数のデジタルツインを決定し、1つまたは複数の必要なデジタルツインを取得する。この例では、デジタルツインダイナミックモデルシステム15508は、デジタルツインデータストア15516から、製造施設のデジタルツイン、機械のデジタルツイン、および機械コンポーネントのデジタルツインを取得し得る。163404で、デジタルツイン動的モデルシステム15508は、要求を満たすために必要な1つまたは複数の動的モデルを決定し、動的モデルデータストア155102から1つまたは複数の必要な動的モデルを取得する。163406で、デジタルツイン動的モデルシステム15508は、デジタルツインI/Oシステム15504を介して、利用可能なデータソース（例えば、センサシステム15530のセンサのセットからの利用可能なセンサ）と、動的モデル（複数可）の1つまたは複数の要求入力に基づいて動的モデル入力データソース（例えば、センサシステム15530からの1つまたは複数のセンサ、IoT接続デバイス15524、および任意の他の適切なデータ）を選定する。本実施例では、検索された動的モデルは、振動センサ15536からの1つまたは複数の振動測定値および過去の故障データを動的モデルの入力として取り、機械のデジタルツインにおける機械構成要素の故障確率値を出力し得る。163408で、デジタルツイン動的モデルシステム15508は、デジタルツインI/Oシステム15504を介して、選択されたセンサおよび/またはIoT接続デバイスのそれぞれからデータを取得する。163410で、デジタルツイン動的モデルシステム15508は、検索された振動データおよび過去の故障データを入力として使用して動的モデル（複数可）を実行し、機械デジタルツイン内のベアリングの故障確率値を表す1つまたは複数の出力を計算する。次に、163412で、デジタルツイン動的モデルシステム15508は、動的モデル（複数可）の出力に基づいて、マシンデジタルツイン、すべての埋め込みデジタルツイン、およびマシンデジタルツインを埋め込むすべてのデジタルツイン内のベアリングの1つまたは複数の故障確率値を更新する。

図164は、製造施設のデジタルツインにおける機械のダウンタイムの確率のセットを更新するための方法の例示的な実施形態を示す図である。

この例では、デジタルツイン動的モデルシステム15508とインターフェースするクライアントアプリケーション15570は、製造施設のデジタルツインにおける製造施設のダウンタイムの確率値の視覚化を提供するように構成され得る。

この例では、デジタルツインダイナミックモデルシステム15508は、クライアントアプリケーション15570から、製造施設デジタルツイン内のマシンにダウンタイムの確率値を割り当てる要求を受け取ることができる。164500で、デジタルツインダイナミックモデルシステム15508は、クライアントアプリケーション15570から、製造施設デジタルツインおよび個々のマシンデジタルツインなどの任意の組み込みデジタルツイン内のマシンの1つまたは複数のダウンタイムの確率値を更新する要求を受け取る。次に、ステップ164502において、デジタルツイン動的モデルシステム15508は、要求を満たすために必要な1つまたは複数のデジタルツインを決定し、デジタルツインデータストア15516から1つまたは複数の必要なデジタルツインを取得する。この例では、デジタルツインダイナミックモデルシステム15508は、製造施設のデジタルツインおよび任意の埋め込まれたデジタルツインをデジタルツインデータストア15516から取得し得る。164504で、デジタルツイン動的モデルシステム15508は、要求を満たすために必要な1つまたは複数の動的モデルを決定し、動的モデルデータストア155102から1つまたは複数の必要な動的モデルを取得する。164506で、デジタルツイン動的モデルシステム15508は、利用可能なデータソース（例えば、センサシステム15530のセンサのセットからの利用可能なセンサ）と、デジタルツインI／Oシステム15504を介して動的モデル（複数）の1つまたは複数の要求入力に基づいて動的モデル入力データソース（例えば、センサシステム15530からの1つまたは複数のセンサ、IoT接続デバイス15524からのデータ、および任意の他の適切なデータ）を選定する。本実施例では、動的モデル（複数可）は、振動センサからの振動測定値および過去のダウンタイムデータを入力として取り、製造施設全体の異なる機械についてのダウンタイム値の確率を出力するように構成され得る。164508で、デジタルツイン動的モデルシステム15508は、デジタルツインI／Oシステム15504を介して、選択されたセンサのそれぞれから1つまたは複数の測定値を取得する。164510で、デジタルツイン動的モデルシステム15508は、検索された振動測定値および過去のダウンタイムデータを入力として使用して動的モデル（複数可）を実行し、製造施設内の機械のダウンタイム値の確率を表す1つまたは複数の出力を計算する。次に、164512で、デジタルツイン動的モデルシステム15508は、動的モデルの1つまたは複数の出力に基づいて、製造施設のデジタルツインおよびすべての埋め込みデジタルツインにおける機械のためのダウンタイム値の確率の1つまたは複数を更新する。

図165は、製造施設のセットを有する企業のデジタルツインにおける1つまたは複数のシャットダウン確率値を更新するための方法の例示的な実施形態である。

本実施例では、デジタルツインダイナミックモデルシステム15508は、クライアントアプリケーション15570から、エンタープライズデジタルツイン内の製造施設のセットに対するシャットダウン値の確率を更新する要求を受信し得る。165600で、デジタルツインダイナミックモデルシステム15508は、クライアントアプリケーション15570から、エンタープライズデジタルツインおよび任意の埋め込みデジタルツインの1つまたは複数のシャットダウンの確率値を更新する要求を受け取る。次に、ステップ165602において、デジタルツインダイナミックモデルシステム15508は、要求を満たすために必要な1つ以上のデジタルツインを決定し、デジタルツインデータストア15516から1つ以上の必要なデジタルツインを取得する。この例では、デジタルツインダイナミックモデルシステム15508は、企業のデジタルツインおよび任意の埋め込まれたデジタルツインを取得することができる。165604で、デジタルツイン動的モデルシステム15508は、要求を満たすために必要な1つまたは複数の動的モデルを決定し、動的モデルデータストア155102から1つまたは複数の必要な動的モデルを取得する。165606で、デジタルツイン動的モデルシステム15508は、利用可能なデータソース（例えば、センサシステム15530のセンサのセットからの利用可能なセンサ）と、デジタルツインI/Oシステム15504を介して動的モデル（複数可）の1つまたは複数の要求入力に基づいて動的モデル入力データソース（例えば、センサシステム15530からの1つまたは複数のセンサ、IoT接続デバイス15524、および他の任意の適切なデータ）を選択する。本実施例では、検索された動的モデルは、振動センサ15536および／または他の適切なデータからの1つまたは複数の振動測定値を入力として取り、エンタープライズデジタルツイン内の各製造エンティティについてシャットダウン確率値を出力するように構成され得る。165608で、デジタルツイン動的モデルシステム15508は、デジタルツインI/Oシステム15504から、選択された振動センサ15536のそれぞれから1つまたは複数の振動測定値を取得する。165610では、デジタルツイン動的モデルシステム15508は、検索された振動測定値および過去のシャットダウンデータを入力として使用して動的モデル（複数可）を実行し、エンタープライズデジタルツイン内の製造施設に対するシャットダウンの確率値を表す1以上の出力を計算する。次に、165612で、デジタルツイン動的モデルシステム15508は、動的モデル（複数可）の1つまたは複数の出力に基づいて、エンタープライズデジタルツインおよびすべての組み込みデジタルツインの1つまたは複数のシャットダウンの確率値を更新する。

図159は、製造施設のデジタルツイン内の機械におけるダウンタイムのコスト値のセットを更新するための方法の例示的な実施形態を示す図である。実施形態では、製造である。

本実施例では、デジタルツインダイナミックモデルシステム15508は、クライアントアプリケーション15570から、製造施設デジタルツイン内の機械に関連するリアルタイムのダウンタイムコスト値を入力する要求を受け取ることができる。159700で、デジタルツインダイナミックモデルシステム15508は、クライアントアプリケーション15570から、製造施設デジタルツインおよび任意の埋め込みデジタルツイン（例えば、機械、機械部品など）の1つまたは複数のダウンタイムコストを更新するための要求を受信する。次に、ステップ159702において、デジタルツインダイナミックモデルシステム15508は、要求を満たすために必要な1つまたは複数のデジタルツインを決定し、1つまたは複数の必要なデジタルツインを取得する。この例では、デジタルツインダイナミックモデルシステム15508は、デジタルツインデータストア15516から、製造施設、機械、機械部品、および他の任意の埋め込みデジタルツインのデジタルツインを取得し得る。159704で、デジタルツイン動的モデルシステム15508は、要求を満たすために必要な1つまたは複数の動的モデルを決定し、動的モデルデータストア155102から1つまたは複数の必要な動的モデルを取得する。159706で、デジタルツイン動的モデルシステム15508は、利用可能なデータソース（例えば、センサシステム15530のセンサのセットからの利用可能なセンサ）と、デジタルツインI/Oシステム15504を介して動的モデル（複数可）の1つまたは複数の要求入力に基づいて動的モデル入力データソース（例えば、センサシステム15530からの1つまたは複数のセンサ、IoT接続デバイス15524、および他の任意の適切なデータ）を選定する。本実施例では、検索された動的モデル（複数可）は、入力として過去のダウンタイムデータおよび運用データを取り、製造施設内の機械の1日あたりのダウンタイムのコストを表すデータを出力するように構成され得る。159708で、デジタルツイン動的モデルシステム15508は、デジタルツインI/Oシステム15504から過去のダウンタイムデータと運用データを取り出す。159710で、デジタルツイン動的モデルシステム15508は、検索されたデータを入力として使用して動的モデル（複数可）を実行し、製造施設内の機械の1日あたりのダウンタイムのコストを表す1つまたは複数の出力を計算する。次に、159712で、デジタルツイン動的モデルシステム15508は、動的モデル（複数可）の1つまたは複数の出力に基づいて、製造施設デジタルツインおよび機械デジタルツインの1つまたは複数のダウンタイムのコスト値を更新する。

図160は、製造施設のデジタルツインにおける製造KPI値のセットを更新するための方法の例示的実施形態を示す。実施形態において、製造KPIは、稼働時間、稼働率、標準運転効率上、全体運転効率、全体設備効果、機械ダウンタイム、予定外ダウンタイム、機械セットアップ時間、在庫回転数、在庫精度、品質（例えば、．品質（例：不良品率）、ファーストパス歩留まり、手直し、スクラップ、審査落ち、納期遵守、顧客返品、研修時間、従業員離職率、報告義務のある安全衛生事故、従業員一人当たりの売上、従業員一人当たりの利益、スケジュール達成度、総サイクル時間、スループット、切替時間、歩留、計画保全率、稼働率、顧客返却率。

本実施例では、デジタルツインダイナミックモデルシステム15508は、クライアントアプリケーション15570から、製造施設デジタルツインのリアルタイムの製造KPI値を入力する要求を受け取ることができる。159700で、デジタルツインダイナミックモデルシステム15508は、クライアントアプリケーション15570から、製造施設デジタルツインおよび任意の埋め込みデジタルツイン（例えば、機械、機械部品など）の1つまたは複数のKPI値を更新するための要求を受信する。次に、ステップ159702において、デジタルツインダイナミックモデルシステム15508は、要求を満たすために必要な1つまたは複数のデジタルツインを決定し、1つまたは複数の必要なデジタルツインを取得する。この例では、デジタルツインダイナミックモデルシステム15508は、デジタルツインデータストア15516から、製造施設、機械、機械部品、および他の任意の埋め込みデジタルツインのデジタルツインを取得し得る。159704で、デジタルツイン動的モデルシステム15508は、要求を満たすために必要な1つまたは複数の動的モデルを決定し、動的モデルデータストア155102から1つまたは複数の必要な動的モデルを取得する。159706で、デジタルツイン動的モデルシステム15508は、利用可能なデータソース（例えば、センサシステム15530のセンサのセットからの利用可能なセンサ）と、デジタルツインI/Oシステム15504を介して動的モデル（複数可）の1つまたは複数の要求入力に基づいて動的モデル入力データソース（例えば、センサシステム15530からの1つまたは複数のセンサ、IoT接続デバイス15524、および他の任意の適切なデータ）を選定する。本実施例では、検索された動的モデル（複数可）は、振動センサ15536から得られた1つまたは複数の振動測定値および他の運用データを入力として取り、施設のための1つまたは複数の製造KPIを出力するように構成され得る。167708で、デジタルツイン動的モデルシステム15508は、選択された振動センサ15536のそれぞれから1つまたは複数の振動測定値を取得し、デジタルツインI/Oシステム15504から運用データを取得する。159710で、デジタルツイン動的モデルシステム15508は、検索された振動測定値および運用データを入力として使用して動的モデル（複数可）を実行し、製造施設の製造KPIを表す1つまたは複数の出力を計算する。次に、159712で、デジタルツイン動的モデルシステム15508は、動的モデル（複数可）の1つまたは複数の出力に基づいて、製造施設デジタルツイン、機械デジタルツイン、機械部品デジタルツイン、および他のすべての組み込みデジタルツインの1つまたは複数のKPI値を更新する。

振動センサーやその他のIIoT（Industrial Internet of Things）センサーの普及に伴い、産業環境に関連する膨大な量のデータが利用できるようになりました。これらのデータは、メンテナンスの必要性を予測したり、産業環境における潜在的な問題を分類するのに役立っている。しかし、振動センサーのデータやその他のIIoTセンサーのデータには、産業環境の運用とアップタイムを改善し、問題が致命的になる前に問題に対処する敏捷性を産業エンティティに提供できる、未開拓の利用法が数多く存在する。

産業専門家に依存している産業企業は、産業専門家が他の企業に移ったり、ワークフォースを離れたりする際に、これらの専門家の知識を捕捉することに苦労している。当技術分野では、産業専門家を捕捉し、捕捉した産業専門家を、新しい労働者またはモバイル電子産業体が産業関連タスクを実行するように案内する際に使用する必要性が存在する。

知識流通プロセスおよび関連技術は、今や、例示的な実施形態が示されている添付の図面を参照して、以下により完全に説明されるであろう。しかしながら、知識流通プロセス及び技術は、多くの異なる形態で具現化されてもよく、本明細書に記載された実施形態に限定して解釈されるべきではなく、むしろ、これらの実施形態は、この開示が徹底的かつ完全であり、当業者に開示及び発明の範囲を完全に伝えるように提供される。知識流通プロセスは、デジタル知識を格納し、デジタル知識の便利で安全な制御を提供するためにブロックチェーン技術を利用する知識流通プラットフォームまたはシステムを使用することができる。

デジタル知識が暗号的に保護されている場合、知識の共有によって潜在的に利益を得ることができる当事者間の信頼がないなど、知識の共有に多くの現実的な障害が存在する可能性がある。例えば、製造者は、製造者に代わって部品や材料を製造するために、サプライヤーが製造者の企業秘密にアクセスすることで利益を得るかもしれないが、企業秘密を共有すると、サプライヤーが自社のために、または競合他社のために企業秘密を使用する可能性があるというリスクが生じる。同様に、エンジニアは、貴重なコードや命令セットを他人と共有することは厭わないが、そのコードが悪用されることを恐れている場合がある。そこで、共有された知識にアクセスできる範囲を高度に制御することで、知識の共有のオーケストレーションを容易にするデジタル知識流通システムが必要とされている。

知識が安全で十分に管理されている場合でも、知識の種類によっては、所有者が知識のセット全体を単一の相手と共有することを望まないほど繊細なものもある。例えば、独自のプロセスを異なるサプライヤーに分割することで、一人のサプライヤーがプロセス全体を推測したりリバースエンジニアリングしたりできないようにすることができる。しかし、知識を分割することは、運用上の課題がある。知識の所有者は、知識の全セットが維持され、正確に実行されることを保証するために、すべての関係者との一連の安全なやり取りを指揮する必要があるからである。知識のサブセットの分割から生じる知識の集約や関連するアウトプットの自動処理など、知識のサブセットの処理と制御を容易にするデジタル知識流通システムに対するニーズが存在する。

図168を参照すると、知識流通システム16802は、分散型台帳16808を介して、1人または複数のユーザによるデジタル知識16804の管理を容易にするように構成される。デジタル知識16804は、デジタル形式など、ある当事者から別の当事者に伝達可能な任意の適切な知識を含むことができる。ユーザおよび／または当事者は、1つまたは複数の知識提供者16806および／または1つまたは複数の知識受信者16818を含むことができる。知識プロバイダ16806は、デジタル知識16804の1つ以上のインスタンスを知識流通システム16802および／または分散台帳16808にアップロードすることなどにより、知識流通システム16802を介して管理されるべき知識を提供する当事者である。デジタル知識16804の1つまたは複数のインスタンスをアップロードすること、および／またはデジタル知識16804の1つまたは複数のインスタンスを分散型台帳16808上でホストすることは、デジタル知識16804自体のインスタンスを分散型台帳16808にアップロードし（たとえば、トークン化されていてもよく、スマートコントラクトに含まれていてもよく、関連データベース内に格納されていてもよい）、および／またはデジタル知識16804のインスタンスのアクセスできるロケーションへの参照とアクセスできるロケーションからデジタル知識を取り出すのに必要となる他の任意の情報とを提供することが挙げられよう。デジタル知識16804を受信することに言及がなされる場合、デジタル知識16804自体またはそれに対する参照が受信され得る。知識受信者16818という用語は、知識流通システム16802を介して（デジタル知識16804への参照またはリンクを介して含む）、および／またはデジタル知識16804を格納する分散台帳16808を介して知識プロバイダ16806から知識を受信する当事者を指す場合がある。いくつかの実施形態では、知識流通システム16802は、知識のインスタンスの所有権のログとして機能することなどにより、デジタル知識の1つまたは複数のインスタンスの作業、所有、および／またはタイトルのチェーンの確立を容易にすることによって、デジタル知識16804の管理を容易にし得る。所有権のログは、所有者及び／又は貢献者のセットの表示を含むログエントリの連鎖を含み得る。例えば、いくつかの実施形態では、知識流通システム16802は、オブジェクト（例えば、カスタム設計部品、交換部品、玩具、医療機器、ツールなど）を3Dプリントするための3Dプリント命令セットに対応する作業の連鎖、所有権の連鎖、および／またはタイトルの連鎖の確立を容易にし得る。いくつかの実施形態では、知識流通システム16802は、販売、買い手データベースへの概略図の転送、スマートコントラクト16840の条項へのカスタムパーツのシリアル番号の入力、および買い手が所有する3Dプリンタによるカスタムパーツの印刷の1つまたは複数の前に概略図を格納することができる売り手データベースの確立を容易にすることができる。

いくつかの実施形態では、知識流通システム16802は、デジタル知識16804のインスタンスの集約を管理することによってデジタル知識16804の管理を容易にすることができ、例えば、デジタル知識16804のコンポーネントインスタンスが集約されてデジタル知識のより大きなインスタンス（例えば、、章インスタンスが連結されて書籍インスタンスを形成する場合、コンポーネントインスタンスが概略的に連結されてシステムを形成する場合、要素インスタンスが図式的に連結されてワークフローを生成する場合、部分インスタンスが連結されて全体インスタンス（例えば、数式の必要部分）を形成する場合、関連インスタンスがトピカルリンクされてクラスタを形成する場合、および他の多くの形態の集約を経由する）。

いくつかの実施形態では、知識流通システム16802は、デジタル知識の1つまたは複数のソースの検証を容易にし、および／または関連する知識によってデジタルアイテムまたは物理アイテムの起源のチェーンを提供することによって、デジタル知識16804の管理を容易にし得る。例えば、実施形態では、知識流通システム16802は、鉄鋼メーカーが工場所有者に提供した鉄鋼の品質等級を証明する分散型台帳に鉄鋼メーカーのデジタル署名を記録し、鉄鋼メーカーが提供した鉄鋼を使用した工場所有者の工場が生産した各部品のシリアル番号にデジタル署名をリンクしても良い。

いくつかの実施形態では、知識流通システム16802は、異種当事者、異種知識プロバイダ16806、および異種分散台帳16808のうちの1つまたは複数からのデジタル知識の1つまたは複数のインスタンスに関連する情報が、追跡されおよび／または1つまたは複数の統合分散台帳に結合され得るように、複数の知識プロバイダ16806のコラボレーションを容易にすることによりデジタル知識16804の制御を容易にし得る。

いくつかの実施形態では、デジタル知識16804のインスタンスは、例えば、食品製造、輸送におけるプロセスステップおよび他の方法論などの命令セット、コンピュータプログラム、ファームウェアプログラム、フィールドプログラマブルゲートアレイ（FPGA）の命令セット、サーバレスコードロジック、結晶製造システム／プロセス、ポリマー製造プロセス、化学合成プロセス、バイオ製造プロセス、部品概略図、および／または生産記録（例えば、以下、航空機部品、宇宙船部品、原子力エンジン部品などの生産記録）、部品の回路図、および／または生産記録（例えば、航空機部品、宇宙船部品、原子力エンジン部品などの生産記録。)、シリコンエッチングおよび／またはドーピングなどの半導体製造のためのプロセスおよび／または命令セット、医療機器、自動車部品、航空機部品、家具またはその部品、産業用ロボットまたは機械の交換部品の印刷などの3Dプリンタのための命令セット、アプリケーションで使用するための命令セットなどのアルゴリズム論理、AI論理／または定義、機械学習論理／または定義、暗号論理、サーバレスコード論理、企業秘密および／またはノウハウ、特許物質、著作物などのその他の知的財産、食品調理命令（例えば、、工業用食品調理のための）、コーティングプロセス命令、生物学的生産プロセス命令、化学合成命令、ポリマー生産命令、スマートコントラクト命令、デジタルツインのセット（構成、動作モード、命令セット、能力、欠陥、性能パラメータ、および他の多くに関する知識を含む、1以上の物理エンティティに関するデジタル知識を体現するデジタルツインなど）を定義および／または入力するデータセットおよび／またはセンサー情報、および／または任意の他の適切なタイプのデジタル的に送信可能な知識である。これらの実施形態において、命令セットは、コンピューティングデバイス、特別な目的のデバイス、またはデバイスの組み合わせ（例えば、工場設備）により消費／活用され得る。いくつかの実施形態では、デジタル知識16804のインスタンスは、職業履歴書および／または職業履歴追跡情報などの、1つまたは複数の組織および／または個人に関連する個人的および／または職業的知識を含むことがある。いくつかの実施形態では、個人的および／または専門的知識は、学位および／または証明書などの専門的資格の1つまたは複数の記録を含むことができる。いくつかの実施形態では、個人的及び／又は専門的知識は、1人又は複数の個人によって保持された専門的地位の1つ又は複数の検証を含むことができる。いくつかの実施形態では、個人的及び／又は専門的知識は、1つ又は複数の第三者のために及び／又は第三者によって行われた仕事に対する専門的フィードバック及び／又は検証を含むことができる。個人的および／または専門的知識は、1つまたは複数の第三者によって検証された個人的および／またはビジネスの財務履歴、個人的な人生の功績を含むことができる。知識プロバイダ16806は、製造者、販売者、顧客、卸売業者、ユーザ、マネージャ、公証人、工場所有者、保守作業員、またはデジタル知識16804の他の任意の適切なプロバイダなど、デジタル知識16804の一つ以上のインスタンスを少なくとも部分的に提供する任意の当事者であり得る。

実施形態では、分散型台帳16808は、ブロックチェーン（例えば、ハイパーレジャ（Hyperledger）、ソリディティ（Solidity）、イーサリアム（Ethereum）など）などの任意の適切なタイプの電子台帳16808であり得る。分散型台帳16808は、集中型、分散型、または知識流通システム16802が分散型台帳16808のコピーを格納する任意の数の参加者ノード16916に加えて分散型台帳16808のコピーを格納するハイブリッド構成であり得る。分散型台帳16808を参照する場合、用語「分散型台帳」（および／または任意のログ、記録、スマートコントラクト、ブロック、トークン、および／またはそこに格納されたデータ）は、特に他に示されない限り、分散型台帳16808のコピーの特定のインスタンスを指し、ならびに任意の数のノード（これは知識流通システム16802を含み得る）にわたって格納される分散型台帳のローカルコピー16808-Lの集合を指してよい。

いくつかの実施形態では、知識プロバイダおよび／またはノードのうちの1つまたは複数など、認可された参加者のプライベートネットワークは、知識流通システム16802がデジタル知識のためのトランザクションにセキュリティ、透明性、監査可能性、不変性、および非否認を提供し得るように、1つまたは複数の項目に関する暗号ベースのコンセンサスを確立し得る。いくつかの実施形態では、信頼された当局（たとえば、知識流通システム16802または別の適切な当局）は、知識流通システム16802の各登録ユーザに秘密鍵および公開鍵のペアを発行することができる。秘密鍵および公開鍵のペアは、データ（例えば、メッセージ、ファイル、文書など）を暗号化および復号化するため、および／または分散型台帳16808に関する操作を実行するために使用され得る。いくつかの実施形態では、知識流通システム16802（または別の信頼される権威）は、ユーザに2つ以上のアクセスレベルを提供することができる。いくつかの実施形態では、知識流通システム16802は、ユーザの1つまたは複数のクラスを定義してもよく、ユーザのクラスの各々は、それぞれのレベルのアクセスを付与される。これらの実施形態のいくつかでは、知識流通システム16802は、1つまたは複数のアクセスキーを1つまたは複数のクラスのユーザに発行してもよく、1つまたは複数のアクセスキーはそれぞれ、それぞれのアクセスレベルに対応し、それにより、それぞれの発行されたアクセスキーを介して異なるレベルのアクセスをユーザに提供する。実施形態では、特定のアクセスキーの所有は、分散型台帳16808へのアクセスレベルを決定するために使用され得る。例えば、いくつかの実施形態では、第1のクラスのユーザは、ブロックの完全な閲覧アクセスを付与され、第2のクラスのユーザは、ブロックの閲覧アクセスおよびブロック内に含まれるデジタル知識の1つまたは複数のインスタンスを検証および／または認証する能力の両方を付与され、第3のクラスのユーザは、ブロックの閲覧アクセス、ブロック内に含まれるデジタル知識の1つまたは複数のインスタンスを検証および／または認証する能力およびブロック内のデジタル知識の1つまたは複数のインスタンスを変更する能力が与えられる場合がある。いくつかの実施形態では、ユーザのクラスは、分散型台帳16808の1つまたは複数の役割の正当なユーザであると検証され、分散型台帳およびそこに格納されたコンテンツに関して関連するパーミッションが許可されてもよい。ユーザは、例えば、知識プロバイダデバイス16890を使用する善意の知識プロバイダ16806、知識レシピエントデバイス16894を使用する知識レシピエント16818、および／またはクラウドソーサーデバイス16892を使用するクラウドソーサー16836として検証され得る。各デバイス16890、16892、16894は、任意の数であってよい。図168に示すように、1つの知識プロバイダデバイス16890、2つのクラウドソーサーデバイス16892、および1つの知識受信者デバイス16894が存在する。他の例では、理解されるように、任意のデバイスタイプ16890、16892、16894の1つ、2つ、3つ、またはそれ以上が、任意の組み合わせで存在する可能性がある。他の例では、各デバイスタイプ（例えば、1つの知識プロバイダデバイス16890、1つのクラウドソーサーデバイス16892、および1つの知識受信者デバイス16894）の1つが存在してもよい。他の実施形態では、これらのデバイス16890、16892、16894は、（例えば、サーバファームの一部として）1つまたは複数のコンピューティングデバイスおよび／またはサーバデバイスとして実装されてもよい。

いくつかの実施形態において、知識流通システム16802は、台帳管理システム16910を含み得る。いくつかの実施形態では、台帳管理システム16910は、1つまたは複数の分散型台帳（「台帳」とも呼ばれる）を管理する。いくつかの実施形態では、台帳管理システム16910は、知識プロバイダ16806または知識プロバイダ16806のグループによって提供されるデジタル知識16804のインスタンスを格納する分散台帳16808をインスタンス化することなどにより、特定の知識プロバイダ16806または知識プロバイダ16806のグループのために分散台帳をインスタンス化しても良い。知識流通システム16802は、各分散台帳16808がそれぞれの知識プロバイダ16806および／またはデジタル知識16804のインスタンスに固有であるように、特定の知識プロバイダ16806または知識プロバイダ16806の特定のグループのみが、関連する分散台帳16808上および／またはデジタル知識16804の各インスタンスを（たとえば、知識プロバイダ装置16890を用いて）ホストできるようにするかも知れない。いくつかの実施形態では、台帳管理システム16910は、複数の分散台帳16808をインスタンス化してもよく、分散台帳16808の1つ以上は、デジタル知識16804のカテゴリをホスト、共有、購入、販売、ライセンス、または他の方法で管理することを容易にするように構成される。デジタル知識のカテゴリーは、例えば、自動車および／または金融などの1つまたは複数の業界、または3D印刷の回路図などの1つまたは複数のタイプのデジタル知識に関連し得る。いくつかの実施形態では、元帳管理システム16910は、デジタル知識のインスタンス16808および／または知識流通システム16802によって関連データが記憶されている知識プロバイダ16806の一部またはすべての管理を容易にする分散元帳を維持し得る。

いくつかの実施形態では、分散型台帳16808は、任意の好適なタイプのブロックチェーンである。しかし、本開示の範囲から逸脱することなく、任意の他の好適なタイプの分散型台帳を使用することができる。分散型台帳は、公開または非公開であってよい。実施形態では、分散型台帳がプライベートである場合、台帳からの読み取りおよび／または知識プロバイダ16806のようなユーザによる検証特権（例えば、知識プロバイダデバイス16890を使用して）は、招待者、一つ以上のアカウント／パスワードを有するユーザ、または分散型台帳16808へのアクセスを制限する他の任意の適切な方法によって制限され得る。いくつかの実施形態では、分散型台帳16808は、分散型台帳の複数のノードが知識流通システム16802によって格納されるように、少なくとも部分的に集中化されてもよい。いくつかの実施形態では、分散型台帳は、知識流通システム16802を介したデジタル知識16804の管理の当事者に関連する予め選択されたまたは予め承認されたノード上に格納され得るので、分散型台帳は連合型分散台帳である。しかしながら、本明細書で説明する技術は、公開型分散台帳にも適用することができる。公開分散型台帳では、任意の適切に構成されたコンピューティングデバイス（パーソナルコンピュータ、ユーザデバイス、サーバ）またはデバイスのセット（たとえば、サーバファーム）が、ノード16916として機能し、ノードの所有者が知識流通システム16802が促進する取引に他の方法で参加するかどうかにかかわらず、分散型台帳16808-Lのローカルコピーを格納することができる。これらの実施形態では、そのようなノード16916は、新しいブロックを検証／拒否することを追加し、新しいブロックを分散台帳16808に保存して（検証された場合）分散台帳16808に関する取引履歴の完全コピー（またはほぼ完全コピー）を維持し、取引履歴を他の参加ノード16916に放送してもよい。

いくつかの実施形態では、元帳管理システム16910（および／または参加者ノードのコレクション16916）は、分散型元帳16808を利用して、デジタル知識16804の1つまたは複数のインスタンスの作業、所有、および／またはタイトルのチェーンの確立、デジタル知識16804の検証または1つまたは複数のソースの確立、ならびに複数の知識プロバイダ16806のコラボレーションの促進を行う不変ログを作成するよう構成される場合がある。いくつかの実施形態では、16810の検証を確立する台帳管理システム16804は、デジタル知識16804の1つまたは複数のインスタンスおよび／または知識流通システム16802に関連するサービスへのアクセスを提供する許可キーのセットを管理するために分散台帳を利用し得る。いくつかの実施形態では、分散型台帳16808は、1つまたは複数の暗号証明および／または技術によってなど、デジタル知識16804への証明可能なアクセス権を提供する。いくつかの実施形態では、分散型台帳16808は、1つまたは複数のゼロ知識証明技術によって、デジタル知識16804への証明可能なアクセスを提供することができる。いくつかの実施形態では、台帳管理システム16910は、デジタル知識16804の1つまたは複数のインスタンスに関して、2つまたは複数の知識プロバイダ16806間の協力および／またはコラボレーションを促進するために分散台帳を管理してもよい。

図169は、分散型台帳16808の例示的な実施形態を示し、分散型台帳16808は台帳ネットワーク16970上に分散される。帳票ネットワーク16970は、分散型帳票16808と、1つまたは複数の通信ネットワーク16814を介して通信するノードコンピューティングデバイス16916-1、1691602、1691603、16916-Nのセットとを含み得る。いくつかの実施形態では、通信ネットワーク16814は、インターネット、プライベートネットワーク、セルラーネットワーク、および／またはそのようなものを含み得る。実施形態では、ノード16916はすべて、分散型台帳16808のコピー（またはその一部）をホストすることができる。例えば、台帳ネットワーク16970は、知識流通システム16802と、台帳ネットワーク16970内の他のノード16916と通信する、第1のノード16916-1、第2のノード16916-2、第3のノード16916-3・・・およびN番目のノード16916-Nを含むことができる。いくつかの実施形態では、知識流通システム16802は、台帳管理システム16910を実行するように構成され、知識流通システム16802を介してデジタル知識16804の1つまたは複数のインスタンスの管理を容易にすることに関連して使用される分散台帳16808のローカルコピーを記憶および管理し得る。いくつかの実施形態では、知識流通システム16802（またはその上で実行される台帳管理システム16910）は、台帳ネットワーク16970のノードと考え、言及することもできる。いくつかの実施形態では、台帳管理システム16910は、秘密鍵および公開鍵のペアが、台帳ネットワーク16970のノード16916間で送信されるデータを暗号化するために用いられるように、知識プロバイダ16806の1つ以上および／またはデジタル知識16804（「知識受信者」とも呼ばれる）の1つ以上の知識受信者16818などのユーザ、および／または台帳ネットワーク16970のそれぞれのノード16916に、秘密鍵および公開鍵ペアを生成および割り当てすることもできる。

いくつかの実施形態では、台帳ネットワーク16970のノード16916の各々（知識流通システム16802以外）は、知識プロバイダ16806および／または知識受領者16818と関連付けられるコンピューティングデバイスまたは接続されたコンピューティングデバイスのセットであってもよい。いくつかの実施形態では、ノード16916は、知識の提供または受領に関与しない当事者（例えば、知識提供者16806および知識受領者16818のいずれとも関連しない当事者）のコンピューティングデバイスを含むことができる。いくつかの実施形態では、ノード16916の各々は、分散型台帳16808のそれぞれのローカルコピー16808-Lを格納し得る。いくつかの実施形態では、1つまたは複数のノードは、分散型台帳16808の部分コピーを記憶してもよい。いくつかの実施形態では、ノード16916、16916-1、16916-2、16916-3、16916-Nの各々は、それぞれのエージェント16920、16920-1、16920-2、16920-3、16920-Nを実行してもよい。エージェント16920は、エージェント16920を実行したノード16916に関連する分散型台帳16808のローカルコピー16808-Lの管理、分散型台帳16808に以前に格納されたブロックの検証の支援、分散型台帳16808に新しいブロックを格納する他のノード16916からの要求の検証支援、の1以上を行うように構成されても良い、エージェントが存在するノード16916に関連するユーザに代わって、デジタル知識またはその管理に関連する操作を実行する許可を要求すること、および／または、知識プロバイダ16806の1つ以上および／または知識受信者16818の1つ以上の間のコラボレーションを容易にすること（例えば、知識プロバイダデバイス（複数可）16890および／または知識レシピエントデバイス（複数可）16894をそれぞれ用いて）、例えば、デジタル知識16804の1つまたは複数のインスタンスの検証および／または転送を支援することによって、および／または1つまたは複数のスマートコントラクト16840の1つまたは複数のクラウスを実行することによって。ノードは、本開示の範囲から逸脱することなく、追加のまたは代替のタスクを実行し得ることが理解される。

いくつかの実施形態では、知識受信者16818は、1つまたは複数の知識受信者デバイス16894を介して、知識流通システム16802を介してデジタル知識16804の1つまたは複数のインスタンスを受信し得る。実施形態では、知識受信者デバイス16894は、コンピューティングデバイスなどの分散型台帳16808からデジタル知識16804を受信および／または使用するように構成された任意のデバイスであってよく、および／または3Dプリンタ、製造デバイスまたはシステムなどのデジタル知識16804を使用するデバイスであってもよい。いくつかのシナリオでは、知識受信者16818は、分散型台帳16808からデジタル知識16804の1つまたは複数のインスタンスをダウンロードし、デジタル知識の1つまたは複数のインスタンスを3Dプリンタ、工場機械、製造システム、またはデジタル知識16804の1つまたは複数のインスタンスを使用する他の適切なデバイスに送信するように構成されたサーバまたはコンピューティングデバイスなどの複数の知識受信者デバイス16894を採用し得る。たとえば、知識プロバイダ16806は、3Dプリント可能な飛行機部品のコンピュータ支援設計（CAD）ファイルのリンクを（たとえば、知識プロバイダデバイス16890を使用して）分散台帳16808にアップロードしてもよい。実施形態において、知識プロバイダ16806は、例えば、知識プロバイダデバイス16890を使用して、飛行機部品のCADファイルの使用のコストを含むデジタル知識（例えば、飛行機部品の設計ファイル）の使用を支配するスマートコントラクトを定義するか、または他の方法で提供することができる。知識受領者16818は、分散型台帳16808を介してCADファイルへのアクセスと引き換えに、知識提供者16806（例えば、知識提供者デバイス16890）へ（例えば、スマートコントラクトを介して）資金を（例えば、知識受領者デバイス16894を用いて）移転し得る。知識受信者デバイス16894は、次に、CADファイルをダウンロードし、これを使用して部品を3Dプリントすることができる。例えば、知識受信者デバイス16894は、3Dプリンタと通信するビジネスコンピュータであっても、スマート3Dプリンタそのものであってもよい。前者のシナリオでは、ビジネスコンピュータはCADファイルを3Dプリンタに転送することができる。CADファイルを受信すると、3Dプリンタは飛行機パーツを3Dプリントすることができる。いくつかの実施形態では、デジタル知識自体（例えば、CADファイル）は、スマートコントラクトに含まれてもよく、スマートコントラクトは、知識受領者16818がデジタル知識16804の解放条件を満たした（例えば、必要な量の通貨を預けた）ことを検証したときにデジタル知識を知識受領者デバイス16894に提供するようになっている。いくつかの実施形態では、知識のインスタンスが知識受信者16818によって使用されるたびに、スマートコントラクト、知識流通システム16802、エージェント16920、および／または知識受信者デバイス16894は、知識受信者がデジタル知識16804のインスタンスを使用したことを示すブロックで分散台帳16808を更新し得る。

いくつかの実施形態では、知識流通システム16802は、クラウドソーサー16836がデジタル知識16804のインスタンスの1つまたは複数の側面を（例えば、クラウドソーサーデバイス16892を使用して）検証することを可能にすることなどにより、1つまたは複数のクラウドソーサー16836によるデジタル知識16804の管理への参加を容易にするように構成される場合がある。実施形態では、クラウドソーサー16836は、クラウドソーシング許可を付与されてもよく、それによって、クラウドソーサー16836がデジタル知識を閲覧／検査し、検証票16926および／または意見を提供することができる。実施形態では、クラウドソーシング許可の非限定的な例は、デジタル知識16804のインスタンスをレビューすること、デジタル知識16804のインスタンスに署名すること、デジタル知識16804のインスタンスを検証すること、などの1以上を含むことができる。クラウドソーサー16836の例には、認証エンティティ、ドメインエキスパート、顧客、製造業者、卸売業者、およびデジタル知識のインスタンスを検証することができる他の任意の適切なパーティが含まれる。実施形態では、認証エンティティまたはドメイン専門家は、デジタル知識16804のインスタンスを、真正、正確、および／または信頼できるものとして、および／または真正、正確、および／または信頼できるソースから来たものとして認証し得る。実施形態では、顧客は、デジタル知識16804が正常に動作していることおよび／または期待される品質であることを示すなど、デジタル知識16804のインスタンスをレビューすることができる。実施形態では、製造業者および／または卸売業者は、デジタル知識の断片が知識受信者16818に（たとえば、知識受信者デバイス16894を介して）送信可能になる前に、デジタル知識の断片16804にシリアル番号を適用することなどによって、デジタル知識16804のインスタンスに署名することがある。クラウドソーサー16836によってなされた認証、レビュー、署名、および／または任意の他の検証指標は、認証、レビュー、署名、または他の検証指標を示す1つまたは複数の新しいブロック16922を分散台帳16808に追加することなどにより、分散台帳16808に記録されてもよい。いくつかの実施形態では、新しいブロック16922は、例えば、クラウドソーサーデバイス16892を使用して、1つまたは複数のクラウドソーサー16836によってなされた認証、レビュー、署名、および／または他の検証指標に関連するデータ（例えば、クラウドソースの識別子、タイムスタンプ、位置、および／またはその類）を含み得る。いくつかの例では、知識流通システム16802は、クラウドソーシングシステム（例えば、クラウドソーサーデバイス16892）とペアリングされ得る。具体的には、例では、クラウドソーシングシステム（例えば、クラウドソーサーデバイス16892）は、スマートコントラクト16840を介してデジタル知識16804の要素をクラウドソーシングすると、デジタル知識16804が分散台帳16808に具体化（例えば、記録）できるようにスマートコントラクト16840と通信して関与してもよい。知識流通システム16802は、スマートコントラクト16840およびクラウドソーサー16836がデジタル知識16804のインスタンスの1つまたは複数の側面を検証する（および／または貢献する）ことを可能にすることなどにより、デジタル知識16804の管理を容易にするためにスマートコントラクト16840を使用し得る。例えば、ソフトウェア開発者は、スマートコントラクト16840のモジュールまたは機能に対するクラウドソース要求を提供することができる。このクラウドソース要求は、製品のコード要素（例えば、作業コードの最初の供給者が収益のシェア（またはクレジット、またはトークンなど）を得ることができる）の要求として、オープンソースコードに埋め込むことができる。この例では、クラウドソーサー16836は、クラウドソーシングシステム（例えば、クラウドソーシングデバイス16892）を使用して、デジタル知識（例えば、オープンソースコード）を閲覧／検査することによってクラウドソース要求に応答してもよく、オープンソースコードの改善（例えば、ソフトウェアの精度および／または信頼性を改善）に関連し得るオープンソースコードへの検証、意見、修正、および／または貢献という形で協力を提供し得る。クラウドソーサー16836によって提供されるこれらの検証、意見、修正、および／または貢献の指標は、指標を示す1つまたは複数の新しいブロック16922を分散台帳16808に追加することによって、分散台帳16808に記録され得る。クラウドソーサー16836は、元のソフトウェア開発者がソフトウェア製品の収益（またはクレジット、またはトークンなど）をクラウドソーサーと共有できるように、オープンソースコードへの貢献の割合に基づいて（たとえば、スマートコントラクト16840を介して）補償される場合がある。貢献の割合は、書かれたコードの量、および／または、結果として得られるオープンソースコードの機能性に対する各クラウドソーサーの貢献の影響に基づくことができる。

いくつかの実施形態では、デジタル知識16804は、トークン化（例えば、少なくとも部分的に知識トークン17038に変換される／包まれる）されてもよい。実施形態では、デジタル知識16804をトークン化することは、デジタル知識を知識トークン17038に包むこと、および／またはデジタル知識16804に関連するアクセス、ライセンス、所有権、および／または他の適切な権利を、1つまたは複数の知識トークン17038によって管理されるアクセス、ライセンス、所有権および／または他の適切な権利が包むように含む場合がある。デジタル知識16804をトークン化することによって、デジタル知識16804は、分散型台帳16808およびスマートコントラクト16840に常駐し、それを介して配布され得る。いくつかの実施形態では、知識流通システム16802は、知識トークン17038に関連するパーミッションおよび／またはオペレーションを定義し得る。例えば、知識トークン17038は、知識流通システム16802によるトークン化の時点で設定された許可に基づいて、トークン化されたデジタル知識16804を閲覧、編集、コピー、購入、販売、および／またはライセンスすることを許可することができる。実施形態では、知識流通システム16802は、デジタル知識16804の本体またはインスタンスが交換され得るような、デジタル知識16804のマーケットプレイスまたは交換のオーケストレーションを提供し得、例えば、知識交換またはマーケットプレイスのホストによって、および／または知識プロバイダ16806（例えば、知識プロバイダ装置16890を用いて）もしくは知識受信者16818（例えば、知識受信装置16894を用いて）により構成されるスマートコントラクトにより任意で統治される知識トークン1708のセットを通して交換できる（限定しない）。例えば、取引所またはマーケットプレイスは、ノウハウ、専門知識、命令セット、企業秘密、洞察、または本明細書で説明または参照される知識の他の要素の特定のカテゴリのための交換をホストし得、ここで知識は、関心のある主題によって分類され、取引条件が事前に定義されるおよび／または構成可能（例えば、種々の取引モデルを可能にする構成可能スマートコントラクトと、ビッド／アスクモデル、オークションモデル、寄付モデル、逆オークションモデル、固定価格モデル、変動価格モデル、偶発価格モデルなどを含む）、知識交換のカテゴリに関するメタデータが収集および／または表現され、市場価格データ、知識領域に関する実質的コンテンツ、プロバイダーに関するコンテンツなどを含む関連コンテンツが提示される場所。このような交換は、知識トークン17038で表されるトークン化された知識のマネタイズを促進し得る。実施形態では、本明細書に記載されるような知識交換は、ドメイン固有交換、地理固有交換などの他の交換と統合されてもよく、知識交換は、他の交換の主題に関連する貴重なまたは敏感な知識の交換を容易にし得る。他の取引所は、証券取引所、商品取引所、デリバティブ取引所、先物取引所、広告取引所、エネルギー取引所、再生可能エネルギークレジット取引所、暗号通貨取引所、債券取引所、通貨取引所、貴金属取引所、石油取引所、商品のための取引所、サービスのための取引所、または他の多様なもののいずれかであってもよい。API、コネクタ、ポート、ブローカーなどのインターフェースによる統合や、抽出・変換・ロード（ETL）技術、スマートコントラクト、ラッパー、コンテナなどの機能による統合を含むことができる。

いくつかの実施形態では、知識流通システム16802は、分散型台帳16808に関連する1つまたは複数の通貨トークンを作成および発行するように構成される場合がある。通貨トークンは、暗号トークン、暗号通貨などのデジタルオブジェクトであってよく、分散型台帳16808のユーザに購入、採掘、割り当て、および／または配布することができる。いくつかの実施形態では、通貨トークンは、トークンの価値が不換紙幣にペッグされるように、不換紙幣（例えば、米ドル、英ポンド、ユーロなど）を表す場合がある。実施形態において、通貨トークンは、デジタル知識を取引するために使用され得る。例えば、実施形態では、スマートコントラクトは、デジタル知識16804を知識受信者デバイス16894に解放する前に、知識受信者16818が必要な量の資金を支払ったことを受信および検証するために使用され得る。加えてまたは代替的に、知識受信者16818は、知識のインスタンスのために取引するために従来の支払い方法（例えば、クレジットカード支払い）を使用することができる。いくつかの実施形態では、通貨トークンは、デジタル通貨として機能し得る。例えば、通貨トークンは、デジタル知識16804と引き換えに知識レシピエントから知識プロバイダに支払われ、および／またはデジタル知識16804の1つまたは複数の側面を検証するためにクラウドソース（例えば、認証者または専門家）に支払われることがある。いくつかの実施形態では、1人または複数のユーザは、分散型台帳16808の1つまたは複数の新しいブロック16922を発見する、または「マイニング」することの報酬として通貨トークンを授与され得る。いくつかの実施形態では、通貨トークンは、1つまたは複数の他の通貨（たとえば、不換紙幣）、証券、財産の所有権、知的財産の所有権、財産および／または知的財産のライセンス権などによって裏付けられたトークンなどの、資産担保トークンであってもよい。いくつかの実施形態では、知識流通システム16802は、ユーザのデジタルウォレットのコンテンツおよび／または残高を記録することなどにより、通貨トークンのうちの1つまたは複数のアクセス権および／または所有権を追跡するように構成され得る。いくつかの実施形態では、知識流通システム16802は、ユーザにウォレットパスコードを発行するように構成されてもよく、ウォレットパスコードは、ウォレットパスコードが発行されたユーザが所有する（または少なくとも一部が所有する）通貨トークンにアクセス、閲覧、転送、およびその他の方法で管理するのに必要である。

いくつかの実施形態では、知識流通システム16802は、スマートコントラクト16840を生成し、スマートコントラクト16840を分散型台帳16808に展開するように構成されたスマートコントラクトシステム16868を含むことができる。実施形態では、スマートコントラクト16840は、分散型台帳16808に格納され、デジタル知識16804および／または1つまたは複数の知識トークン17038の1つまたは複数のインスタンスに関連付けられた1つまたは複数の権利を管理するように構成されたソフトウェアの一部を指す場合がある。実施形態において、スマートコントラクトは、契約における条件の交渉および／または履行を支援するコンピュータプロトコル（例えば、イーサリアムブロックチェーンなどのブロックチェーン上に分散される）であってもよい。スマートコントラクトは、銀行、政府、経営、サプライチェーン、自動車、不動産、ヘルスケア、保険などにおいて使用されてもよい。いくつかの実施形態では、スマートコントラクト16840は、仮想マシンまたはコンテナ（例えば、Dockerコンテナ）に含まれ、かつ／または実行され得る。いくつかの実施形態では、台帳ネットワーク16970のノード16916のうちの1つまたは複数が、スマートコントラクト16840のための実行環境を提供してもよい。実施形態において、スマートコントラクト16840は、デジタル知識16804のインスタンス、1つ以上のトリガーイベント、1つ以上のトリガーイベントの検出に応答して実行される1つ以上のスマートコントラクトアクションなどに関連する情報、データ、および／または論理を含むことができる。実施形態では、トリガーイベントは、知識プロバイダ16806、知識レシピエント16818、および／またはクラウドソーサー16836などの1人以上のユーザ、または1人以上の第三者によって実行可能なイベントによって満たされ得る条件を定義し得る。トリガーイベントの例としては、別の当事者による一方の当事者の支払い、1つまたは複数の当事者によってなされた販売、ライセンス、保険、または他の契約の1つまたは複数の条件の順守、または順守の欠如、価値、ユーザ評価、生産量、または他の任意の適切な特性などのデジタル知識16804の1つまたは複数のピースの特性の1つまたは複数の閾値または範囲の合致、時間の経過、または他の任意の適切なトリガーイベント、が挙げられる。加えてまたは代替的に、スマートコントラクト16840において定義されるトリガーイベントは、人間の行動または不作為とは無関係に満たされ得る条件を含み得る。例えば、トリガーイベントは、ある日付に達したとき、株価がある閾値に達したとき、特許権が切れたとき、著作権が切れたとき、自然現象（例えば、ハリケーン、竜巻、干ばつ等）が発生したとき等であってもよい。トリガーイベントは、異なるタイプのトリガーとして定義することができる。例えば、トリガー又はトリガーイベントは、スマートコントラクトが一組のデータ状態に応じてアクティブになるような状態（例えば、状態変化イベント）の変化を指す場合がある。他の例では、トリガーまたはトリガーイベントは、ユーザが受動的にイベントが発生するのを待つ必要があり、知識流通システム16802がこれらのイベントを監視する必要があるような発生するイベントを指す場合がある。

図170を参照すると、知識流通システム16802は、スマートコントラクト16840およびスマートコントラクトシステム1706の詳細を含む。実施形態では、スマートコントラクトアクション17086は、例えば、定義されたデータソースからのイベントを監視すること、スマートコントラクト16840に定義された1つまたは複数の条件17084に従って1つまたは複数のユーザーおよび／または第三者の義務の履行を検証すること、トークン、財産、他の物品、またはサービスの支払いおよび／または譲渡を検証することを含み得る、1つまたは複数のユーザーおよび／または第三者の間で、デジタル知識16804を当事者間または1つまたは複数のユーザーに転送すること、分散型台帳16808に1つまたは複数の取引を記録すること、分散型台帳16808に関して1つまたは複数の操作を行うこと、分散型台帳16808に1つまたは複数の新しいブロック16922を作成することなど、である。いくつかの実施形態では、スマートコントラクト16840は、1つまたは複数の条件17084が満たされるかどうかを決定するためにイベントを検出するために1つまたは複数のデータソース（例えば、データベース、データフィード、データレイク、パブリックデータソースなど）を監視するように構成されるイベントリスナー17080を含み得る。たとえば、イベントリスナー17080は、知識流通システム16802とプリンタとの間の接続を提供するアプリケーションプログラミングインターフェース（API）をリスニングしてもよく、知識流通セットによって支配される印刷命令セット（知識トークン17038におけるトークン化命令セットなど）が、命令セットを使用してアイテムを印刷する際にスマートコントラクトがユーザの支払義務をトリガするようにしてもよい。したがって、予め定義された条件17084のセットが満たされるとき、次に、スマートコントラクトアクション17086がトリガーされ得る。これは、支払いプロセスのトリガー（クレジットカードでの支払いの承認の開始など）、契約の終了（知識セットの前払いの使用回数に達したときなど）、価格の決定（市場または取引所における現在の価格データの参照の開始など）、結果の報告（ワークフローまたはイベントの報告など）などを含み得る。トリガーされることに応答して、スマートコントラクトは、スマートコントラクトアクション17086を自動的に実行し得る。いくつかの実施形態では、スマートコントラクトはイーサリアム（Ethereum）スマートコントラクトであり、イーサリアム（Ethereum）仕様書に従って定義されてもよく、これはhttps://github.com/ethereum、その内容は参照により組み込まれるものとする。他の実施形態では、スマートコントラクトシステム17068は、イベントリスナー17080を含むことができる。

いくつかの実施形態では、スマートコントラクト16840は、デジタル知識16804の1つまたは複数のインスタンスをスマートコントラクトラッパー（例えば、「スマートラッパー」）で「包む」ように構成され得る。ラップされると、デジタル知識のインスタンスは、スマートコントラクト16840の条項、条件、および／または操作に従ってのみ読み取り可能、編集可能、および／または譲渡可能であることなど、ラップされていないときとは異なる方法で取り扱われ、および／またはアクセスされ得る。スマートコントラクト16840は、知識受領者16818によってアクセスされるために、デジタル知識16804が最初に「アンラッピング」されなければならない（例えば、ラッピング前の形態に戻される）ように、デジタル知識16804をラッピングしてもよい。いくつかの実施形態では、包装前の形態は、トークン化された形態であってもよい。スマートコントラクト16840、分散型台帳16808、および／または知識流通システム16802は、1つまたは複数のトリガーイベントに応答して、デジタル知識16804の1つまたは複数のトークンおよび／またはインスタンスをアンラップし得る。いくつかの実施形態では、知識流通システム16802、または別の適切なシステムは、スマートコントラクト16840が生成され得る複数のスマートコントラクトテンプレートを記憶してもよい。いくつかの実施形態では、スマートコントラクトシステム17068は、ユーザによって提供された情報、およびユーザによって定義された任意の条件17084および／またはアクション17086に基づいて、（複数のスマートコントラクトテンプレートから）少なくとも1つのスマートコントラクトテンプレートをパラメータ化し得るスマートコントラクト（SC）生成部17082を含んでもよい。例えば、スマートコントラクトテンプレートは、トークン化されるデジタル知識のタイプに対応してもよい。契約テンプレートは、デジタル知識のタイプに基づくパラメータを含んでもよい。これらのパラメータは、トークン化されたデジタル知識の使用に関する財務パラメータ（例えば、財務パラメータ）、知的財産のロイヤリティ率パラメータ（例えば、ロイヤリティパラメータ）、命令セットを使用できる回数パラメータ（例えば、使用パラメータ）、命令セットを使用して生成され得る出力量パラメータ（例えば、出力パラメータ）、スマートコントラクトの当事者パラメータおよびスマートコントラクトの指定受益者間の対価の配分（例えば、対価の配分パラメータ）、分散型台帳16808および／またはデジタル知識にアクセスする許可を有する可能性があるアイデンティティパラメータ（例えば、アイデンティティパラメータ）、および／または分散型台帳16808および／またはデジタル知識に対するアクセス条件パラメータ（例えば、アクセス条件パラメータ）。いくつかの実施形態では、スマートコントラクト16840は、スマートコントラクト16840において定義された命令の集約されたセットに基づいてラップトークンを管理するように構成され得る。

いくつかの実施形態では、分散型台帳16808は、ノウハウ、特許物質、商標、著作物（例えば、著作権）、および／または企業秘密などのデジタル知識のインスタンスに対応する1つまたは複数の知的財産権のライセンスを容易にするように構成されたスマートコントラクト16840を格納してもよい。実施形態では、知識流通システム16802は、知識プロバイダ16806のうちの1つ以上が、スマートコントラクト16840を介して（たとえば、1つ以上の知識プロバイダデバイス16890および／または1つ以上の知識受信者デバイス16894を用いて）知識受信者16818のうちの1つ以上とライセンス契約に関与することを可能にするように構成され得る。実施形態では、スマートコントラクト16840は、使用範囲、権利放棄、補償、使用制限、地理的制限、および／または同様のものを含む、知的財産のライセンス条件を分散型台帳16808のブロック16922の1つまたは複数に組み込むように構成され得る。実施形態では、1つまたは複数の知的財産のコピーおよび／または参照は、分散型台帳16808に格納されてもよく、1つまたは複数の知的財産へのアクセスは、スマートコントラクト16840の条項によって支配されてもよい。スマートコントラクト16840の実行時に、知識流通システム16802は、スマートコントラクト16840に定められた条件および／または操作に従って、知的財産へのアクセス権およびライセンス権を知識受領者16818（たとえば、知識受領者16818の知識受領デバイス16894）に自動的に転送してもよい。いくつかの実施形態では、知識流通システムは、アクセス権および／またはライセンス権を転送する前に、公開特許譲受人ログなどのリソースで譲受人権を検証するように構成され得る。実施形態において、スマートコントラクト16840は、スマートコントラクト16840によって定義される実行を促進するために、分散台帳16808に関して実行されるべき1つまたは複数のオペレーションを含むことができる。いくつかの実施形態では、スマートコントラクト16840は、知的財産へのアクセス、所有権、および／またはライセンス権の移転を伴う、1つまたは複数の知識プロバイダ16806と知識受領者16818との間の移転において（たとえば、知識プロバイダ装置16890および知識受領者装置16894を用いて）自動的にロイヤルティを割り当てるように構成される場合がある。例えば、デジタル知識の所有者が、デジタル知識の1つまたは複数の側面の第三者特許所有者（例えば、特定の製品設計の発明者）にライセンス料を支払う場合、スマートコントラクトは、デジタル知識16804の取引価格の設定割合または金額をライセンサーに割り当て、製造、販売、使用、および／またはその他の取引を行うライセンスがデジタル知識16804の受信者に移転されるようにしても良い。実施形態において、ロイヤリティを割り当てるための操作は、スマートコントラクト16840のうちの1つまたは複数の条件に従って実行されてよく、関連するスマートコントラクトアクション17086を有することができる。

いくつかの実施形態では、知識流通システム16802は、知的財産ライセンス条件を集約するように構成されてもよい。分散型台帳16808は、デジタル知識16804の1つまたは複数の側面が当事者の知的財産権（たとえば、知識提供者または任意の他の当事者の特許、著作権、商標、または企業秘密）に従って制限されているデジタル知識16804のインスタンスの集合体スタックを格納するように構成されていてもよい。実施形態では、台帳管理システム16910は、知的財産の1つまたは複数のインスタンスを集約スタックに追加することを容易にし、それによって、追加された知的財産のインスタンスを、その知的財産のインスタンスが追加された知的財産のスタックに関連付け得る。制御、編集、閲覧、所有権、および／またはライセンス権の移転などの操作は、1つまたは複数のスマートコントラクト16840の条件に従ってなど、知識流通システム16802によって知的財産のスタック全体に対して実行されてよい。知的財産のスタック全体へのアクセス、所有権、および／またはサブライセンス権は、知識プロバイダ16806のうちの1つ以上から、知識流通システム16802を介して（たとえば、知識プロバイダデバイス16890および知識受信者デバイス16894を用いて）知識受信者16818のうちの1つ以上へ移転されてもよい。いくつかの実施形態では、スマートコントラクトは、デジタル知識のインスタンスに関連する知的財産の集合体スタックに対する権利（たとえば、知的財産スタックに関連する使用、販売、販売の申し出、輸出、輸入、製品、またはプロセスの権利）または知的財産スタックをその全体としてデジタル知識受領者に譲渡するように構成され得る。後者のシナリオでは、スマートコントラクトは、デジタル知識受領者への知的財産スタックの譲渡を容易にする（例えば、1つまたは複数の法域の特許、商標、または著作権事務所に提出される譲渡フォームに入力し、譲渡文書を電子的にファイルする）ように構成され得る。いくつかの実施形態では、知的財産権の譲渡は、分散型台帳16808にも記録され得る。

いくつかの実施形態では、台帳管理システム16910は、スマートコントラクト16840および／またはその条件に対する1つまたは複数の当事者のコミットメントを処理または処理し得る1つまたは複数のオペレーションを定義し得る。一組の当事者（たとえば、知識提供者16806、知識受信者16818、クラウドソーサー16836および／または第三者）が、デジタル知識16804の移転を管理するスマートコントラクトの条件に対してコミットすると、知識流通システム16802（および／またはスマートコントラクト16840自体）は、スマートコントラクト16840の一つまたは複数の部分（たとえば条件）に対する当事者のコミットおよび／または当事者の識別子の処理を行うことがある。実施形態では、一組の当事者がスマートコントラクト16840にコミットすると、スマートコントラクト16840および／または知識流通システム16802は、当事者の1人または複数をスマートコントラクト16840に定義されたトリガーイベントの1つまたは複数に結び付け、1つまたは複数のデータソースを監視し始めて、トリガーイベントを定義した任意の条件1708が満たされたかどうかを決定し、および／またはスマートコントラクトに定義された操作／アクション（たとえば、トリガーイベントの発生に応答して）を自動的に実行してもよい。たとえば、知識プロバイダ16806は、デジタル知識16804のインスタンスをアップロードすることに関連して、スマートコントラクト16840を（たとえば、知識プロバイダデバイス16890を使用して）分散台帳16808にアップロードし、および／またはスマートコントラクトテンプレートを使用してスマートコントラクト16840をカスタマイズし得る。実施形態では、知識プロバイダ16806、知識レシピエント16818、または何らかの他の当事者は、知識プロバイダ16806と知識レシピエント16818との間で合意が形成されたときに、（たとえば、知識流通システム16802、分散台帳16808、および／またはスマートコントラクト16840を介して）その合意の条件を示すことがある。いくつかの実施形態では、スマートコントラクト16840は、知識レシピエント16818の識別および／または取引に先立って、知識プロバイダ16806および／または第三者によって提供される1つまたは複数の権利、条件、および／または義務を含むことができる。知識受信者16818は、デジタル知識16804を受信することに同意すると（たとえば、知識受信者デバイス16894を使用して）、スマートコントラクト16840を介して定義された権利、条件、および／または義務によって拘束されることに同意し得る。知識受信者16818は、デジタル知識16804について取引（例えば、購入、ライセンス供与、またはその他の方法で知識プロバイダ16806と取引を行う）する意思があるユーザであってよい。スマートコントラクト16840は、知識流通システム16802および／または分散台帳16808を介して指示を受け取ることに応答して、知識提供者16806、知識受領者16818、および／または他の合意当事者に、スマートコントラクト16840の条件17084を約束または他の方法で拘束（またはコミットを処理）してもよい。

いくつかの実施形態では、知識流通システム16802は、アカウント管理システムを含むことができる。実施形態において、アカウント管理システム16846は、知識流通システム16802、知識流通システム16802、および／または分散台帳16808のユーザに関連するユーザアカウントの作成および／または保存を容易にすることができる。たとえば、アカウント管理システム16846は、知識提供者16806、知識受領者16818、クラウドソーサー16836、および／または知識流通システム16802、知識流通システム16802、および／または分散台帳16808と関連し得る他の第三者のうちの1つまたは複数の登録を促進するように構成される場合がある。いくつかの実施形態では、アカウント管理システム16846は、台帳管理システム16910とともに、名前、住所、会社所属、金融口座情報（例えば、銀行口座番号および／またはルーティング番号）、デジタル識別子（例えば、IPアドレス、MACアドレスなど）、および登録ユーザに関連する任意の他の適切な情報など、分散台帳16808の登録ユーザからのデータの取り込みを促進するように構成され得る。

アカウント管理システム16846は、登録されたユーザーのユーザアカウントを、登録されたユーザーに取り込まれたデータおよび関連するデータで更新してもよい。いくつかの実施形態では、アカウント管理システムは、1つまたは複数の許可キー16932の1つまたは複数の登録ユーザへの生成および／または配布を促進してもよい。許可キー16932、16932-1、16932-2、16932-3、16932-Nは、デジタル知識16804の1つまたは複数のインスタンスおよび／または知識流通システム16802に関連するサービスへのアクセスを登録ユーザに提供してもよい。

いくつかの実施形態では、知識流通システム16802は、ユーザインターフェースを提示するように構成されたユーザインターフェースシステム16850を含み得る。ユーザインターフェースは、デジタル知識16804のアップロード、スマートコントラクト16840の生成および／またはアップロード、ならびにデジタル知識16804および／またはスマートコントラクト16840（およびそのステータス）の閲覧を容易にするように構成されていてもよい。ユーザインターフェースは、グラフィカルユーザインターフェースであってもよい。ユーザーインターフェースを介して知識流通システム16802のユーザーに提示される情報は、デジタル知識16804の1つまたは複数のインスタンスの説明、デジタル知識16804の1つまたは複数のインスタンスに関連する所有権および／またはライセンス情報、ユーザーインターフェースを見るユーザーおよび／または知識流通システム16802の他のユーザーに関する情報、デジタル知識16804の1つまたは複数のインスタンスに関する価格情報、ノード数、追加のノードの生成に対する支払いなど分散台帳16808および／またはそのコンテンツに関する統計および／または指標、ならびに任意の他の適切な情報を含むことができる。いくつかの実施形態では、ユーザーは、1つまたは複数のタイプの通貨トークンの残高など、ユーザインターフェースを介して自分のデジタルウォレットの内容を見ることができる。

いくつかの実施形態では、ユーザインターフェースは、1人または複数のユーザが、デジタル知識16804および／または分散型台帳16808に関連する操作、たとえば、デジタル知識16804の購入、売却、検証、および／またはレビュー、ならびに本明細書で論じる分散型台帳16808に関する他の操作を実行できるよう構成され得る。たとえば、知識プロバイダ16806は、ユーザインターフェースを介して（たとえば、知識プロバイダデバイス16890を使用して）分散型台帳16808にアップロードするコンピュータファイル（3Dプリンタ概略図ファイルなど）を選択してもよい。ユーザーインターフェースは、デジタル知識16804を包むおよび／またはトークン化するためのスマートコントラクト16840および関連条件を構成する能力など、デジタル知識16804をアップロードすることに関連する1つまたは複数のオプションを知識プロバイダ16806に提示してもよい。他のオプションは、デジタル知識16804を閲覧、購入、販売、ライセンス、評価、検証、レビュー、またはその他の方法で管理または対話することができるおよび／またはできない1人または複数のユーザーまたはユーザーのクラスに関連するオプションなど、プライバシーオプションを含み得る。

いくつかの実施形態では、ユーザインターフェースシステム16850は、デジタルマーケットプレイス16856を確立し維持するように構成されたマーケットプレイスシステム16854を含み得る。実施形態では、デジタルマーケットプレイス16856は、知識プロバイダおよび潜在的な受信者がデジタル知識16804の移転に関連する商取引に従事することを可能にする環境を提供する。例えば、デジタルマーケットプレイスは、1人以上のユーザおよび／または第三者が、デジタルストアフロントに類似したデジタル知識16804の1つまたは複数のピースを検索すること、デジタル知識16804の1つまたは複数のピースのために取引（例えば、デジタル知識を購入、販売、ライセンス、リース、入札、および／または譲る）、デジタル知識16804の推奨を受ける、デジタル知識16804の1つまたは複数の断片をレビューする、デジタル知識16804の1つまたは複数の断片に関連するソース情報および／または他の情報を検証する、デジタル知識16804の1つまたは複数の断片のために取引（例えば、デジタル知識の1つまたは複数のピースの購入、ライセンス、入札など）、および／またはデジタル知識16804、知識プロバイダ16806の1つまたは複数、分散台帳16808、知識受信者16818の1つまたは複数、クラウドソーサー16836、または任意の他のユーザもしくは第三者との任意の他の適切な市場相互作用を実施する。いくつかの実施形態では、デジタルマーケットプレイス16856は、ユーザが自分自身に関連するユーザアカウントを編集し、他のユーザに関連するユーザアカウントを閲覧することを可能にするように構成され得る。いくつかの実施形態では、デジタルマーケットプレイス16856のユーザインターフェースは、ユーザが他のユーザのレビューおよび／または評価を行うことを可能にする場合がある。

実施形態では、知識流通システム16802は、1つまたは複数のデータストア16858を含み得る。図171は、知識流通システム16802のデータストア16858のセットの例を示す。いくつかの実施形態では、知識流通システム16802は、デジタル知識16804、分散型台帳16808、知識プロバイダ16806、知識受信者16818、クラウドソーサー16836、知識トークン1708、スマートコントラクト16840、アカウント管理システム16846、市場システム16854、または任意の他の適切なタイプのデータに関するデータを格納するように構成された1つまたは複数のデータストア16858を含んでもよい。データストアは、フォルダ、ファイル、文書、データベース、データレイク、構造化データ、非構造化データ、または任意の他の適切なデータを格納し得る。

いくつかの実施形態では、データストア16858は、データを格納するように構成された知識データストア17160を含むことができる。知識データストア17160は、ユーザインターフェースシステム16850と通信していてもよい。ユーザインターフェースシステム16850は、知識データストア17160に格納されたデータでユーザインターフェースを入力するように構成されていてもよい。いくつかの実施形態では、知識データストア17160に格納されるデータは、ソース、レビュー、価格、所有権、ライセンス、関連知識プロバイダ16806、関連知識受信者16818、シリアル番号、関連クラウドソーサー16836、または任意の他の適切な情報などのデジタル知識16804に関連する知識を含むことがある。たとえば、知識データストア17160は、出所、作成日、1つまたは複数の貢献した個人、グループ、および／または企業の名前、価格、関連する回路図の市場動向、シリアル番号および／または部品識別子、および3Dプリンタ回路図に関連する他の任意の適切なタイプのデータなど、3Dプリンタ回路図に関連する情報を含み得る。

いくつかの実施形態では、データストア16858は、クライアントデータストア17162（たとえば、ユーザデータストアを含んでよい）を含んでよく、クライアントデータストア17162は、知識流通システム16802のユーザに関連するデータを格納するように構成される。クライアントデータストア17162は、アカウント管理システム16846と通信してよく、1つまたは複数のユーザアカウントに関連するユーザアカウント、1つまたは複数のユーザアカウントに含まれるデータ、1つまたは複数のユーザアカウントに関連するデータ、および／またはそれらの組み合わせで入力され得る。

いくつかの実施形態では、図170および図171に示すように、データストア16858は、スマートコントラクトデータストア17164を含み得る。 実施形態では、スマートコントラクトデータストア17064は、スマートコントラクト16840および／またはスマートコントラクトテンプレート（ここからスマートコントラクト16840がパラメータ化およびインスタンス化され得る）の1以上に関連するデータを記憶するように構成される。実施形態において、スマートコントラクトデータストア17064は、台帳管理システム16910と通信していてもよい。スマートコントラクトデータストアに格納されるデータは、例えば、スマートコントラクトテンプレート、1つまたは複数のスマートコントラクト16840、スマートコントラクト16840の1つまたは複数に関連するデジタル知識16804のインスタンスに関連するデータ、スマートコントラクト16840の1つまたは複数の当事者に関するデータ、および他の任意の適切なデータを含み得る。スマートコントラクトデータストア17064は、既に実行された完了したスマートコントラクトを格納するように構成され得る。スマートコントラクトデータストア17064は、分散型台帳16808にまだアップロードされていないスマートコントラクトを記憶するように構成されてもよい。

図168を参照すると、いくつかの実施形態では、知識流通システム16802は、知識トークン17038などのデジタル知識16804の1つまたは複数のトークン化されたインスタンスを分析し、分析結果を報告するように構成された分析システム16866を含むことができる。分析システムは、デジタル知識16804のトークン化されたインスタンスの1つまたは複数のプロパティおよび／またはメトリックを決定するために、デジタル知識16804のトークン化されたインスタンスを分析してもよい。トークン化されたデジタル知識16804の特性は、たとえば、ソース、レビュー、価格、所有権、ライセンス、関連知識プロバイダ16806、関連知識受信者16818、シリアル番号、関連クラウドソーサー16836、または他の任意の適切な情報を含み得る。分析システム16866は、プロパティに関連する1つまたは複数の傾向、メトリクス、および／または予測を決定するように構成され得る。いくつかの実施形態では、分析システム16866は、1つまたは複数の機械学習技法を介してデジタル知識16804に関連するプロパティの予測および／または分析を実行するように構成された機械学習モジュールを含むことができる。

いくつかの実施形態では、トークン化された知的財産のプロパティは、分析システム16866によって分析され得る。例えば、分析システム16866は、知的財産を含むトークン化されたデジタル知識16804を分析するように構成される場合がある。トークン化された知的財産の分析された特性は、たとえば、知的財産の所有権および／またはライセンス権の変更および／または譲渡を含む取引履歴、知的財産に関わる訴訟および訴訟に関連するデータを含む訴訟履歴、知的財産に関わる知的財産の1以上のデータベースから引き出した情報、トークン化された知的財産または他のトークンもしくはデジタル知識16804の適切なインスタンスの他の任意の適した特性、などを含み得る。トークン化された知的財産に関連するメトリックは、たとえば、価値、年齢、強度、効力、またはトークン化された知的財産もしくは任意の他の知識トークン17038もしくはデジタル知識16804の適切なインスタンスに関連する任意の他の適切なメトリックを含み得る。

いくつかの実施形態では、知識流通システム16802は、デジタル知識16804の1つまたは複数のインスタンスに含まれる操作および／または命令のセットを集約する集約操作を実行するように構成される場合がある。集約は、デジタル知識16804のコンポーネントインスタンスが集約されて、デジタル知識のより大きなインスタンスを形成する場合に採用され得る。実施形態では、集約は、チェーンに追加の（オプションでトークン化された）ブロックとしてコンポーネントインスタンスを追加することによって、またはコンポーネント知識ブロックに参照またはリンクを追加することによってなど、コンポーネントインスタンスがより大きなインスタンスを形成するために連結される場合に生じる。連結集計の例としては、章インスタンスが連結されて本インスタンスを形成する場合、文インスタンスが連結されて段落を形成する場合、単語インスタンスが連結されて文インスタンスを形成する場合、などがある。実施形態では、集約は、機械の物理的な構成部品を表す知識が機械を形成するためにリンクされる場合、プロセスの構成ステップが完全なプロセスを形成するためにリンクされる場合など、構成要素インスタンスがシステムを形成するために概略的にリンクされる場合に生じる。実施形態では、知識の集約は、インスタンスが図式的にリンクされてワークフローを生成する場合、成分およびプロセスステップがリンクされてレシピまたは処方プロセスを生成する場合、ワークフローのステップおよび材料がリンクされて作業プロセス（専門知識またはノウハウを含むものなど）を記述する場合などに、フロー内の要素をリンクすることを含む。実施形態において、知識の集約は、式の2つ以上の下位部分が結合されて完全な式（例えば、化学式、医薬式、生物式、材料科学式、物理式、または他の式）を形成する場合、命令セット（例えば、コンピュータコード）の2つ以上の下位部分が結合されて命令セット全体を形成するなど、部分インスタンスの結合を伴って全体インスタンスを形成する。実施形態では、集約は、知識のインスタンスがトピック的にリンクされて、知識ドメイン（科学ドメイン、人文科学ドメイン、社会科学ドメイン、商業ドメイン、ビジネスドメイン、または他の多くのドメインなど）における関連する主題のクラスタなどを形成するような、クラスタで知識の関連インスタンスのリンクを含む場合がある。実施形態では、集約は、組織階層（組織図または報告構造など）、業界階層、トピック階層、物理階層など、1つまたは複数の定義された階層に従って知識を表すことなどにより、知識の階層的集約を含むことがある。集計の他の多くの例が想定され得る。台帳管理システム16910は、集計操作を実行するように構成されてもよい。集約操作は、既存の命令セットに少なくとも1つの命令を追加し、それによって、修正された命令セットをもたらす。修正された命令セットは、その後、分散型台帳16808に格納されてもよく、デジタル知識16804の任意のインスタンスと同様に、トークン化、操作、および／または管理され得る。いくつかの実施形態では、集約操作は、スマートコントラクト16840の1つまたは複数の条件に従って、および／またはスマートコントラクト16840の1つまたは複数のトリガーイベントのトリガーに反応して、スマートコントラクト16840によって実行され得る。いくつかの実施形態では、集約操作は、知識流通システム16802のユーザの要求で実行されてもよい。

いくつかの実施形態では、台帳ネットワーク16970は、知識流通システム16802の台帳管理システム16910が合意メカニズムを単純化するためのアービターとして機能し得るような、フェデレートネットワークである。ノード16916のいくつかまたはすべては、デジタル知識16804の1つまたは複数のインスタンスなどの分散型台帳16808のブロックおよび／またはそこに含まれるデータの管理に関してノード16916として機能するように事前選択または事前承認される場合がある。台帳管理システム16910は、台帳ネットワーク16970内の他のノード16916の計算負担を軽減することができる。いくつかの実施形態では、分散型台帳16808は、参加ノード16916が分散型台帳16808のそれぞれのローカルコピー16808-Lをそれぞれ格納し得るように、分散されており、それぞれのローカルコピー16808-Lは分散型台帳16808全体またはその一部を含み得る。

図示された例では、知識流通システム16802は分散型台帳16808のコピーを格納し、分散型台帳16808のコピーは知識流通システム16802にローカルであり、各ノード16916は分散型台帳16808の分散ローカルコピー16808-Lを格納する。しかし、いくつかの実施形態では、知識流通システム16802は、分散型台帳16808が参加者ノード16916によって完全に維持されるように、分散型台帳16808のローカルコピーを記憶しない。分散型台帳16808の分散型コピー（例えば、コピー16808-L）は、分散型台帳16808の全体または分散型台帳16808の一部のみを含むことができる。一般に、分散型台帳16808の各コピーは、ブロック16922のセットを格納する。いくつかの実施形態では、それぞれのそれぞれのブロックは、それぞれの状態変化イベントに関連する情報をハッシュ値として記憶してもよく、それぞれのブロックの前に分散台帳16808に追加された「親」ブロックのブロック識別子をさらに記憶してもよい。いくつかの実施形態では、台帳管理システム16910は、親ブロックとして機能するために、台帳に最も最近追加されたブロックを選択してもよく、それによって、台帳管理システム16910は、最も最近追加されたブロックのブロック識別子を状態変化イベントレコードに含める。

状態変化イベントは、デジタル知識16804および／またはデジタル知識16804の1つまたは複数のインスタンスの管理に関連する状態の任意の変化を指すことがある。状態変更イベントの非網羅的な例は、デジタル知識16804の新しいインスタンスを作成すること、新しい知識プロバイダ16806（および／または新しい知識プロバイダデバイス16890を登録する）または新しい知識受信者16818（および／または新しい知識受信者デバイス16894を登録する）などの知識流通システム16802の新しいユーザを登録すること、を含み得る、新しいユーザに特定の操作を実行する許可を与えること、ユーザの要求に応じてデジタル知識16804の1つまたは複数のインスタンスの認証および／または検証を変更すること、デジタル知識16804の1つまたは複数のインスタンスを1つまたは複数の知識受信者16816に送信する（例えば、知識受信者デバイス16894）、知識受信者によるデジタル知識16804のインスタンスの使用の記録、などである。いくつかの実施形態では、台帳管理システム16910は、発生した状態変化イベントごとに、状態変化イベント、例えば実行された操作を示す状態変化イベント記録を作成してもよい。状態変化イベントレコードはさらに、状態変化イベントに関連する1つまたは複数のそれぞれのユーザの1つまたは複数のユーザ識別子、状態変化イベントに対応するタイムスタンプ、操作を要求または実行したデバイスのデバイス識別子、操作を要求または実行したデバイスに対応するIPアドレス、および／または任意の他の関連データなど、イベントに関連する情報／メタデータであり得る。いくつかの実施形態では、台帳管理システム16910は、状態変化イベントレコードに、台帳16808に以前に格納された以前のブロックのブロック識別子を含めることができ、状態変化イベントレコードが以前に格納されたブロックを参照するように、以前のブロックが状態変化イベントレコードに基づいて生成される新しいブロックの「親」となり得るが、以前の格納ブロックが新しいブロックを参照しないことになるように、そのようにする。いくつかの実施形態では、ブロック識別子は、以前に生成されたブロックのハッシュ値であってよい。

いくつかの実施形態では、台帳管理システム16910および／またはノード16916の1つ以上は、知識流通システム16802を介してデジタル知識16804の管理に関して発生する各イベントについて状態変化イベント記録を生成するように構成される場合がある。実施形態では、台帳管理システム16910および／またはノード16916の1つ以上は、状態変化イベントレコードをハッシュ関数に入力して暗号化ハッシュを得ることによって状態変化イベントレコードの暗号化ハッシュ（または「ハッシュ値」）を生成することによって状態変化イベントレコードに対応する新規ブロック16922を生成してもよい。その結果得られるハッシュ値は、状態変化イベントレコードの内容を表す一意の値（または衝突の可能性が極めて低い実質的に一意の値）であり、そのようなハッシュ値は、新しいブロックを識別し、親ブロックのブロック識別子を含むその内容も暗号化する一意の識別子となる。したがって、新しいブロックが「解決」されるとき（この文脈でのブロックの解決は、ハッシュ値に符号化された状態変化イベント記録の元の内容を決定するプロセスを指す場合がある）、新しいブロックの解決は、親ブロックのブロック識別子を含む、状態変化イベント記録の内容を示す。このように、先行する状態変化イベント記録のハッシュ値は、検証の方法によって現在の状態変化イベント記録の真正性を確認するために使用され得る。上記の説明では、1つの状態変化イベントレコードのみを格納するブロックについて説明したが、いくつかの実施形態では、台帳管理システム16910および／またはノード16916の1つまたは複数が、単一のブロックに2つまたは複数の状態変化イベントレコードを符号化してもよい。台帳管理システム16910および／またはノード16916の1つ以上は、2つ以上の状態変化イベントレコードを新しいブロックデータ構造のボディに含めてもよく、前のブロックのブロック識別子を新しいブロックデータ構造のブロックヘッダに含めてもよい。台帳管理システム16910および／またはノード16916の1つ以上は、その後、新しいブロックデータ構造をハッシュ関数に入力し、新しいブロック16922を出力してもよい。これらの実施形態では、新しいブロック16922は、2つ以上の状態変化イベントレコードと、前のブロック（すなわち、新しいブロックの親ブロック）のブロック識別子とを表す暗号化ハッシュであってもよい。このように、新しいブロックが解決されるとき、ブロックの解決策は、2つ以上の状態変化イベントレコードと親ブロックのブロック識別子であり、親ブロックのブロック識別子は、新しいブロックの真正性と正確性を検証するために使用することができる。

実施形態では、台帳管理システム16910および／またはノード16916の1つまたは複数が、ブロック16922の検証を要求することができる。いくつかの実施形態では、ブロック16922の検証は、ブロック16922（「検証されるブロック16922」と呼ばれる）を検証する要求16924を、帳票ネットワーク16970内の他のノード16916（帳票管理システム16910が要求16924を発行していない場合は帳票管理システム16910を含む場合がある）にブロードキャストすることを含むことがある。いくつかの実施形態では、要求16924は、検証されるべきブロック16922を含むか、またはそれと一緒にブロードキャストされることがある。検証は、要求16924を受信した他のノード16916のうちの1つ（または潜在的に台帳管理システム16910）が検証されるべきブロック16922を解決することをさらに含んでもよい。ノード16916は、ブロックに対する解が有効なブロック識別子-すなわち、分散型台帳16808に格納された他のブロック16922の1つを参照するブロック識別子-を含むとき、ブロック16922を解決したと判断し得る。ソルバーがブロック16922の解を決定すると、ソルバーは「仕事の証明」16928を他のノード16916にブロードキャストする。いくつかの実施形態では、仕事の証明16928は、前のブロック16922のブロック識別子であってもよい。いくつかの実施形態では、非解決ノード16916の各々（潜在的に台帳管理システム16910を含む）は、仕事の証明を受信してもよく、ノード16916に格納されている分散台帳16808のコピーに基づいて仕事の証明を検証することができる。これらの実施形態では、各ノード16916は、仕事の証明に含まれるブロック識別子が、分散型台帳16808のローカルコピーに格納されているブロックのブロック識別子に対応するか（例えば、一致するか）どうかを決定してもよい。

いくつかの実施形態では、台帳管理システム16910は、台帳ネットワーク16970の他のノード16916と連携して、知識流通システム16802を使用して知識流通システム16802を介したデジタル知識16804の管理に関して行われた任意の操作の不変記録を維持する。これらの実施形態では、ユーザが知識流通システム16802上でホストされた知識流通システム16802を介したデジタル知識16804の管理に関して操作を行うたびに、台帳管理システム16910は：操作に対応する新しいイベント状態レコードを生成し；新しいイベント状態レコードを新しいブロックデータ構造に、前のブロック（例えば、最も最近追加したブロック）のブロック識別子を新しいブロックデータ構造のブロックヘッダにエンコードし；新しいブロックデータ構造をハッシュ関数でハッシュして新しいブロックを取得し得る。さらに、いくつかの実施形態では、台帳管理システム16910は、新しいブロック16922を検証する要求169240を、ネットワーク16814内の他のノード16912に送信してもよい。いくつかの実施形態では、ノード16916のうちの1つは、新しいブロック16922に対する解を決定することを試みてもよい。有効な解が決定された場合、ソルバーノード16916は、作業証明16928を台帳ネットワーク16970内の他のノード16916に送信してもよく、他のノード16916は作業証明16928を検証することを試みてもよい。

いくつかの実施形態では、台帳管理システム16910は、分散台帳16808を利用して、知識提供者16806（および／または1つ以上の知識提供者デバイス16890）および／または知識受信者16818（および／または1つ以上の知識受信者デバイス16894）の1つ以上など、知識流通システム16802の異なるユーザのパーミッションを管理する。いくつかの実施形態では、許可は、デジタル知識16804のインスタンスまたはデジタル知識16804のインスタンスのセットに関して付与され得る。たとえば、許可は、デジタル知識16804のインスタンスまたはデジタル知識16804のインスタンスのセットをアップロードするユーザの許可、デジタル知識16804のインスタンスまたはデジタル知識16804のインスタンスのセットを表示するユーザの許可、デジタル知識16804のインスタンスまたはデジタル知識16804のインスタンスのセットを編集するユーザの許可、などを含む場合がある、デジタル知識16804のインスタンスまたはデジタル知識16804のインスタンスのセットを削除するためのユーザの許可、デジタル知識16804のインスタンスまたはデジタル知識16804のインスタンスのセットをダウンロードするためのユーザの許可、印刷するためのユーザの許可（例えば、デジタル知識16804のインスタンスまたはデジタル知識16804のインスタンスのセットを印刷（例えば、紙に印刷（print-to-paper）または3Dプリント）するためのユーザの許可、などである。許可は、追加的または代替的に、知識流通システム16802によって提供されるサービス16930に関連し得る。たとえば、許可は、知識流通システム16802上の全文検索機能にアクセスするユーザの許可、知識流通システム16802が提供するウイルススキャナを使用するユーザの許可、知識流通システム16802にデジタル知識16804またはデジタル知識16804のインスタンスのセットの機械生成インスタンスを生成させるユーザの許可、などを含むことがある。また、許可は、1人または複数の他のユーザに付与された操作を実行する許可を含むことができる。許可は、デフォルトで1人または複数のユーザに適用されてもよく、許可キー16932の1つまたは複数を保持するユーザなどの1人または複数のクラスのユーザに適用されてもよく、知識プロバイダ16806、知識受信者16818、および／またはクラウドソーサー16836などのユーザの1人または複数のカテゴリに自動的に適用されてもよく、および／または知識流通システムの管理者および／またはマネージャによって1人または複数のユーザに手動で付与されてもよい。

いくつかの実施形態では、台帳管理システム16910は、それぞれのサービス16930のための1つまたは複数の固有のサービス固有許可キー16932を生成し、それぞれのサービス16930へのアクセスを付与されたそれぞれの参加者にそれぞれの固有のサービス固有許可キー16932を発行することによって、それぞれのサービス16930への個々の参加者のアクセス権を管理し得る。これらの実施形態のいくつかでは、台帳管理システム16910は、分散台帳16808を利用して、サービス固有許可キー16932の証明を保存し、サービス16930への許可を管理することができる。これらの実施形態では、台帳管理システム16910は、以下のようにしてもよい：特定のサービスにアクセスする許可をユーザに与える指示を受信する；特定のサービスに対応するサービス固有許可キー16932を生成し、キー16932をユーザに割り当てる；ユーザのユーザIDおよびサービス固有許可キー16932を状態変化イベントレコードにエンコードする；状態変化イベント記録および以前に格納されたブロックのブロック識別子に基づいて新しいブロックを生成し、新しいブロックを分散型台帳16808のそのローカルコピーに格納し、新しいブロックをネットワーク内の他のノード16916に放送し、ノードに格納された分散型台帳16808のそれぞれのコピーに格納する。いくつかの実施形態では、台帳管理システム16910は、他のノード16916での保存のためにブロックを保存および送信する前に、新しいブロックを検証することができる。台帳管理システム16910は、さらに、ユーザに関連するコンピューティングデバイス（参加ノードであってもなくてもよい）に新しいブロックを送信してもよく、それによってコンピューティングデバイス上のエージェント16920は新しいブロックを保存してもよい。このようにして、エージェント16920は、ユーザがコンピューティングデバイスから特定のサービス16930にアクセスしようとするとき、特定のサービスへのアクセスを得るために新しいブロックを使用し得る。ユーザが特定のサービス16930にアクセスしようとするとき、エージェントは、特定のサービス16930に対応する許可キー16932を含むブロックを台帳管理システム16910に伝達してもよい。台帳管理システム16910は、上述の方法で、受信したブロックを解決し、および／または受信したブロックを検証してもよい。台帳管理システム16910が受信したブロックを検証することができる場合、台帳管理システム16910は、ユーザのコンピューティングデバイスにサービス16930へのアクセスを付与し、それにより、ユーザはサービス16930の使用を開始できる。いくつかの実施形態では、組織構造に格納されるデジタル知識16804のインスタンスまたはデジタル知識16804のインスタンスのセットに対する許可およびアクセスは、同様の方法で管理されてよく、ユーザは許可キー16932を付与され、これらの許可キー16932は、許可キー16932が関連付けられるデジタル知識16804のインスタンスまたはデジタル知識16804のインスタンスのセットに対してユーザが実行できる特定の操作と対応している。

いくつかの実施形態では、台帳管理システム16910および／または必要な処理リソースを有する1つまたは複数のコンピューティングノードコンピューティングデバイス16916は、分散台帳16808に基づいてトランザクションの不変ログを生成してもよい。これらの実施形態では、台帳管理システム16910および／またはノード16916（解決ノード16916と総称される）は、分散台帳16808の最新のブロック16922の解決を開始してもよい。ブロックが解決されるたびに、解決ノード16916は、作業証明16928を他のノード16916に送信してもよく、その後、解決ノードの正確さを検証してもよい。解決ノード16916は、分散型台帳16808全体が解決されるまで、この方法で分散型台帳16808の各ブロック16922を繰り返し解決してもよく、それによって、知識流通システム16802を介したデジタル知識16804の管理の操作ログをもたらす。操作ログは、知識流通システム16802を使用して実行されたアクションまたはオペレーションを定義することができる。分散台帳16808のブロック16922を上記のような作法で作成、検証、解決することで、分散台帳16808は透明で安全な方法で生成される。結果として得られる運用ログは、解決されるまで暗号化された方法で保存され、解決されると、運用ログは監査可能かつ不変である。運用ログは、ユーザが知識流通システム16802を介して分散台帳16808および／またはデジタル知識16804の管理へのアクセスを許可された都度、各ユーザが与えられた権限、各ユーザが開始した操作実行またはサービス利用16930の要求、実行した操作、操作を実行したユーザ、等を示すことができる。

いくつかの実施形態では、解決ノード16916は、異なるブロック16922を分散して解決することによって、台帳16808の解決を最適化し得る。例えば、分散型台帳16808が1つ以上のフォークを含む場合（例えば、複数の子ブロックが同じ親ブロック16922を指す場合）、分散型台帳16808は、親ブロック16922でフォークすると言われても良い。この例では、フォークを起点とする各チェーンは、最終ブロック16922（または葉ブロック16922）を有することがある。このシナリオでは、異なる解決ノード16916が、幅優先または深さ優先の方法で、異なるリーフブロック16922で台帳16808を解決し始めることがあり、それによって台帳16808が解決される速度を増加させることができる。

いくつかの実施形態では、台帳管理システム16910は、例えばスマートコントラクトを使用して知識流通システム16802を介したデジタル知識16804の管理の実行を支援することによって、知識提供者16806の1つ以上、知識受信者16818の1つ以上、またはそれらの組み合わせの間のコラボレーションを促進するように構成され得る。これらの実施形態において、台帳管理システム16910は、デジタル知識16804の管理のそれぞれのタイプを促進するように定義された知識流通システム16802を介したデジタル知識16804の管理を提供し得る。たとえば、販売、ライセンス、またはレンタル契約および／またはスマートコントラクトに従って、知識プロバイダ16806（たとえば、知識プロバイダデバイス16890）に送信される資金と引き換えに、デジタル知識の1つまたは複数のインスタンスを知識受信者16818に（たとえば、知識受信者デバイス16894を用いて）転送するために、台帳管理システム16910はデジタル知識16804の販売、ライセンスまたはレンタルで次のステップが実行できる前に完了しなければならないさまざまなタスクを定義する。この例では、知識流通システム16802は、知識レシピエント16818から知識プロバイダ16806への資金の転送に先立って、デジタル知識16804のインスタンスまたはそのリンクおよび／もしくは参照が分散台帳16808にアップロードされなければならないと要求してもよい。別の条件として、文書に署名する適切な許可を有する1人以上の当事者が、デジタル知識16804の1つ以上のインスタンスの転送に関与する前に、文書を電子的に実行しなければならないことが考えられる。知識流通システム16802、台帳管理システム16910、および／または分散台帳16808は、知識流通システム16802を介して実行されるデジタル知識16804の管理のタイプに基づいて事前に構成されてもよく、および／または知識流通システム16802を介してデジタル知識16804の管理に関連する1つまたは複数の当事者によってカスタマイズされることができる。いくつかの実施形態では、知識流通システム16802を介したデジタル知識16804の各操作および／または管理は、スマートコントラクトにおいて符号化されてよく、それにより、スマートコントラクトは、1つまたは複数の必要条件が満たされたとスマートコントラクトが決定するとき、ワークフローのフェーズを管理することができる。いくつかの実施形態では、スマートコントラクトのコピーは、1つまたは複数のそれぞれのノード16916のエージェント16920によって記憶され、実行される。エージェント16920は、スマートコントラクトにおいて定義される操作の実行（分散型台帳16808を使用して操作を実行する許可を検証することを含む）、操作の実行の報告および記録（例えば、台帳管理システム16910からのブロックの生成またはブロックの生成の要求によって）、および／またはスマートコントラクトにおいて定義される1以上の条件が満たされることを確認することを容易にし得る。1つまたは複数の必要な条件に関してコンセンサスが達成されると、知識流通システム16802を介したデジタル知識16804の管理は、ワークフローにおける次のフェーズに進行し得る。このように、台帳ネットワーク16970（例えば、台帳管理システム16910および参加ノード16916）は、クロージング前およびクロージング作業を検証することによって、知識流通システム16802を介したデジタル知識16804の管理に関連するワークフローの実行を支援し、および／またはスマートコントラクトの方法で知識流通システム16802を介してデジタル知識16804の管理のための枠組みを提供することによって、知識流通システム16802を介してデジタル知識16804を管理するにあたって当事者間の協力を促進しうる。

図172は、知識流通システム16802を介して知識トークン17038および関連スマートコントラクト16840をデプロイする方法17200を示す。

17210において、知識流通システム16802は、ユーザからなどのデジタル知識16804のインスタンスを受信する。実施形態では、ユーザは、組織（例えば、デジタル知識を所有する組織）または無所属の個人（例えば、自分自身でまたは他の無所属の個人と共同でデジタル知識を作成した人）に所属している場合がある。ユーザは、グラフィカルユーザインタフェースを介してデジタル知識16804のインスタンスを提供することができる。例えば、ユーザは、グラフィカルユーザインタフェースを介してデジタル知識をアップロードしてもよい。実施形態では、デジタル知識は、デバイスまたはデバイスのセットによって実行され得る命令セットであってよい。ユーザは、知識自体またはデジタル知識への参照（例えば、デジタル知識が電子的にアクセス／検索され得るアドレス）を提供することによって、デジタル知識をアップロードしてもよい。

実施形態において、ユーザは、デジタル知識の種類、デジタル知識の説明、デジタル知識にアクセスするために課金される価格などの追加情報を提供することができる。いくつかの実施形態では、ユーザは、知識受領者にライセンスされるか、または他の方法で伝達される特許権、商標権、著作権、ライセンスの長さ（例えば、各ライセンスの有効期限）、ライセンスの範囲（例えば、使用／販売／譲渡可能性の制限または地理的制限）、などのライセンスデータを提供しても良い。実施形態では、ユーザは、デジタル知識の証明書／検証などの検証情報を定義することができる。実施形態において、ユーザは、デジタル知識の配布に関する制限（例えば、生成され得る知識トークンの総数）を定義することもできる。

実施形態では、ユーザは、デジタル知識の取引を支配するスマートコントラクトを生成するために使用される条件および／またはアクションのセットを定義することができる。条件の例には、スマートコントラクトが有効である期間、デジタル知識のリリース前に検証されなければならない受信者デバイスの要件（例えば、3Dプリンタのタイプ、最小限の処理能力、特定のプロセスを実行するために必要な機械などのデバイス上の特定の仕様）、知識受信者の要件（例えば、知識受信者がデジタル知識を受け取る資格があることを確認するために提供しなければならない特定のタイプのデータの定義）、または任意の他の適切な条件が含まれ得る。いくつかの実施形態では、ユーザは、特定の条件がトリガされたことに応答して実行され得るアクションのセットを定義することができる。スマートコントラクトによって実行されるアクションのいくつかは、分散型台帳にトランザクションの記録を書き込む、またはデジタル知識をリリースするなどのデフォルト条件であってもよい。いくつかの実施形態では、ユーザは、第三者の権利者への資金の割り当ての定義、デジタル知識によって生産される製品のシリアル番号の生成、デジタル知識によって生産される製品へのデジタル署名、知識受信者へのAPIの公開、などのカスタムアクションを定義してもよい。

17212で、知識流通システムは、デジタル知識16804をトークン化し、それによって知識トークン17038を作成する。実施形態において、台帳管理システムは、知識トークンを得るためにデジタル知識の周りにスマートコントラクトをラップすることによってデジタル知識をトークン化してもよい。いくつかの実施形態では、台帳管理システムは、スマートコントラクトデータストアからスマートコントラクトテンプレートを取得してもよく、スマートコントラクトテンプレートがトークン化されるデジタル知識のタイプに対応するようにする。これらの実施形態のいくつかにおいて、台帳管理システムは、ユーザによって提供された情報、およびユーザによって定義された任意の条件および／またはアクションに基づいて、スマートコントラクトテンプレートをパラメータ化してもよい。例えば、スマートコントラクトは、デジタル知識（又はその参照）のインスタンス、付与される任意のライセンス、支払われる価格、満たされるべき任意の条件、及び実行されるべき任意のアクションについてパラメータ化されてもよい。いくつかの実施形態では、台帳管理システムは、スマートコントラクトにおいて定義された機能のいずれかをサポートするために必要とされる、スマートコントラクトの任意のライブラリを含むことができる。いくつかの実施形態では、台帳管理システムは、スマートコントラクトが1つまたは複数のデータソースを監視することを可能にする1つまたは複数のイベントリスナーを構成することができる。これらの実施形態では、台帳管理システムは、監視されるデータソース（複数可）を定義してもよく、それによって、イベントリスナーは、データソース（複数可）からデータを取得および／または処理し、それは、次に、特定の条件または条件のセットが満たされるかどうかを決定するために使用される。トークン化の追加の例は、https://github.com/ethereum、アクセスすることができるイーサリアム（Ethereum）仕様に見出すことができる。実施形態において、知識流通システムは、設定された数の知識トークンを生成することができ、それにより、各知識トークンは、デジタル知識のインスタンスのための異なるトランザクションを促進するために使用されることができる。

17214で、知識流通システムは、知識トークン（複数可）17038を格納する。実施形態では、台帳管理システムは、知識トークン（複数可）を分散台帳16808に展開することによって知識トークン（複数可）を格納してもよい。実施形態において、台帳管理システムは、知識トークン（複数可）の所有権を知識プロバイダに最初に割り当ててもよい。実施形態において、知識流通システムは、デジタル知識のインスタンスに関連する情報を知識データストアに保存することもでき、これは、潜在的な知識受信者がデジタル知識に関連する情報を見ることができるマーケットプレイスサイトに入力するために使用することができる。

図173は、デジタル知識を配布するスマートコントラクトの高レベルプロセスフローを実行する方法17300を示す図である。実施形態において、スマートコントラクトは、分散型台帳に格納され、分散型台帳をホストする1つまたは複数のノードによって実行される知識トークンであってよい。これらの実施形態のいくつかにおいて、スマートコントラクトは、仮想マシン上またはコンテナ内で実行されてもよい。

17310で、スマートコントラクトは、スマートコントラクトで定義された1つ以上の条件を監視する。いくつかの実施形態では、イベントリスナーは、スマートコントラクト16840で定義された1つまたは複数のデータソースから（受動的または能動的に）データを取得する。イベントリスナーが1つまたは複数のデータソースからデータを取得すると、スマートコントラクトは、特定の条件が満たされているかどうかを判断し、満たされている場合、満たされた条件によってトリガされるアクションを実行してもよい。

17312で、スマートコントラクトは、デジタル知識の取引の条件を検証し、17314で、スマートコントラクトは、デジタル知識16804の転送を開始する。実施形態において、スマートコントラクトは、必要な量の資金がスマートコントラクトに入金されたかどうかを決定するイベントリスナーを含むことができる。当事者が必要な量の資金（例えば、予め定義された量の暗号通貨または不換紙幣）を預けると、スマートコントラクトは、知識受領者（例えば、必要な量の資金を預けた当事者）へのデジタル知識の転送を開始することができる。実施形態では、これは、トークンの所有権が知識受領者に変わったことを示すブロックで分散型台帳を更新すること、および必要な鍵を知識受領者に提供することを含み得る。知識トークンの所有権が変更されると、知識受領者は、そこに含まれるデジタル知識にアクセスすることができる（そして、特定のタイプのデバイスを使用するなど、スマートコントラクトで定義された制限に従うことができる）。

議論されたように、本明細書に記載された技術は、異なるタイプの命令セットの取引を促進するために適用され得る。いくつかの実施形態では、知識流通システムは、特定の製品（例えば、交換部品、医療機器、カスタム製品、製造部品など）を3Dプリントするための命令セットを分配するために使用されてもよい。動作において、知識流通システム16802は、グラフィカルユーザインタフェースをユーザに提示してもよく、それにより、ユーザは、デジタル知識のインスタンスを提供してもよく、また、ユーザプロバイダ（例えば、知識プロバイダ）は、3Dアイテムを印刷するための命令セットを知識流通システム16802にアップロードしてもよい。実施形態では、3D印刷命令セットは、ファイル（例えば、CADファイルおよび／またはSTLファイル）と、そのファイルで定義された製品を印刷するための任意の付随する命令とを含むことができる。いくつかの実施形態では、ユーザは、3D印刷命令セットを含む知識トークンを購入するために支払わなければならない通貨（不換紙幣および／または暗号通貨）の量を定義する取引価格も定義することができる。さらに、ユーザーは、製品の説明と、印刷のためのあらゆる要件（例えば、製品を3D印刷するために必要な必要な材料および／またはデバイスの種類または最小仕様）を提供することができる。また、ユーザーは、印刷された製品の写真、製品に関して行われた証明書などの追加情報を提供することもできる。

実施形態において、ユーザは、3D印刷命令セットの取引とともに、デジタル知識（知的財産スタックとも呼ばれる）を有する知識受領者にライセンス供与される、または他の方法で伝達される、任意の知的財産権を定義することができる。いくつかの実施形態では、ユーザは、ロイヤルティが1つまたは複数のライセンサーの間でどのように分割されるかを定義する配分スケジュールを定義することができる。例えば、デジタル知識のインスタンスから印刷される製品が、1つ以上の特許、デザイン特許、著作権、および／または商標の下でライセンスされている場合、各印刷製品の取引価格の一部が、ロイヤルティ支払いとしてライセンサーに割り当てられることがある。この例では、ユーザは、ロイヤリティを徴収するライセンサを特定し、それぞれのそれぞれのライセンサに行くロイヤリティの割合または金額を割り当てることができる。実施形態において、ユーザは、デジタル知識に対する任意の地理的な制限を定義することができる。例えば、ユーザは、デジタル知識を配布することができる、または配布することができない国、地域、管轄区域、または他の地理的地域を定義することができる。実施形態では、ユーザは、3Dプリンタの要件（例えば、製品をプリントできる3Dプリンタのタイプ、メーカー、モデルのセット、製品をプリントできる3Dプリンタのシリアル番号、3D製品のプリントに使用しなければならない材料タイプなど）、アイテムを3Dプリントできる期間、デジタルトークンを下流の受信者に転送できるかどうかなど、他のタイプの許可または制限をさらに定義できる。実施形態では、ユーザは、製品にシリアル番号を割り当てること（これは、オブジェクトに印刷されてもしなくてもよい）等、オブジェクトを3D印刷することに関連して実行されるアクションを定義することができる。実施形態では、ユーザーは、3Dプリントされた製品に関連する保証、免責、補償、および/またはそのようなものをさらに定義することができる。

実施形態では、スマートコントラクトシステム17068は、デジタル知識（またはその参照）を含む知識トークン17038を生成してもよい。いくつかの実施形態では、スマートコントラクトシステム17068は、デジタル知識（例えば、3D印刷命令セットまたは命令セットへの参照）をスマートコントラクトラッパーで包むことによってデジタル知識をトークン化してもよい。いくつかの実施形態では、スマートコントラクトシステム17068は、スマートコントラクトテンプレートを取得してもよく、価格、ライセンス料の割り当て、地理的制限、他の制限、カスタムアクション（例えば、シリアル番号の割り当て）、トークンの有効期限が切れた場合／時、3Dプリンタの要件など、ユーザによって入力された情報の一部を使用してスマートコントラクトをパラメータ化してもよい。いくつかの実施形態では、3Dプリンタ命令セットに対して生成される各知識トークンは、異なるシリアル番号を割り当てることができ、各3Dプリントされた製品がそのシリアル番号によって識別され、それがプリントされたトークンと関連付けられることができるようにする。このようにして、製品は、検証され、分散型台帳の特定のレコードに結び付けられる可能性がある。実施形態では、スマートコントラクトシステム17068は、生成された知識トークンを台帳管理システム16910に出力してもよい。

実施形態では、台帳管理システム16910は、分散型台帳上に知識トークンをアップロードしてもよい。いくつかの実施形態では、台帳管理システム16910は、知識トークンを含むブロックを生成してもよく、ブロックを分散型台帳16808にブロードキャストしてもよく、それによって、知識受信者は、次に、知識トークンの1つ以上について取引してもよい（たとえば、3D印刷命令セットを使用して1つまたは複数のそれぞれの製品を印刷するために）。いくつかの実施形態では、受信者ノードの1つまたは複数が、デジタルトークンを包むスマートコントラクトを実行することができ、それによって、スマートコントラクトは、1つまたは複数のトリガー条件（例えば、知識トークンの取引価格に等しい量の通貨を受け取る）をリスンする。加えてまたは代替的に、台帳管理システム16910は、スマートコントラクトを（例えば、コンテナで）実行してもよく、知識トークンのトランザクションを分散台帳に記録してもよい。

実施形態では、知識流通システム16802は、デジタル知識マーケットプレイスを提供または接続することができ、それによって、潜在的な受信者は、それぞれの3Dプリント命令セットに対応する知識トークンを購入することができる。たとえば、マーケットプレイスは、飛行機の部品、車の部品、機械の部品、他のタイプの交換部品、玩具、医療機器、および／またはそのようなものなど、3Dプリントすることができる品目を表示することができる。潜在的な受取人は、特定の3D印刷命令セットについて取引を行うことができる。実施形態において、潜在的な受取人は、アイテムのうちの1つを選択することができる。これに応答して、知識流通システムは、各トークンの価格、知識トークンに関連する制限（例えば、任意のデバイス要件、地理的制限、使用制限、および／または同類）、保証、免責、補償、証明、および／または同類を潜在的受信者に提示し得る。潜在的な受信者は、その後、取引の条件を受け入れることを選択することができる（例えば、トークンを購入することに同意する）。潜在的な受信者は、その後、定義された量の通貨を取引にコミットすることができる。これに応答して、スマートコントラクトは、取引を完了し、及び／又はデジタル知識を解放する前に、追加の条件（定義されている場合）を聞くことができる。例えば、スマートコントラクトは、プリンター要件が満たされていることを確認するよう潜在的な受信者に要求することができ、または要件を確認するために3Dプリンターに接続することができる。取引を完了するために必要なすべての条件が満たされた場合、スマートコントラクトは、通貨を知識提供者（および他のライセンサー）に提供してもよく、デジタル知識を3Dプリンタ（または他のデバイス）に解放する、取引を検証する分散台帳へのブロックを放送する、および／またはシリアル番号を分散台帳に記録するなど、任意の他のアクションを実行することができる。3Dプリンタは、3D印刷命令を受信してもよく、3D印刷命令セットに従って製品を印刷してもよい。

実施形態では、知識流通システム16802は、クラウドコンピューティングインフラ、プラットフォーム・アズ・ア・サービスインフラ、IoTプラットフォーム機能、分散データベース機能、データ管理プラットフォームインフラ、企業データベースリソース（クラウドおよび構内リソースを含む）等のインフラ能力のセット上に展開されるか、それと統合されるか、またはその中にあることがある。実施形態では、知識流通システム16802は、ID管理サービス、情報管理サービス、デジタル権利管理サービス、情報権利管理サービス、暗号化サービス、鍵管理サービス、分散データベースサービス、および他の多くのサービスなどの様々なサービスを使用するか、またはそれらと統合し得る。

図174を参照すると、実施形態では、知識流通システム16802は、ユーザ間のコラボレーションを促進するための1つまたは複数のコラボレーションAPI17474を提供してもよい。コラボレーションAPIは、ユーザが、コラボレーション用のデータリソースの共有セットを確立するための情報を提供および共有できるように構成されてもよく、例えば、基礎となる事実に関する共有「グランドトゥルース」を提供し、基礎となる事実に関する代替ビューのセットを確立する（例えば、以下のように、例えば、基礎となる事実に関する代替的な見解のセット（例えば、基礎となる事実に関して不一致がある場合や、共有理解を確立するために必要な情報がない場合を特定するため）、コラボレーションが望まれるシナリオのセットの管理を容易にするため、コラボレーターにとって関心のあるトピックに関するシミュレーションのセット、共有および非共有の知識要素への制御されたアクセスの促進、および／またはユーザーがエンタープライズファイアウォールの外で情報を提供、検証、共有することを可能にするため、である。コラボレーションAPI17474は、デジタル知識16804、デジタル知識16804に関連する情報、分散型台帳16808を介して、1つまたは複数のスマートコントラクト16840を介して、マーケットプレイスシステム17454を介して行われたトランザクションに関連する情報などを、ユーザおよび／または当事者が提供、受信、共有および／または検証できるよう、構成されてもよい。APIは、非公開、公開、またはそれらの組み合わせで情報の共有を可能にするように構成され得る。APIを介して共有された情報、またはそれに関するイベントもしくはトランザクションは、分散型台帳16808に格納され、それによって分散型台帳のノード16916にわたって分散されてもよい。ユーザは、知識プロバイダ16806、知識受信者16818、クラウドソース16836、分散型台帳16808および／またはデジタルマーケットプレイス17456のユーザおよび／または当事者、などを含むことができる。

いくつかの実施形態では、コラボレーションAPI17474は、知識流通システム16802によって捕捉され得る運用知識および／または状況的知識を含み得る。コラボレーションAPI17474は、状況知識を処理し、状況知識および／または状況知識の解釈を台帳管理システム16910に送信するように構成される場合がある。台帳管理システム16910は、状況的知識および／または状況的知識の解釈を分散台帳16808上に格納するように構成されてもよい。状況的知識の一例は、デジタル知識16804のインスタンスに関連する、および／またはスマートコントラクト16840に関連する担保の一部の現在の状態、状態、および／または位置に関するデータである。状況的知識の別の例は、アイテム（例えば、デジタル知識16804のインスタンス）がある完成段階まで完成することによってトリガーされる取引、支払条件、および／または貸出の対象となる仕掛品の完成の状態である。

実施形態では、スマートコントラクトシステム16868は、スマートコントラクト16840を介した取引の管理を容易にするように構成された1つまたは複数の取引フレームワーク17476を含むことができる。トランザクションフレームワーク17476は、知識流通システム16802を介して取り扱われるトランザクションに関連するデータを自動的にインポート、エクスポート、ソート、構成、処理、または他の方法で処理することなどによって、トランザクションの管理を支援するように構成された1つまたは複数のデータ構造、ルーチン、サブルーチンなどを含むことができる。スマートコントラクトシステム17068は、課金、支払い、報告、監査、和解、および／またはこれらに関連する1つまたは複数のトランザクションフレームワーク17476を含むように構成され得る。

実施形態では、トランザクションフレームワーク17476の各々は、1つまたは複数の特定のタイプのトランザクションの管理を容易にするように構成され得る。トランザクションフレームワーク17476のうちの1つ以上が管理を容易にするように構成され得るトランザクションおよび関連データのタイプの例には、購入／販売、貸与／リース、レンタル、ライセンス、リソース／時間共有、サービス契約、保守／修理、保証、保証、保険、利益／収益共有、製造（任意に階層化）、再販／流通（任意に階層化）、需要集約、先市場／先物取引および条件／変動契約、とりわけ、この開示および参照により本書に組み込まれる文書に記載される多くのタイプのうちの任意のものを含む、他のタイプの契約がある。たとえば、階層化分配契約フレームワークにおいて、取引フレームワーク17476は、分散型台帳16808およびスマートコントラクト16840を使用して、支払い、手数料、およびコストのうちの1つまたは複数を粒状に割り当てるように構成され得る。別の例では、偶発契約フレームワークにおいて、トランザクションフレームワーク17476は、分散型台帳16808およびスマートコントラクト16840を使用して、オプション、先物、出現イベントなどのうちの1つまたは複数を管理するように構成されてもよい。スマートコントラクトフレームワーク17476の他の例には、手数料、インセンティブ支払い、マイルストーン（例えば、部分的な作業、サプライチェーンの途中での納品など）に対する支払い、およびエスクローを管理するよう構成されたものが含まれる。

実施形態では、トランザクションフレームワーク17476の1つ以上は、契約の1つ以上の当事者によるパフォーマンスに問題がある状況において、スマートコントラクト16840の管理を容易にするように構成される場合がある。パフォーマンスに関する問題は、例えば、契約違反、支払い不能、支払い遅延、パフォーマンス不良、品質不良の商品、サービスの不履行などを含み得る。トランザクションフレームワーク17476に符号化され得る問題に対する救済は、機能の引き上げ、ライセンスの喪失、パフォーマンスのランプダウン、金銭的罰則（例えば、トークンまたは通貨の喪失）などを含むことができる。

実施形態では、トランザクションフレームワーク17476は、分散型台帳16808およびスマートコントラクト16840を使用して、リスクおよび責任をきめ細かく配分することを容易にすることができる。知識流通システム16802は、IoTセンサなどの1つまたは複数のセンサからセンサデータをインポートするように構成されてもよい。センサデータは、単一のセンサデータ、複数のセンサデータ、融合センサデータ（例えば、多重化によって、計算によって、など、2つ以上のセンサからの結果が結合される）、生のセンサデータ、正規化センサデータ（品質スケール、状態スケール、など、スケールとの比較を可能にするためなど）、校正センサデータ（正確に他のセンサと比較できるような）、およびその他を含み得る。実施形態では、センサデータは、温度、それが配置されている環境の周囲温度、環境湿度、アイテムの動き（衝撃、振動、輸送などの結果）、熱への暴露、放射線への暴露など、ある時点または一定期間にわたる物理アイテムまたはその環境の状態または条件を示すことができる、化学物質（微粒子、毒素などを含む）への曝露、荷重の負担、重量の負担、応力への曝露、歪みへの曝露、衝撃への曝露、損傷（へこみ、変形、たわみ、切断、破損、亀裂、粉砕、破れ、その他多数など）、生物的要因（病原体を含む）への曝露、進行性損傷の程度（錆など）など、他の要因である。実施形態において、センサデータは、センサデータが流体レベル（例えば、オイルまたは他の潤滑油、燃料、不凍液、および他の流体であって、オイル交換などの必要な保守が適時に行われたかどうかを示す）、微粒子または他の物質（汚れ、垢、砂粒子、および他の多くのものなどであって、必要な洗浄が行われたかどうかを示し得る）のレベル、さびのレベル、および他の多くのものを示す場合など、アイテムに関係する活動またはワークフローの存在または不在を示し得る。様々な実施形態において、インポートされたセンサデータは、スマートコントラクトシステム17068が、性能、性能の欠如、利用、劣化、摩耗、損傷、保守活動、または階層型製造システムの個々の部分（個々の機械、設備項目、デバイス、構成部品などを含む）に起因し得る他の関連要因に関連するものを、取引フレームワーク17476を介して特定の関連当事者に割り当てることができる場合がある。多くの中の一例として、物品を所有する一連の関係者は、物品が保管された環境条件や、流体交換、洗浄などの必要な保守活動の有無など、その手入れに関する測定された活動に基づいて、その価値の減価、劣化、または他の減少に対する責任を割り当てることができる。例えば、スマートコントラクトによってアイテムの交換の責任を自動的に割り当てる際に、アイテムを指定された温度で原始的な状態で保管し、定義されたスケジュールに従って流体を交換した当事者には、適度な数のポイント（または他の指標）が割り当てられるかもしれないが、アイテムを屋外の悪い条件で保管した当事者には、はるかに高い数のポイントが割り当てられるかもしれない。同様に、行動または行動の欠如が損害の原因として直接測定できる当事者（例えば、当事者が所有している間に物品を落として凹ませた）は、損害に対する責任を自動的に割り当てられる場合がある。このように、センサー対応スマートコントラクトは、アイテムの所有権を共有または譲渡する当事者、アイテムの使用を共有する当事者などの間で、その生涯にわたって物理的アイテムに関わる条件および活動に対する責任を追跡し割り当てることができる。寿命にわたる共有された使用または所有は、コンポーネント部品が一連の当事者によって全体的なシステムに徐々に構成される場合など、階層化された製造の状況を含むことができる。このような状況では、スマートコントラクトは、製造を通じて収集されたセンサデータを使用して、品目のどの部分が故障したか、及び／又は品目が故障した理由（製造チェーンにおける問題など）に基づいて、品目の故障（例えば、製造欠陥）に対する責任を決定し得る。所有物の共有使用は、財産（部屋、オフィススペース、家、アパート、不動産、車両、電子デバイス、および他の多くのものを含む）の共有使用などの「共有経済」状況も含み得、スマートコントラクトは、共有アイテムの寿命にわたって収集したセンサデータに基づいて、損傷、メンテナンス（またはその欠如）、清掃、および他の要素に対する責任を割り当てることができる。実施形態では、スマートコントラクトフレームワーク17476は、上述のように経時的に収集されたセンサデータに関連する要因を含み得る、賠償条項および責任を割り当てる、より複雑な原因および／またはその制限（同じことに対する例外を含む）を含めることを提供することもできる。例えば、スマートコントラクトは、欠陥に対する製造者の責任をある期間（例えば、90日、1年など）に制限することができるが、スマートコントラクトは、隠れた欠陥（例えば、存在したが保証期間中に現れなかったもの）に対する例外を具現化することができる。センサデータは、基本保証期間中に欠陥が顕在化したか否かを示し、期間後に主張される保証請求が有効であるか否かを自動的に決定することができる。実施形態において、このようなスマートコントラクトは、一種の責任について一方の当事者が他方を補償した場合など、当事者間の最終的な責任の決定時に、通貨などの価値の移転をさらに割り当て、任意に実行することができる。実施形態において、スマートコントラクトは、1つまたは複数の当事者による別の当事者への補償を伴う契約の複数の当事者間で、正味責任の計算および割り当てを実行するように構成され得る。実施形態において、そのようなスマートコントラクトは、各当事者に割り当てられるべき責任の範囲を決定するために使用されるセンサデータを消費し得る（例えば、当事者の行動または不作為が、他者の補償に対するより大きな責任を誘発し得るアイテムの状態の感知された変化をもたらす可能性がある場合など）。実施形態では、このようなスマートコントラクトは、自動的にアカウントをクレジットまたはデビットし、価値の移転をトリガーすることなどがある。

実施形態では、トランザクションフレームワーク17476は、分散型台帳16808およびスマートコントラクト16840を使用して、支払い、手数料、コストなどを粒状に割り当てることを容易にすることができる。トランザクションフレームワーク17476は、流通契約、付加価値再販業者契約、製造業者契約、副販売業者契約、サブライセンス契約、支払い契約、サービス契約、保守契約、更新契約、アップグレード契約、レンタル契約、リソース共有契約、アイテム共有契約、保証契約、保険契約、貸付契約、補償契約、保証契約などのセットに対する1以上の当事者のスマートコントラクト16840への組み込みとスマートコントラクト16840による管理を促進することができる。

実施形態では、トランザクションフレームワーク17476は、分散型台帳16808およびスマートコントラクト16840を介した偶発的契約の管理および／または実行を容易にし得る。偶発的契約は、財、サービス、支払いなどの提供が、1つまたは複数のトリガーイベントが起こることを条件とする条項を含むことができる。例えば、スポーツイベントの入場券は、複数のスポーツチームのファンに販売されてもよく、チケット及び／又は関連取引の有効性は、ファンがファンであるチームがスポーツイベントに参加する資格があることを条件とする。実施形態において、トランザクションフレームワーク17476は、偶発的契約のトリガー条件の有無を示すデータを収集するウェブクローラ、スパイダー、クラスタリングシステム、センサデータ収集システム、サービス、APIなどの1つまたは複数のデータ収集設備を有してよい、例えば、イベントトリガー契約の例では、特定の出演者、選手、チーム（中略）がイベントに参加するイベントの存在を検索するシステムがあり、スマートコントラクトは、イベントの発生をトリガーとする権利の配分を自動的に処理することができる。例えば、スーパーボウル（または他の試合）に出席する権利が、特定のチームの試合における存在によってトリガされる場合（または出席権が、イベントの種類の所望のインスタンスの出現または実現によってトリガされる同様の例において）、スマートコントラクト取引フレームワーク17476は、自動的に（例えば、ニュースデータソース上で動作する検索エンジンまたは他の機能を通じて）トリガイベント（例えば、、例えば、所定のチームがカンファレンス選手権試合に勝利した結果、リーグ選手権の参加者になったこと、または他の同様の例、または特定のパフォーマーまたはグループがコンサートツアーまたは他のパフォーマンスのための日付および場所を発表したこと）。さらに、スマートコントラクトトランザクションフレームワーク17476は、トリガーイベントのインスタンスの自動決定時に、一連のアクションをトリガーすることができ、例えば、チケット権利をイベント時に権利が帰属する当事者に譲渡する、他の当事者に契約が終了したことを通知する（すなわち、、また、他のスマートコントラクト（例えば、旅行・交通サービスなどの関連商品・サービスの提供を割り当てるスマートコントラクト（例：チャンピオンシップゲームに出場できなかったチームに関する権利の保有者など））を起動させ、負けた当事者に見舞金を割り当てる、チケット所有者の位置と試合の場所に基づいて航空券を自動的に確保する、レンタカーを自動的に確保する、など）、ホスピタリティサービス（例えば、試合の都市に住んでいないファンのために試合の都市のホテル予約を自動的に確保する、食事の予約を自動的に確保する、など）などがある。

実施形態では、イベントのインスタンスの出現または実現に関連する偶発事象のトリガーの自動検出、およびトリガーに基づく権利（出席権、旅行権および接待権など）の自動割り当てを具現化するイベントのためのスマートコントラクトは、以下を含み、そこから入力を取り得る、人間の専門家によって訓練および／または監督されたロボットプロセス自動化を含む、本明細書または参照により本明細書に組み込まれる文書に記載される人工知能、機械学習、深層学習、および他の技術のいずれかを使用するような、インテリジェントエージェントのセットを使用し、それと接続し、それとリンクし、そして統合する。インテリジェントエージェントのセットは、例えば、（a）可能な事象のセット（例えば、どのチームが、リーグ、スポーツ、場所などのセットにわたって、どの場所で、どの時点のどのゲームに関与し得るか）を決定および管理するために訓練されるものを含み得、ゲーム結果および他の要因に基づいてリストを拡張または刈り込みを含む（例えば、以下のとおり、(b)現在および過去のデータ（例えば、2つの特定のチーム間で試合が行われる可能性、ある日付範囲内にある特定の場所（またはジオフェンス内）で演奏者がコンサートを行う可能性など）に基づいて、イベントのインスタンスの可能性の確率を予測すること；(c) 起動に関するパラメータの設定（例えば、以下のように、オークション、抽選、「ドロップ」等による）マーケットプレイスまたは他の会場の立ち上げに関するパラメータを設定し、それによって当事者が偶発的なイベントに関するスマートコントラクトを締結することができる；（d）契約のインスタンスに対する需要を予測する（例えば、例えば、ケンタッキー大学が出場する場合のニューオーリンズでのファイナル4のチケットの需要、または、ある年の第3四半期にパリで行われるエルトン・ジョンのチケットの需要；任意で、過去の出席者データ、二次市場のチケットデータ及び他のデータセットを操作する様々なクラスタリング及び類似性技術を使用する）、表明された需要（一部のユーザーがイベント又は同様のイベントのオプションを購入した場合など、需要集約契約で表明された需要を含む）、同様のアイテム又はサービスに関する偶発スマートコントラクトの履歴データ、需要の二次指標（検索エンジン指標、ソーシャルメディア指標など）など、多くの他者に基づく、所定のタイプの偶発イベントに基づいて（以下同じ；(e)イベントの初期価格を設定するために、予測需要および基礎となるイベントの過去の価格設定データに基づくことを含む（例えば、チケット価格、二次市場価格及び活動レベル、チケット完売に必要な時間等）及び他の偶発的なイベント契約に関する予測需要及び過去の価格設定データに基づいて、イベントの初期価格を設定する；（f）放出のトランシェ等、スマートコントラクトの割り当てを管理する；（g）当事者固有の要因及びユーザープロファイルを収集及び管理する、場所要因（例えば、居住地、職場）の理解等、（e．(h)当事者固有の要因およびユーザプロファイルと偶発的なイベントとのマッチングを管理する（例えば、お気に入りのチーム、お気に入りのレストラン、お気に入りの航空会社、お気に入りのホテルチェーン、お気に入りのタイプの食べ物など、ユーザのプロファイルに適合するスマートコントラクトの機会を発見し提示する）ことである；と、（i）偶発的イベントスマートコントラクトとペアになり得る他の商品及びサービスを具現化するスマートコントラクトの発見及び提示、並びにパラメータの設定を管理する（例えば、適切な航空便、列車予約、バスチケットなどを自動的に見つけてマッチングし、輸送業者とイベントチケット予定者の間で同じ偶発スマートコントラクトを構成する；適切なホテル予約を自動的に見つけてマッチングし、チケットホルダー候補とホテルプロバイダーとの間でスマートコントラクトのホテル予約を構成すること、または、レストラン予約、レンタカー、およびその他多くのものなど、他の旅行、宿泊、およびホスピタリティパッケージについてプロバイダーとチケットホルダー候補の間で同様の偶発的スマートコントラクトを作成することなど）；その他。したがって、AI対応インテリジェントエージェントのセットは、偶発的イベントスマートコントラクトのためのマーケットプレイスの作成、ホスティング、プロビジョニング、および解決を可能にするための様々な機能の自動化を提供し得る。

実施形態では、トランザクションフレームワーク17476は、分散型台帳16808およびスマートコントラクト16840を介して需要の集約を促進してもよい。トランザクションフレームワーク17476は、分析、コミットメント、オプション、または任意の他の適切なソースを通じて蓄積された1つまたは複数の製品および／またはサービスに対する需要を集約し得る。需要メトリックが需要閾値を満たすことなどによる需要の蓄積時に、スマートコントラクト16840は、関連する製品および／またはサービスの設計、製造、流通、および／またはそのようなものを開始するようにトリガーしてもよい。実施形態において、上述の様々なAI能力を使用するインテリジェントエージェントのセットは、需要集約を促進するように構成されてもよく、（a）検索エンジンの指標、チャット活動（例えば、関連フォーラムにおける）、イベント情報（例えば、関連業界イベントへの出席）、ソーシャルメディア情報（投稿数など）、製品販売、過去の販売時間（例えば、、製品の発売から売り切れまでの時間）、その他多数、（b）スマートコントラクトのセットを構成することによって、当事者が、所定の価格範囲内の所定の時間ウィンドウの間など、そのインスタンス化時にアイテムの購入を約束し、総集計需要を決定するなど、需要を集計する；(c）様々な生産量における品目の予測コストを示すモデル（任意に、それ自体がインテリジェントエージェントによって管理及び／又は作成される）に基づき、任意に、考えられる構成部品及びそのコスト、並びに組立、輸送、融資、保証等の他のコストの予測又はモデルに基づいて、需要集約型提供物のコストを予測することである；(d）予測された需要および過去の価格設定に基づくなど、様々な提供量における需要集約アイテムの価格を予測する；（e）予測された需要、コストおよび価格設定情報を使用するなど、様々な生産量および／または様々な時点における需要集約アイテムの提供に関連しそうな利益を予測する；などが挙げられる。このように、需要集約型市場は、インテリジェントエージェントのセットによって提供される自動化機能によって実現および／またはサポートされ得る。

実施形態では、スマートコントラクトシステム16868は、実装及び／又はシステム構築知識のパターンをトランザクションフレームワーク17476の1つ又は複数にインポートするように構成される場合がある。実装及び／又はシステム構築知識のパターンは、例えば、知識システム、ワークフロー、製品管理、サポートコール、人的交流、ソーシャルメディア、冗長システム、データストレージ、及び規模での実装パターンを含むことができる。スマートコントラクトシステム16868は、インポートされた実装及び／又はシステム構築知識のパターンを実装するようにスマートコントラクト16840を自動的に構成することができる。インポートされた実装パターンおよび／またはシステム構築知識は、データストア16858に格納されてもよい。

いくつかの実施形態では、知識流通システム16802は、台帳管理システム16910および／またはスマートコントラクトシステム17468と通信し、機械学習モデルに従ってAI関連タスクを実行するように構成された人工知能（AI）システム17480を含むことができる。AIシステム17480は、デジタル知識16804を管理するために、知識流通システム16802に関してアクションを実行するように構成されてもよい。AIシステム17480は、ユーザと同様に、知識流通システム16802のシステムを管理、使用、および対話するための許可およびアクセス権を有することができる。

実施形態では、AIシステム17480は、AIシステム17480がAI関連機能を実行するために動作する機械学習モデルを開発するために、1人または複数の取引の専門家によって訓練され得る。AIシステム17480を少なくとも部分的に訓練し得る取引専門家の例としては、代理人、ブローカー、トレーダー、弁護士、財務アドバイザー、監査人、会計士、銀行家、マーケター、広告主、交換業者、買い手、売り手、販売業者、および製造業者／開発業者が挙げられる。AIシステム17480は、任意の適切な機械学習アルゴリズムによって、および任意の適切な訓練データセットによって訓練され得る。機械学習アルゴリズムの例には、教師あり学習、教師なし学習、半教師あり学習、強化学習、自己学習、特徴学習、スパース辞書学習、異常検出、ロボット学習、および連想規則が含まれる。機械学習モデルは、人工ニューラルネットワーク、決定木、サポートベクターマシン、回帰分析モデル、ベイズネットワーク、または遺伝的アルゴリズムなどの任意の適切なタイプのモデルであり得る。

実施形態において、AIシステム17480は、スマートコントラクトの機会を特定するように訓練され得る。機会の例としては、交換機会および裁定機会が挙げられる。

実施形態では、AIシステム17480は、市場契約条件を構成するように訓練され得る。

実施形態において、AIシステム17480は、市場条件を監視するように訓練され得る。

実施形態では、AIシステム17480は、契約条件を監視および管理するように訓練され得る。契約条件を監視および管理することは、商品を監視することおよび／またはサービスを観察することを含み得る。

実施形態では、AIシステム17480は、トランザクションプロセスを監視および管理するように訓練されることがある。例えば、AIシステム17480は、エスクロー口座からの資金の解放を認識するように訓練されてもよい。

実施形態において、AIシステム17480は、カウンターパーティ情報を監視するように訓練され得る。カウンターパーティ情報の例としては、支払能力、およびパフォーマンスの状態、およびパフォーマンスの品質が挙げられる。

実施形態において、AIシステム17480は、取引機会を特定するように訓練され得る。取引機会の例には、交換機会および仲裁機会のインスタンスが含まれる。

実施形態では、AIシステム17480は、デジタル知識を含む取引の当事者に代わって交渉するように訓練され得る。

実施形態では、AIシステム17480は、オークションを設定および実行するように構成され得る。AIシステム17480は、取引に適したオークションのタイプの選択および／または分散型台帳16808上で少なくとも部分的に実施されるオークションのための設定ルールおよびパラメータなどのオークション関連アクションを実行してもよい。選択されるオークションは、オランダオークションまたはリバースオークションなど、分散型台帳16808上で少なくとも部分的に実施されるための任意の適切なタイプのオークションであってよい。

実施形態では、AIシステム17480は、通貨トークンおよび／またはトークン化デジタル知識16804を配布するように構成され得る。

実施形態では、AIシステム17480は、異なるマーケットプレイスおよび取引所にわたるデジタル知識16804の交換を構成および管理するように構成され得る。AIシステム17480は、取引所のネイティブ通貨間の交換レートを設定してもよく、および／またはデジタル知識16804をトークン化し、トークン化されたデジタル知識16804のインスタンス間で交換レートを設定してもよい。

実施形態では、AIシステム17480は、デジタル知識16804の管理に関連する支払い、リース、および／または貸出オプションを確立、監視、および／または交渉するように構成され得る。貸出オプションは、支払いプラン、トラストレスシナリオ、および／または非トラストレスシナリオを含むことができる。

実施形態では、知識流通システム16802は、AIシステム17480と通信し、AIシステム17480の1つまたは複数の機能を改善するように構成されたロボットプロセスオートメーション（RPA）システム17482を含み得る。RPAシステム17482は、AIシステム17480が、知識流通システム16802、分散型台帳16808、および知識流通システム16802の外部のシステム、マーケットプレイス、および／または取引所等の1つまたは複数のグラフィカルユーザインターフェースで動作を実行することによって知識流通システム16802のシステムのうち1つ以上とインターフェースできるようロボットプロセスオートメーションの技法を使用すると良い。

実施形態では、知識流通システム16802は、取引所またはマーケットプレイスとは別に、ユーザの権利を管理するように構成された権利管理システム17484を含み得る。

実施形態では、知識流通システム16802は、通貨トークンおよび／またはデジタル知識16804のインスタンスを販売および／または再販するための市場を確立するように構成された市場管理システム17486を含み得る。市場は、デジタル知識16804のラップされたおよび／またはトークン化されたインスタンスが、ラップを外されることなく再販売されるように構成されてもよい。市場は、スポット市場、流通市場、および／または先物／デリバティブ市場として確立および構成され得る。先物／デリバティブ市場で転売される先物およびデリバティブは、オプション、先物、および他のデリバティブを含み得る。知識流通システム16802は、デジタル通貨およびデジタル知識16804のインスタンスの再販市場に加えて、二次市場、補助市場、先物市場などを確立および／または監視してもよい。

実施形態では、市場管理システム17486は、市場管理システム17486によって確立された1つまたは複数の市場に参加しているユーザ、買い手、および／または売り手のメトリクスを監視するように構成される場合がある。メトリクスは、例えば、デジタル知識16804のインスタンスがどのように、どこで、またはどのくらいの頻度で使用されるかを示すメトリクスを含むことができる。メトリクスは、代替的または追加的に、デジタル知識16804の作成に関するメトリクス、所定のタイプのデジタル知識16804が関連性または価値を維持する期間、および／またはトランザクションパターンに関するメトリクスを含み得る。取引パターンの例には、取引のサイズ、取引価格およびその傾向、デジタル知識16804の買い手、売り手、消費者、ユーザ、および／または作成者のプロファイル情報、などが含まれる。マーケットシステムによって追加的または代替的に監視される別のメトリクスは、マーケットのユーザによるゲームおよび／または不正行為を示すメトリクスを含み得る。

実施形態では、デジタル知識16804は、以下のような命令セットを含み得る：食品製造のプロセスステップまたは食品調理の命令（例えば、．産業用食品調理のための）、付加製造／3D印刷命令、一般に外科用ロボットおよび人間／ロボットインターフェースのための命令セット、結晶製造システム命令、結晶製造プロセス命令、ポリマー製造プロセス命令、化学合成プロセス命令、コーティングプロセス命令、半導体製造プロセス命令、シリコンエッチング命令、ドーピング命令、化学蒸着命令、生物製造プロセス命令、スマートコントラクト命令、および／または作業、所有、タイトルなどのチェーンを確立、更新、および／または確認する命令など。

実施形態において、デジタル知識16804は、コード、ソフトウェア、および／またはロジック、たとえば、アルゴリズムロジック、アプリケーションで使用するための命令セット、実行可能なアルゴリズムロジック、コンピュータプログラム、ファームウェアプログラム、フィールドプログラマブルゲートアレイ用の命令セット、複合プログラマブル論理デバイス用の命令セット、サーバレスコードロジック、暗号ロジック、AI論理、AI定義、機械学習論理および／または定義、および／または量子アルゴリズム、を含み得る。

実施形態では、デジタル知識16804は、以下のものに関するデジタル文書、例えば、部品の概略図、生産記録（例えば、航空機部品、宇宙船部品、原子力エンジン部品、およびいずれか／または他の任意の適切な部品）、自動車部品、飛行機部品、家具の一部またはその構成部品、産業ロボットまたは機械の交換部品、企業秘密、および／またはノウハウ、特許物質、および／または著作物のような他の知的財産を含み得る。

実施形態では、デジタル知識16804は、医療機器、自動車部品、飛行機部品、家具、家具部品、および／または産業用ロボットもしくは機械の交換部品を印刷するための回路図などの、3D印刷回路図を含むことができる。

実施形態では、デジタル知識16804は、1つまたは複数の組織および／または個人に関連する個人的および／または職業的知識を含むことができる。個人的および／または専門的知識は、職業履歴書、職業履歴追跡情報、職業資格の記録、学位、職業証明書、1人または複数の個人が保持する職業上の地位の検証、職業上のフィードバック、1人または複数の個人および／または当事者が行った仕事の検証、個人の財務履歴、ビジネスの財務履歴、および／または1人または複数の第三者によって検証される個人の人生の成果、を含むことがある。

いくつかの実施形態では、デジタル知識16804は、デジタルツインのセットを定義する、および／または集団化するデータセットおよび／またはセンサ情報を含むことができる。デジタルツインは、1つまたは複数の物理的エンティティに関連するデジタル知識16804の1つまたは複数のインスタンスを具現化することができる。デジタル知識16804の1つまたは複数のインスタンスは、構成、動作モード、命令セット、能力、欠陥、性能パラメータなどの1つまたは複数に関連する知識を含むことができる。

実施形態では、知識流通システム16802は、デジタル知識16804のインスタンスを1つまたは複数の外部の知識交換および／または知識データベースに送信し、および／またはデジタル知識16804のインスタンスを受信するように構成され得る。外部の知識交換および／または知識データベースは、ドメイン固有の交換、地理固有の交換などを含む。知識流通システム16802は、外部知識交換および／または知識データベースの主題に関連するデジタル知識16804の貴重なまたは敏感なインスタンスの交換を促進するように構成され得る。外部知識交換および／またはデータベースの追加または代替例は、株式交換、商品交換、デリバティブ交換、先物交換、広告交換、エネルギー交換、再生可能エネルギークレジット交換、暗号通貨交換、債券交換、通貨交換、貴金属交換、石油交換、商品交換、サービス交換、または任意の他の適切なタイプの交換および／またはデータベースを含むことができる。知識流通システム16802は、APIコネクタ、ポート、ブローカーなどの外部の知識取引所および／またはデータベースのインターフェースと統合および／または通信することができる。統合および／または通信は、抽出、変換、およびローディング（ETL）技術、スマートコントラクト、ラッパー、トークン、コンテナなどのうちの1つまたは複数を介して促進されてもよい。

実施形態では、知識流通システム16802は、インフラストラクチャ能力のセット上で、および／またはそれと統合されて、またはその中で展開され得る。インフラストラクチャ能力の例には、クラウドコンピューティングインフラ、プラットフォーム・アズ・ア・サービスインフラ、IoTプラットフォーム能力、分散データベース能力、データ管理プラットフォームインフラ、企業データベースリソース（クラウドおよびオンプレミスリソースを含む）、およびそのようなものがある。

実施形態では、知識流通システム16802は、様々なサービスを使用し、および／または様々なサービスと統合し、もしくはその中で統合することができる。知識流通システム16802が統合することができる、またはその中にあるサービスの例には、識別管理サービス、情報管理サービス、デジタル権利管理サービス、情報権利管理サービス、暗号化サービス、鍵管理サービス、分散データベースサービス、などがある。

いくつかの実施形態において、知識流通システム16802は、需要集約に基づく偶発的イベント契約の作成、管理、および実行を容易にするように構成され得る。偶発的イベント契約は、例えば、需要集約に基づく偶発的イベントを有するスマートコントラクト16840であってもよい。知識流通システム16802は、クラウドソース16836にデジタル知識16804のインスタンスに対する需要を示させることによって需要集約を収集してもよい。クラウドソース16836は、例えば、デジタル知識16804の開発または生成に向けて通貨を提供することによって、デジタル知識16804のインスタンスに対する需要を示すことができる。知識流通システム16802は、需要の表示を収集するウェブサイト、アプリ、または他のサービスを確立することなどにより、需要の表示を促進してもよい。知識流通システム16802は、追加的または代替的に、ウェブサイト、アプリ、または知識流通システム16802の外部の他のシステムもしくはサービスなど、第三者のソースによって示された需要を集約することができる。

いくつかの実施形態では、知識流通システム16802は、デジタル知識16804の1つまたは複数のインスタンスのトークン化を介して、ポイントインタイムまたは参照知識データセットを作成するように構成される場合がある。例えば、1つまたは複数のイベント契約は、デジタル知識16804の1つまたは複数のインスタンスに基づくイベントのセットによってトリガされる可能性がある。知識流通システム16802は、デジタル知識16804のトークン化されたインスタンスをイベント契約のトリガとして入力してもよい。知識流通システム16802は、デジタル知識のトークン化されたインスタンスを、歴史的に追跡可能なデジタル資産として分散型台帳16808に格納し、それによって、トークン化された知識の可換性の記録を作成する。

いくつかの実施形態では、知識流通システム16802は、デジタル知識16804のインスタンスのタイムスタンプ付き入力および出力制御を容易にする。知識流通システム16802は、デジタル知識16804のインスタンスの販売、ならびにデジタル知識16804に関連する時間および／または参照を示すデジタル知識のトークン化インスタンスを容易にするように構成され得る。たとえば、デジタル知識16804の複数のインスタンスが開発、作成、および／または保存されるにつれて、デジタル知識16804の複数のインスタンスが開発される。デジタル知識16804のトークン化されたインスタンスは、不変の時間参照で分散台帳16808に格納されてもよい。知識流通システム16802は、タイムスタンプ付きトークンが生成および記憶されたデジタル知識16804のインスタンスの販売に関連する販売、リース、または他の取引のための1つまたは複数のスマートコントラクトの実行に加えて、またはそれと並行して、タイムスタンプ付きトークンの販売、リース、または他の取引を促進してもよい。

いくつかの実施形態では、知識トークン17038は、非代替性トークンである。非代替性トークンまたはNFTは、ユニーク、またはオンリーワンであり、少なくとも一意の識別子、および／または他の区別可能な資産固有情報を有するデジタル知識資産を表す。デジタル知識のインスタンスは、「デジタル知識資産」と呼ばれることがある。NFTは、少なくとも部分的に、資産の所有権を示すために使用されることがある。実施形態では、NFTは、デジタル知識資産の完全な所有権から小数の所有権までを含む所有権の任意のパーセンテージを表すことができる。NFTに関連するアクセス権、ライセンス権、所有権及び／又は他の適切な権利を含む権利の範囲は、知識提供者がスマートコントラクトで指定することができる。例えば、特許譲受人は、侵害訴訟権を含む完全な所有権を有する特許NFTを造成することができる。さらに、NFTは、網羅的で公に検証可能なメタデータや取引履歴に関するデータを含むようにコード化することができる。

実施形態では、知識トークン17038は、技術標準ERC-721（ここで「ERC」はEthereum Request for Commentの略）を使用して、イーサリアムブロックチェーン上で非代替性トークン（NFT）として実装され得る。ERC-721は、イーサリアムブロックチェーンにおける非代替性トークンの作成、追跡、管理に用いられる標準インターフェースである。ERC-721では、各トークンは完全にユニークで他のトークンとの交換が不可能であり、したがって非化け物である。ERC-721標準は、すべてのトークンがイーサリアムネットワーク上で期待される結果を得るために従うことができる一連の共通ルールの概要を示している。さらに、トークンの所有権の決定方法、トークンの作成方法、トークンの移動方法、トークンの焼却方法などの特徴を規定することもある。

実施形態では、デジタル知識資産を表すNFTは、NFTマーケットプレイスまたは取引所において取引、ライセンス供与、販売、オークション、またはその他の方法でマネタイズすることができる。このようなマーケットプレイスの例としては、オープンシア（Opensea）、ラリブル（Rarible）、ファンデーション（Foundation）、アトミックハブ（Atomic hub）等がある。デジタル知識資産を表すNFTの所有者は、NFTおよび／または資産に関連するメタデータをNFTマーケットプレイス上にアップロードすることができる。

一例として、特許はダイナミックNFTとしてトークン化され、NFTの価値／価格は特許の存続期間中ダイナミックであり、法的または取引的イベントなどの実世界のイベントに基づいて変化する可能性がある場合がありる。NFTの価値／価格に影響を与える可能性のあるイベントの例としては、審査イベント、無効または訴訟イベント、ライセンスまたは売却イベントなどがある。特許の所有者または譲受人（知識提供者）は、NFT市場または取引所において取引、ライセンス供与、販売、またはオークションに供する1つまたは複数のNFTを提供することにより、特許を収益化することを選択できる。譲受人は、NFTおよび／または特許に関連するメタデータのデジタル表現をアップロードすることができる。例えば、特許が発行済み特許である場合、特許番号、タイトル、要約、1つまたは複数の図等を含む特許のフロントページの画像をアップロードすることができる。さらに、スマートコントラクトの条件とともに、価格、所有権、および取引履歴が提供される場合がある。以下は、特許NFTのスマートコントラクトのテンプレート例である。

123XYZに所在するABC LLC（以下「売主」）は、米国特許商標庁のフレーム○○（USPTO Patent Assignment Search）に記録された発明者譲渡により、米国特許番号○○（以下「特許」）の権利を所有している。

一方、所在。「買主」は、特許に関する売主のすべての権利、権原、および利益を取得することを希望する。

一方、売主は買主から、NFTオークションの落札代金（以下「オークション対価」という。）

譲渡。オークション対価の受領に伴い、売主は、本特許に関する売主の権利、権原、利益のすべてを買主に売却、譲渡、譲渡して、過去、現在、将来の特許侵害を訴え、解決、解除する売主の権利を含め、譲渡する。

サイン。

スマートコントラクト16840は、特許NFTの所有権を迅速、効率的、安全、かつ透明性をもって変更できるようにする。特許NFTは、上記で例示したように、特許の効率的な初回購入、流通市場取引、担保付き借入/貸付、保険市場を可能にし、流動性が低く不透明な市場に流動性、効率、透明性を付加する。

図197は、本開示のいくつかの実施形態による、コンセンサス信頼スコアを使用して不正取引の可能性を特定し、そのような不正取引を防止するための信頼ネットワーク19702を含む知識流通システムの実装例を示す斜視図である。

信頼ネットワーク19702は、ネットワークのノードに対するコンセンサス信頼スコアを生成し追跡することによって、帳票ネットワーク16970上の不正取引の可能性を識別するように構成される。コンセンサス信頼スコアは、ユーザーの匿名性および自律性を維持しながら、帳票ネットワーク16970のトランザクタに詐欺に対する安全策を提供できる。コンセンサス信頼スコアは、台帳ネットワーク16970のノードから取得されたデータとともに、様々なデータソース（例えば、詐欺／カストディデータ）から取得されたデータに基づいて生成されることがある。コンセンサス信頼スコアは、ブロックチェーンアドレスが詐欺行為に関与している可能性を示す数値（例えば、10進数または整数）であってよい。別の言い方をすれば、信頼スコアは、ブロックチェーンアドレスが不正行為に関与している傾向を表すことができる。

取引の任意の当事者（例えば、知識プロバイダ16806）は、資金（例えば、トークン）がブロックチェーン上で取引される取引に従事する前に、信頼ネットワーク19702にコンセンサス信頼スコアを要求できる。一般に、取引の当事者は、コンセンサス信頼スコアを使用して、取引を行うブロックチェーンアドレスが信頼できるかどうかを判断することができる。取引当事者は、コンセンサス信頼スコアを使用して、様々なアクションを取ることができる。例えば、当事者は、コンセンサス信頼スコアを使用して、取引を進めるかキャンセルするかを決定することができる。別の例として、当事者（例えば、デジタル取引所）は、コンセンサス信頼スコアを使用して、取引を保証するかどうかを決定することができる。このように、本明細書で説明するコンセンサス信頼スコアは、当事者が詐欺の被害に遭わないように、または詐欺の資金を受け取らないように保護するのに役立つことができる。コンセンサス信頼スコアは、取引者がアドレスの背後にいる当事者の身元を知ることを必要とせずに、任意の暗号通貨アドレスがどの程度信頼され得るかを取引者に通知することに留意されたい。

信頼ネットワーク19704は、複数の信頼ノード19704-1、19704-2、...、19704-N（本明細書では「ノード」と呼ぶ）を含むことができる。ノードの各々は、本明細書に記載される様々なプロトコルを実装する1つまたは複数のノードコンピューティングデバイス（例えば、1つまたは複数のサーバコンピューティングデバイス）を含むことができる。ノード19704-xは、ブロックチェーンアドレスに関連するデータを取得し、取得したデータに基づいて様々な信頼スコアを決定することができる。取得されたデータに基づいてノードでローカルに決定された信頼スコアは、「ローカルノード信頼スコア」または「ローカル信頼スコア」と呼ばれることがある。ノード19704-xは、各ノードが他のノードに関連するローカル信頼スコアの知識を有することができるように、それらのローカル信頼スコアを互いに通信するように構成され得る。ノードが複数のローカル信頼スコアを取得した後、ノードは、複数のローカル信頼スコアに基づいて、コンセンサス信頼スコアの候補（以下「候補信頼スコア」）を決定してもよい。つ以上のノードは、複数の候補信頼スコアに基づいて、コンセンサス信頼スコアを決定することができる。コンセンサス信頼スコアは、複数のノード間におけるローカル信頼スコアのコンセンサス値を示すことができる。暗号通貨アドレスのコンセンサス信頼スコアは、分散型コンセンサス台帳に書き込まれ、後に（例えば、信頼リクエストに応答して）信頼ネットワーク19704から取得され得る。

いくつかの実装では、コンセンサス信頼スコアは、候補信頼スコアの平均（例えば、ブレンド平均）に基づいて決定されることがある。例えば、コンセンサス信頼スコアは、カウントに基づく候補信頼スコアの統計的加重平均を用いることによって決定され得る。

本明細書に記載される信頼スコア（例えば、ローカル、候補、またはコンセンサス）は、様々なフォーマットで計算／提供され得る。いくつかの実装では、信頼スコアは、最小値および最大値を有する整数値であってもよい。例えば、信頼スコアは1～7の範囲であってもよく、信頼スコアが「1」の場合は、ブロックチェーンアドレスが詐欺である可能性が高いことを示す。この例では、信頼スコアが「7」であることは、ブロックチェーンアドレスが詐欺の可能性がない（すなわち、非常に信頼できる）ことを示す場合がある。いくつかの実装では、信頼スコアは、10進数値であってもよい。例えば、信頼スコアは、不正の可能性を示す10進数値（例えば、0～100％のパーセント値）であってもよい。いくつかの実装では、信頼スコアは、最大負の値から最大正の値（例えば、-1.00から1.00）の範囲であってもよく、より大きな負の値は、アドレスが詐欺である可能性が高いことを示す。この例では、正の値が大きいほど、そのアドレスが信頼できる可能性が高いことを示すことができる。顧客は、好みの信頼スコア形式を選択することができる。

本明細書に記載の信頼ネットワーク19704は、信頼スコアの計算ワークロードを複数のノードに分散して、障害／停電および攻撃に強いレジリエントネットワークを生成する。いくつかの実装では、信頼ネットワーク19704は、信頼ネットワーク197304が計算ワークロードを分配することを可能にするトークンによって節制された組み込みトランザクション自律性を含み得る。さらに、ネットワーク全体に信頼計算を分散させることは、ネットワークを代替させることを意図した詐欺／陰謀に対する耐性を提供し得る。

トランザクタデバイス19706は、トラストネットワーク19704と相互作用することができる任意のコンピューティングデバイスである。例示的なトランザクタデバイスは、スマートフォン、タブレット、ラップトップコンピュータ、デスクトップコンピュータ、または他のコンピューティングデバイスを含むことができる。トランザクタデバイス19706は、オペレーティングシステムと、モバイルアプリケーション、ウェブブラウザアプリケーション、分散型アプリケーション、および追加アプリケーションなどの複数のアプリケーションを含むことができる。

トランザクタデバイス19706は、中間トランザクションシステム19708のためのインターフェース（例えば、ウェブベースのインターフェースおよび／またはインストールされたトランザクションアプリケーション19710）を含むことができる。特定の実装では、1つまたは複数のサーバコンピューティングデバイスに実装された中間トランザクションシステム19708は、台帳ネットワーク16970、トランザクタデバイス19706、および信頼ネットワーク19704と通信し、トランザクタデバイス19706の代わりに暗号通貨取引を実行してもよい。中間トランザクションシステム19708はまた、トランザクタデバイス19706に代わって、トラストネットワーク19704からコンセンサストラストスコアを取得することができる。例示的な中間トランザクションシステム19708は、デジタル通貨取引所（例えば、コインベース（Coinbase,Inc））を含むことができる。いくつかの実装では、取引所は分散型であってもよい。

トランザクタデバイス19706上のトランザクションアプリケーション19710は、ブロックチェーン取引を実行するために台帳ネットワーク16970と取引することもできる。トランザクションアプリケーション19710はまた、トラストネットワーク19704からコンセンサストラストスコアを要求してもよい。いくつかの例示的なトランザクションアプリケーションは、"ウォレットアプリケーション "と呼ばれることがある。

トランザクタデバイス19706は、トラストネットワーク19704にトラスト要求を送信し、トラストネットワーク19704からトラスト応答を受信することができる。信頼要求は、トランザクタデバイス19706が信頼レポート（例えば、1つまたは複数のコンセンサス信頼スコア）を希望する1つまたは複数の暗号通貨ブロックチェーンアドレスを示すことができる。いくつかの実装では、信頼リクエストは、ブロックチェーントークンおよび／または不換紙幣（例えば、米国ドル）などのリクエスト支払いを含むことができる。リクエスト支払いは、コンセンサス信頼スコア（複数可）を提供するための支払いとして、信頼ネットワーク19704のノードに分配され得る。

一例では、トランザクタデバイス19706は、信頼ネットワーク19704に信頼要求を送信し、信頼ネットワークから信頼応答（例えば、信頼レポート）を受信することができる。トランザクタデバイス19706と信頼ネットワーク19704は、アプリケーションプログラミングインターフェース（API）を介して通信することができる。トラスト要求は、トランザクションの相手側のトランザクタのための暗号通貨ブロックチェーンアドレスを含むことができる。たとえば、知識プロバイダ16806からの信頼リクエストは、知識レシピエントのBC18ブロックチェーンアドレスに対する信頼レポートを要求してもよい。知識プロバイダ16806は、知識レシピエント16818との暗号通貨ブロックチェーン取引に従事するかどうかなど、受信した信頼レポートに基づく決定を行うことができる。

いくつかの実装では、信頼ネットワーク19704は、潜在的に不正な暗号通貨ブロックチェーンアドレスをネットワーク参加者（例えば、不正警告要求デバイス）に自動的に通知することができる不正警告プロトコルを実装する場合がある。例えば、ノードは、ユーザによって構成され得る一連の不正警告基準の下で不正警告を提供するように構成された不正警告モジュールを含むことができる。一例では、不正警告モジュールは、1つまたは複数の暗号通貨アドレスを監視し、任意のアドレスのコンセンサス信頼スコアが信頼性の閾値レベル（例えば、ユーザによって設定される）を下回った場合に不正警告を提供することができる。別の例では、監視された信頼スコアが閾値の割合以上変化した場合に、詐欺アラートが送信されることがある。いくつかの実装では、不正警告プロトコルは、コンセンサス信頼スコアを監視し、ユーザによって定義され得るビジネスルールのセットに従って警告を提供するスマートコントラクトを使用して実装されることができる。

いくつかの実装では、信頼ネットワーク19704は、評判値を計算および保存する評判プロトコルを実装し得る。ノードの評判値は、ノードが信頼スコアの計算および分配中に実行した作業の量、実行した作業の品質（例えば、正確さ）、およびノードの動作の一貫性（例えば、ノードのアップタイム）など、ノードに関連する様々なパラメータを示すことができる。評判値は、信頼ネットワーク19704の他のプロトコルによって使用され得る。例えば、ノードは、1つまたは複数のノードに関連付けられた評判値に基づいて、候補および／またはコンセンサスの信頼スコアを決定することができる。別の例として、ノードは、そのレピュテーション値に従って、授与および／または処罰されることがある。

いくつかの実装では、評判値は、ノードが信頼スコアの計算に関して実行する作業量の関数である場合がある。例えば、ノードの評判値は、計算されたローカル信頼スコアの数、計算された候補信頼スコアの数、およびコンセンサス信頼スコアの計算に関する作業量に基づく場合がある。いくつかの実装では、評判値は、ノードによって実行される計算の品質の関数である可能性がある。例えば、品質レピュテーション値は、ノードによって生成されたトラストスコアの外れ値の数、およびトラストスコアが生成された速さに基づくことがある。いくつかの実装では、評判値は、ノード帯域幅、ノード処理能力、ノードスループット、およびノードの可用性などのノードパラメータの関数であってもよい。ノードの可用性に関連する評価値の例は、アップタイム値、平均故障間隔（MTBF）値、および／または平均修復時間（MTTR）値に基づいているかもしれない。いくつかの実装では、評判値は、ノードに保存されたデータ（例えば、履歴データ）の量と、データが保存された時間の関数である場合がある。いくつかの実装では、評判値は、ノードによって賭けられた量の関数である場合がある。いくつかの実装では、レピュテーション値は、本明細書に記載される任意の個々のレピュテーション値の関数であってもよい複合レピュテーション値であってもよい。例えば、複合評判値は、1つ以上のコンポーネント評判値の加重計算であってもよい。

図198は、図197に例示された例示的な信頼ネットワークの動作を記述する例示的な方法を示す。たとえば、図198の方法は、単一の暗号通貨ブロックチェーンアドレスに対するローカル信頼スコア、候補信頼スコア、およびコンセンサス信頼スコアの決定を示すものである。図198の方法は、複数の暗号通貨ブロックチェーンアドレスに対するローカル信頼スコア、候補信頼スコア、およびコンセンサス信頼スコアを決定するために複数回実行され得る。

ステップ19800で、信頼ネットワーク19704のノードは、暗号通貨アドレスに関連する詐欺および保管データを取得し処理する。例示的な詐欺および保管データは、暗号通貨アドレスに関する詐欺の証拠を提供するデータ、および／または暗号通貨アドレスを所有／管理する当事者を示すデータを含み得る。ステップ19802で、ノードは、暗号通貨アドレスに関連する暗号通貨ブロックチェーンデータを取得し、処理する。例示的な暗号通貨ブロックチェーン・データは、複数の異なる暗号通貨アドレスの間の複数のブロックチェーン・トランザクションのデータを含み得る。ステップ19804で、ノードはそれぞれ、ブロック19800～19802で取得したデータに基づいて、暗号通貨アドレスのローカル信頼スコアを決定する。

異なるノードが、同じ／類似の暗号通貨ブロックチェーン・データおよび詐欺／カストディ・データにアクセスできる場合、同じ／類似のローカル信頼スコアを計算することができる。場合によっては、ローカル信頼スコアは、ノード間で異なることがある。例えば、ノードが異なる詐欺およびカストディデータにアクセスする場合、ローカル信頼スコアは異なる場合がある。具体的な例では、異なる司法管轄区（例えば、国）に位置するノードが、他の司法管轄区でブロックされているデータソースにアクセスする場合がある。別の具体例では、一部のノードが異なる速度で情報にアクセスすることがある。

ステップ19806で、ノードは、暗号通貨アドレスのローカルトラストスコアを互いに通信する。ローカル信頼スコアの通信後、ノードの各々は、他のノードによって計算された複数のローカル信頼スコアを含むことができる。ステップ19808で、ノード100は、ローカル信頼スコアに基づいて、暗号通貨アドレスの候補信頼スコアを決定する。候補信頼スコアは、例えば、候補信頼スコアを決定する前に、信頼スコアリストから外れ値のローカル信頼スコアを除去することによって決定されてもよい。実施形態では、候補信頼スコアは、信頼スコアリスト406の残りのローカル信頼スコアの平均（例えば、ブレンド平均）に基づいて決定されてもよい。たとえば、候補信頼スコアは、ノードカウントに基づくローカル信頼スコアの統計的加重平均を使用することによって決定されてもよい。ステップ19810で、信頼ネットワーク19704のノードは、暗号通貨アドレスの候補信頼スコアに基づいて、暗号通貨アドレスの合意信頼スコアを決定する。コンセンサス信頼スコアは、候補信頼スコアに関連付けられた1つまたは複数のコンセンサストリガーに応答して決定される場合がある。例えば、コンセンサス信頼スコアは、候補信頼スコアの閾値数／分数より大きいものが一致する（例えば、閾値分散以内）場合に決定されることがある。いくつかの実装では、コンセンサス信頼スコアは、候補信頼スコアの平均（例えば、ブレンド平均）に基づいて決定される場合がある。例えば、コンセンサス信頼スコアは、カウントに基づく候補信頼スコアの統計的加重平均を使用することによって決定されてもよい。ステップ19812において、ノードは、計算されたコンセンサス信頼スコアを含むように分散型コンセンサス信頼スコア台帳を更新し得る。ステップ19814、19816において、信頼ネットワーク19704は、トランザクタデバイス19706から暗号通貨アドレスに対する信頼要求を受信し、コンセンサス信頼スコアを含む信頼応答をトランザクタデバイス19706に送信する。

図199は、複数のノードコンピューティングデバイス16816を含む台帳ネットワーク16970によって処理されるトランザクションを例示する斜視図である。知識流通システム16802を介して知識受信者16818に任意のデジタル知識資産を送信することを望む知識プロバイダ16806は、知識流通ネットワーク16802にトランザクション要求19902を送信し得る。実施形態では、トランザクション要求は、トランザクションを開始する前に知識レシピエント16818の信頼性を決定するための要求を含むことができる。知識流通システム16802は、知識レシピエント16818のアドレスに対する信頼スコア19904を決定し、知識流通システムに信頼応答を送信する信頼ネットワーク19704に、信頼要求を送信することができる。知識レシピエント16818に対する信頼スコアが所定の閾値以上であると仮定すると、知識流通システム16802は、取引要求を台帳ネットワーク1990に提供し、取引は、台帳ネットワーク16970全体を通してノード16816に放送される19906。実施形態では、知識提供者デバイス16890および知識受信者デバイス16894の各々は、ユーザインターフェース制御およびトランザクションパラメータの表示を提供するデジタルウォレット（帳票ネットワーク16970に関連する）を有することができる。台帳ネットワーク16970のパラメータに応じて、ノードは、ルール（事前に定義されていても、動的に割り当てられていてもよい）に基づいて、トランザクション19908を検証する。例えば、これは、関係者のアイデンティティを検証すること等を含むことができる。トランザクションは直ちに検証されてもよいし、他のトランザクションと一緒にキューに入れられ、ノード16816が一連のネットワークルールに基づいてトランザクションが有効であるかどうかを判断してもよい。

構造19910において、有効なトランザクションはブロックに形成され、ハッシュで封印される。このプロセスは、参加ノード16816のうちの検証ノードによって実行されてもよい。検証ノードは、台帳ネットワーク16970のブロックを検証および作成するために特別に追加のソフトウェアを利用してもよい。各ブロックは、ネットワークによって合意されたアルゴリズムを使用して作成されたハッシュ（例えば、256ビット数など）によって識別される場合がある。各ブロックは、ヘッダ、チェーン内の前のブロックのヘッダのハッシュへのポインタまたは参照、および有効なトランザクションのグループを含むことができる。前のブロックのハッシュへの参照は、ブロックの安全な独立したチェーンの作成に関連している。

ブロックが分散型台帳に追加される前に、ブロックは検証されなければならない。台帳ネットワーク16970の検証は、ブロックのヘッダから導出されるパズルへの解であるプルーフ・オブ・ワーク（PoW）を含むことができる。実施形態では、ブロックの検証のために、プルーフ・オブ・ステーク（PoS）またはプルーフ・オブ・オーソリティ（PoA）のような他のプロトコルが使用されてもよい。アルゴリズムが数学的問題を解決したマイナーに報酬を与えるプルーフ・オブ・ワークとは異なり、プルーフ・オブ・ステークでは、新しいブロックの作成者は、ノードが保有するデジタルトークン資産の量（「ステーク」とも定義）に応じて、決定論的に選択される。(ノードが持つステークが多いほど、そのノードがブロック検証者に選ばれる確率が高くなる-例えば、トークンを1%保有するノードがブロックを検証する確率は1%である)。そして、選ばれた/選ばれたノードによって同様の証明が行われる。検証者がブロックの検証と追加に成功した場合、実施形態では、プルーフオブステークは、成功した検証者にそのステークに比例した手数料を授与する。一方、プルーフ・オブ・オーソリティ（PoA）は、「権威」または「信頼」を活用するため、ブロック検証者はトークン/コインを賭けるのではなく、代わりに自分の評判を賭けることになる。そのため、PoAブロックチェーンは、「信頼できる」エンティティとして任意に選択された検証ノードによって保護される。PoAコンセンサスは、ノードが互いに競争するために膨大なリソースを費やす必要がなく、エネルギー効率がよく、ネットワーク帯域幅の使用量が少なく、高いスループットを実現する。

PoWで19912を検証する場合、ノードは、解がネットワーク全体の目標を満たすまで、1つの変数に段階的な変更を加えてブロックを解こうとする。これにより、PoWが作成され、正しい解答が保証される。このPoWプロセスは、ブロックの連鎖と並んで、ブロックチェーンの修正を非常に困難にしている。攻撃者は、あるブロックの修正を受け入れるために、後続のすべてのブロックを修正しなければならないからである。さらに、新しいブロックが採掘されるにつれて、ブロックの修正の難易度は上がり、後続のブロックの数も増えていく。

PoSで19912を検証すると、ブロックを解いたり採掘したりする競争にエネルギーを投入する代わりに、「検証者」はシステムのトークンやコインに投資する。このコンセンサスは、よりエネルギー効率が高く、また、採掘者が難しいパズルを解く必要がないため、より高いスループットを可能にする。

PoAで19912を検証する場合、ネットワーク内の信頼できるノードのセットが検証者として選択される。例えば、既知の信頼できるノードのグループは、ネットワーク管理者によって選ばれたり、承認されたり、ネットワークによって投票されたりする。バリデータのみが次のブロックを検証する権利を有し、このバリデータはランダムに選択される。システムを偽造しようとしていることがバレたバリデータノードは、バリデータプールから削除されることがある。

いくつかの実装では、ノードの「権威」は、信頼ネットワーク19704によって決定されるそのコンセンサス信頼スコアおよび評判の関数である可能性がある。

ブロックを検証するためのコンセンサスプロトコルとして、プルーフ・オブ・ワーク（PoW）、プルーフ・オブ・ステーク（PoS）およびプルーフ・オブ・オーソリティ（PoA）が本明細書に記載されているが、これらは単にいくつかのコンセンサスアルゴリズムの例であって、制限することを意図していない。多くの異なるコンセンサスプロトコルが、トランザクションのオーケストレーション、および台帳ネットワーク16970におけるデータの同期と検証のために実装されてもよいことが理解されるであろう。コンセンサスプロトコルは、ノード16816が分散型台帳に書き込まれ得るデータについて合意に至るプロトコルであってよく、それにより、台帳ネットワーク16970のすべてのノードが台帳を構成するデータまたは状態について合意する。言い換えれば、コンセンサスプロトコルは、台帳ネットワーク16970の状態に関して、台帳ネットワーク16970上のすべてのノードを互いに同期させておくように動作し得る。検証のために利用され得るコンセンサスプロトコルのいくつかの例は、限定されないが、デリゲート プルーフ・オブ・ステーク（Delegated Proof of Stake（DPoS））、プルーフ・オブ・レピュテーション（Proof of Reputation（PoR））、プルーフ・オブ・バーン（Proof of Burn（PoB））、プルーフ・オブ・イラプス タイム（Proof of Elapsed Time（PoET））、プルーフ・オブ・スぺース（Proof of Space）、プルーフ・オブ・ウェイト（Proof of Weight）を含む、プラクティカル ビザンチン フォルト トレランス（Practical Byzantine Fault Tolerance（PBFT））、デリゲート ビザンチン フォルト トレランス（Delegated Byzantine Fault Tolerance（DBFT））、フェデレイト ビザンチン フォルト トレランス（Federated Byzantine Fault Tolerance（FBFT））、パクソス（Paxos）、ラフト（Raft）、テンダミント（Tendermint）、DAG（Directed Acyclic Graph）、または前述の合意プロトコルの2以上のハイブリッドである。

配布19914で、正常に検証されたブロックは、台帳ネットワーク16970を通じて配布され、すべてのノード16816は、台帳ネットワークの監査可能な台帳16970である多数決チェーンにブロックを追加する。さらに、知識提供者デバイス16890によって提出されたトランザクションにおける値が、19916で確認される（知識受領者デバイス16894のデジタルウォレットに入金またはその他の方法で転送される）。

図200は、知識プロバイダ16806および知識レシピエント16818がデジタル知識の移転に関連する商取引に従事することを可能にする環境を提供するように構成されたデジタル市場16856を含む知識流通システムの例示的実装を示す斜視図である。それぞれのデバイス16892、20008、20010、20012および20014を有する一連のクラウドソーサー16836、20002、20004、20006および20018は、知識プロバイダ16806と知識レシピエント16818との間のそのような取引および商業を促進するのに役立ち得る。

デジタル市場16856は、知識プロバイダ16806、知識受信者16818、クラウドソース16836、20002、20004、20006および第三者を含む知識流通システムのすべてのユーザが、デジタル知識16804との1つまたは複数の適切な市場相互作用を行うためのインターフェースを提供し得る。たとえば、ユーザは、他のユーザが見ることができる公開プロフィールを作成し、他のユーザと対話し、デジタル知識16804の1つまたは複数のピースのために取引し（たとえば、デジタル知識の購入、販売、ライセンス、リース、入札、および／または譲与）、デジタル知識16804の1つまたは複数のピースに関連するソース情報および／または他の情報の検証、デジタル知識16804の1つまたは複数のピースに関連する1つまたは複数のサービスのレビューまたは提供をしてもよい。

実施形態では、デジタル知識16804は、知的財産（例えば、特許、企業秘密、著作権、商標、デザイン、ノウハウ、プライバシー権、パブリシティ権、およびその他）を含み得、知識流通システム16802は、そのような知的財産に関する情報の記録、コラボレーション、ライセンス、追跡の実行および促進に役立つ。したがって、知識流通システム16802は、記録、売買、またはライセンス取引および支払い、追跡および評判管理のために、すべてのユーザが利用できるプラットフォームを提供し得る。そのような実施形態では、知識提供者16806は、知的財産（IP）の所有者であってもよく、知識受信者16818は、知的財産のライセンシーであってもよい。クラウドソーサー16836は、IP弁護士であってもよく、クラウドソーサー20002は、ドメインの専門家（例えば、動的スペクトル共有に関連するIPまたは特許を評価するための認知無線の専門家）であってもよく、クラウドソーサー20004および20006は、IP評価における専門家であってもよい。クラウドソーサーの他の例としては、発明者、技術開発者、特許法律事務所、特許事務所、IPサービスプロバイダー、作家、訴訟者、または技術、法律、または金融の他の専門家が含まれる場合がある。取引の当事者、すなわち、知識提供者16806および知識受領者16818は、IPのかかる取引を促進するために、1つまたは複数のクラウドソーサーのサービスを採用し得る。

実施形態では、信頼ネットワーク19704は、知識プロバイダ16806、知識受信者16818、クラウドソース16836、20002、20004および20006を含む種々のノードに信頼スコアを提供する。信頼スコアは、様々な当事者が、どの当事者と取引するかを決定することを可能にする。例えば、知識プロバイダ16806は、1つまたは複数の知識レシピエント16818だけでなく、1つまたは複数のクラウドソーサーを、信頼スコアに基づいて選択することができる。

図201は、知識流通システム16802の様々なユーザ間の取引および商取引を可能にするように構成されたデジタルマーケットプレイス16856の例示的なユーザインタフェースを示す斜視図である。ユーザインターフェース20100は、知的財産の所有者が、知的財産に関連する所有権のある割合を意味する非代替性トークン（NFT）の形態で、知的財産をライセンス用に提供することを可能にするウェブインターフェースであってよい。この例では、知的財産は米国特許出願である。特許出願の所有者ABC LLCは、デジタルマーケットプレイス16856においてライセンス供与のために特許出願を提供することができるように、プロファイル20102を作成し、ウォレット20104のアドレスを提供することができる。ウォレット20104は、所有者ABC LLCのような知識流通システム16802のユーザーが、潜在的なライセンシーまたはクラウドソーサーのような他のユーザーと取引することを可能にし得る。所有者は、特許番号、タイトル、要約、および1つまたは複数の図を含む特許出願の前ページの画像をアップロードすることもできる。デジタルマーケットプレイスは、NFTおよびNFTの基礎となる知的財産に関する追加的な詳細を提供することができる。かかる詳細には、IPの説明20106、基礎となるブロックチェーン20108、契約アドレス20110、NFTの価格履歴20112、NFTの取引履歴20114、NFTライセンス契約の完全ライセンス20140条項を含むスマートコントラクト16840の詳細、等が含まれる場合がある。さらに、デジタルマーケットプレイスの任意のユーザは、IP NFTを購入またはライセンスするために所有者と取引することを望むかどうかをユーザが決定する際に役立ち得る信頼スコアを表示するために所有者のプロファイルを表示することができる。実施形態では、潜在的なライセンシーには「入札を行う」ボタン20116が提供され、これをクリックすると、NFTに対して1つまたは複数の入札を行うことができる場合がある。潜在的なライセンシーがオークションの条件に基づいて落札し、代金を送金すると、スマートコントラクト16840がトリガされて、NFTの所有権を落札者に移転し、ブロックチェーン上にトランザクションを記録することができる。このように、スマートコントラクト16840は、ブロックチェーン上での迅速かつ透明な取引を可能にすることにより、デジタル知識資産の他の方法では流動性が低く不透明な市場に流動性と効率性を提供することができる。

実施形態では、デジタルマーケットプレイス16856は、ユーザがデジタル知識16804の1つまたは複数の部分（NFTとしてトークン化されているとする）を検索できるように、検索インタフェース20118を提供してもよい。フィルタ20120は、デジタルマーケットプレイス16856をナビゲートし、興味のある製品を見つけるための迅速かつ容易な方法をユーザに提供してもよい。実施形態では、フィルタ20120は、デジタルマーケットプレイス16856上でライセンス供与のために利用可能な様々なNFTカテゴリを有するドロップダウンメニューをユーザに提供することができる。例えば、ユーザは、知的財産（例えば、特許、企業秘密、著作権、商標、デザイン、ノウハウ、プライバシー権、パブリシティ権、その他）、命令セット（例えば、、3Dプリンティング、半導体製造、結晶製造のプロセスステップ、ポリマー製造、生物学的製造化学合成、食品製造、製造、輸送）ソフトウェアコード（例えば、コンピュータプログラム、ファームウェアプログラム、サーバレスコードロジック、AIロジックおよび／または定義、機械学習ロジックおよび／または定義、暗号化ロジックなどの実行可能アルゴリズム論理）、データセットなどである。

図175を参照すると、デジタル知識に関連する権利を制御するための知識流通システム17500が描かれている。知識流通システム17500は、入力システム17802、トークン化システム17812、台帳管理システム17818、およびスマートコントラクトシステム17824を含むことができる。いくつかの実施形態では、知識流通システム17500は、スマートコントラクト生成器17858、実行システム17510、報告システム17514、およびクラウドソーシングモジュール17516をさらに含むことができる。

入力システム17802は、ユーザ17502からデジタル知識17808を受信し、トークン化システム17812は、受信したデジタル知識17808をトークン化し、トークンとして操作可能なトークン／トークン化デジタル知識17814をもたらす場合がある。

台帳管理システム17818は、1つまたは複数の分散台帳17820を作成および管理し、分散台帳は、本明細書の他の箇所に記載されるように、ネットワーク17848の複数のノード上に分散された複数の暗号的にリンクされたブロックを含むことができる。台帳管理システム17818は、次に、スマートコントラクト（複数可）17822およびトークン化されたデジタル知識17814を分散台帳17820に格納し得る（図188）。

スマートコントラクトシステム17824は、トークン化されたデジタル知識17814、トリガーイベント17828、およびスマートコントラクトアクション17830を含み得るスマートコントラクト17822を実装および管理し得る。トリガーイベント17828が発生すると、スマートコントラクトシステム17824は、スマートコントラクトアクション17830を実行することができる。スマートコントラクトシステム17824は、スマートコントラクト17822に対する当事者17532のコミットメント（複数可）17832を処理してもよい。スマートコントラクトシステム17824は、トークン化されたデジタル知識17814に対する制御権17840およびトークン化されたデジタル知識17814を誰が閲覧、編集、アクセス、または使用できるかに関するアクセス権17842を含む権利17540を管理してもよい。スマートコントラクト17822は、スマートコントラクトラッパー17503をさらに含む。知識流通システム17500は、アカウント管理システム17505、ユーザーインターフェースシステム17507、およびマーケットプレイスシステム17509をさらに備える。

図180に描かれているように、トークン化デジタル知識17814は、実行可能なアルゴリズムロジック18002、3Dプリンタ命令セット18004、コーティングプロセス用命令セット18008、半導体製造プロセス用命令セット18010、ファームウェアプログラム18012、フィールドプログラマブルゲート配列（FPGA）用命令セット18014、サーバレスコード論理18018．結晶製造システム18020のための命令セット、食品調理プロセス18022のための命令セット、ポリマー製造プロセス18024のための命令セット、生物学的製造プロセス18030のための命令セット、デジタルツイン18032のためのデータセット、企業秘密18034、知的財産18038、命令セット18040、などを実行するための命令セット、など。実施形態では、トークン化されたデジタル知識17814が知的財産18038を含む場合、スマートコントラクトシステム17824は、知的財産18038の知的財産ライセンス条項（複数可）18802を分散台帳に埋め込み、トリガーイベント17828に応答して、アクセス権17842を更新して知的財産18038へのアクセスを提供するか、スマートコントラクト17822に対する当事者17532の約束17832と対応する知的財産ライセンス条項（複数可）18802とを処理し得る。

実施形態では、スマートコントラクト17822は、分散型台帳17820上にあり得る知的財産のスタックに知的財産18038を追加することができるスマートコントラクトラッパー17503と、追加された知的財産18804に対するロイヤリティの配分に対する1つまたは複数の当事者17532によるコミットメント17832とを含むことがある。スマートコントラクトラッパー17503は、分散型台帳において、1つまたは複数の当事者17532によるコミットメント17832、知的財産18804の集約されたスタックに対するロイヤリティの配分、または契約期間18810を記録し得る。

実施形態では、台帳管理システム17818は、分散台帳17820にログ記録されたデータを格納するためのロギングシステム17512を含むことができる。実施形態では、デジタル知識17808は命令セットであってもよく、台帳管理システム17818は、命令セットへの証明可能なアクセスを提供し、システム上で命令セットを実行してもよい。証明可能なアクセスを提供することは、複数の暗号的にリンクされたブロックの少なくとも1つにデータをロギングまたは記録することを含むことができる。証明可能なアクセスは、企業秘密の閲覧を、分散型台帳上でどの知識受信者が企業秘密18814を閲覧したかを記録するチェーンに集約することと、デジタル知識に貢献した当事者を、当事者に関連するデータを記録することによって、デジタル知識のインスタンスへのアクセストランザクション18830を記録することと、デジタル情報のインスタンスのソースを、ソースに関連するデータを記憶することによって記録することと、を含んでもよい、

知識流通システム17500は、分散型台帳、またはトークン化されたデジタル知識に対して実行された複数の操作に基づいて、分析データまたは分析応答（複数可）18834を報告する報告システム17514を含むことができる。報告システム17514は、トークン化されたデジタル知識17814を分析し、分析結果18832を報告することもできる。

実施形態において、スマートコントラクトシステム17824は、命令セットを命令セット18040に集約する、既存の命令セットに命令を追加して修正命令セット18040を提供する、分散台帳への命令サブセット18042の割り当てを管理する、アクセス権17842に基づいて命令セットへの命令へのアクセスを管理する、などのことがある。

実施形態では、台帳管理システム17818は、次に分散台帳に格納され得るクラウドソーシング情報18602を取得するためのクラウドソーシング・モジュール17516を含み得る。クラウドソーシング情報18602は、デジタル知識18824のインスタンスのレビュー、クラウドソーシング情報18826のインスタンスに関する署名、デジタル知識18828のインスタンスの検証、および同様のものを含む。

実施形態において、知識流通システム17500は、プライベートネットワークを可能にし、権限を有する当事者が、複数の暗号的にリンクされたブロックに追加される新しい暗号的にリンクされたブロックの検証のための暗号ベースの合意要件を確立することを可能にするプライベートネットワークシステムを含むことができる。実施形態では、台帳管理は、分散台帳のユーザ間で取引可能なように設計された暗号通貨トークンを確立してもよい。

実施形態では、知識流通システム17500は、知識流通システム17500の複数のユーザ17502、19004に対応する複数のユーザアカウント19094の作成および管理を容易にするためのアカウント管理システム17505を含むことができる。ユーザーアカウントデータは、分散型台帳に格納されてもよい。

実施形態では、知識流通システムは、ユーザがデジタル知識のインスタンスに関連するデータを見ることを可能にするユーザインターフェース19093をユーザ（複数可）17502、19004に提示するユーザインターフェースシステム17507、19074を含み得る。

実施形態では、知識流通システムは、デジタルマーケットプレイス19090を確立および維持し、知識流通システムのユーザにデジタル知識のインスタンスに対応するデータを視覚的に提示するためのマーケットプレイスシステム17509を含み得る。

実施形態において、知識流通システムは、分散型台帳と通信するデータストアを含んでもよく、ここでデータストアは、デジタル知識に関連するデータを格納するように構成された知識データストア、クライアントデータストアは、知識流通システムの複数のユーザに関連するデータを格納するように構成され、スマートコントラクトデータストアはスマートコントラクトに関連するデータを格納するように構成され、等であってもよい。

実施形態では、知識流通システム17500は、パラメータ化可能なスマートコントラクトテンプレートを使用してスマートコントラクトを生成するためのスマートコントラクト生成器17858を含み得る。スマートコントラクトパラメータは、トークン化されるデジタル知識のタイプに基づいてもよく、金融パラメータ、ロイヤリティパラメータ、使用パラメータ、生成された出力パラメータ、対価の配分パラメータ、IDパラメータ、アクセス条件パラメータなどを含んでもよい。

図176を参照すると、デジタル知識に関連する権利を制御するためのコンピュータ実装の方法が描かれている。実施形態では、分散型台帳が作成され、管理される（ステップ17602）ここで、分散型台帳は、本明細書の他の箇所に示すように、ネットワークの複数のノード上に分散した暗号を介してリンクされた複数のブロックを含んでもよい。スマートコンタクトが実装され、管理されてもよい（ステップ17604）。スマートコントラクトは、トリガーイベント、対応するスマートコントラクトアクション等を含んでもよい。スマートコントラクトは、分散型台帳に格納されてもよい。デジタル知識のインスタンスが受信されてもよい（ステップ17608）デジタル知識はトークン化されてもよく（ステップ17610）、結果としてトークン化されたデジタル知識は分散型台帳を介して格納される（ステップ17612）。スマートコントラクトに対する複数の当事者のコミットメントが処理され（ステップ17614）、トークン化されたデジタル知識への制御権またはおよびアクセス権がスマートコントラクトに従って管理されてもよい（ステップ17618）。トリガーイベントの発生に応答して、トークン化されたデジタル知識に関して、対応するスマートコントラクトアクションが実行される場合がある（ステップ17620）。

図177を参照すると、デジタル知識に関連する権利を制御するためのコンピュータ実装方法の一実施形態が描かれている。コンピュータ実装方法は、スマートコントラクトに基づいて、トークン化されたデジタル知識に対する新しいデジタル知識の交換をオーケストレーションすることをさらに含むことができる（ステップ17702）。本方法はまた、知識交換を別個の交換と統合することを含み得、知識交換は、別個の交換の主題に関連する貴重な知識および機密性の高い知識の少なくとも1つの交換を促進する（ステップ17704）。

図178を参照すると、デジタル知識に関連する権利を制御するための知識流通システム17800が描かれている。実施形態において、知識流通システム17800は、入力システム17802、トークン化システム17812、台帳管理システム17818、スマートコントラクトシステム17824、イベント監視モジュール17850、およびスマートコントラクト生成部17858を含み得る。入力システム17802は、知識プロバイダデバイス17804から情報17862およびデジタル知識17808を受け取り、トークン化システム17812は、デジタル知識17808をトークン化して、トークンとして操作可能であるトークン／トークン化デジタル知識17814をもたらすことがある。

図180に描かれているように、トークン化デジタル知識17814は、実行可能なアルゴリズムロジック18002、3Dプリンタ命令セット18004、コーティングプロセス用命令セット18008、半導体製造プロセス用命令セット18010、ファームウェアプログラム18012、フィールドプログラマブルゲート配列（FPGA）用命令セット18014、サーバレスコード論理18018．結晶製造システムのための命令セット18020、食品調理工程のための命令セット18022、ポリマー製造工程のための命令セット18024、生物製造工程のための命令セット18030、デジタルツインのためのデータセット18032、企業秘密を実行するための命令セット18034、知的財産18038、命令セット18040などである。

いくつかの実施形態では、デジタル知識は、カスタム部品、カスタム製品、製造部品、交換部品、玩具、医療機器、ツールなどのオブジェクトを3Dプリントするための3Dプリンタ命令セットを含むことがある。図179に描かれているように、オブジェクト17810を3Dプリントするための3Dプリンタ命令セットは、3Dプリント概略図17902、起源17904、作成日17908、貢献した個人の名前17910、貢献したグループの名前17912、貢献した会社の名前17914、価格17918、関連概略図の市場動向17920、シリアル番号17922、部品識別子17924、またはそのたぐいを含むことができる。

台帳管理システム17818は、1つまたは複数の分散台帳17820を作成および管理し、分散台帳は、本明細書の他の箇所に記載されているように、ネットワーク17848の複数のノード上に分散した一連の暗号的にリンクされたブロックを複数含む場合がある。台帳管理システム17818は、その後、スマートコントラクト17822およびトークン化されたデジタル知識17814を分散台帳17820に格納してもよい。

スマートコントラクトシステム17824は、スマートコントラクト17822を実装および管理してもよく、ここでスマートコントラクト17822は、1つまたは複数のトリガーイベント17828および対応するスマートコントラクトアクション17830を含み得る。スマートコントラクトシステムは、スマートコントラクト17822に従って、トークン化されたデジタル知識17814に対する制御権17840およびアクセス権17842などの権利17861を管理することができる。スマートコントラクトシステムは、オブジェクト17810を3Dプリントするための3Dプリンタ命令セットの知識提供者17834および知識受信者17838のコミットメントを処理してもよい。

トリガーイベント17828の発生に応答して、スマートコントラクトシステム17824は、対応するスマートコントラクトアクション17830を実行し、条件17844およびトリガーイベント17828に従ってスマートコントラクトアクション17830を管理し得る。トリガーイベントは、3Dプリンタ命令セットの譲渡または3Dプリンタ命令セットの使用であってもよく、スマートコントラクトアクションは、制御権17840およびアクセス権17842に基づいて、3Dプリンタ命令セットが購入、ダウンロード、または使用されると、分散台帳上で修正してもよい。図181に描かれているように、スマートコントラクトアクション17830は、以下を含むことができる：3Dプリントされるオブジェクトにシリアル番号を割り当てる18108、トリガーイベント18110を監視する、条件18112に基づく義務の履行を検証する、トークン化されたデジタル知識の支払いまたは移転を検証する18114、分散型台帳18118に1つまたは複数のトランザクションを記録する、トークン化されたデジタル知識を移転させる、、分散型台帳18120に関して1つまたは複数の操作を行うこと、分散型台帳18122に新規または複数の新規ブロックを作成すること、条件が満たされることを検証すること18124、知識受信者の支払い要求を生成すること18128、3Dプリンタ命令セットが購入、ダウンロード、または使用18130されたときに分散型台帳上で修正すること、など。スマートコントラクトアクション17830は、知識受信者デバイス18102から購入要求を受信すること、知識受信者デバイス18104から購入要求を満たすこと、条件がプリンタ要件である場合に条件が満たされることを検証すること、受け取った支払い、知識受信者デバイスまたは知識受信者から転送される通貨、トークン化されたデジタル知識の知識受信者デバイスへの転送、などを含み得る。図182に描かれているように、条件17844は、プリンタ要件18202、受け取った支払い18204、知識受領者または知識受領者デバイス18208から転送された通貨、知識受領者または知識受領者デバイス18210へのトークン化デジタル知識の転送、またはそのようなものを含むことがある。

図183を参照すると、トークン化されたデジタル知識の制御およびアクセスに関する可能な権利17861は、3Dプリンタ命令セット18302の複数のインスタンスを使用して3Dプリントするユーザの許可、3Dプリンタ要件18304、オブジェクトを3Dプリントできる期間18308、トークン化デジタル知識が下流の知識受信者18310に転送されるかどうか、保証18312、免責18314、免責18318、オブジェクトに関する認証18320、の少なくとも1つを含み得る。

図184を参照すると、可能なトリガーイベント17828は、3Dプリンタ命令18402の転送または3Dプリンタ命令18404のユエス（us）を含み得る。

図185を参照すると、デジタル知識に関連する権利を制御するためのコンピュータ実装の方法18500が描かれている。実施形態では、方法は、分散型台帳を作成および管理することを含み得、分散型台帳は、ネットワークの複数のノード上に分散された暗号を介してリンクされた複数のブロックを含む（ステップ18502）。スマートコントラクトが実装され、その後、管理されてもよい（ステップ18502）。スマートコントラクトは、トリガーイベントを含み、分散台帳に格納されてもよい。トリガーイベントの発生に応答して、デジタル知識に関してスマートコントラクトアクションが実行されてもよい（ステップ18506）。方法18500は、知識提供デバイスから、オブジェクトを3Dプリントするための3次元（3D）プリンタ命令セットを構成するデジタル知識のインスタンスを受信すること（ステップ18508）、デジタル知識をトークン化すること（ステップ18510）、および分散台帳を介してトークン化デジタル知識を記憶すること（ステップ18512）をさらに含むことができる。方法18500は、スマートコントラクトに対する3Dプリンタ命令セットの知識プロバイダおよび知識レシピエントのコミットを処理すること（ステップ18514）と、スマートコントラクトに従って、トークン化されたデジタル知識の制御およびアクセスの権利を管理すること（ステップ18516）と、条件およびトリガーイベントに従ってスマートコントラクトアクションを管理すること（ステップ1851）をさらに含み得る。

実施形態において、および図186から図188を参照すると、デジタル知識に関連する権利を制御するためのコンピュータ実装方法18600が描かれる。コンピュータ実装方法18600は、デジタル知識に関する情報をクラウドソーシングすることを含んでもよく（ステップ18602）、クラウドソーシングされた情報は、デジタル知識のインスタンスの要素18702、デジタル知識のインスタンスの要素に関する情報18704、知識提供者に関する情報18708、知識受信者に関する情報18710、および同様のものを含むことがある。コンピュータ実装方法18600は、クラウドソーシングされた情報に応答してスマートコントラクトを更新すること（ステップ18604）または条件を更新すること（ステップ18608）をさらに含み得る。

図190を参照すると、デジタル知識に関連する権利を制御するための知識流通システム19000が描かれている。実施形態において、知識流通システム19000は、入力システム19002、トークン化システム19012、台帳管理システム19018、およびスマートコントラクトシステム19024を含み得る。入力システム19002は、デジタル知識19008を受信し、トークン化システム19012は、デジタル知識19008をトークン化し、トークンとして操作可能なトークン化デジタル知識19014をもたらす場合がある。

台帳管理システム19018は、分散台帳19020を作成および管理してもよく、分散台帳は、本明細書の他の箇所に記載されるように、ネットワークの複数のノード上に分散された複数の暗号的にリンクされたブロックを含んでもよい。台帳管理システム19018は、スマートコントラクト（複数可）19022およびトークン化デジタル知識19014を分散台帳19020に格納してもよい。台帳管理システム19018は、アクセストランザクション19048を分散台帳に記録および記憶することによって、デジタル知識19008への証明可能なアクセスを提供してもよい。証明可能なアクセスを提供する他の方法は、本明細書の他の箇所で説明される。

スマートコントラクトシステム19024は、トークン化されたデジタル知識19014、およびトリガーイベント19028を含み得るスマートコントラクト1902を実装および管理してもよい。トリガーイベント19028が発生すると、スマートコントラクトシステム19024は、トークン化されたデジタル知識19014に対する制御権19040と、誰がデジタル知識19008を閲覧、編集、アクセス、または使用できるかに関するアクセス権19042とを含むスマート19062を実行することができる。スマートコントラクト19022は、スマートコントラクト19034の当事者のコミットメント19032を処理してもよい。

実施形態において、スマートコントラクト19022は、分散型台帳上で操作を実行することができるスマートコントラクトラッパー19064を含むことができる：知的財産18038の追加、知的財産18038を知的財産のスタックに追加、1以上の当事者17532によるコミットメント17832を追加：追加した知的財産18804に対するロイヤルティの配分。

実施形態では、知識流通システム19000は、知識流通システム19500の複数のユーザ19004に対応する複数のユーザアカウント19094の作成および管理を容易にするために、分散台帳と通信するアカウント管理システム19072を含む場合がある。知識流通システム19000は、ユーザがデジタル知識19008のインスタンスに関連するデータを見ることを可能にするユーザインターフェース19093をユーザ（複数可）19004に提示するためのユーザインターフェースシステム19074を含むことができる。

実施形態では、知識流通システム19000は、デジタルマーケットプレイス19090を確立および維持し、知識流通システム19000のユーザ19004にデジタル知識19008のインスタンスに対応するデータを視覚的に提示するためのマーケットプレイスシステム19078を含み得る。

実施形態では、知識流通システム19000は、分散型台帳と通信するデータストアを含み得、ここでデータストアは、デジタル知識19008に関連するデータを格納するように構成された知識データストア19082、知識流通システムの複数のユーザ19004に関連するデータを格納するように構成されたクライアントデータストア19084、スマートコントラクト19022に関連するデータを格納するように構成されたスマートコントラクトデータストア17164、および同様のものを含むことができる。

知識流通システム19000は、トークン化されたデジタル知識19014を分析し、分析結果19098を報告する報告システム19080を含み得る。

実施形態では、知識流通システム19000は、パラメータ化可能なスマートコントラクトテンプレート19060を使用してスマートコントラクト19022を生成するためのスマートコントラクト生成器19088を含み得る。図189を参照すると、スマートコントラクトパラメータ17522は、トークン化されるデジタル知識のタイプに基づいてもよく、財務パラメータ18902、ロイヤリティパラメータ18904、使用パラメータ18906、および生成された出力パラメータ18908、ならびに対価パラメータ18910、アイデンティティパラメータ18912、アクセス条件パラメータ18914などの割り当てを含んでもよい。

図191を参照すると、デジタル知識に関連する権利を制御するための例示的かつ非限定的な例示的方法が描かれている。本方法は、分散型台帳19102を作成および管理することであって、分散型台帳は、ネットワークの複数のノード上に分散された暗号を介してリンクされた複数のブロックを備える、ことと、デジタル知識19104をトークン化することと、分散型台帳19108を介してトークン化デジタル知識を格納することと、スマートコントラクト19110を実装および管理することであって、スマートコントラクトがトリガーイベント、トークン化知識および対応スマートコントラクトアクションからなり分散台帳に格納されている、こととを含み得る；デジタル知識19112のインスタンスを受信することと、スマートコントラクトに対する複数の当事者のコミットメント19114を処理することと、スマートコントラクトに従って、トークン化デジタル知識19118の制御権およびアクセス権を管理することと、トリガーイベントの発生に応答して、トークン化デジタル知識19120に関して対応するスマートコントラクトアクションを実行し、トリガーイベント19122に応答してスマートコントラクトアクションを管理する。いくつかの実施形態では、および図192を参照すると、方法は、デジタル知識のインスタンスの要素に関する情報をクラウドソーシングすること19224と、クラウドソーシングされた情報に応答してスマートコントラクトを更新すること19228とをさらに含み得る。いくつかの実施形態において、および図193を参照すると、方法は、知的財産を分散型台帳19324に追加することと、追加された知的財産に対するロイヤリティの配分19328に当事者をコミットすることと、契約期間19330に対する当事者のコミットを処理することとをさらに含んでもよい。いくつかの実施形態では、および図194を参照すると、方法は、ユーザアカウント19424を作成することと、デジタル知識のインスタンス19428に関連するデータを表示する要求をユーザアカウントから受け取ることと、ユーザアカウント19430に対して許可されたデジタル知識のインスタンスへのアクセスを確認することと、デジタル知識のインスタンス19432に関連するデータを表示するよう構成されたユーザインターフェースを提示することをさらに含み得る。いくつかの実施形態では、および図195を参照すると、方法は、デジタル知識19524を購入または販売することをさらに含み得る。いくつかの実施形態において、および図196を参照すると、本方法は、分散型台帳19624に関連する通貨トークンを作成および発行することをさらに含んでもよい。

図190を参照すると、デジタル知識に関連する権利を制御するための知識流通システム19000が描かれている。実施形態において、知識流通システム19000は、入力システム19002、トークン化システム19012、台帳管理システム19018、およびスマートコントラクトシステム19024を含み得る。入力システム19002は、デジタル知識19008を受信し、トークン化システム19012は、デジタル知識19008をトークン化し、トークンとして操作可能なトークン化デジタル知識19014をもたらす場合がある。

台帳管理システム19018は、分散台帳19020を作成および管理してもよく、分散台帳は、本明細書の他の箇所に記載されているように、ネットワークの複数のノード上に分散された複数の暗号的にリンクされたブロックを含んでもよい。台帳管理システム19018は、スマートコントラクト（複数可）19022およびトークン化デジタル知識19014を分散台帳19020に格納してもよい。台帳管理システム19018は、アクセストランザクション19048を分散台帳に記録および記憶することによって、デジタル知識19008への証明可能なアクセスを提供してもよい。証明可能なアクセスを提供する他の方法は、本明細書の他の箇所で説明される。

スマートコントラクトシステム19024は、トークン化されたデジタル知識19014、およびトリガーイベント19028を含み得るスマートコントラクト1902を実装および管理してもよい。トリガーイベント19028が発生すると、スマートコントラクトシステム19024は、トークン化されたデジタル知識19014に対する制御権19040と、誰がデジタル知識19008を閲覧、編集、アクセス、または使用できるかに関するアクセス権19042とを含むスマート19062を実行することができる。スマートコントラクト19022は、スマートコントラクト19034の当事者のコミットメント19032を処理してもよい。

実施形態において、スマートコントラクト19022は、分散型台帳上で操作を実行することができるスマートコントラクトラッパー19064を含むことができる：知的財産18038の追加、知的財産18038を知的財産のスタックに追加、1以上の当事者17532によるコミットメント17832を追加：追加した知的財産18804に対するロイヤルティの配分。

実施形態では、知識流通システム19000は、知識流通システム19500の複数のユーザ19004に対応する複数のユーザアカウント19094の作成および管理を容易にするために、分散台帳と通信するアカウント管理システム19072を含むことができる。知識流通システム19000は、ユーザがデジタル知識19008のインスタンスに関連するデータを見ることを可能にするユーザインターフェース19093をユーザ（複数可）19004に提示するためのユーザインターフェースシステム19074を含むことができる。

実施形態では、知識流通システム19000は、デジタルマーケットプレイス19090を確立および維持し、知識流通システム19000のユーザ19004にデジタル知識19008のインスタンスに対応するデータを視覚的に提示するためのマーケットプレイスシステム19078を含み得る。

実施形態では、知識流通システム19000は、分散型台帳と通信するデータストアを含み得、ここでデータストアは、デジタル知識19008に関連するデータを格納するように構成された知識データストア19082、知識流通システムの複数のユーザ19004に関連するデータを格納するように構成されたクライアントデータストア19084、スマートコントラクト19022に関連するデータを格納するように構成されたスマートコントラクトデータストア17164、および同様のものを含むことができる。

知識流通システム19000は、トークン化されたデジタル知識19014を分析し、分析結果19098を報告する報告システム19080を含み得る。

実施形態では、知識流通システム19000は、パラメータ化可能なスマートコントラクトテンプレート19060を使用してスマートコントラクト19022を生成するためのスマートコントラクト生成器19088を含み得る。スマートコントラクトパラメータは、トークン化されるデジタル知識のタイプに基づいてもよく、財務パラメータ、ロイヤリティパラメータ、使用パラメータ、および生成された出力パラメータ、および対価の配分パラメータ、IDパラメータ、アクセス条件パラメータなどを含んでもよい。

ワークフローマネジメントシステム

実施形態において、ワークフロー管理システムは、施設管理者が様々な分析結果、ステータス情報などを確認することができるプラットフォームのインターフェースを含むなど、施設に関連する様々なワークフローをサポートし得る。実施形態において、ワークフロー管理システムは、正しいフォローアップメッセージが自動的に、またはプラットフォームを使用する施設エージェントの制御下で、適切な個人、システムおよび／またはサービスに送信されることを確実にするために、行動後フォローアップモジュールの動作を追跡する。

様々な実施形態において、エネルギープロジェクト、コンピュートプロジェクト（例えば、暗号通貨及び／又はAI）及びハイブリッドのそれぞれのためのワークフローについて、様々な要素が含まれる。実施形態において、本明細書で提供されるのは、施設生産結果の可能性を予測することの少なくとも1つを行うために人工知能／機械学習システムを訓練するために、施設成果、施設パラメータ、およびデータソースから収集されたデータの訓練セットで学習するシステムを有するインテリジェントエネルギーおよび計算施設リソース管理システムにデータを提供するための情報技術システムである、設備生産結果を予測する、利用可能なプロファイルのセットの中で有利な設備リソース利用プロファイルを生成するためにエネルギーおよび計算リソースの供給および割り当てを最適化する、利用可能な出力のセットの中で有利な設備リソース出力選択を生成するためにエネルギーおよび計算リソースの供給および割り当てを最適化する、、利用可能なプロファイルの集合の中で好ましい施設入力リソースプロファイルを生成するために、利用可能なエネルギーおよび計算リソースの要求および提供を最適化する、利用可能なプロファイルの集合の中で好ましい施設リソース構成プロファイルを生成するために利用可能なエネルギーおよび計算リソースの構成を最適化する、利用可能な人工知能システムおよび構成の集合の中で好ましい施設出力プロファイルを生成するために人工知能システムの選択および構成を最適化する、施設によって提供できる出力について現在または将来の顧客が連絡を受けるべきことを表示する、ことを発生させる。

管理アプリケーションプラットフォーム

図33を参照すると、取引、金融およびマーケットプレイス実現システム3300が図示され、発生し得る金融および取引エンティティ3330のセットのインテリジェント管理を可能にするために連携して動作するシステム、アプリケーション、プロセス、モジュール、サービス、レイヤ、デバイス、コンポーネント、機械、製品、サブシステム、インターフェース、接続、および他の要素のセットを含む、プラットフォーム運営型マーケットプレイス3327または外部マーケットプレイス3390の内部で、あるいは所有、運営、サポート、または有効化され、あるいはプラットフォーム3300の一部、統合、リンク、または運用される可能性がある金融および取引エンティティ3330のインテリジェントな管理を可能にするために連携するデバイス、コンポーネント、機械、および他の要素。プラットフォーム運営型マーケットプレイス3327および外部マーケットプレイス3390は、物理的商品、サービス、仮想商品、デジタルコンテンツ、広告、クレジット（再生可能エネルギークレジット、汚染軽減クレジットなど）、通貨、商品、暗号通貨、ロイヤルティポイント、物理的リソースに関する広範なマーケットプレイスおよびエクスチェンジを含みうる、人的資源、注意資源、情報技術資源、貯蔵資源、エネルギー資源、オプション、先物、デリバティブ、証券、アクセス権、チケット、ライセンス（座席ライセンス、規制された活動を行うための民間または政府発行のライセンスまたは許可、メダル、バッジなどを含む）、その他多くのものがある。金融および取引エンティティ3330は、本開示全体または参照により本明細書に組み込まれる文書において言及される多種多様な資産、システム、デバイス、機械、施設、個人または他のエンティティのいずれかを含み得、例えば、限定されないが、金融機械3352およびそのコンポーネント（例えば、、自動預け払い機、POS機、自動販売機、キオスク、スマートカード対応機、およびその他多数）、金融および取引プロセス3350（貸出プロセス、ソフトウェアプロセス（アプリケーション、プログラム、サービスなどを含む）、生産プロセス、銀行プロセス（例えば、、貸出プロセス、引受プロセス、投資プロセス、その他多数）、金融サービスプロセス、診断プロセス、セキュリティプロセス、安全プロセス、その他多数）、ウェアラブルおよびポータブルデバイス3348（携帯電話、タブレット、金融アプリケーション専用ポータブルデバイス、データコレクター（モバイルデータコレクターを含む）、センサーベースのデバイス、時計、眼鏡、ヒアラブル、頭部装着デバイス、衣類一体型デバイス、腕輪、ブレスレット、首装着デバイス、AR／VRデバイス、ヘッドホンその他多数）等；労働者3344（銀行員、金融サービス員、管理者、エンジニア、フロアマネージャー、金庫員、検査員、配送員、通貨取り扱い員、プロセス監督者、セキュリティ員、安全員、その他多数など）；ロボットシステム3342（例えば、物理的ロボット、協働ロボット（例えば、「コボット」、「コボット」）、ソフトウェアボット等）、および運営施設3340（通貨生産施設、保管施設、金庫、銀行支店、オフィスビル、銀行施設、金融サービス施設、暗号通貨マイニング施設、データセンター、取引所、高頻度取引業務、およびその他多数）を含み、これらは限定されないが、とりわけ保管および金融サービス施設3338（金融サービスの在庫、部品、包装材料、物品、製品、機械、設備、およびその他物品用など；）保険施設3334（支店、事務所、保管施設、データセンター、引受業務など）、および銀行施設3332（商業銀行業務、投資、消費者銀行業務、貸付業務、その他多くの銀行業務など）である。

実施形態において、取引、金融および市場実現システム3300は、データ処理層3308のセットを含むことができ、その各々は、多種多様な金融および取引アプリケーションおよびエンドユースのための、自動化、機械学習、人工知能の応用、インテリジェントトランザクション、状態管理、イベント管理、プロセス管理、および他の多くのものを促進するためなどの、知能の開発および展開を容易にする能力のセットを提供するように構成される。実施形態において、データ処理層3308は、金融および取引監視システム層3306、金融および取引エンティティ指向データ記憶システム層3310（本明細書では便宜上単にデータ記憶層3310と呼ぶ場合もある）、適応型知能システム層3304および金融および取引管理アプリケーションプラットフォーム層3302を含む。データ処理層3308の各々は、本明細書および参照により本明細書に組み込まれる文書においてさらに説明されるように、様々なサービス、プログラム、アプリケーション、ワークフロー、システム、コンポーネント、およびモジュールを含み得る。実施形態において、データ処理層3308の各々（および任意に全体としての取引、金融および市場実現システム3300）は、その要素の1つ以上が、他の層3308または他のシステムによってサービスとしてアクセスできるように構成される（例えば、マイクロサービスアーキテクチャにおいて一連のクラウド基盤コンポーネント上に展開されるプラットフォームアズアサービスとして構成される）。たとえば、データ処理層3308は、アプリケーションプログラミングインターフェース（API）、ブローカー、サービス、コネクタ、有線または無線通信リンク、ポート、人間アクセスインターフェース、ソフトウェアインターフェースなど、データ処理層3308とプラットフォーム3300の他の層、システムまたはサブシステム、ならびに金融エンティティ3330または外部システムなどの他のシステム、たとえばクラウドベースまたはオンプレミス企業システム（e...、会計システム、資源管理システム、CRMシステム、サプライチェーン管理システム、およびその他多くのシステム。データ処理層3308の各々は、データ抽出、変換およびロードのための設備、データクレンジングおよび重複排除設備、データ正規化設備、データ同期設備、データセキュリティ設備、計算設備（例えば、データストリーム上で予め定義された計算操作を実行し、出力ストリームを提供するための）、圧縮および解凍設備、分析設備（データ視覚化の自動生成を提供するなどの）およびその他のものを含む、データ処理用のサービスセット（例えばマイクロサービス）、を含み得る。

実施形態では、各データ処理層3308は、他のデータ処理層3308のそれぞれとのデータ交換を自動化するためのアプリケーションプログラミングインターフェース3316のセットを有する。これらは、層および／またはアプリケーション3312の間で交換されるデータパケット、信号、および他の情報を抽出、変換、ロード、正規化、圧縮、解凍、符号化、復号化、および他の方法で処理するためなどのデータ統合機能を含み得、例えば、ある層が別の層からの出力を消費するために、必要に応じてデータをあるフォーマットまたはプロトコルから別のフォーマットに変換する。実施形態において、データ処理層3308は、金融および取引監視システム層3306によって、取引、金融および市場実現システム3300内の複数のアプリケーションおよび用途にわたる共有データ収集および分配を容易にするトポロジーで構成される。金融および取引監視システム層3306は、金融および取引エンティティ3330からまたはそれらについて収集されたデータ、ならびに様々なデータ処理層3308またはそれらのサービスもしくはコンポーネントからまたはそれらについて収集されたデータを収集および編成するための、いくつかの場合にデータ収集システム3318と便宜上呼ばれる様々なデータ収集および管理システム3318を含み、それと統合し、および／または協力し得る。例えば、タスクを引き受ける作業員または活動に従事する消費者が着用するウェアラブルデバイスからの生理学的データのストリームは、モニタリングシステム層3306を介して、作業員の生理学的、心理的、パフォーマンスレベル、注意、または他の状態のモニタリングを容易にするものと、運用効率および／または効果を容易にする別のものなど、金融および取引管理アプリケーションプラットフォーム層3302の複数の異なるアプリケーションに配布することができる。実施形態では、監視システム層3306は、1つまたは複数のエンティティ3330に関して収集されるデータの時間同期、正規化などの整合を容易にする。たとえば、カメラ対応IoTデバイスのセットからなど、取引または金融環境における作業者3344または他のエンティティの、またはそれに関して収集された1つまたは複数のビデオストリームまたは他のセンサデータは、ビデオまたは他のデータのセットの相対タイミングが、ビデオ内の画像、ビデオの異なるフレーム内の画像間の変化について操作する機械学習システムなど、ビデオを処理し得るシステムによって理解できるように、共通のクロックにアラインされてよい。そのような例では、金融および取引監視システム層3306は、ビデオ、カメラ画像、センサデータなどのセットを、ウェアラブルデバイスからのデータのストリーム、金融または取引システム（POSシステム、ATM、キオスク、手持ち取引システム、カードリーダーなど）によって生成されるデータのストリーム、モバイルデータコレクターによって収集されるデータのストリームなどの他のデータとさらに整合させても良い。多くのアプリケーションにわたってアクセスされる共通のプラットフォーム、またはマイクロサービスのセットとしての金融および取引監視システム層3306の構成は、増大するアプリケーションのセットが、その制御下にあるIoTデバイスおよび他のシステムおよびデバイスの増大を監視するために、企業が必要とする相互接続の数を劇的に削減し得る。

実施形態では、データ処理層3308は、場合によっては便宜上単にデータ記憶層3310または記憶層3310として本明細書で言及される、金融および取引エンティティおよび取引指向データ記憶システム層3310によって、取引、金融および市場実現システム3300の複数のアプリケーションおよび使用にわたる共有または共通のデータ記憶を容易にするトポロジーで構成される。例えば、金融エンティティ3330について収集された様々なデータ、ならびに他のデータ処理層3308によって生成されたデータは、様々なデータ処理層3308のサービス、アプリケーション、プログラムなどのいずれもが共通のデータソース（これは、異種の物理および／または仮想ストレージロケーションにわたって分散されている単一の論理データソースからなる場合がある）にアクセスできるように、データストレージ層3310に格納されてよい。これは、金融および取引IoTのアプリケーションが増殖するにつれて、エンティティ3330によってまたはエンティティ3330について生成される膨大な量のデータを処理するために必要なデータストレージの量の劇的な減少を促進し得る。たとえば、金融および取引管理アプリケーションプラットフォーム層3302におけるサプライチェーンまたは在庫管理アプリケーション、たとえば金融または取引の機械または機器のアイテムの交換部品を注文するためのもの、または通貨または他の在庫を再注文するためのものは、機械が交換部品を必要としそうかどうかを予測するために用いられる予測保守アプリケーションとして、機械のセットについてどの部品が交換されているかについて同じデータセットにアクセスし得る。同様に、通貨または他のアイテムの再供給に関しても、予測が使用される場合がある。実施形態において、データ記憶システム層3310は、本開示および参照により本明細書に組み込まれる文書を通して開示されるようなエキスパートシステム、人工知能システム、ロボットプロセス自動化システム、機械学習システム、深層学習システム、教師あり学習システム、または他のインテリジェントシステムのための特徴または入力の抽出に使用できるデータの収集に極めて豊富な環境を提供し得る。その結果、金融および取引管理アプリケーションプラットフォーム層3302の各アプリケーションおよび適応型インテリジェントシステム層3304の各適応型インテリジェントシステムは、他の各々によって、または他の各々のために収集または生成されたデータから恩恵を受け得る。限定されないが、様々な記憶媒体およびデータ記憶タイプおよびフォーマットを使用して、幅広いデータタイプを記憶層3310に記憶することができる：資産および施設データ3320（資産アイデンティティデータ、運用データ、取引データ、イベントデータ、状態データ、ワークフローデータ、保守データ、価格データ、所有権データ、譲渡可能データ、および資産（物理資産、デジタル資産、仮想資産、金融資産、証券資産、または他の資産であってよい）に関する他の多くのタイプのデータなど）；作業者データ3322（アイデンティティデータ、役割データ、タスクデータ、ワークフローデータ、健康データ、注意データ、気分データ、ストレスデータ、生理データ、パフォーマンスデータ、品質データおよび他の多くのタイプなど）；イベントデータ3324（プロセスイベント、トランザクションイベント、交換イベント、価格設定イベント、プロモーションイベント、割引イベント、リベートイベント、報酬イベント、ポイント利用イベント、金融イベント、出力イベント、入力イベント、状態変化イベント、動作イベント、修理イベント、保守イベント、サービスイベント、損傷イベント、負傷イベント、交換イベント、給油イベント、充電イベント、供給イベント、および多くの他のものを含む）；請求データ3354（事業中断保険、製造物責任保険、商品、施設、または設備に関する保険、洪水保険、契約関連リスクに関する保険など、保険請求に関するもの、および製造物責任、一般責任、労働者補償に関する請求データなど、多くのものがある、傷害その他の賠償請求、および供給契約履行請求、製品納入要件、契約請求、損害賠償請求、ポイントまたは報酬の償還請求、アクセス権の請求、保証請求、補償請求、エネルギー生産要件、納入要件、タイミング要件、マイルストーン、重要業績指標などの契約に関する請求データ）；会計データ3358（借方、貸方、コスト、価格、利益、マージン、収益率、評価、評価損などに関するデータなど）、引受データ3360（保険その他の取引に関わる見込み当事者および実際の当事者の身元に関するデータ、保険数理データ、活動に関する発生確率やリスクの程度に関するデータ、観察した活動に関するデータ、リスクの引受または推定に用いられるその他のデータなど）；アクセスデータ3362（アクセス権、チケット、トークン、ライセンス、および本開示を通じて説明される他のアクセス権に関するデータなどであり、アクセス権を表すデータ構造を含む；価格設定データ3364（スポット市場価格、フォワード市場価格、価格割引情報、プロモーション価格、およびプラットフォームが運営するマーケットプレイス3327および／または外部マーケットプレイス3390のいずれかにおけるアイテムのコストまたは価格に関連する他の情報を含む）；のほか、生産データ（物理的またはデジタル商品、サービス、イベント、コンテンツなどの生産に関するデータ、エネルギーインフラを維持する公益事業または独立サービス機関のデータベースに見られるエネルギー生産に関するデータ、銀行の出力に関するデータ、鉱業およびエネルギー抽出施設の出力に関するデータ、掘削およびパイプライン施設の出力など）、サプライチェーン・データ（供給品、金額、価格、配送、ソース、ルート、税関情報など）など図示しない他のタイプのデータも含む）。

実施形態では、データ処理層3308は、共有適応能力を容易にするトポロジーで構成され、これは、便宜上本明細書で適応インテリジェントシステム層3304といくつかのケースで呼ばれる適応インテリジェントシステム層3304のサービス、コンポーネント、プログラム、システムまたは能力のセットのうちの1または複数によって提供、管理、仲介等され得る。適応型インテリジェントシステム層3304は、本開示全体を通して他の場所でより詳細に説明されるデータ処理、人工知能、および計算システム3314のセットを含み得る。したがって、コンピューティング資源（利用可能な処理コア、利用可能なサーバ、利用可能なエッジコンピューティング資源、利用可能なオンデバイス資源（単一デバイスまたはピアードネットワーク用）、および利用可能なクラウドインフラなど）、データ記憶資源（デバイス上のローカルストレージ、金融エンティティまたは環境内のまたは上の記憶資源（オンデバイスストレージ、資産タグ上のストレージ、ローカルエリアネットワークストレージなど）、ネットワーク記憶資源など）といった様々な資源の利用、クラウドベースのストレージリソース、データベースリソースなど）、ネットワークリソース（セルラーネットワークスペクトル、無線ネットワークリソース、固定ネットワークリソースなどを含む）、エネルギーリソース（利用可能なバッテリー電力、利用可能な再生可能エネルギー、燃料、グリッドベースの電力、その他多数など）などが、複数のアプリケーション、プログラム、ワークフローなどの利益のために、オペレータ、企業などに代わって調整または共有された方法で最適化されてよい。例えば、適応型インテリジェントシステム層3304は、低遅延リソースが遠隔制御に使用され、より長い遅延リソースが分析アプリケーションに使用されるように、金融分析アプリケーションと金融遠隔制御アプリケーションの両方のために（他の多くの可能性の中で）利用可能なネットワークリソースを管理および提供し得る。本開示および参照により本明細書に組み込まれる文書を通じてより詳細に説明されるように、アプリケーション要件、サービス品質、予算、コスト、価格設定、リスク要因、運用目的、効率目的、最適化パラメータ、投資収益率、収益性、アップタイム／ダウンタイム、作業者利用、および他の多くのものに基づくものを含め、多種多様な適応が、様々な層3308にわたる種々のサービスおよび機能の代わりに提供されてよい。

金融および取引管理アプリケーションプラットフォーム層3302は、本明細書において便宜上金融および取引管理アプリケーションプラットフォーム層3302と呼ばれる場合があるが、金融および取引プロセス、ワークフロー、活動、イベントおよびアプリケーション3312のセット（文脈から別の意味になる場合を除き、集合的に呼ばれることがある、アプリケーション3312として）であって、オペレータが、データ記憶層3310の共通データ記憶、金融及び取引監視システム層3306の共通データ収集又は監視、及び／又は適応インテリジェントシステム層3304の共通適応知能を利用するものなどの共通アプリケーション環境において金融又は取引環境又は実体3330の複数の側面を管理することを可能にする。金融及び取引管理アプリケーションプラットフォーム層3302のアプリケーション3312からの出力は、他のデータハンドリング層3308に提供されてもよい。これらは、限定されないが、様々なオブジェクト、エンティティ、プロセス、フローなどの状態およびステータス情報、様々なデータ型の様々なクラスのオブジェクトのアイデンティティ、属性およびパラメータ情報などのオブジェクト情報、タイミング情報を含むワークフロー、動的システム、プロセス、手順、プロトコル、アルゴリズム、および他のフローなどのイベントおよび変更情報、などを含み得る；成果情報、例えば、成功と失敗の表示、プロセスまたはマイルストーンの完了の表示、正しいまたは誤った予測の表示、正しいまたは誤ったラベリングまたは分類の表示、および成功指標（収率、関与、投資収益率、収益性、効率、適時性、サービスの質、製品の質、顧客満足などに関するものを含む）などを特に指す。各アプリケーション3312からの出力は、データ記憶層3310に記憶され、データ収集層3318による処理のために分配され、適応型知的システム層3304によって使用され得る。金融および取引管理アプリケーションプラットフォーム層3302のクロスアプリケーションの性質は、したがって、アプリケーション間の結果に関する機械学習を供給することによって、他のアプリケーション（またはプラットフォーム3300の他の要素）からの結果に基づく機械学習を介して所与のアプリケーションの自動化の充実を提供し、アプリケーション開発者がプラットフォーム3300の他の能力の恩恵を受けながらアプリケーションネイティブなプロセスに集中できるようにするなど、任意のアプリケーションに知能を加えるためのすべての必要インフラ要素を便利に編成することを促進する。

図34を参照すると、図33の取引・金融・市場実現システム3300の任意の実施形態の追加の詳細、構成要素、サブシステム、および他の要素が図示されている。金融及び取引管理アプリケーションプラットフォーム層3302は、様々なオプションの実施形態において、便宜上アプリケーション3312と総称されるアプリケーション、システム、ソリューション、インターフェース等のセットを含み得、それにより、取引又は金融事業体のオペレータ又はオーナー、又は他のユーザは、図33との関連で上記に指摘した要素のいずれか等の事業体の1又は複数の要素を管理、モニタリング、制御、分析、又はその他の方法で相互作用し得る。アプリケーションのセット3312は、限定されないが、投資アプリケーション3402（限定されないが、株式、持分、通貨、商品、オプション、先物、デリバティブ、不動産、信託、暗号通貨、トークン、および他の資産クラスへの投資のためなど）のような広範囲のタイプのアプリケーションのいずれかの1以上を含んでもよい；資産管理アプリケーション3404（投資資産、不動産、備品、個人資産、不動産、設備、知的財産、車両、人的資源、ソフトウェア、情報技術資源、データ処理資源、データ記憶資源、発電および／または記憶資源、計算資源、および他の資産を管理するためなど、限定はされない）；貸出アプリケーション3410（例えば、個人貸出、商業貸出、担保付き貸出、マイクロ貸出、ピアツーピア貸出、保険関連貸出、資産担保貸出、担保付き債務貸出、企業債務貸出、学生ローン、住宅ローン貸出、自動車ローン、およびその他のために、限定されない）；リスク管理アプリケーション3408（例えば、限定されないが、製品、資産、人、家、車両、機器のアイテム、コンポーネント、情報技術システム、セキュリティシステム、セキュリティイベント、サイバーセキュリティシステムに関するリスクまたは責任を管理するため、資産、健康状態、死亡、火災、洪水、天候、障害、過誤、事業中断、侵害、広告傷害、中傷、名誉毀損、プライバシーまたはパブリシティ権の侵害、傷害、財産への損害、事業への損害、契約違反、その他）；決済アプリケーション3433（クレジットカード、デビットカード、電信送金、ACH、当座預金、通貨およびその他の決済を含む、マーケットプレイス内およびマーケットプレイス間の様々な決済を可能にするためのものなど）；マーケティングアプリケーション3412（金融または取引製品またはサービスをマーケティングするためのアプリケーション、広告アプリケーション、商品、サービスまたは他のアイテムのためのマーケットプレイスプラットフォームまたはシステム、マーケティング分析アプリケーション、顧客関係管理アプリケーション、検索エンジン最適化アプリケーション、販売管理アプリケーション、広告ネットワークアプリケーション、行動追跡アプリケーション、マーケティング分析アプリケーション、ロケーションベースの製品またはサービスのターゲティングアプリケーション、協調フィルタリングアプリケーション、製品またはサービスの推奨エンジン、その他、限定はされない）；取引アプリケーション3428（限定されないが、買いアプリケーション、売りアプリケーション、入札アプリケーション、オークションアプリケーション、逆オークションアプリケーション、入札／アスク合わせアプリケーション、証券取引アプリケーション、商品取引アプリケーション、オプション取引アプリケーション、先物取引アプリケーション、デリバティブ取引アプリケーション、暗号通貨取引アプリケーション、トークントレードアプリケーション、財務または取引のパフォーマンス、利回り、投資収益率または他の指標を分析する分析アプリケーション、ブック構築アプリケーション、またはその他のものなどである）；税金アプリケーション3414（例えば、限定されないが、売上税、所得税、固定資産税、自治体手数料、汚染税、再生エネルギークレジット、汚染軽減クレジット、付加価値税、輸入関税、輸出関税などの税金、徴収金、関税、クレジット、手数料または他の政府が課す料金に関するデータ、イベント、ワークフローまたは他の要因を管理、計算、報告、最適化またはその他の方法で処理するためなど）；不正防止アプリケーション3416（例えば、限定されないが、ID検証アプリケーション、生体識別検証アプリケーション、取引パターンベースの不正検出アプリケーション、位置ベースの不正検出アプリケーション、ユーザ行動ベースの不正検出アプリケーション、ネットワークアドレスベースの不正検出アプリケーション、ブラックリストアプリケーション、ホワイトリストアプリケーション、コンテンツ検査ベースの不正検出アプリケーション、またはその他の不正検出アプリケーション、金融サービス、のうちの1以上、アプリケーションまたはソリューション3409（「金融サービス」と総称され、例えば、限定されないが、財務計画サービス、税務計画サービス、ポートフォリオ管理サービス、取引サービス、融資サービス、銀行サービス、通貨変換サービス、通貨交換サービス、送金サービス、送金サービス、資産管理サービス、遺産計画サービス、投資銀行サービス、商業銀行サービス、外国為替サービス、保険サービス、投資サービス、投資運用サービス、ヘッジファンドサービス、ミューチュアルファンドサービス、カストディサービス、クレジットカードサービス、セーフキーピングサービス、チェックサービス、デビットカードサービス、ローンサービス、ATMサービス、ETFサービス、電信送金サービス、オーバードラフトサービス、レポートサービス、サーティファイドチェックサービス、公証サービス、資本市場サービス、仲介サービス、仲介業者サービス、プライベートバンクサービス、保険サービス、保険仲介サービス、アンダーライティングサービス年金サービス、生命保険サービス、健康保険サービス、退職金保険サービス、損害保険サービス、金融保険サービス、再保険サービス、仲介サービス、貿易清算サービス、プライベートエクイティサービス、ベンチャーキャピタルサービス、エンジェル投資サービス、ファミリーオフィス投資サービス、為替サービス、決済サービス、インターバンクネットワークサービス、債務処理サービス、その他金融サービス)セキュリティアプリケーション、ソリューションまたはサービス3418（本明細書ではセキュリティアプリケーションと呼ばれ、例えば、限定されないが、上述の不正防止アプリケーション3416のいずれか、物理的セキュリティシステム（例えば、アクセス制御システム（生体アクセス制御、指紋、網膜スキャン、パスワードおよび他のアクセス制御を使用するなど）、金庫、金庫室、ケージ、セーフルームなど）、監視システム（カメラを使用するなど）に対する、モーションセンサー、赤外線センサーなどのセンサー）、サイバーセキュリティシステム（ウイルス検出および修復、侵入検出および修復、スパム検出および修復、フィッシング検出および修復、ソーシャルエンジニアリング検出および修復、サイバー攻撃検出および修復、パケット検査、トラフィック検査、DNS攻撃修復および検出など）または他のセキュリティアプリケーション）；引受アプリケーション3420（限定されないが、あらゆる保険募集、あらゆるローン、またはあらゆる他の取引の引受のためのものであり、本開示全体または参照により本書に組み込まれる文書を通じて指摘されたデータソース、イベントまたはエンティティのいずれかに基づく引受を含む、リスクの可能性および／または範囲を検出、特性化または予測する任意のアプリケーションなど）；ブロックチェーンアプリケーション3422（限定されないが、借方または貸方、購入または販売、現物対価の交換、スマートコントラクトイベントなどの一連の取引を捕捉する分散型台帳、暗号通貨アプリケーション、または他のブロックチェーンベースのアプリケーションなど）；不動産アプリケーション3424（限定されないが、不動産仲介アプリケーション、不動産評価アプリケーション、不動産投資信託アプリケーション、不動産担保または貸付アプリケーション、不動産評価アプリケーション、不動産マーケティングアプリケーション、または他のアプリケーションなど）；規制アプリケーション3426（例えば、価格設定、マーケティング、証券の提供、保険の提供、ブローカーまたはディーラー活動の引き受け、データの使用（データプライバシー規制、データの保存に関する規制等を含む）、銀行、マーケティング、販売、財務計画、その他多数の規制など、本書および参照によりここに組み込まれる文書で指摘されたアプリケーション、サービス、取引、活動、ワークフロー、イベント、エンティティ、その他の項目のいずれかを制限なく規制するアプリケーションをいう）；プラットフォーム運営型マーケットプレイス3327アプリケーション、ソリューションまたはサービス（場合によっては、単にマーケットプレイスアプリケーションと呼ばれる（この用語は、文脈が許す限り、様々なタイプの外部マーケットプレイス3390を含むこともある）、例えば、電子商取引市場、オークション市場、物理商品市場、仮想商品市場、広告市場、リバースオークション市場、広告ネットワーク、注目資源市場、エネルギー取引市場、コンピューティング資源市場、ネットワーク資源市場、周波数割り当て市場、限定しないが、この市場、インターネット広告市場、テレビ広告市場、印刷広告市場、ラジオ広告市場、ゲーム内広告市場、仮想現実広告市場、拡張現実市場、不動産市場、ホスピタリティー市場旅行サービス市場、金融サービス市場、ブロックチェーンベースの市場、暗号通貨市場、トークンベースの市場、ロイヤリティプログラム市場、タイムシェア市場、ライドシェア市場、モビリティ市場、輸送市場、スペースシェア市場、または他の市場）；保証アプリケーション3417（製品、サービス、提供物、ソリューション、物理的製品、ソフトウェア、サービスレベル、サービス品質、金融商品、負債、担保物、サービスの履行、または他のアイテムに関する保証または保証のためのアプリケーションなど）（限定されない）；分析ソリューション3419（限定されないが、ビッグデータアプリケーション、ユーザ行動アプリケーション、予測アプリケーション、分類アプリケーション、ダッシュボード、パターン認識アプリケーション、計量アプリケーション、金融利回りアプリケーション、投資収益率アプリケーション、シナリオ計画アプリケーション、決定支援アプリケーションなど、本開示または参照により本書に組み込まれる文書を通じて言及されるデータ型、アプリケーション、イベント、ワークフロー、または実体のいずれかに関する分析アプリケーション等）；価格設定アプリケーション3421（例えば、限定されないが、商品、サービス（本開示および参照により本明細書に組み込まれる文書を通じて言及されるものを含む）、アプリケーション（本開示および参照により本明細書に組み込まれる文書を通じて言及されるものを含む）、ソフトウェア、データサービス、保険、仮想商品、広告配置、検索エンジンおよびキーワード配置、ならびに多くの他のものの価格のための；およびスマートコントラクトアプリケーション、ソリューション、またはサービス（本明細書においてスマートコントラクトアプリケーションと総称され、例えば、限定されないが、トークンまたは暗号通貨を対価として用いるスマートコントラクト、権利、オプション、または権益を帰属させるスマートコントラクトなどの本開示または参照により本書に組み込まれる文書で言及されるスマートコントラクトタイプのいずれかである、将来の条件に基づく権利、オプション、将来、または利子、証券、商品、将来、オプション、デリバティブなどのスマートコントラクト、現在または将来の資源のスマートコントラクト、税、規制またはコンプライアンスパラメータを考慮または対応するように構成されたスマートコントラクト、裁定取引を実行するように構成されたスマートコントラクト、または他の多くの契約）。したがって、金融および取引管理アプリケーションプラットフォーム層3302は、共有マイクロサービス、共有データインフラ、および共有インテリジェンスのおかげで、そのようなサービ



スの任意のペアまたはより大きな組み合わせまたは順列が、同じタイプの孤立したアプリケーションと比較して改善され得るように、広範囲の異種アプリケーション3312（上記の用語および他の金融または取引アプリケーション、サービス、ソリューションなどを含む）間の対話を可能にし、ホストし得る。

実施形態では、適応型インテリジェントシステム層3304は、金融および取引管理アプリケーションプラットフォーム層3302におけるアプリケーション3312の1つまたは複数を強化できるものなど、インテリジェントシステムの協調開発および展開を集合的に促進するシステム、コンポーネント、サービス、および他の能力のセットを含むことがある。これらの適応型インテリジェンスシステム層3304は、適応型エッジコンピュート管理ソリューション3430、ロボットプロセス自動化システム3442、プロトコルアダプタ3491のセット、パケット加速システム3434、エッジインテリジェンスシステム3438、適応型ネットワーキングシステム3440、状態およびイベントマネージャ3444のセット、機会鉱夫3446、人工知能システム3448および他のシステムのセット等を含み得る。

実施形態では、金融および取引監視システム層3306およびそのデータ収集システム3318は、データの収集のための広範なシステムを含み得る。この層は、限定されないが、リアルタイム監視システム3468（ATM、POSシステム、キオスク、自動販売機などのイベントおよびステータス報告システムのようなオンボード監視システム、車両および機器のOBDおよびテレマティクスシステム、イベントバス、通信ポートまたは他の通信システムを介して診断コードおよびイベントを提供するシステムなど）を含んでもよい；監視インフラ（取引やその他のイベントが行われる様々な環境に設置されたカメラ、モーションセンサー、ビーコン、RFIDシステム、スマート照明システム、資産追跡システム、人物追跡システム、周囲感知システムなど）、ならびに、ポータブルおよびモバイルデータコレクター、RFIDおよびその他のタグリーダー、スマートフォン、タブレットおよびその他のデータ収集ができるモバイルデバイスなどの取り外しおよび交換可能な監視システム；）ソフトウェアインタラクション観察システム3450（マウスの動き、タッチパッドインタラクション、マウスクリック、カーソル移動、キーボードインタラクション、ナビゲーション動作、目の動き、指の動き、ジェスチャー、メニュー選択、その他多数、またAPIを介してなど他のプログラムの結果として発生するソフトウェアインタラクションなどソフトウェアのユーザーインターフェースとのユーザーの対話に関わるイベントを記録・追跡するなど）；モバイルデータコレクター3452（本明細書および参照により組み込まれる文書に広範に記載されているような）、視覚モニタリングシステム3454（ビデオおよび静止画像システム、LIDAR、IRおよびエンティティ3330のアイテム、人、材料、コンポーネント、機械、装置、人員、ジェスチャー、表情、位置、構成および他の要因またはパラメータ、ならびにプロセス、作業者の活動などを監視する検査システムを視覚化できる他のシステムの利用など）；ポイント・オブ・インタラクションシステム3470（POSシステム、キオスク、ATM、自動販売機、タッチパッド、カメラベースのインタラクション追跡システム、スマートショッピングカート、オンラインおよび店舗内の自動販売およびコマースシステムのユーザインタフェース、タブレット、およびショッピングおよび／または取引に関わる顧客または労働者による販売またはその他のインタラクションのポイントにおける他のシステムなど）；物理的プロセス相互作用観察システム3458（顧客の物理的活動、取引当事者（取引業者、ベンダー、マーチャント、顧客、交渉者、ブローカーなど）の物理的活動、労働者と他の労働者との物理的相互作用、労働者と機械や装置などの物理的エンティティとの相互作用などを追跡するためのものなど、および物理的実体と他の物理的実体との相互作用であって、ビデオおよび静止画像カメラの使用、運動感知システム（光学センサ、LIDAR、IRおよび他のセンサセットを含むなど）、ロボット運動追跡システム（人間または物理的実体に取り付けられたシステムの動きを追跡するなど）および他の多くのものを含むが、これに限定されない；機械状態監視システム3460（クライアント、サーバ、クラウドリソース、ATM、キオスク、自動販売機、POSシステム、センサ、カメラ、スマートショッピングカート、スマートシェルフ、車両、ロボット、または他の機械などの機械の状態、状態、動作パラメータ、または他の尺度のオンボードモニタおよび外部モニタを含む）；金融または取引環境（限定されないが、オフィス、バックオフィス、店舗、モール、仮想店舗、オンライン環境、ウェブサイト、銀行、または多くの他のものなど）において、またはそれらに関するセンサおよびカメラ3462ならびに他のIoTデータ収集システム3464（オンボードセンサ、センサまたは他のデータ収集器（クリック追跡センサを含む）を含む）、環境全体を監視するためのカメラ、特定の機械、プロセス、作業者などのための専用カメラ、ウェアラブルカメラ、携帯カメラ、移動ロボット上に配置されたカメラ、スマートフォンやタブレットなどの携帯デバイスのカメラ、およびその他多くのセンサタイプ（本開示全体または参照により本書に組み込まれる文書に開示される多くのセンサタイプのいずれかを含む）であってよい；屋内位置監視システム3472（カメラ、IRシステム、動き検出システム、ビーコン、RFIDリーダー、スマート照明システム、三角測量システム、RFおよび他のスペクトル検出システム、飛行時間システム、ケミカルノーズおよび他の化学センサセット、ならびに他のセンサを含む；）ユーザフィードバックシステム3474（アンケートシステム、タッチパッド、音声ベースのフィードバックシステム、評価システム、表情モニタリングシステム、影響モニタリングシステム、ジェスチャーモニタリングシステム、その他を含む）；行動監視システム3478（動作、買い物行動、購入行動、クリック行動、詐欺または欺瞞を示す行動、ユーザインターフェース相互作用、製品返品行動、関心、注意、退屈などを示す行動、気分を示す行動（そわそわする、じっとする、近づく、または姿勢を変えるなど）、その他多数）；および本開示全体および参照により本書に組み込まれる文書に記載されるものなど、多種多様のIoTデータコレクター3464のいずれかを監視するためなど。

実施形態では、金融エンティティ指向データ記憶システム層3310は、会計データ3358、アクセスデータ3362、価格設定データ3364、資産および施設データ3320、労働者データ3322、イベントデータ3324、引受データ3360および請求データ3354などのデータの記憶のための一連のシステムを含むことができる。これらは、限定されないが、物理ストレージシステム、仮想ストレージシステム、ローカルストレージシステム、分散ストレージシステム、データベース、メモリ、ネットワークベースのストレージ、ネットワーク接続ストレージシステム（NVME、ストレージ接続ネットワーク、および他のネットワークストレージシステムを使用するなど）、および多くの他のものを含み得る。実施形態では、ストレージ層3310は、1つまたは複数の知識グラフ（有向非循環グラフ、データマップ、データ階層、リンクおよびノードを含むデータクラスタ、自己組織化マップなど）においてデータを格納し得る。実施形態では、データ記憶層3310は、本明細書で説明されるエンティティのいずれかを含むエンティティ3330の経時的な記録を維持するためなど、デジタルスレッド、台帳などにデータを記憶し得る。実施形態において、データ記憶層3310は、仮想資産タグ3488を使用し、可能にすることができ、これは、データに記憶および検索が任意にローカルプロセスにリンクされるが、任意にリモート検索および記憶オプションにも開かれるように、アクセス制御を使用するなどして、資産と関連しタグが資産上に物理的に位置しているかのようにアクセスおよび管理されるデータ構造を含むことがある。実施形態では、ストレージ層3310は、役割ベースであってもよいし、エンティティ3330、サービス、または1つ以上のアプリケーション3312に関連付けられた資格情報に基づくものであってもよいアクセス制御とともに、アイデンティティデータ、取引データ、エンティティ3330のエンティティデータ、価格データ、所有権移転データ、スマートコントラクト3431による操作のためのデータ、過去の対話データなどを格納するものなどの、1つ以上のブロックチェーン3490を含み得る。

図35を参照すると、適応型インテリジェントシステム層3304は、ロボットプロセス自動化（RPA）システム3442を含んでもよく、これは、様々な金融エンティティ3330、環境、およびアプリケーション3312に対する自動化能力の開発および展開のためのコンポーネント、プロセス、サービス、インターフェースおよび他の要素のセットを含むことができる。限定されないが、ロボットプロセス自動化3442は、プラットフォームアプリケーション層のアプリケーション3312のセットのそれぞれによって管理、制御、または媒介されるプロセスのそれぞれに適用され得る。

実施形態において、ロボットプロセス自動化3442は、一対のアプリケーションが、金融エンティティ3330に関して収集されるデータソース（データ記憶層3310におけるなど）および他の入力（監視層3306からのなど）を共有し、同様に、出力、イベント．状態情報および出力は、集合的に、人工知能3448（本開示全体および参照により組み込まれる文書に記載される様々なエキスパートシステム、人工知能システム、ニューラルネットワーク、教師あり学習システム、機械学習システム、深層学習システム、および他のシステムのいずれかを含む）の使用によるものを含め、プロセス自動化のためのはるかに豊富な環境を提供し得る。例えば、不動産アプリケーション3424は、通常人間によって実行または監督される不動産検査プロセスの自動化のためにロボットプロセス自動化3442を使用することができる（例えば、エンティティ3330の画像を表示するカメラなどからのビデオまたは静止画像を使用する視覚検査を含むプロセスを自動化することによって、例えば、ロボットプロセス自動化3442システムが、家、建物、または他の不動産物件もしくはアイテムの可能性のある欠陥または有利な特性を識別、診断、測定、パラメータ化、または他の方法で特徴付けるために使用されるインターフェースと、人間の検査官または監督者のセットの相互作用を観察することによって検査を自動化するように訓練される場合である。実施形態において、人間の検査官または監督者の対話は、機械学習システムが訓練データセットを使用して同じ特性を識別するように学習できるように、ラベルまたはタグが欠陥のタイプ、良好な特性、または他の特性を示すラベル付きデータセットを含み得る、これにより、欠陥または有利な特性がビデオまたは静止画像のセットにおいて自動的に分類および検出されるように検査プロセスを自動化するために使用することができ、これにより、不動産ソリューション3424内で、さらなる検査を必要とする項目、拒絶されるべき項目、購入希望者に開示されるべき項目、改善されるべき項目などにフラグを立てるように使用することができる。実施形態において、ロボットプロセス自動化3442は、入力、データ構造、データソース、イベント、状態、出力、または結果のマルチアプリケーションまたはクロスアプリケーションの共有を含み得る。例えば、不動産アプリケーション3424は、不動産アプリケーション3424のロボットプロセス自動化3442を豊かにする可能性のあるプラットフォーム運営マーケットプレイスアプリケーション3327からの情報、例えば、不動産物件にある特定のベンダーからのアイテム（プール、スパ、キッチン家電、テレビまたは他のアイテムなど）の現在の価格に関する情報を受信してもよく、検査プロセス、評価プロセス、開示プロセスなどを促進する目的で不動産に関する特徴を入力することを支援する可能性がある。アプリケーション3312にわたるロボットプロセス自動化3442のためのマルチアプリケーションまたはクロスアプリケーション共有のこれらおよび他の多くの例は、本開示によって包含される。

実施形態において、ロボティックプロセスオートメーションは、金融および取引管理アプリケーションプラットフォーム層3302のアプリケーション3312の様々な組の間の共有または収束プロセスに適用されてよく、例えば、限定されないが、セキュリティアプリケーション3418および融資アプリケーション3410を含む収束プロセス、ブロックチェーンベースのアプリケーション3422のプラットフォーム運営マーケットプレイスアプリケーション3327との統合自動化、および多くの他のもののようである。実施形態では、収束プロセスは、複数のアプリケーション3312（ブロックチェーン上の同じトランザクションを追跡するが、ブロックチェーンに維持されるデータオブジェクトの利用可能な属性の異なるサブセットを消費し得るもの、または共通の知識グラフのノードおよびリンクのセットを使用するものを含む）に対して共有データ構造を含み得る。例えば、エンティティ3330の所有権の変更を示すトランザクションは、ブロックチェーンに格納され、役割ベースのアクセス制御、リモートコント役割のための役割ベースの許可、IDベースのイベント報告などを可能にするために、複数のアプリケーション3312によって使用される場合がある。実施形態では、収束したプロセスは、アプリケーション3312のセットのうちの1つ以上に関与する大きなフローのサブセットを含む、アプリケーション3312にわたる共有プロセスフローを含み得る。例えば、エンティティ3330に関する引受または検査フローは、貸出ソリューション3410、分析ソリューション3419、資産管理ソリューション3404、およびその他にサービスを提供することができる。

実施形態において、ロボットプロセス自動化3442は、本開示および参照により本明細書に組み込まれる文書全体を通して言及される広範囲の金融および取引プロセス（限定されないが、エネルギー取引、銀行、輸送、貯蔵、エネルギー貯蔵、保守プロセス、サービスプロセス、修理プロセス、供給チェーンプロセス、検査プロセス、購入および販売プロセス、引受プロセス、遵守プロセス、規制プロセス、不正検出プロセス、障害検出プロセス、電力利用最適化プロセスおよび多くの他のもの）を提供しても良い。ロボティックプロセスオートメーションの開発環境は、開発者が、人工知能システム3448を構成して、データストレージ層3310の選択されたデータソースからの入力および監視システム層3306からのイベントまたは他のデータを取り、それらを、例えばニューラルネットワークに、分類または予測のための入力として、または成果として供給してもよい開発者向けインターフェースのセットを含み得る。RPA開発環境3442は、自動化を意図するプロセスのステップに関与する分類、予測などの自動学習および改善を促進するために、再び、様々なアプリケーション3312から出力および成果3328を取り込むように構成され得る。実施形態において、開発環境、および結果として生じるロボットプロセス自動化3442は、ソフトウェア相互作用観測3450（例えば、エンティティ3330を含むアプリケーション3312の様々なソフトウェアインターフェースと相互作用する作業者による）および物理プロセス相互作用観測3458（例えば、機械、装置、ツール等と相互作用または使用する作業者を見ることによる）の両方の組み合わせを監視することを含み得る。実施形態において、ソフトウェア相互作用観察3450は、あるアプリケーション3312が別のアプリケーション3312とAPIを介してどのように相互作用するかなど、ソフトウェアコンポーネント間の他のソフトウェアコンポーネントとの相互作用を含み得る。実施形態において、物理的プロセス相互作用観察3458は、人間の労働者が金融エンティティ3330とどのように相互作用するかの観察（ビデオカメラ、動作検出器、または他のセンサ、ならびにロボットハードウェアなどのハードウェアの位置、動作などの検出によるものなど）を含み得る（労働者の場所（場所を通る経路、所定のタイプの労働者が所定のイベントのセットの間に位置する場所を含む、プロセスなど、作業員が様々なツールおよび物理的インターフェースを使用して機器の一部または他のアイテムを操作する方法、様々なイベントに関する作業員の応答のタイミング（警告および警告に対する応答など）、作業員が予定されたメンテナンス、更新、修理およびサービスプロセスを行う手順、作業員がワークフローに関わるアイテムを調整または調整する手順、および他の多くのもの）。物理的プロセス相互作用観測3458は、作業者がツールなどでハードウェアを操作する際に、作業者の位置、角度、力、速度、加速度、圧力、トルクなどを追跡することを含む場合がある。そのような観測は、ビデオデータ、機械内で検出されたデータ（位置検出器によって検出され報告された機械の要素の位置など）、ウェアラブルデバイス（訓練データセットを開発する目的でハードウェアアイテムとの人間作業者の相互作用の物理特性を検出するように構成された位置検出器、力検出器、トルク検出機などを含む外骨格など）によって集められたデータ、の任意の組み合わせによって得ることができる。ソフトウェア相互作用観測3450と物理的プロセス相互作用観測3458の両方を収集することにより、RPAシステム3442は、物理的ロボットと組み合わせてソフトウェア自動化を使用するなどして、金融エンティティ3330を含むプロセスをより包括的に自動化できる。

実施形態において、ロボティックプロセスオートメーション3442は、従来人間が行っていたタスクを引き受けることを容易にするハードウェア要素を有する物理的ロボットのセットを訓練するように構成される。これらは、歩行（階段の上り下りを含む）、登攀（はしごを登るなど）、施設内での移動、アイテムへの取り付け、アイテムの把持（ロボットアーム、手、ペンチなどの使用など）、アイテムの持ち上げ、アイテムの運搬、アイテムの取り外し、および交換、ツールの使用など、多くのロボットを含み得る。

図35を参照すると、本明細書で提供される実施形態では、取引、財務、およびマーケットプレイス有効化システムである。例示的なシステムは、複数のデータソースからの情報を解釈し、複数の管理アプリケーションとインターフェースするように構造化されたロボットプロセス自動化回路を含み得、ここで、複数の管理アプリケーションはそれぞれ、複数の金融機関の別々の1つと関連し、ロボットプロセス自動化回路はさらに、複数のデータソースからの情報に応答して複数の管理アプリケーションの少なくとも1つのプロセスを改善するように構造化された人工知能回路を含む。

例示的なシステムの特定のさらなる態様を以下に説明するが、そのうちの任意の1つまたは複数が特定の実施形態に存在し得る。例示的なシステムは、人工知能回路が、スマートコントラクトサービス回路、評価回路、および自動化エージェント回路からなる回路から選択される少なくとも1つの回路をさらに備える、ことを含み得る。

例示的なシステムは、複数の管理アプリケーションが、投資アプリケーション、資産管理アプリケーション、融資アプリケーション、リスク管理アプリケーション、マーケティングアプリケーション、取引アプリケーション、税務アプリケーション、詐欺アプリケーション、金融サービスアプリケーション、セキュリティアプリケーション、引受アプリケーション、ブロックチェーンアプリケーション、不動産アプリケーション、規制アプリケーション、プラットフォームマーケットプレイスアプリケーション、保証アプリケーション、分析アプリケーション、価格設定アプリケーションおよびスマートコントラクトアプリケーションからなるアプリケーションから選択された少なくとも2つのアプリケーションからなる、ことを含み得る。

例示的なシステムは、複数のデータソースが、アクセスデータソース、資産および施設データソース、労働者データソース、クレームデータソース、会計データソース、イベントデータソース、および引受データソースからなるアプリケーションから選択される少なくとも2つのアプリケーションを含む場合がある。

例示的なシステムは、複数の管理アプリケーションが不動産アプリケーションを含み、ロボットプロセス自動化回路が、不動産検査プロセスを自動化するようにさらに構成されていることを含み得る。

例示的なシステムは、ロボットプロセス自動化回路が、ビデオ検査コマンドまたはカメラ検査コマンドのうちの1つを提供すること、複数のデータソースからのデータを利用して検査イベントをスケジュールすること、および複数の検査データおよび検査結果に応答して検査基準を決定し、複数の検査データおよび検査結果に応答して検査コマンドを提供することからなる動作から選択される少なくとも1つの動作を実行することによって不動産検査工程を自動化することをさらに構成することが挙げられる。

例示的なシステムは、ロボットプロセス自動化回路が、不動産アプリケーションにアクセスできない複数のデータソースのうちの少なくとも1つに応答して、不動産検査プロセスを自動化するようにさらに構成されていることを含み得る。

例示的なシステムは、複数のデータソースのうちの少なくとも1つが、ロボット自動化回路による改善されたプロセスを有する複数の管理アプリケーションのうちの少なくとも1つの各々にアクセスできない、ことを含み得る。

例示的なシステムは、ロボット自動化回路による改善されたプロセスを有する複数の管理アプリケーションの少なくとも1つが、不動産アプリケーションを含み、複数のデータソースの少なくとも1つが、請求データソース、価格データソース、資産および施設データソース、作業者データソース、およびイベントデータソースからなるデータソースから選択された少なくとも1つのデータソースを含むことがある。

例示的なシステムは、ロボット自動化回路による改善されたプロセスを有する複数の管理アプリケーションの少なくとも1つが、資産管理アプリケーションを含み、複数のデータソースの少なくとも1つが、アクセスデータソース、価格データソース、会計データソース、作業者データソース、およびイベントデータソースからなるデータソースから選択される少なくとも1つのデータソースを含むことがある。

例示的なシステムは、ロボット自動化回路による改善されたプロセスを有する複数の管理アプリケーションの少なくとも1つが貸出管理アプリケーションを含み、複数のデータソースの少なくとも1つが、資産および施設データソース、請求データソース、作業者データソース、およびイベントデータソースからなるデータソースから選択された少なくとも1つのデータソースを含むことができる。

例示的なシステムは、ロボット自動化回路による改善されたプロセスを有する複数の管理アプリケーションの少なくとも1つが、マーケティング管理アプリケーションを含み、複数のデータソースの少なくとも1つが、資産および施設データソース、クレームデータソース、労働者データソース、イベントデータソース、および引受データソースからなるデータソースから選択された少なくとも1つのデータソースを含むことがある。

例示的なシステムは、ロボット自動化回路による改善されたプロセスを有する複数の管理アプリケーションの少なくとも1つが、取引管理アプリケーションを含み、複数のデータソースの少なくとも1つが、資産および施設データソース、クレームデータソース、作業者データソース、およびイベントデータソースからなるデータソースから選択された少なくとも1つのデータソースを含むことがある。

例示的なシステムは、ロボット自動化回路による改善されたプロセスを有する複数の管理アプリケーションの少なくとも1つが、分析管理アプリケーションを含み、複数のデータソースの少なくとも1つが、アクセスデータソース、クレームデータソース、作業者データソース、およびイベントデータソースからなるデータソースから選択された少なくとも1つのデータソースを含むことがある。

例示的なシステムは、ロボットプロセス自動化回路が、外部市場、銀行施設、保険施設、金融サービス施設、運営施設、共同ロボット施設、作業者、ウェアラブルデバイス、外部プロセス、および機械からなるエンティティから選択される少なくとも1つのエンティティに出力を提供することによって複数の管理アプリケーションの少なくとも1つのプロセスを改善するようにさらに構成される、ことを含み得る。

例示的なシステムは、ロボットプロセス自動化回路が、少なくとも1つのエンティティからの結果を解釈するようにさらに構成されており、人工知能回路が、少なくとも1つのエンティティからの結果に応答してプロセスを反復的に改善するようにさらに構成されている、ことを含み得る。

図36を参照すると、一組の機会鉱夫3446が適応インテリジェントシステム層3304の一部として提供されてもよく、これは、プラットフォーム100のシステム、サブシステム、コンポーネント、アプリケーションなどのうちの1つまたは複数への人工知能3448、（ロボットプロセス自動化3442を含む）自動化の追加などを介して、またはプラットフォーム100が対話するものへのプラットフォーム3300の要素のうち1つを改善する機会を求めて推奨するように構成され得る。実施形態において、機会鉱床3446は、より良いソリューションのための機会を見つけ、既存のソリューションを最適化するために、AIまたはRPAソリューションの開発者によって構成または使用され得る。実施形態では、機会鉱夫3446は、プラットフォーム100内の情報を収集し、環境およびエンティティ3330のセット内、それらについて、およびそれらについて情報を収集するシステムのセットを含み得、収集された情報は、自動化および／またはインテリジェンスを高める機会の特定および優先順位付けに役立つ可能性を有している。例えば、機会採掘者3446は、一連の金融環境における労働集約的な領域およびプロセスを特定するために、カメラ、ウェアラブル、または他のセンサを使用するなどして、時間別、タイプ別、および場所別に労働者のクラスターを観察するシステムを含んでもよい。これらは、ランク付けされたリストまたは優先順位付けされたリストなどにおいて、または可視化（環境の地図上で顧客、労働者、または他の個人の滞留時間を示す熱マップ、または環境内で顧客または労働者が移動したルートを示す熱マップなど）において提示されて、労働活動が高い場所を示すことができる。実施形態では、分析ソリューション3419は、省力化、利益最適化、歩留まり最適化、稼働時間増加、スループット増加、取引フロー増加、セキュリティ改善、信頼性改善、または他の要因を目的として、どの環境または活動が自動化から最も利益を得るかを識別するために使用され得る。

実施形態において、機会採掘機3446は、所定のプロセスに関与する労働者のアイデンティティ、資格証明書および経験を観察するなど、アクションを実行する、プログラムを使用する、機械を使用するなどに必要なドメイン固有またはエンティティ固有の知識または専門知識の程度を特徴付けるシステムを含み得る。これは、非常に経験豊富な作業員が関与する状況（例えば、かなりの経験を必要とする複雑な取引（複数当事者取引など）、かなりの専門知識または訓練を伴う複雑なバックオフィスプロセス（リスク管理、保険数理および引受プロセス、資産配分プロセス、投資決定プロセスなど）で特に有益となり得る；特に、これらの労働者の人口が不足している場合（退職や同じ資格を持つ新しい労働者の供給が減少している場合など）、大規模または複雑な機械の更新、保守、移植、バックアップ、再構築プロセス、または効果的な作業のために蓄積された経験が必要となる複雑なプロセスの微調整において、）。したがって、機会鉱夫3446のセットは、自動化3442の開発に優先順位をつけるためなどに、エンティティ3330のまたはエンティティ3330に関するどのプロセスが、特定の経験または資格のセットを有する労働者に最も集中的に依存しているか、例えば、希少または減少している経験または資格を有する労働者に依存しているかを示すデータを収集して分析ソリューション3419に供給してもよい。機会マイニング装置3446は、例えば、労働者の年齢、資格、経験（プロセスタイプ別を含む）に関する集約データ（傾向情報を含む）を、それらの労働者が関与するプロセスに関するデータ（タイプ別に労働者の場所を追跡すること、労働者のタイプ別にプロセスに費やされる時間を追跡することなど）と相関させることができる。高価値の自動化機会のセットは、希少であるか、または希少になると予想される労働者に対するプロセスのセットの相対的依存性に少なくとも部分的に基づいて機会を重み付けするものなど、ランキングセットに基づいて自動的に推奨され得る。

実施形態では、機会採掘者3446のセットは、様々な労働者の給与（個人としてまたはタイプ別）を示す人的資源データベース情報、サービス労働者または他の請負業者が請求する料金に関する情報などを含む労働者データ3322にアクセスすることによって、一連のプロセスに関わる労働者のコストに関する情報を使用し得る。機会採掘装置3446は、分析ソリューション3419が、最も高価な労働者の最も多くの時間を占めているプロセスが何かを特定することを可能にするように、プロセス追跡情報との相関のためにそのようなコスト情報を提供してもよい。これは、金融環境において、またはエンティティ3330に関して、どのような場所、ルート、またはプロセスが労働者の最も高価な時間を関与しているかを示すヒートマップによるなど、そのようなプロセスの視覚化を含むことができる。機会採掘者3446は、ランク付けされたリスト、重み付けされたリスト、またはどの分野がさらなる自動化または人工知能の展開から利益を得る可能性が最も高いかを示す他のデータセットを開発者に供給することができる。

実施形態において、ロボットによるプロセス自動化の機会のための環境のマイニングは、労働集約的なプロセスを伴う領域についてHRデータベースおよび／または他の労働追跡データベースを検索すること、自動化の可能性を示す労働者の資格情報がある領域についてシステムを検索すること、労働集約型の機械またはプロセスを見つけるためにウェアラブルによって労働者のクラスターを追跡すること、労働集約型のプロセスを見つけるためにウェアラブルによって労働者のタイプごとにクラスターを追跡することなどを含みうる。

実施形態において、機会マイニングは、プロセスの自動化を促進するために使用され得る適切なトレーニングデータセットを募集するための設備を含み得る。例えば、ある種の入力は、利用可能であれば、複雑なタスクを実行する非常に経験豊富な及び／又は高度に専門的な作業者をキャプチャするビデオデータセットなど、自動化に非常に高い価値を提供するであろう。機会採掘者3446は、本明細書で説明するように、そのようなビデオデータセットを検索することができる；しかし、成功しない場合（または利用可能なデータを補足するために）、プラットフォームは、開発者などのユーザが、ソフトウェア相互作用データ（特定のタスクを実行するためにプログラムとともに作業する専門家のものなど）、ビデオデータ（ある種の修理を行う専門家のセット、機械を再構築する専門家、ある種の複雑なプロセスを最適化する専門家などを示すビデオなど）、物理プロセス観察データ（ビデオ、センサデータなど）などの所望のタイプのデータを指定できるシステムを含むことができる。本明細書は、要求されたタイプのデータを提供する当事者に対して何らかの形態の対価（例えば、金銭的報酬、トークン、暗号通貨、ライセンスまたは権利、収益分配、または他の対価）を提供することなどにより、かかるデータを勧誘するために使用されてよい。報酬は、既存のデータを提供すること、および／またはプロセスのビデオを撮るなど、専門家のインタラクションをキャプチャするためのステップを実施することに対して、当事者に提供される場合がある。指定、勧誘、および報酬に応答してキャプチャされた相互作用の結果のライブラリは、様々なアプリケーション3312、適応型インテリジェントシステム層3304、および他のプロセスおよびシステムによる消費のために、データ記憶層3310にデータセットとしてキャプチャされてよい。実施形態において、ライブラリは、手順またはプロトコルに従ってステップのシーケンスを提供する、手順またはプロトコルを自動化の候補であるサブステップに分解する、など、ビデオ内の指示に従うことができる自動化マップの開発を容易にするために、特に命令ビデオとして開発されるビデオを含んでもよい。実施形態において、このようなビデオは、プロセスの自動化の開発を支援するプロセスのマップ、グラフ、または他のモデルを容易にするために開発者が使用できるラベル付き命令のシーケンスを自動的に開発するように、自然言語処理によって処理されることがある。実施形態において、トレーニングデータセットの指定されたセットは、学習の入力として動作するように構成される場合がある。そのような場合、トレーニングデータは、プロセスの所定のビデオをそれらの出力および結果と関連付けることができるように、アプリケーション3312からの出力および結果、金融エンティティ3330の出力および結果など、プラットフォーム3300内の他のデータと時間同期させることができ、それにより、（ビデオ上、またはソフトウェア相互作用もしくは物理的プロセス相互作用の観察を通してなど）捕らえられた所定のプロセスのときに生じた結果に敏感である学習へのフィードバックを可能とする。

実施形態では、機会マイナー3446は、スマートコントラクトの定義、形成、構成、および実行のための機会をマイニングするための方法、システム、プロセス、コンポーネント、サービス、および他の要素を含み得る。データ処理層3308によって扱われる、データ記憶層3310によって記憶される、監視システム層3306およびデータ収集システム3318によって収集される、エンティティ3330についてまたはエンティティから収集される、または外部ソースから得られる任意のデータなどの、プラットフォーム3300内で収集されるデータは、スマートコントラクトの適用または構成のための有益な機会の認識に使用されてよい。例えば、価格設定アプリケーション3421によって取り扱われるか、または他の方法で収集された、エンティティ3330に関する価格設定情報は、同じアイテムまたはアイテムが（スポット市場、先物市場などにおいて）格差のある価格設定である状況を認識するために使用されてよく、機会マイニング装置3446は、ある環境で所定の閾値未満の価格で買い、別の環境で所定の閾値以上の価格で売る、またはその逆の契約などのスマートコントラクトの形成機会を示す警報を提供できる。実施形態では、ロボットプロセス自動化3442は、そのような契約を形成する専門家に関連するデータの訓練セットで訓練することによって、または過去の契約からの結果に関するフィードバックに基づいて、スマートコントラクトの作成、構成、および／または実行を自動化するために使用され得る。スマートコントラクトの機会はまた、オプション、先物、デリバティブ、フォワードマーケット契約、および他のフォワードルッキング契約の機会を示すために予測が使用される場合、例えば、裁定取引、ヘッジ取引、「イン・ザ・マネー」オプション、有利な取引、または同様のものなどの有利な交換の機会を創出する将来の状態が発生するという予測に基づいてスマートコントラクトを作成するような、パターンに基づいて認識されてよい。実施形態では、最初のステップで、機会鉱床3446は、現在または将来の市場のセットにおいて、アイテム、サービス、商品などの価格レベルを求める。第2のステップにおいて、機会採掘装置3446は、スマートコントラクトにとって有利な条件（裁定取引機会、節税機会、有利なオプション、有利なヘッジなど）を決定する。次のステップで、機会採掘装置3446は、スマートコントラクトが、アイテムの説明、価格または他の用語または条件の説明、実行のためのドメイン（契約が形成される市場のセットなど）および時間を用いて予め設定されるスマートコントラクトプロセスを開始することができる。次のステップでは、自動化プロセスがスマートコントラクトを形成し、該当するドメイン内でそれを実行することができる。最終ステップで、プラットフォームは、条件が満たされた場合など、契約を決済することができる。実施形態では、機会マイナー3446は、様々なリソース（例えば、計算、帯域幅、エネルギー、注目、通貨、トークン、クレジット（例えば、税クレジット、再生可能エネルギークレジット、汚染クレジット）、暗号通貨、商品、ライセンス（例えば、、スマートコントラクトを介して実行されるものなどの契約または一連の契約において、一方のリソースを他方のリソースに変換するためにドメインを越えて取引するためのあらゆるコストの計上を含む、他のかかるリソースに関する政府発行のライセンス、例えば、周波数、サービスを行う権利など、知的財産ライセンス、ソフトウェアライセンスなど）、サービスおよび他のアイテム）。価値変換器3447は、現在の（例えば、スポット市場）価値、定義された先物市場における価値（前日エネルギー価格など）、および定義された先物市場外の予測される将来の価値の間で変換し得る。実施形態において、機会採掘者3446は、価値の有利な翻訳をもたらす取引を引き受けることによって価値の生成をもたらす一連の取引額、構成、ドメイン、およびタイミングを定義するために、価値翻訳器の対または他の組み合わせ（横断、2、3、4、5またはそれ以上のドメインなど）にわたって動作することがある。例えば、暗号通貨トークンは、汚染クレジットと交換されてもよく、これはエネルギーの生成を許可するために使用されてもよく、スマートコントラクトを作成し一連の交換を引き受けるコストよりも暗号通貨トークンの価値を上回る価格で売却されてもよい。

図36を参照すると、本明細書で提供される実施形態では、取引、金融、およびマーケットプレイス有効化システムである。例示的なシステムは、複数のデータソースからの情報を解釈し、複数の管理アプリケーションとインターフェースするように構造化されたロボットプロセス自動化回路を含み得、ここで、複数の管理アプリケーションはそれぞれ、複数の金融エンティティの別々の1つと関連し、ロボットプロセス自動化回路はさらに、複数のデータソースからの情報に応答して複数の管理アプリケーションの少なくとも1つのためのプロセス改善機会を決定し、決定したプロセス改善機会に応答してプロセス改善機会に関連した少なくとも1つのエンティティに出力を提供するように構造化された機会マイニングコンポーネントを有する。

例示的なシステムの特定のさらなる側面が以下に説明され、そのうちのいずれか1つ以上が特定の実施形態に存在し得る。例示的なシステムは、複数の管理アプリケーションが、投資アプリケーション、資産管理アプリケーション、貸付アプリケーション、リスク管理アプリケーション、マーケティングアプリケーション、取引アプリケーション、税務アプリケーション、詐欺アプリケーション、金融サービスアプリケーション、セキュリティアプリケーション、引受アプリケーション、ブロックチェーンアプリケーション、不動産アプリケーション、規制アプリケーション、プラットフォームマーケットプレイスアプリケーション、保証アプリケーション、分析アプリケーション、価格設定アプリケーション、およびスマートコントラクトアプリケーションからなるアプリケーションから選択された少なくとも2つのアプリケーションからなる場合を含み得る。

例示的なシステムは、複数のデータソースが、アクセスデータソース、資産および施設データソース、労働者データソース、クレームデータソース、会計データソース、イベントデータソース、および引受データソースからなるアプリケーションから選択される少なくとも2つのアプリケーションを含む場合がある。

例示的なシステムは、少なくとも1つのエンティティがそれぞれ、外部市場、銀行施設、保険施設、金融サービス施設、運営施設、共同ロボット施設、作業者、ウェアラブルデバイス、外部プロセス、および機械からなるエンティティから選択されるエンティティを構成する、ことを含み得る。

例示的なシステムは、機会マイニングコンポーネントが、複数のデータソースからの情報に応答して、複数の管理アプリケーションの1つに対する複数のプロセス改善機会を決定し、複数の管理アプリケーションの1つに、複数のプロセス改善機会の優先順位付きリストまたは視覚化のうちの1つを提供するようにさらに構成される、ことを含み得る。

例示的なシステムは、機会マイニングコンポーネントが、時間節約値、コスト節約値、および改善結果値からなるパラメータから選択される少なくとも1つのパラメータに応答して、プロセス改善機会を決定するようにさらに構成されていることを含み得る。

例示的なシステムは、機会マイニングコンポーネントが、価値翻訳アプリケーションからの価値翻訳に応答してプロセス改善機会を決定するようにさらに構成されていることを含み得る。

例示的なシステムは、複数の管理アプリケーションが取引アプリケーションを含み、ロボットプロセス自動化回路が、取引サービスプロセスを自動化するようにさらに構成されている、ことを含み得る。

例示的なシステムは、ロボットプロセス自動化回路が、複数のデータソースからのデータを利用して取引イベントをスケジュールすることと、複数の資産データおよび取引結果に応答して取引基準を決定することと、複数の資産データおよび取引結果に応答して取引コマンドを提供することとからなる操作から選択される少なくとも1つの操作を行うことによって取引サービスプロセスを自動化するようにさらに構成されていることを含み得る。

例示的なシステムは、ロボットプロセス自動化回路が、取引アプリケーションにアクセスできない複数のデータソースの少なくとも1つに応答して、取引サービスプロセスを自動化するようにさらに構成される、ことを含み得る。

例示的なシステムは、ロボットプロセス自動化回路が、外部市場、銀行施設、保険施設、金融サービス施設、運営施設、共同ロボット施設、作業者、ウェアラブルデバイス、外部プロセス、および機械からなるエンティティから選択される少なくとも1つのエンティティに出力を提供することによって複数の管理アプリケーションの少なくとも1つのプロセスを改善するようにさらに構成される、ことを含み得る。

例示的なシステムは、ロボットプロセス自動化回路が、少なくとも1つのエンティティからの結果を解釈するようにさらに構成され、機会採掘器コンポーネントが、少なくとも1つのエンティティからの結果に応答してプロセスを反復的に改善するようにさらに構成されることを含み得る。

例示的なシステムは、複数のデータソースのうちの少なくとも1つが、ロボット自動化回路による改善されたプロセスを有する複数の管理アプリケーションのうちの少なくとも1つの各々にアクセスできない、ことを含み得る。

例示的なシステムは、ロボット自動化回路による改善されたプロセスを有する複数の管理アプリケーションの少なくとも1つが、税金アプリケーションを含み、複数のデータソースの少なくとも1つが、請求データソース、価格データソース、資産および施設データソース、労働者データソース、およびイベントデータソースからなるデータソースから選択される少なくとも一つのデータソースからなる、ことを含み得る。

例示的なシステムは、ロボット自動化回路による改善されたプロセスを有する複数の管理アプリケーションの少なくとも1つが、資産管理アプリケーションを含み、複数のデータソースの少なくとも1つが、アクセスデータソース、価格データソース、会計データソース、作業者データソース、およびイベントデータソースからなるデータソースから選択される少なくとも1つのデータソースを含むことがある。

例示的なシステムは、ロボット自動化回路による改善されたプロセスを有する複数の管理アプリケーションの少なくとも1つが貸出管理アプリケーションを含み、複数のデータソースの少なくとも1つが、資産および施設データソース、請求データソース、作業者データソース、およびイベントデータソースからなるデータソースから選択された少なくとも1つのデータソースを含むことができる。

例示的なシステムは、ロボット自動化回路による改善されたプロセスを有する複数の管理アプリケーションの少なくとも1つが、マーケティング管理アプリケーションを含み、複数のデータソースの少なくとも1つが、資産および施設データソース、クレームデータソース、労働者データソース、イベントデータソース、および引受データソースからなるデータソースから選択された少なくとも1つのデータソースを含むことがある。

例示的なシステムは、ロボット自動化回路による改善されたプロセスを有する複数の管理アプリケーションの少なくとも1つが、投資管理アプリケーションを含み、複数のデータソースの少なくとも1つが、資産および施設データソース、クレームデータソース、作業者データソース、およびイベントデータソースからなるデータソースから選択された少なくとも1つのデータソースを含むことがある。

例示的なシステムは、ロボット自動化回路による改善されたプロセスを有する複数の管理アプリケーションの少なくとも1つが、引受管理アプリケーションを含み、複数のデータソースの少なくとも1つが、アクセスデータソース、請求データソース、作業者データソース、およびイベントデータソースからなるデータソースから選択された少なくとも1つのデータソースを含むことがある。

図37を参照すると、プラットフォーム取引、金融、およびマーケットプレイス実現システムの実施形態の追加の詳細が提供され、特に、適応型エッジ計算管理システム3430およびエッジ知能システム3438を含む、向上したエッジ知能を促進する適応型知能システム層3304の要素に関連する。これらの要素は、オンデバイスストレージ、ローカルシステム、ネットワーク内、およびクラウド内の間で、データのためのストレージロケーションおよび処理ロケーション（例えば、AIによって最適化される）を変えることなどにより、「エッジ」計算、ストレージ、および処理を適応的に管理するシステムのセットを提供する。これらの要素3430、3438は、プラットフォーム100の開発者、オペレータ、またはホストなどのユーザによる、所定のアプリケーションの目的のために「エッジ」を構成するものの動的定義の促進を可能にする。例えば、データ接続が遅いまたは信頼できない環境（例えば、施設がセルラーネットワークに良好にアクセスできない場合（例えば、一部の環境の遠隔性（例えば、セルラーネットワークインフラが貧弱な地理）、遮蔽または干渉（例えば、ネットワーク使用システムの密度、厚壁、地下位置、または大きな金属物（金庫など）の存在がネットワーク性能を妨害する場合など）、および／または輻輳（限られたネットワーク設備へのアクセスを求める多くのデバイスがある場合など）、エッジコンピューティング機能は、環境のローカルエリアネットワーク上、デバイスのピアツーピアネットワーク上、またはローカル金融機関3330のコンピュータ機能で動作するように定義および展開されることができる。強力なデータ接続が利用可能な場合（良好なバックホール設備が存在する場合など）、エッジコンピューティング能力は、入力／出力性能を改善し、待ち時間を短縮する場所において頻繁に使用されるデータをキャッシュするためなど、ネットワークに配置され得る。したがって、エッジコンピューティング動作の場所の適応的な定義および指定は、開発者またはオペレータの制御下で、有効化されるか、またはオプションとして、環境について、エンティティ3330について、またはネットワーク全体について検出されたネットワーク条件に基づくような、エキスパートシステムまたは自動化システムなどによって自動的に決定される。実施形態において、エッジインテリジェンスシステム3438は、QoS、待ち時間要件、輻輳を考慮するような、マルチアプリケーションを意識したエッジ計算の適応（様々な利用可能なネットワークリソース内で計算が生じる場所、（プロトコル選択によるなど）ネットワーク化が生じる方法、データ記憶が生じる場所、および同種のものを含む）を可能にする、の任意の組み合わせおよびサブセットを含む複数のアプリケーションにわたるエッジ計算能力の要件、優先順位付け、および価値（ROI、歩留まり、および失敗のコストなどのコスト情報を含む）の認識に基づいて理解され優先順位付けされるような、マルチアプリケーションを意識したアプリケーション3312を、参照により本明細書に組み込まれた文書に記載する。

図37を参照すると、本明細書で提供される実施形態では、取引、金融、およびマーケットプレイス有効化システムである。例示的なシステムは、複数のデータソースからの情報を解釈し、複数の管理アプリケーションとインターフェースするように構造化された適応型エッジコンピューティング回路を含み得、ここで、複数の管理アプリケーションはそれぞれ、複数の金融機関の別々の1つと関連し、適応型エッジコンピューティング回路はさらに、複数のデータソースからの情報に応答して複数の管理アプリケーションの少なくとも1つのエッジインテリジェンスプロセス改善を決定するように構造化されたエッジインテリジェント構成要素を含む。

例示的なシステムの特定のさらなる側面が以下に説明され、そのうちのいずれか1つ以上が特定の実施形態に存在し得る。例示的なシステムは、複数の管理アプリケーションが、投資アプリケーション、資産管理アプリケーション、貸付アプリケーション、リスク管理アプリケーション、マーケティングアプリケーション、取引アプリケーション、税務アプリケーション、詐欺アプリケーション、金融サービスアプリケーション、セキュリティアプリケーション、引受アプリケーション、ブロックチェーンアプリケーション、不動産アプリケーション、規制アプリケーション、プラットフォームマーケットプレイスアプリケーション、保証アプリケーション、分析アプリケーション、価格設定アプリケーション、およびスマートコントラクトアプリケーションからなるアプリケーションから選択された少なくとも2つのアプリケーションからなる場合を含み得る。

例示的なシステムは、複数のデータソースが、アクセスデータソース、資産および施設データソース、労働者データソース、クレームデータソース、会計データソース、イベントデータソース、および引受データソースからなるアプリケーションから選択される少なくとも2つのアプリケーションを含む場合がある。

例示的なシステムは、少なくとも1つのエンティティがそれぞれ、外部市場、銀行施設、保険施設、金融サービス施設、運営施設、共同ロボット施設、作業者、ウェアラブルデバイス、外部プロセス、および機械からなるエンティティから選択されるエンティティを構成する、ことを含み得る。

例示的なシステムは、エッジインテリジェンスコンポーネントが、複数のデータソースからの情報に応答して、複数の管理アプリケーションのうちの1つのための複数のプロセス改善機会を決定し、複数のプロセス改善機会の優先順位付きリストまたは視覚化のうちの1つを複数の管理アプリケーションのうちの1つに提供するようにさらに構成されていることを含み得る。

例示的なシステムは、エッジインテリジェンスコンポーネントが、時間節約値、コスト節約値、および改善結果値からなるパラメータから選択される少なくとも1つのパラメータに応答して、プロセス改善機会を決定するようにさらに構成される、ことを含み得る。

例示的なシステムは、複数の管理アプリケーションがセキュリティアプリケーションを含み、適応型エッジコンピューティング回路が、セキュリティサービスプロセスを自動化するようにさらに構成されていることを含み得る。

例示的なシステムは、適応型エッジコンピューティング回路が、複数のデータソースからのデータを利用してセキュリティイベントをスケジュールすることと、複数の資産データおよびセキュリティ結果に応答してセキュリティ基準を決定することと、複数の資産データおよびセキュリティ結果に応答してセキュリティコマンドを提供することとからなる操作から選択される少なくとも1つの操作を行うことによってセキュリティサービスプロセスを自動化するようにさらに構成されていることを含み得る。

例示的なシステムは、適応型エッジコンピューティング回路が、セキュリティアプリケーションにアクセスできない複数のデータソースのうちの少なくとも1つに応答して、セキュリティサービスプロセスを自動化するようにさらに構成されていることを含み得る。

例示的なシステムは、適応型エッジコンピューティング回路が、外部市場、銀行施設、保険施設、金融サービス施設、運営施設、協働ロボット施設、作業者、ウェアラブルデバイス、外部プロセス、および機械からなるエンティティから選択される少なくとも1つのエンティティに出力を提供することによって複数の管理アプリケーションの少なくとも1つのプロセスを改善するようにさらに構成される、ことを含み得る。

例示的なシステムは、適応型エッジコンピューティング回路が、少なくとも1つのエンティティからの結果を解釈するようにさらに構成されており、エッジインテリジェンスコンポーネントが、少なくとも1つのエンティティからの結果に応答してプロセスを反復的に改善するようにさらに構成されている、ことを含み得る。

例示的なシステムは、複数のデータソースのうちの少なくとも1つが、適応型エッジコンピューティング回路による改善されたプロセスを有する複数の管理アプリケーションのうちの少なくとも1つの各々にアクセスできない、ことを含み得る。

例示的なシステムは、適応型エッジコンピューティング回路による改善されたプロセスを有する複数の管理アプリケーションの少なくとも1つが、リスクアプリケーションを含み、複数のデータソースの少なくとも1つが、請求データソース、価格データソース、資産および施設データソース、作業者データソース、およびイベントデータソースからなるデータソースから選択された少なくとも1つのデータソースを含むことができる。

例示的なシステムは、適応型エッジコンピューティング回路による改善されたプロセスを有する複数の管理アプリケーションの少なくとも1つが、資産管理アプリケーションを含み、複数のデータソースの少なくとも1つが、アクセスデータソース、価格データソース、会計データソース、作業者データソース、およびイベントデータソースからなるデータソースから選択された少なくとも1つのデータソースを含むことがある。

例示的なシステムは、適応型エッジコンピューティング回路による改善されたプロセスを有する複数の管理アプリケーションの少なくとも1つが、セキュリティ管理アプリケーションを含み、複数のデータソースの少なくとも1つが、資産および施設データソース、クレームデータソース、作業者データソース、およびイベントデータソースからなるデータソースから選択された少なくとも1つのデータソースからなる、ことを含み得る。

例示的なシステムは、適応型エッジコンピューティング回路による改善されたプロセスを有する複数の管理アプリケーションの少なくとも1つが、プラットフォームマーケットプレイスアプリケーションを含み、複数のデータソースの少なくとも1つが、資産および施設データソース、請求データソース、労働者データソース、イベントデータソース、および引受データソースからなるデータソースから選択された少なくとも1つのデータソースを含むことがある。

例示的なシステムは、適応型エッジコンピューティング回路によって改善されたプロセスを有する複数の管理アプリケーションのうちの少なくとも1つが、プラットフォームマーケットプレイスアプリケーションを含み、適応型エッジコンピューティング回路が、エッジ定義を解釈するインターフェースを操作するようにさらに構成されており、エッジインテリジェンスコンポーネントが、エッジ定義に応答して、エッジインテリジェンスのプロセス改善を決定するようにさらに構成されている場合がある。

例示的なシステムは、エッジ定義が、以下のパラメータ：遅いデータ接続、信頼できないデータ接続、ネットワーク干渉記述、ネットワークキャッシュ記述、サービス品質要件、または待ち時間要件のうち少なくとも1つの識別を含むことができる。

図38を参照すると、取引、金融、およびマーケットプレイス実現システム3300のストレージ層3310の任意の実施形態の追加の詳細、構成要素、サブシステム、および他の要素が図示されており、特に、本開示および参照により本書に組み込まれる文書を通じて説明される資産および施設データ3320内の1つまたは複数の資産に対するようなジオフェンス仮想資産タグ3488を含むことができる実施形態に関連する。実施形態において、仮想資産タグは、エンティティ3330に関するデータを含むデータ構造であり、例えば、資産（物理的または仮想的であってもよい）、機械、設備のアイテム、在庫のアイテム、製造品、証明書（株券など）、証書、コンポーネント、ツール、デバイス、または作業者（とりわけ）であり、データが資産へのタグ付けを意図する場合、例えばデータが特定の資産に固有に関連する（例えば、、を、個々の資産に対する固有の識別子に関連付け、資産の近接性又は場所に関連付け（例えば、資産の領域又は近傍の場所にジオフェンスされる、又はデジタル資産に対するジオ位置のデジタル記憶場所若しくは定義されたドメインに関連付けられる）る場合である。）仮想資産タグは、データ構造にアクセスするためのローカルリーダーまたは同様のデバイスを提供するという点で、RFIDタグなどの物理的資産タグと機能的に同等であり（リーダーがRFIDタグにアクセスするように）、実施形態では、アクセス制御は、タグが資産上に物理的に位置しているかのように管理される。例えば、特定のデータは、タグ付き金融エンティティ3330に近接していると確認されるオペレータによってのみ読み取り、書き込み、変更などを許可する鍵で暗号化されることができ、それによってローカルのみのデータ処理とリモートデータ処理とを分離することができる。実施形態において、仮想資産タグは、従来のRFIDタグがないにもかかわらず、RFリーダーまたは他のリーダーの存在を認識し（例えば、質問信号の認識によって）、プロトコルアダプタの助けを借りて、リーダーとのRF通信リンクを介してなど、リーダーに通信するように構成され得る。これは、IoTデバイス、テレマティクスシステム、およびローカルエリアネットワーク上に存在する他のデバイスによる通信によって起こり得る。実施形態では、市場または金融または取引環境におけるIoTデバイスのセットは、仮想資産タグデータの保存のため、取引の追跡のため、および保守、修理およびサービスのための取引履歴を含むエンチェインドデータの検証（様々な合意プロトコルによるなど）のためなど、分散ブロックチェーンノードとして機能できる。実施形態では、ジオフェンス内のIoTデバイスは、ピアまたは隣人が所定の場所にいるとして他のピアまたは隣人を検証し、それによって資産の固有のアイデンティティおよび場所を検証するような、仮想資産タグによってタグ付けされている固定資産の場所およびアイデンティティを集合的に検証することができる。検証は、投票プロトコル、コンセンサスプロトコルなどを使用することができる。実施形態において、タグ付けされる金融機関のアイデンティティは、ブロックチェーンにおいて維持され得る。実施形態では、資産タグは、資産、その構成要素、その歴史などに関する履歴情報など、デジタルスレッド3484に関連する情報を含むことができる。

図38を参照すると、本明細書で提供される実施形態では、取引、金融、およびマーケットプレイス有効化システムである。例示的なシステムは、複数のデータソースからの情報を解釈し、複数の管理アプリケーションとインターフェースするように構造化された適応型知能回路を含み得、適応型知能回路は、プロトコルアダプタコンポーネントを含み、複数の管理アプリケーションは、それぞれ複数の金融機関の別々の1つと関連し、適応型知能回路は、複数のデータソースからの情報に応答して複数の管理アプリケーションの少なくとも1のための人工知能プロセス改良を決定するように構造化された人工知能コンポーネントをさらに備える。

例示的なシステムの特定のさらなる態様を以下に説明するが、そのうちのいずれか1つ以上が特定の実施形態に存在する可能性がある。例示的なシステムは、複数のデータソースのうちの少なくとも1つがモバイルデータコレクターである、ことを含み得る。

例示的なシステムは、適応型インテリジェンス回路が、改善されたプロセスを有する複数の管理アプリケーションのうちの少なくとも1つにアクセスするエンティティ間の通信を容易にする通信プロトコルを決定するように構成されたプロトコルアダプタ構成要素をさらに含む場合がある。

例示的なシステムは、複数の管理アプリケーションのうちの少なくとも1つにアクセスするエンティティが、複数の管理アプリケーションのうちの少なくとも1つに関連するオペレータを含み、プロトコルアダプタ構成要素が、オペレータがタグ付き金融エンティティに近接しているというモバイルデータ収集器からの判定に応答して、通信プロトコルを暗号化通信を可能にするプロトコルとして決定する構造をさらに有する、ことを含み得る。

例示的なシステムは、モバイルデータコレクターが、少なくとも1つのジオフェンス付き仮想資産タグからデータを収集することを含み得る。

例示的なシステムは、適応型インテリジェンス回路が、改善されたプロセスを有する複数の管理アプリケーションのうちの少なくとも1つにアクセスするエンティティ間の通信を容易にする通信プロトコルを決定するように構成されたプロトコルアダプタ構成要素をさらに含む場合がある。

例示的なシステムは、複数の管理アプリケーションのうちの少なくとも1つにアクセスするエンティティが、複数の管理アプリケーションのうちの少なくとも1つに関連するオペレータを含み、プロトコルアダプタ構成要素が、オペレータがタグ付き金融エンティティに近接しているという少なくとも1つのジオフェンス仮想資産タグからの判定に応答して、通信プロトコルを暗号通信可能プロトコルとして決定するようにさらに構成される、ことを含み得る。

例示的なシステムは、複数のデータソースのうちの少なくとも1つがIoTデータコレクターであることを含み得る。

例示的なシステムは、適応型インテリジェンス回路が、改善されたプロセスを有する複数の管理アプリケーションのうちの少なくとも1つにアクセスするエンティティ間の通信を容易にする通信プロトコルを決定するように構成されたプロトコルアダプタ構成要素をさらに含む場合がある。

例示的なシステムは、複数の管理アプリケーションのうちの少なくとも1つにアクセスするエンティティが、複数の管理アプリケーションのうちの少なくとも1つに関連するオペレータを含み、プロトコルアダプタ構成要素が、オペレータがタグ付き金融エンティティに近接しているというIoTデータコレクタからの判定に応答して、通信プロトコルを暗号化通信を可能にするプロトコルとして決定する構造をさらに備え得ることを含む。

例示的なシステムは、複数のデータソースの少なくとも1つがブロックチェーン回路であり、適応型知能回路が、適応型知能回路を利用してブロックチェーン回路からの情報を解釈することを含み得る。

例示的なシステムは、複数の管理アプリケーションが、投資アプリケーション、資産管理アプリケーション、融資アプリケーション、リスク管理アプリケーション、マーケティングアプリケーション、取引アプリケーション、税務アプリケーション、詐欺アプリケーション、金融サービスアプリケーション、セキュリティアプリケーション、引受アプリケーション、ブロックチェーンアプリケーション、不動産アプリケーション、規制アプリケーション、プラットフォームマーケットプレイスアプリケーション、保証アプリケーション、分析アプリケーション、価格設定アプリケーションおよびスマートコントラクトアプリケーションからなるアプリケーションから選択された少なくとも2つのアプリケーションからなる、ことを含み得る。

例示的なシステムは、複数のデータソースが、アクセスデータソース、資産および施設データソース、労働者データソース、クレームデータソース、会計データソース、イベントデータソース、および引受データソースからなるアプリケーションから選択される少なくとも2つのアプリケーションを含む場合がある。

例示的なシステムは、少なくとも1つのエンティティがそれぞれ、外部市場、銀行施設、保険施設、金融サービス施設、運営施設、共同ロボット施設、作業者、ウェアラブルデバイス、外部プロセス、および機械からなるエンティティから選択されるエンティティを構成する、ことを含み得る。

例示的なシステムは、人工知能コンポーネントが、複数のデータソースからの情報に応答して、複数の管理アプリケーションのうちの1つのための複数のプロセス改善機会を決定し、複数の管理アプリケーションのうちの1つに、複数のプロセス改善機会の優先順位付きリストまたは視覚化のうちの1つを提供するようにさらに構成されていることを含み得る。

例示的なシステムは、人工知能コンポーネントが、時間節約値、コスト節約値、および改善結果値からなるパラメータから選択される少なくとも1つのパラメータに応答して、プロセス改善機会を決定するようにさらに構成される、ことを含み得る。

例示的なシステムは、複数の管理アプリケーションがリスク管理アプリケーションを含み、適応型知能回路が、リスク管理プロセスを自動化するようにさらに構成されていることを含み得る。

例示的なシステムは、適応型インテリジェンス回路が、以下からなる動作から選択される少なくとも1つの動作を実行することによってリスク管理プロセスを自動化するようにさらに構成されている、ことを含み得る：複数のデータソースからのデータを利用してリスクイベントをスケジュールすることと、複数の資産データおよびリスク結果に応答してリスク基準を決定することと、複数の資産データおよびリスク管理結果に応答してリスクコマンドを提供することと、複数の管理アプリケーションの少なくとも1つに関連するオペレータの改善されたアクセスまたは複数の管理アプリケーションの少なくとも1つへの通信のセキュリティを改善するの少なくとも1つを提供するためにジオフェンス位置を調整することとを含む。

例示的なシステムは、適応型知能回路が、リスク管理アプリケーションにアクセスできない複数のデータソースの少なくとも1つに応答して、リスク管理プロセスを自動化するようにさらに構成されている、ことを含み得る。

例示的なシステムは、適応型知能回路が、外部市場、銀行施設、保険施設、金融サービス施設、運営施設、協働ロボット施設、作業者、ウェアラブルデバイス、外部プロセス、および機械からなるエンティティから選択される少なくとも1つのエンティティに出力を提供することによって、複数の管理アプリケーションの少なくとも1つのプロセスを改善するようにさらに構成されていることを含み得る。

例示的なシステムは、適応型知能回路が、少なくとも1つのエンティティからの結果を解釈するようにさらに構成され、人工知能コンポーネントが、少なくとも1つのエンティティからの結果に応答してプロセスを反復的に改善するようにさらに構成されることを含み得る。

例示的なシステムは、複数のデータソースのうちの少なくとも1つが、適応型知能回路による改善処理を有する複数の管理アプリケーションのうちの少なくとも1つの各々にアクセスできないことを含み得る。

例示的なシステムは、適応型知能回路による改善されたプロセスを有する複数の管理アプリケーションの少なくとも1つがスマートコントラクトアプリケーションを含み、複数のデータソースの少なくとも1つが、請求データソース、価格データソース、資産および施設データソース、労働者データソース、およびイベントデータソースからなるデータソースから選択された少なくとも1つのデータソースを含むことができる。

例示的なシステムは、適応型知能回路による改善処理を有する複数の管理アプリケーションの少なくとも1つが、資産管理アプリケーションを構成し、複数のデータソースの少なくとも1つが、アクセスデータソース、価格データソース、会計データソース、作業者データソース、およびイベントデータソースからなるデータソースから選択された少なくとも1つのデータソースを構成する、ことを含み得る。

例示的なシステムは、適応型知能回路による改善されたプロセスを有する複数の管理アプリケーションの少なくとも1つが、セキュリティ管理アプリケーションを含み、複数のデータソースの少なくとも1つが、資産および施設データソース、クレームデータソース、作業者データソース、およびイベントデータソースからなるデータソースから選択された少なくとも1つのデータソースを含むことがある。

例示的なシステムは、適応型知能回路によって改善されたプロセスを有する複数の管理アプリケーションの少なくとも1つが、マーケティング管理アプリケーションを含み、複数のデータソースの少なくとも1つが、資産および施設データソース、クレームデータソース、労働者データソース、イベントデータソース、および引受データソースからなるデータソースから選択された少なくとも1つのデータソースを含むことがある。

例示的なシステムは、適応型知能回路による改善処理を有する複数の管理アプリケーションの少なくとも1つが、価格管理アプリケーションを含み、複数のデータソースの少なくとも1つが、資産・施設データソース、クレームデータソース、作業者データソース、およびイベントデータソースからなるデータソースから選択された少なくとも1つのデータソースを含むことがある。

例示的なシステムは、適応型知能回路による改善処理を有する複数の管理アプリケーションのうち少なくとも1つが保証管理アプリケーションを含み、複数のデータソースのうち少なくとも1つが、アクセスデータソース、クレームデータソース、ワーカーデータソース、およびイベントデータソースからなるデータソースから選択された少なくとも1つのデータソースを含むことができる。

図39を参照する。実施形態では、1つまたは複数の自動化機能を開発および展開するためのような統一RPAシステム3442は、移動ロボットの位置、移動性および経路、ならびにロボット構成要素の動作に関することを含む、ロボットのセットの動作動作を分析するためのような、ロボット動作分析3902の機能を含むか可能にし得る、例えば、銀行業務、引受業務、保険業務、リスク評価業務、リスク軽減業務、検査業務、交換業務、販売業務、購入業務、配送業務、倉庫業務、組立業務、輸送業務、保守・修理業務、データ収集業務などの幅広いプロトコルや手順の中でロボットコンポーネントが使用されるような場合である。

実施形態では、RPAシステム3442は、非構造化データの特徴付け、非構造化データからのコンテンツの抽出、非構造化データのコンテンツからの診断コードまたは同様の要約の生成などを可能にする人間のラベル、タグ、または他の活動のトレーニングセット上での学習など、非構造化データ3909上での機械学習のための機能を含むかまたは可能にするかもしれない。例えば、RPAシステム3442は、PDF（機械およびシステムなどの金融エンティティ3330に関する技術データシート、機能仕様、修理指示、ユーザマニュアルおよび他の文書など）を処理するためのサブシステムまたは機能、人間が入力したメモ（問題の診断に関わるメモ、行動を処方または推奨することに関わるメモなど）を処理するための機能を含み得る、Webサイトやソーシャルメディアフィードなどに含まれる非構造化コンテンツ（金融環境における製品やシステムに関する情報で、ベンダーのWebサイトから取得できるものなど）を処理するためなどである。

実施形態では、RPAシステム3442は、RPA能力のセットを有する統一プラットフォームで構成されてもよく、監視のためのシステム（監視システム層3306およびデータ収集システム3318のシステムなど）、生データ処理のためのシステム3904（光学文字認識（OCR）、自然言語処理（NPL）、コンピュータビジョン処理、音響処理、センサー処理などによる；） ワークフローの特性化および管理のためのシステム3908、分析機能3910、人工知能機能3448、およびポリシー、ガバナンス、（サービス、役割、アクセス制御などの）プロビジョニングなどのための管理システム3914などである。RPAシステム3442は、マイクロサービスアーキテクチャにおけるマイクロサービスのセットとして、このような機能を含んでいてもよい。RPAシステム3442は、RPAシステム3442が1つまたは複数の自動化機能から利益を得ることができる外部システムによってRPAプラットフォーム・アズ・ア・サービスとしてアクセスできるように、データ交換のために他のプラットフォーム層3308、および外部システムに対するインターフェースのセットを有してもよい。

実施形態では、RPAシステム3442は、他の作業と比較して高品質の作業を特定するものなど、作業品質特性化能力3912を含むことができる。これは、人間の仕事を機械が行う仕事と異なるものとして認識すること、どの人間の仕事が最高品質である可能性が高いかを認識すること（最も経験豊富なまたは高価な人員を含む仕事など）、どの機械が行う仕事が最高品質である可能性が高いかを認識すること（新しく導入された機械と比較して、多くの結果からのフィードバックについて広範囲に学習した機械によって行われる仕事など）、どの作業が歴史的に好ましい結果をもたらしてきたか（分析または過去の結果との相関などに基づいて）認識すること、が挙げられるだろう。自動化を促進する機械学習システム内のトレーニングのために、過去の作業を示すどのデータセットが使用されるかをタイプ別、品質レベル別などで示すように、RPAシステム3442の開発者または他のユーザの制御下で変化させることができる閾値のセットを適用することができる。

図39を参照すると、本明細書で提供される実施形態では、取引、金融、およびマーケットプレイス有効化システムである。例示的なシステムは、複数のデータソースからの情報を解釈し、複数の管理アプリケーションとインターフェースするように構造化されたロボットプロセス自動化回路を含み得、ここで、複数の管理アプリケーションはそれぞれ、複数の金融機関の別々の1つと関連し、ロボットプロセス自動化回路はさらに、複数のデータソースからの情報に応答して複数の管理アプリケーションの少なくとも1つのためのロボット運用プロセス改善を決定するように構造化されたロボット運用分析コンポーネントを備える。

例示的なシステムの特定のさらなる側面が以下に説明され、そのうちの任意の1つ以上が特定の実施形態において存在し得る。例示的なシステムは、ロボット操作のガバナンス、ロボット操作のプロビジョニング、またはロボット操作ポリシーの少なくとも1つを通じてロボット操作プロセス改善を適応させるように構成された管理システム回路をさらに含むことができる。

例示的なシステムは、ロボット運用プロセス改善が、ロボットワークフローの特徴付けおよび改善を含む、ことを含み得る。

例示的なシステムは、運用プロセスの改善を複数の管理アプリケーションのうちの1つに適合させるように構成された機会マイニング回路をさらに含むことができる。

例示的なシステムは、ロボット運用プロセス改善が、ロボットの作業品質の特徴づけおよび改善を含む、ことを含み得る。

例示的なシステムは、ロボット運用分析コンポーネントが、複数のデータソースからの情報を処理してロボット運用プロセス改善を決定するためのロボット機械学習コンポーネントを備える、ことを含み得る。

例示的なシステムは、ロボット運用分析コンポーネントが、ロボット運用プロセス改善を決定するために複数のデータ源からの情報を処理するための生データ処理コンポーネントを備える、ことを含み得る。

例示的なシステムは、複数の管理アプリケーションが、投資アプリケーション、資産管理アプリケーション、融資アプリケーション、リスク管理アプリケーション、マーケティングアプリケーション、取引アプリケーション、税務アプリケーション、詐欺アプリケーション、金融サービスアプリケーション、セキュリティアプリケーション、引受アプリケーション、ブロックチェーンアプリケーション、不動産アプリケーション、規制アプリケーション、プラットフォームマーケットプレイスアプリケーション、保証アプリケーション、分析アプリケーション、価格設定アプリケーションおよびスマートコントラクトアプリケーションからなるアプリケーションから選択された少なくとも2つのアプリケーションからなる、ことを含み得る。

例示的なシステムは、複数のデータソースが、アクセスデータソース、資産および施設データソース、労働者データソース、クレームデータソース、会計データソース、イベントデータソース、および引受データソースからなるアプリケーションから選択される少なくとも2つのアプリケーションを含む場合がある。

例示的なシステムは、少なくとも1つのエンティティがそれぞれ、外部市場、銀行施設、保険施設、金融サービス施設、運営施設、共同ロボット施設、作業者、ウェアラブルデバイス、外部プロセス、および機械からなるエンティティから選択されるエンティティを構成する、ことを含み得る。

例示的なシステムは、ロボット運用分析コンポーネントが、複数のデータソースからの情報に応答して、複数の管理アプリケーションのうちの1つのための複数のプロセス改善機会を決定し、複数の管理アプリケーションのうちの1つに、複数のプロセス改善機会の優先順位付きリストまたは視覚化のうちの1つを提供するようにさらに構成される、ことを含み得る。

例示的なシステムは、ロボット運用分析コンポーネントが、時間節約値、コスト節約値、および改善結果値からなるパラメータから選択される少なくとも1つのパラメータに応答して、プロセス改善機会を決定するようにさらに構成される、ことを含み得る。

例示的なシステムは、複数の管理アプリケーションが規制管理アプリケーションを含み、ロボットプロセス自動化回路が、規制管理プロセスを自動化するようにさらに構造化されている、ことを含み得る。

例示的なシステムは、ロボットプロセス自動化回路が、規制イベントをスケジュールするために複数のデータソースからのデータを利用することと、複数の資産データおよび規制結果に応答して規制基準を決定することと、複数の資産データおよび規制管理結果に応答して規制コマンドを提供することとからなる操作から選択される少なくとも1つの操作を実行することによって規制管理プロセスを自動化するようにさらに構成されている、ことを含み得る。

例示的なシステムは、ロボットプロセス自動化回路が、規制管理アプリケーションにアクセスできない複数のデータソースの少なくとも1つに応答して、規制管理プロセスを自動化するようにさらに構成されている、ことを含み得る。

例示的なシステムは、ロボットプロセス自動化回路が、外部市場、銀行施設、保険施設、金融サービス施設、運営施設、共同ロボット施設、作業者、ウェアラブルデバイス、外部プロセス、および機械からなるエンティティから選択される少なくとも1つのエンティティに出力を提供することによって複数の管理アプリケーションの少なくとも1つのプロセスを改善するようにさらに構成される、ことを含み得る。

例示的なシステムは、ロボットプロセス自動化回路が、少なくとも1つのエンティティからの結果を解釈するようにさらに構成されており、ロボット運用分析コンポーネントが、少なくとも1つのエンティティからの結果に応答してプロセスを反復的に改善するようにさらに構成されている、ことを含み得る。

例示的なシステムは、複数のデータソースのうちの少なくとも1つが、ロボットプロセス自動化回路による改善されたプロセスを有する複数の管理アプリケーションのうちの少なくとも1つの各々にアクセスできない、ことを含み得る。

例示的なシステムは、ロボットプロセス自動化回路によって改善されたプロセスを有する複数の管理アプリケーションの少なくとも1つが、投資アプリケーションを含み、複数のデータソースの少なくとも1つが、請求データソース、価格データソース、資産および施設データソース、労働者データソース、およびイベントデータソースからなるデータソースから選択される少なくとも一つのデータソースからなる、ことを含み得る。

例示的なシステムは、ロボットプロセス自動化回路による改善されたプロセスを有する複数の管理アプリケーションの少なくとも1つが、資産管理アプリケーションを含み、複数のデータソースの少なくとも1つが、アクセスデータソース、価格データソース、会計データソース、作業者データソース、およびイベントデータソースからなるデータソースから選択される少なくとも1つのデータソースからなる、場合がある。

例示的なシステムは、ロボットプロセス自動化回路による改善されたプロセスを有する複数の管理アプリケーションの少なくとも1つが、セキュリティ管理アプリケーションを含み、複数のデータソースの少なくとも1つが、資産および施設データソース、クレームデータソース、作業者データソース、およびイベントデータソースからなるデータソースから選択された少なくとも1つのデータソースからなる、ことを含み得る。

例示的なシステムは、ロボットプロセス自動化回路によって改善されたプロセスを有する複数の管理アプリケーションの少なくとも1つが、マーケティング管理アプリケーションを含み、複数のデータソースの少なくとも1つが、資産および施設データソース、クレームデータソース、労働者データソース、イベントデータソース、および引受データソースからなるデータソースから選択された少なくとも1つのデータソースを含むことがある。

例示的なシステムは、ロボットプロセス自動化回路による改善されたプロセスを有する複数の管理アプリケーションの少なくとも1つが、価格管理アプリケーションを含み、複数のデータソースの少なくとも1つが、資産および施設データソース、クレームデータソース、作業者データソース、およびイベントデータソースからなるデータソースから選択された少なくとも1つのデータソースを含むことがある。

例示的なシステムは、ロボットプロセス自動化回路による改善されたプロセスを有する複数の管理アプリケーションの少なくとも1つが保証管理アプリケーションを含み、複数のデータソースの少なくとも1つが、アクセスデータソース、クレームデータソース、作業者データソース、およびイベントデータソースからなるデータソースから選択された少なくとも1つのデータソースを含むことがある。

図40を参照すると、実施形態では、イベントへのアクセス権のためのフォワードマーケット4002のためのブロックチェーンおよびスマートコントラクトプラットフォームを可能にするための様々なシステム、方法、プロセス、サービス、コンポーネントおよび他の要素である。プラットフォーム3300の様々な実施形態に関連して説明されるような取引可能化システム内では、ブロックチェーンアプリケーション3422および関連するスマートコントラクト3431が、イベントへのアクセス権のためのフォワードマーケット4002を可能にするために使用され、例えば、1つまたは複数のイベントチケット、シートライセンス、アクセス権、入場権、パス（例えば、、バックステージパス）、またはイベント（ライブイベント、録画イベント、物理的な会場でのイベント、デジタルコンテンツイベント、またはアクセスが制御される他のイベントであってもよい）に出席、入場、視聴、消費、またはその他の方法で参加する権利のアクセストークンを表す、構成する、または具現化する他のアイテム（文脈が別のことを示す場合を除き、本明細書で使用する用語アクセストークル4008によってすべて包含される）がブロックチェーンアプリケーション3422によって構成されているブロックチェーンに安全に格納されている、ブロックチェーン3422が、所有権の表示（ID情報、イベント情報、トークン情報、条件に関する情報などを含む）および所有権の移転の記録（移転可能性に関する条件およびポリシーを含む）を伴うような、アクセス・トークン4008（この用語は、チケットおよびイベントにアクセスする権利の他の証拠からなる）の取引の台帳からなるものなどである。実施形態では、このようなブロックチェーンベースのアクセストークンは、スポット市場またはフォワード市場4002とともにまたはそのために動作するように構成されたものなど、プラットフォームが動作する市場アプリケーション3327で取引され得る。実施形態では、プラットフォーム内またはプラットフォームによって運営されるフォワード市場4002は、イベントの発生、条件の充足などに基づいて将来の権利が確定する、トリガーされる、または出現するものなどの偶発的フォワード市場であってもよい、例えば、プラットフォームが運営するマーケットプレイス3327または外部マーケットプレイス3390内のまたは関連する1つまたは複数のデータ構造上で動作して、規則、用語、条件などを実行または適用し、任意でブロックチェーン（ブロックチェーン上の分散台帳など）に記録される取引をもたらし、これが、今度は、他のプロセスを開始し他のスマートコントラクト動作をもたらす可能性があるスマートコントラクト3431によって可能となる。そのような実施形態では、イベントをトリガーする条件は、定義されたパラメータのセットを有するイベントをスケジュールするイベントプロモーターまたは他の当事者、そのようなパラメータを有するイベントの発生、またはそのようなものを含み得、ブロックチェーンベースのアクセストークン4008は、（任意でスマートコントラクト3431と連携して、1または複数の監視システム3306と）存在または実在を認識するように構成され得る、定義されたパラメータのセットを満たすイベント、またはイベントへのアクセストークンの外部市場3390などにおいて、アクセストークンの可用性の存在の報告、アクセストークンへのアクセスの移転、所有権の移転、価格の設定など、アクセストークンに関連する操作を開始する。実施形態では、監視システム層3306は、関連するイベント、トークンなど、およびアクセストークンまたはイベントに影響を与える条件のトリガー、権利確定、または出現をもたらす1つまたは複数の条件を満たす条件の出現を示す情報について、外部マーケットプレイス3390を監視し得る。例示的な例として、プレーオフゲームへのスポーツイベントアクセストークン4008は、特定のゲーム（例えば、スーパーボウル）における特定のチームの存在によって権利確定するように構成されてもよく、その時点で、特定の座席へのチケットの権利は、ブロックチェーンによって可能にされる分散型台帳上で自動的に、そのチームのチケットへの権利を有するものとして台帳に記載された個人に割り振られてよい。したがって、分散型台帳または他のブロックチェーン3422は、アクセス権が相互に排他的であるが、条件（例えば、試合、コンサートなどの特定の座席）の出現時に特定の所有者に指定できるように分割でき、どの見込み所有者が実際の所有者になる権利を有するかを決定する条件の出現時（例えば、その所有者のチームが試合に進出する）に基づいて、特定の所有者に所有権を割り当てることができることを条件に、同じイベント用のトークン4008の複数の見込み所有者を安全に保持しても良い。スポーツリーグの例では、ブロックチェーンは、したがって、座席のための相互に排他的な条件が存在するのと同じ数の所有者を維持することができる（例えば、スーパーボウルのためのカンファレンス内の全チーム、またはカレッジフットボールのカンファレンス決勝のためのディビジョン内の全チームにわたる座席を割り当てることによって）。定義されたパラメータのセットは、場所（まだ予定されていないイベントが行われる場所）、参加者（チーム、個人、およびその他多数）、価格（アクセストークンが定義された閾値を下回る価格であるなど）、タイミング（時間、日、月、年、またはその他の期間のスパンなど）、イベントのタイプ（スポーツ、コンサート、コメディパフォーマンス、演劇、政治イベント、その他多数）、その他を含み得る。実施形態では、1つまたは複数の監視システム層3306または他のデータ収集システムは、1つまたは複数の外部マーケットプレイス3390またはプラットフォームが運営するマーケットプレイス（電子商取引サイトおよびアプリケーション、オークションサイトおよびアプリケーション、ソーシャルメディアサイトおよびアプリケーション、交換サイトおよびアプリケーション、チケット販売サイトおよびアプリケーション、旅行サイトおよびアプリケーション、もてなしサイトおよびアプリケーション、コンサート宣伝サイトおよびアプリケーションなどにおけるものなど、または他のサイトおよびアプリケーション）または他のエンティティに対して、利用可能なイベントの指標に対して、潜在的に分割可能または相互に排他的なアクセス権条件を定義するために使用できる見込み条件に対して（たとえば、異なる見込み所有者に分散された条件付きアクセスを有するマルチパーティ分散台帳上で構成することができるイベントを特定するために、任意で1つまたは複数の機会マイナー3446を介して行われる）および条件に基づいて特定の所有者に権利を分配することをトリガすることができる実際条件に対して。したがって、ブロックチェーンは、アクセス権を分散型台帳に安全に格納することによって、任意の形式のイベントまたはアクセストークンの偶発的市場を作るために使用されてもよく、偶発的市場は、データ収集と、所有権がいつ権利化、譲渡、または同様のことを決定するために収集データに基づいて動作する一連のビジネスルールとを構成することによって自動化され得る。偶発事象（または偶発事象のセット）の権利確定後、アクセストークンは、ブロックチェーンがアクセスを検証する安全な方法を提供することにより、引き続き取引され得る。セキュリティは、暗号通貨トークンと同様にチェーンの暗号化によって提供され（暗号通貨トークンは、それ自体がイベントアクセス用のフォワードマーケット型暗号通貨トークンを構成することができる）、紛争が生じた場合の検証方法として、プルーフ・オブ・ワーク、プルーフ・オブ・ステーク、または他の方法を備えることができる。

実施形態では、プラットフォーム400は、プラットフォーム3300に関連して説明されたものなど、様々なアプリケーション、サービス、ソリューションなどを含むか、またはそれらと相互作用することができ、例えば、価格設定アプリケーション3421（偶発アクセス権、基礎アクセス権、トークン、手数料などの価格設定を行い監視するためのもの）、分析ソリューション3419（プラットフォーム4000のあらゆる側面を監視、報告、予測、および他の方法で分析するためのものなど、提供、タイミング、価格設定などを最適化するため、パターンを認識および予測するため、規則および偶発性を確立するため、人間または機械学習システムによる使用のためのモデルまたは理解を確立するため、および他の多くの目的のためなど）、取引アプリケーション3428（有償アクセス権または基礎アクセス権またはトークンを取引または交換するためなど）、セキュリティアプリケーション3418、またはそのようなものがある。

図40を参照すると、本明細書で提供される実施形態では、取引、金融、およびマーケットプレイス有効化システムである。例示的なシステムは、複数のデータソースからの情報を解釈し、複数の管理アプリケーションとインターフェースするように構造化されたロボットプロセス自動化回路を含み得、ここで、複数の管理アプリケーションはそれぞれ、複数の金融機関の別々の1つと関連し、ロボットプロセス自動化回路はさらに、複数のデータソースからの情報に応答して複数の管理アプリケーションの少なくとも1つのためのロボット運用プロセス改善を決定するように構造化された機会マイニングコンポーネントを備える。

例示的なシステムの特定のさらなる態様を以下に説明するが、そのうちのいずれか1つ以上は、特定の実施形態において存在し得る。例示的なシステムは、物理的プロセス観察データを収集し記録するように構造化されたデータ収集回路をさらに含み得、物理的プロセス観察データは、複数のデータソースのうちの1つである。

例示的なシステムは、ソフトウェア相互作用観察データを収集し記録するように構成されたデータ収集回路をさらに含み得、ソフトウェア相互作用観察データは、複数のデータソースのうちの1つである。

例示的なシステムは、複数の管理アプリケーションが、フォワードマーケットアプリケーション、イベントアクセストークンアプリケーション、セキュリティアプリケーション、ブロックチェーンアプリケーション、プラットフォームマーケットプレイスアプリケーション、分析アプリケーション、価格設定アプリケーション、およびスマートコントラクトアプリケーションからなるアプリケーションから選択される少なくとも2つのアプリケーションを含むことがある。

例示的なシステムは、複数のデータソースが、アクセスデータソース、資産および施設データソース、労働者データソース、クレームデータソース、会計データソース、イベントデータソース、および引受データソースからなるアプリケーションから選択される少なくとも2つのアプリケーションを含む場合がある。

例示的なシステムは、少なくとも1つのエンティティがそれぞれ、外部市場、銀行施設、保険施設、金融サービス施設、運営施設、共同ロボット施設、作業者、ウェアラブルデバイス、外部プロセス、および機械からなるエンティティから選択されるエンティティを構成する、ことを含み得る。

例示的なシステムは、機会マイニングコンポーネントが、複数のデータソースからの情報に応答して、複数の管理アプリケーションの1つに対する複数のプロセス改善機会を決定し、複数の管理アプリケーションの1つに、複数のプロセス改善機会の優先順位付きリストまたは視覚化のうちの1つを提供するようにさらに構成される、ことを含み得る。

例示的なシステムは、機会マイニングコンポーネントが、時間節約値、コスト節約値、および改善結果値からなるパラメータから選択される少なくとも1つのパラメータに応答して、プロセス改善機会を決定するようにさらに構成される、ことを含み得る。

例示的なシステムは、複数の管理アプリケーションが取引管理アプリケーションを含み、ロボットプロセス自動化回路が、取引管理プロセスを自動化するようにさらに構成されていることを含み得る。

例示的なシステムは、ロボットプロセス自動化回路が、複数のデータソースからのデータを利用して取引イベントをスケジュールすることと、複数の資産データおよび取引結果に応答して取引基準を決定することと、複数の資産データおよび取引管理結果に応答して取引コマンドを提供することとからなる操作から選択される少なくとも1つの操作を行うことによって取引管理プロセスを自動化するようにさらに構成されていることを含み得る。

例示的なシステムは、ロボットプロセス自動化回路が、取引管理アプリケーションにアクセスできない複数のデータソースの少なくとも1つに応答して、取引管理プロセスを自動化するようにさらに構成されている、ことを含み得る。

例示的なシステムは、ロボットプロセス自動化回路が、外部市場、銀行施設、保険施設、金融サービス施設、運営施設、共同ロボット施設、作業者、ウェアラブルデバイス、外部プロセス、および機械からなるエンティティから選択される少なくとも1つのエンティティに出力を提供することによって複数の管理アプリケーションの少なくとも1つのプロセスを改善するようにさらに構成される、ことを含み得る。

例示的なシステムは、ロボットプロセス自動化回路が、少なくとも1つのエンティティからの結果を解釈するようにさらに構成され、機会マイニングコンポーネントが、少なくとも1つのエンティティからの結果に応答してプロセスを反復的に改善するようにさらに構成されることを含み得る。

例示的なシステムは、複数のデータソースのうちの少なくとも1つが、ロボットプロセス自動化回路による改善されたプロセスを有する複数の管理アプリケーションのうちの少なくとも1つの各々にアクセスできない、ことを含み得る。

例示的なシステムは、ロボットプロセス自動化回路による改善されたプロセスを有する複数の管理アプリケーションの少なくとも1つがフォワードマーケットアプリケーションを含み、複数のデータソースの少なくとも1つが、クレームデータソース、価格データソース、資産および施設データソース、労働者データソース、およびイベントデータソースからなるデータソースから選択された少なくとも1つのデータソースからなる、ことを含み得る。

例示的なシステムは、ロボットプロセス自動化回路による改善されたプロセスを有する複数の管理アプリケーションの少なくとも1つが、イベントアクセストークン管理アプリケーションを含み、複数のデータソースの少なくとも1つが、アクセスデータソース、価格データソース、会計データソース、作業者データソース、およびイベントデータソースからなるデータソースから選択された少なくとも1つのデータソースを含むことがある。

例示的なシステムは、ロボットプロセス自動化回路による改善されたプロセスを有する複数の管理アプリケーションの少なくとも1つが、セキュリティ管理アプリケーションを含み、複数のデータソースの少なくとも1つが、資産および施設データソース、クレームデータソース、作業者データソース、およびイベントデータソースからなるデータソースから選択された少なくとも1つのデータソースからなる、ことを含み得る。

例示的なシステムは、ロボットプロセス自動化回路による改善されたプロセスを有する複数の管理アプリケーションの少なくとも1つが、ブロックチェーン管理アプリケーションを含み、複数のデータソースの少なくとも1つが、資産及び施設データソース、クレームデータソース、労働者データソース、イベントデータソース、及び引受データソースからなるデータソースから選択された少なくとも1つのデータソースからなる場合がある。

例示的なシステムは、ロボットプロセス自動化回路による改善されたプロセスを有する複数の管理アプリケーションの少なくとも1つが、価格管理アプリケーションを含み、複数のデータソースの少なくとも1つが、資産および施設データソース、クレームデータソース、作業者データソース、およびイベントデータソースからなるデータソースから選択された少なくとも1つのデータソースからなる、ことを含み得る。

例示的なシステムは、ロボットプロセス自動化回路による改善されたプロセスを有する複数の管理アプリケーションの少なくとも1つが、分析管理アプリケーションを含み、複数のデータソースの少なくとも1つが、アクセスデータソース、クレームデータソース、作業者データソース、およびイベントデータソースからなるデータソースから選択された少なくとも1つのデータソースを含むことがある。

図41を参照すると、1つまたは複数のイベントへのアクセス権に対するフォワードマーケットのためのプラットフォーム運営型マーケットプレイス3327は、ダッシュボード4118またはプラットフォーム運営型マーケットプレイス3327のオペレータのための他のユーザインタフェースなどにおいて、本開示全体を通じて説明したデータ処理トランザクション、金融およびマーケットプレイス実現システム3300の様々な実現機能を使用して構成され得る。オペレータは、ユーザインタフェースまたはダッシュボード4118を使用して、図40に関連して説明したように、偶発的な前方市場イベントアクセス権トークンを作成するためのアルゴリズムを実行または引き受けるための一連のステップを行うことができる。実施形態では、ダッシュボード4118内の偶発的なフォワードマーケットイベントアクセス権トークンを作成するアルゴリズムのステップの1つ以上は、イベントまたはアクセス権を示すメッセージ、発表、または他のデータについて1つ以上のプラットフォーム運営マーケットプレイス3327または外部マーケットプレイス3390を監視するなど、アクセス権を特定するコンポーネント4102で1つまたは複数のイベントに対するアクセス権を特定することを含むことがある。ダッシュボード4118は、アクセス権が提供または維持される環境にリンクすることなどにより、イベントをプラットフォーム運営型マーケットプレイス3327にインポートすることを可能にするインターフェース要素（アプリケーションプログラミング要素を含む）で構成されてもよく、これはバックエンドチケットシステムなどのためのAPIを使用することも含み得る。ダッシュボード4118では、コンポーネント4104において、アクセス権のための1つまたは複数の条件（本明細書に記載のタイプの）が、例えば、トリガー時に、アクセス権を異なる個人またはエンティティに割り当てる相互排他的な条件のセットを定義することによって（例えば、ユーザとのインターフェースによって）設定され得る。ダッシュボード4118のユーザインタフェースは、様々なタイプのアクセス権に適切なものなど、デフォルト、テンプレート化、推奨、または事前設定された条件を有するドロップダウン・メニュー、テーブル、フォームなどのセットを含み得る。例えば、スポーツイベントのプレーオフゲームへのアクセス権は、アクセス条件をプレーオフゲームにおける特定のチームの存在として設定するように予め構成することができ、ここで、チームは、ゲームに参加し得るチームのセットのメンバーであり、アクセス権は、ゲームに参加し得る相互に排他的な可能性のあるチーム（例えば、スーパーボウルの1カンファレンスにおけるチーム）間の所定の座席に割り振られる。別の例として、まだ計画されていない娯楽イベントへのアクセス権は、会場、日程のスパン、選択されたエンターテイナーやグループなどの条件を設定するために事前に設定することができる。アクセス権の条件および他のパラメータが設定されると、構成要素4108において、ブロックチェーンが、台帳を介してなど、偶発的アクセス権（および任意で偶発的アクセス権が関連する基礎となるアクセストークン）の所有権の提供、割り当て、および交換に必要なデータを維持するように設定される場合がある。例えば、ゲームのチケットは、台帳上に暗号的に安全なトークンとして格納され、チケットの所有権をもたらし得る偶発的アクセス権ごとに別のトークンがブロックチェーン上に作成および格納されてもよい。ブロックチェーンは、トークン、ID情報、取引情報（偶発的権利および／または基礎となるトークンの交換など）、および他のデータを格納するように構成され得る。コンポーネント4110では、スマートコントラクト3431が、コンポーネント4104で構成された条件を具現化し、コンポーネント4108で作成されたブロックチェーン上で動作するとともに、プラットフォームが運営するマーケットプレイス3327および／または外部マーケットプレイス3390における事実、条件、イベントなどを示すデータなど、他のデータ上で動作するよう構成されてもよい。スマートコントラクトは、コンポーネント4110において、イベントデータ3324、アクセスデータ3362、価格設定データ3364、またはアクセス権に関するもしくはアクセス権に関連する他のデータを含み得るデータに対して、1つまたは複数のルールを適用する、1つまたは複数の条件付き操作を実行するなど、構成され得る。つまたは複数のブロックチェーンおよび1つまたは複数のスマートコントラクトの構成が完了すると、構成要素4112において、ブロックチェーンおよびスマートコントラクトは、1つまたは複数の消費者または他のユーザによる対話のためなど、プラットフォームが運営するマーケットプレイスに展開されてよく、ユーザは、ウェブサイト、アプリケーションなど、マーケットプレイスインターフェースにおいてなど、可能性がある、、は、将来のイベントに対する偶発的な権利を購入することなどにより、スマートコントラクトに参入し、その時点で、適応型インテリジェントシステム層3304または他の機能を使用するなどして、プラットフォームは、スマートコントラクトに参入する当事者または当事者の価格データおよびアイデンティティデータなどの関連データをブロックチェーン上またはその他の方法でプラットフォーム3300に格納することができる。コンポーネント4114では、スマートコントラクトが実行されると、コンポーネント4114は、監視システム層3306などによって、プラットフォームが運営するマーケットプレイス3327および／または1つ以上の外部マーケットプレイス3390において、イベントデータ3324、アクセスデータ3362、価格設定データ3364またはその他のデータ、例えば1つ以上の条件を満たすか、スマートコントラクトの1つ以上の規則の適用をトリガーし得るイベントなどを監視しても良い。例えば、ゲームの結果または将来の娯楽イベントの発表が監視され、スマートコントラクトの条件が満たされる可能性がある。構成要素4116において、条件の充足により、スマートコントラクトは、決済、実行など、結果として、基礎となるアクセストークンおよび／またはコンティンジェントアクセストークンの所有権を移転することなど、ブロックチェーン上の更新または他の操作が行われてもよい。したがって、上述の構成要素の動作を通じて、プラットフォーム運営型マーケットプレイス3327のオペレータは、暗号的に確保されブロックチェーン上で転送される将来のイベントへの偶発的なアクセスを提供し提供するスマートコントラクトのセットを発見、構成、展開、および実行させることができ、消費者や他の人に提供する。実施形態では、適応型インテリジェントシステム層3304は、上述のアルゴリズムのステップを監視するために使用されてもよく、1つまたは複数の人工知能システムは、ロボットプロセス自動化によってなど、プロセス全体または1つまたは複数のサブステップまたはサブアルゴリズムを自動化するために使用されてもよい。これは、上述のように、人工知能システムに、人間ユーザが上述のステップを実行する際のソフトウェアインタラクションの監視などの観察から得られるデータのトレーニングセットで学習させることなどにより発生し得る。いったん訓練されると、適応型インテリジェントシステム層3304は、したがって、取引、金融および市場実現システム3300が、将来のイベントに対する偶発的アクセス権の発見および提供のための完全に自動化されたプラットフォームを提供することを可能にし得る。

図42を参照すると、実施形態では、前方市場需要集約4002のためのブロックチェーンおよびスマートコントラクトプラットフォームを可能にするためのシステム、方法、プロセス、サービス、コンポーネントおよび他の要素を有する、プラットフォームが本明細書に提供される。この場合、様々な特徴を有し、上述の取引、金融および市場実現システム3300およびプラットフォーム4000に関連して説明したものと同様の能力によって実現される需要集約ブロックチェーンおよびスマートコントラクトプラットフォーム4200は、製品、サービスなどのセット（物理的商品、仮想商品、ソフトウェア、物理サービス、ソフトウェア、アクセス権、娯楽コンテンツ、または他の多くの項目を含み得る）からなり得る提供4202に対する将来の需要を左右するか表す一連の偶発事象4204に基づいてよい。分散型台帳を可能にするようなブロックチェーン3422は、当事者が製品またはサービスを購入することをコミットする意思があるパラメータを定義するものなど、製品、サービスなどに関して当事者のセットからの関心の指標を記録することができる。関心は、需要集約インターフェース4322において表明またはコミットされることがあり、このインターフェースは、独立して運営されてもよいし、プラットフォーム運営型マーケットプレイス3327または外部マーケットプレイス3390の側面を構成してもよい、1つまたは複数のサイト、アプリケーション、通信システムなどに含まれるかそれに関連付けられることがある。コミットメントは、スマートコントラクト3431または他のトランザクション機構を介して取られ、管理され得る。これらのコミットメントは、1つまたは複数の所望の提供物4202について、価格、技術仕様（例えば、衣服については靴のサイズ、服のサイズなど、情報技術については帯域幅、記憶容量、画素密度などの性能特性）、タイミング、および他の多くのパラメータなど、様々なパラメータ4208を含むことができる。ブロックチェーン3422は、したがって、様々な製品およびサービスに関するフォワード市場4002における将来の需要を集約するために使用されてもよく、製造業者、流通業者、小売業者、および他の者によって処理されて、（任意で、価格設定、在庫管理、サプライチェーン管理、スマート製造、ジャストインタイム製造、製品設計および他の多くの活動との分析システム3419）支援など需要に対する計画を支援し得る。提供物4202は、製品、サービス、または他のアイテムのいずれであっても、パラメータのセット4208が構成される時点で存在する必要はなく、例えば、個人は、2022年1月1日またはそれ以前に65インチ、32K量子ドットテレビディスプレイに対して最大1000ドル支払う意志を示すことができる。実施形態では、ベンダーは、消費者が関心を示し、任意で定義された条件内で購入を約束できるような、潜在的な構成および条件の範囲を提供することができる。実施形態において、消費者は、所望のアイテム及び構成を提示することができる。実施形態では、適応型インテリジェントシステム層3304によって可能にされるような、ルールベースのシステムであってもよい人工知能システムは、互いに一致する構成のサブセット（例えば、すべてが4K以上の能力を有し、すべてが500ドル以下の価格である）に対して異なるパラメータ4208を有する潜在的構成のセットを処理してもよく、構成のサブセットは、十分に大きなサブセットを利益ある価格で満足する提供物の将来の需要を約束するために使用されてよい。実施形態において、適応型インテリジェントシステム3204は、人間の専門家が、識別されたものに十分に近い構成を、新たな代替案として提示できるように決定することができるように、ファジー論理システム、自己組織化マップなどを使用して、潜在的構成をグループ化してもよい。実施形態では、人工知能システム3448は、人間の専門家によって作成された訓練データセットに基づいて、供物4202の新しい構成を決定して提示することを学習するように訓練される場合がある。

実施形態では、宿泊施設の前方市場権のためのブロックチェーンおよびスマートコントラクトプラットフォームを可能にするためのシステム、方法、プロセス、サービス、コンポーネント、および他の要素を有するプラットフォーム4200が、本明細書に提供される。宿泊施設提供物4210は、前方市場4002における提供物4210に対する集約需要を含む、他の提供物と同様に取り扱われ得る、製品、サービス、およびアクセス権の組み合わせから構成され得る。実施形態では、上述のフォワードマーケット機能は、ホテルの部屋、個人によって提供される共有スペース（例えば、Airbnb スペース）、ベッドアンドブレックファスト、ワークスペース、会議室、コンベンションスペース、フィットネス宿泊施設、健康およびウェルネス宿泊施設、食事宿泊施設、および他の多くのような将来の宿泊施設、ならびに宿泊施設へのアクセストークン4008を含む場合がある。宿泊施設の提供物4210は、パッケージなどで他のアクセストークン4008にリンクされてもよく、例えば、スポーツイベントの徒歩圏内の都市のホテルの部屋は、同じブロックチェーンまたはリンクされたブロックチェーンによって（例えば、同じ台帳上で両方の所有権またはアクセス権をリンクすることによって）リンクされてもよく、条件が満たされたとき（例えば、、ファンのチームがスーパーボウルに進出する）、イベントに対するアクセストークンの所有権の権利確定は、（ホテルの部屋や食事の予約などによる）宿泊の権利も自動的に確立する（オプションとして、プラットフォームのアプリケーションプログラミングインターフェースを介してなど、自動的に開始する）。したがって、イベントのフォワード市場は、イベントアクセストークン、宿泊施設、および他の要素のパッケージのためのブロックチェーン上の自動処理によって可能になる、便利で安全なフォワード市場を可能にし得る。実施形態では、宿泊施設は、ある条件（所定の時間窓内の価格に関するものなど）を満たすとホテルの部屋または他の宿泊施設が事前に予約されるような、イベントへのアクセストークン4008とは別に、構成された順方向市場パラメータ4208（条件パラメータを含む）を用いて提供されてもよい。例えば、音楽祭中の4つ星ホテルでの宿泊提供4210は、宿泊施設（例えば、キングベッドとシティビューを有する部屋）が所定の時間窓内で利用可能になった場合に予約されるように予め設定され得る。したがって、宿泊施設の需要は、ブロックチェーン（例えば、分散型台帳）上に表される事前に構成されたコミットメントを満たす条件の自動認識（監視システム3306など）と、決済または需要の履行（部屋または他の宿泊施設の自動予約など）の自動開始（オプションとしてスマートコントラクトの実行を含む）によって事前に集約されて都合よく満たされ得る。

実施形態では、輸送に対する前方市場権のためのブロックチェーンおよびスマートコントラクトプラットフォームを可能にするためのシステム、方法、プロセス、サービス、コンポーネント、および他の要素を有するプラットフォームが、本明細書に提供される。宿泊施設と同様に、輸送オファリング4212は、プラットフォーム4200を使用して、広範な事前定義された偶発事象を伴って、集約され、履行され得る。宿泊施設のオファリング4210と同様に、輸送のオファリング4212は、他の多くの例の中で、ファンのチームがスーパーボウルに進出した場合およびその時に、フライトが事前に定義された価格閾値以下で自動的に予約されるような、（イベントチケット、宿泊施設、サービスなど）他のアクセストークン4008にリンクされることができる。交通機関の提供4212はまた、個別に提供することもできる（例えば、分散型台帳において、所定の時間枠内で所定の価格で提供された場合にチケットを購入するというコミットメントに基づいて、旅行が自動的に予約されるような場合）。他の商品およびサービスと同様に、分散型台帳などのブロックチェーン3422上での集約は、需要計画、どのようなリソースがどのような経路または旅行のタイプに配備されるかを決定するためなどに使用することができる。輸送提供物4212は、価格、輸送手段（航空、バス、鉄道、自家用車、ライドシェア、またはその他）、サービスレベル（例えば、ファーストクラス、ビジネスクラス、またはその他）、支払い方法（例えば、ポイントプログラム、リワードポイント、または暗号通貨を含む特定の通貨の使用）、タイミング（例えば、、定義された期間またはイベントに連動したもの、場所（例えば、所定の種類のイベントが行われる場所（今年のスーパーボウルなど）または特定の場所に指定されたもの）、経路（例えば、消費者の目的地から特定の場所またはイベントが行われる場所への直行または複数路線のもの）、その他多くのものがある。

実施形態では、プラットフォーム4200は、プラットフォーム3300に関連して説明されたものなど、様々なアプリケーション、サービス、ソリューションなどを含み、またはそれらと相互作用することができ、例えば、価格設定アプリケーション3421（商品、サービス、アクセス権、トークン、手数料および他の項目の価格設定を設定および監視するためのもの）、分析ソリューション3419（プラットフォーム4000のあらゆる側面を監視、報告、予測および他の形で分析するためのものなど、例えば、提供物、タイミング、価格設定などを最適化するため、パターンを認識および予測するため、ルールおよび偶発性を確立するため、人間または機械学習システムによる使用のためのモデルまたは理解を確立するため、および他の多くの目的のため）、取引アプリケーション3428（商品、サービス、または他の提供物4202、トークンおよび他のアイテムに対する偶発アクセス権、先物またはオプションなどの取引または交換のため）、セキュリティアプリケーション3418、または同様のものがある。

図43を参照すると、将来のオファリング4202に対するフォワードマーケットのためのプラットフォーム運営型マーケットプレイス3327は、本開示全体を通じて説明されるデータ処理プラットフォーム3300の様々な実現能力を使用して、プラットフォーム運営型マーケットプレイス3327のオペレータ用のダッシュボード4318または他のユーザインタフェースなどで構成され得る。オペレータは、ユーザインターフェースまたはダッシュボード4318を使用して、図42に関連して説明したように、提供物4210を作成するためのアルゴリズムを実行または引き受けるための一連のステップを引き受けることができる。実施形態において、ダッシュボード4318内の偶発的な将来の提供物4210を作成するアルゴリズムのステップの1つ以上は、コンポーネント4302において、プラットフォームが運営するマーケットプレイス3327または外部マーケットプレイス3390から、例えば、それらのうちの1つ内の複数の消費者に示される需要集約インターフェース4322を介して来る可能性がある提供データ4320を特定することを含み得る、または、そのようなオファリング4210のための様々な可能なパラメータ4208および偶発事象4204の指定に基づく消費者の関心または消費者のコミットメント（スマートコントラクトによって締結されるコミットメントなど）の勧誘を介するなど、オファリング4210の需要集約のために作成されるサイトまたはアプリケーションのユーザインターフェースを介してまたはそのサイトで入力されてもよい。

ダッシュボード4318は、商品およびサービスの説明、価格、アクセス権などの提供物4202の様々な構成要素が指定、提供または維持される環境のセットにリンクすることなどにより、プラットフォーム運営市場3327において提供物を管理することを可能にするインターフェース要素（アプリケーションプログラミング要素を含む）で構成されてよく、バックエンドチケットシステム、電子商取引システム、注文システム、履行システムなどに対するAPIを用いることを含み得る。ダッシュボード4318において、コンポーネント4304は、（例えば、ユーザとの相互作用を介して）1つまたは複数のパラメータ4208または偶発事象4204を構成してもよく、例えば、提供物4202に参加する消費者による約束をトリガする条件、提供物の割り当てに対する権利をトリガする条件のセットを定義するなどして、（ここで説明するタイプの）提供物の条件を構成または説明することが挙げられる。ダッシュボード4318のユーザインターフェースは、様々なタイプのオファリング4202に適切なものなど、デフォルト、テンプレート化、推奨、または事前設定された条件、パラメータ4208、不測の事態4204などを有する一連のドロップダウンメニュー、テーブル、フォームなどを含み得る。例えば、新しい靴のラインへのアクセス権は、提供条件を特定のスタイルおよび色の特定のデザイナーによる靴の提供として設定するように予め設定することができ、一定の期間中に一定の価格以下でアクセスが提供された場合に、靴を購入する約束を受け入れるように予め設定することができる。別の例として、まだ計画されていない娯楽イベントに対する需要は、会場、日付のスパン、選択されたエンターテイナーまたはグループなどの条件を設定するように事前に構成することができる。提供物4202の条件および他のパラメータが構成されると、コンポーネント4308は、提供物を構成するアイテム（および任意に提供物に含まれるかまたは関連付けられる基礎的なアクセストークン、仮想商品、デジタルコンテンツアイテムなど）の所有権を提供、割り当て、および交換するために必要なデータを、台帳を介してなど、維持するようにブロックチェーンを構成することができる。例えば、動画の仮想グッズは、台帳上の暗号的に安全なトークンとして格納され、仮想グッズの所有権をもたらし得る各偶発的アクセス権または仮想グッズが定義された条件下で利用可能になった場合にそれを購入する各スマートコントラクトに対して別のトークンが作成されてブロックチェーン上に格納されても良い。ブロックチェーンは、トークン、ID情報、取引情報（偶発的権利および／または基礎となるトークンの交換など）、仮想商品、ライセンスキー、デジタルコンテンツ、娯楽コンテンツ、および他のデータを格納するように構成されてもよい。コンポーネント4310は、コンポーネント4304で構成された条件を具現化し、コンポーネント4308で作成されたブロックチェーン上で動作するように、また、プラットフォームが運営するマーケットプレイス3327および／または外部マーケットプレイス3390における事実、条件、イベントなどを示すデータなど、他のデータ上で動作するようにスマートコントラクト3431を構成することができる。スマートコントラクトは、ステップ4310において、提供データ4320、イベントデータ3324、アクセスデータ3362、価格設定データ3364、または提供物のセット4202に関するもしくは関連する他のデータを含み得るデータに対して1つまたは複数のルールを適用する、1つまたは複数の条件付き動作を実行する、またはそのようなことを構成され得る。つまたは複数のブロックチェーンおよび1つまたは複数のスマートコントラクトの構成が完了すると、構成要素4312において、ブロックチェーンおよびスマートコントラクトは、ウェブサイト、アプリケーションなどのマーケットプレイスインターフェースまたは需要集約インターフェース4322において、スマートコントラクトに入ることができる1つまたは複数の消費者および他のユーザによる対話のためなど、プラットフォーム運営マーケットプレイス3327に展開され得る、この時点で、適応型インテリジェントシステム層3304または他の機能を使用するなどのプラットフォームは、スマートコントラクトを入力する当事者または当事者の価格データおよびIDデータなどの関連データをブロックチェーン上またはその他の方法でプラットフォーム3300に格納することができる。構成要素4314において、スマートコントラクトが実行されると、プラットフォームは、監視システム層3306などによって、プラットフォームが運営するマーケットプレイス3327および／または1つまたは複数の外部マーケットプレイス3390において、オファーデータ4320、イベントデータ3324、アクセスデータ3362、価格データ3364またはイベントなどの他のデータで、スマートコントラクトの1つまたは複数の条件を満たす可能性があるか、1つまたは複数の規則の適用をトリガする可能性があるデータを監視してもよい。例えば、電子商取引サイト、オークションサイトなどでの提供の発表が監視され、スマートコントラクトの条件は、提供の1つ以上4202によって満たされる可能性がある。

構成要素4316において、条件を満たすと、スマートコントラクトは、商品、サービス、基礎となるアクセストークンおよび／またはコンティンジェントアクセストークンの所有権を移転し、（支払いシステムによって得られるような）必要な対価を移転するなど、ブロックチェーン上の更新または他の操作をもたらす、決済、実行、またはそのようなことがありえる。したがって、上述のステップを介して、プラットフォーム運営型マーケットプレイス3327のオペレータは、需要を集約し、暗号的に確保されブロックチェーン上で転送される提供物4202に対する偶発的アクセスを消費者または他の人に提供し提供するスマートコントラクトのセットを発見、構成、展開し、実行させてよい。実施形態では、適応型インテリジェントシステム層3304は、上述のアルゴリズムのステップを監視するために使用されてもよく、1つまたは複数の人工知能システムは、ロボットプロセス自動化によってなど、プロセス全体または1つまたは複数のサブステップまたはサブアルゴリズムを自動化するために使用されてもよい。これは、上述のように、人工知能システムに、人間ユーザが上述のステップを実行する際のソフトウェアインタラクションの監視などの観察から得られるデータのトレーニングセットで学習させることなどにより発生し得る。一旦訓練されると、適応型インテリジェントシステム層3304は、したがって、プラットフォーム3300が、提供物の発見および提供のための完全自動化プラットフォーム、ならびにそのような提供物4202に対する需要の集約、ならびにそのような提供物4202へのアクセスおよび所有権の自動化された処理を提供することを可能にし得る。

図44を参照すると、実施形態では、イノベーションのためのクラウドソーシングのためのブロックチェーンおよびスマートコントラクトプラットフォーム4400を可能にするためのシステム、方法、プロセス、サービス、コンポーネントおよび他の要素を備えたプラットフォームが、本明細書に提供される。そのような実施形態では、発明、著作物、革新、一連の問題に対する技術解決、技術仕様の満足、または他の進歩などの一連のイノベーション4402を求める当事者は、ブロックチェーン3422上などで（任意に分散台帳からなる）、スマートコントラクト3431で表現できる、要件を満たすために必要な一連の条件4410を設定することができる。報酬4412は、所定の日付（例えば、2019年末までに1台あたり100ドル未満で生産できる5G折りたたみ式携帯電話の技術仕様）までに、所定の能力のセットのイノベーション4402を生成するか、所定のパラメータのセット4408を満たすように構成され得る。条件4410の満足度は、監視システム3306によって、1人以上の専門家によって、または訓練された人工知能システム3448（専門家によって作成された訓練セットに基づいて応答を評価するように訓練されたものなど）によって測定することができる。実施形態では、ブロックチェーンおよびスマートコントラクトプラットフォーム4400は、仕様、要件または他の条件4410、報酬4412、タイミングおよび他のパラメータ4408の構成のためのダッシュボード4414（提出物または提出者に要求され得る任意の必要な資格、形式、地理的要件、証明書、資格証書など）を含み得る、であり、ブロックチェーンおよびスマートコントラクトプラットフォーム4400は、ウェブサイト、アプリケーション、または他の市場環境と連携するなどして、パラメータ4408を格納するブロックチェーン3422と、報酬4412を提供し、（ブロックチェーン3422上などの）提出物4418を受け取り記録し、報酬4412を割り当て、イベント、取引および活動がブロックチェーンに、任意に分散台帳を用いて記録され、動作するスマートコントラクト3431を自動的に構成してよい。実施形態では、報酬4412は、イノベーションが複数の問題の解決を必要とする場合など、複数の提出物にまたがって配分されるように構成されてもよく、提出物4418がいくつかの条件の満足について評価されてもよく、報酬のロックを解除して完全な解決（複数の提出物4418の集約を含む）が達成されたときおよびその場合に貢献提出物4418間で報酬が配分され、その時点では配布台帳に記録される貢献提出物4418が報酬の適切な部分を配分されてよい。提出物は、ソフトウェア、技術データ、ノウハウ、アルゴリズム、ファームウェア、ハードウェア、機械図面、プロトタイプ、概念実証デバイス、システム、および他の多くの形態を含み得、これらは、1つまたは複数のリソース（暗号技術または他の技術によって保護されてもよい）への1つまたは複数のリンクによってなど、ブロックチェーン3422（例えば、分散台帳）上で識別、記述、または他の方法で文書化されてもよい。したがって、提出物は、報酬4412の割り当ての目的のために（1つまたは複数の独立した専門家、（専門家によって訓練され得る）人工知能システムなどによって）記述および評価され、その後、報酬が分散台帳を介して分配されない限り、および分配されるまで、暗号化、安全な記憶、または同様の方法などによって、ロックされてよい。したがって、プラットフォームは、クラウドソーシングまたは他のイノベーションプログラムにおけるような、報酬のために提供されるイノベーションに関連する情報の交換のための安全なシステムを提供する。人工知能システム3448は、報酬の自動配分または人間の専門家による確認のための評価を事前に入力することのいずれかのために、提出物4418を自動的に評価するために、提出物4418との専門家の相互作用を使用するデータの訓練セットなどによって、訓練され得る。実施形態において、人工知能システム3448は、例えば、ダッシュボード4414との専門家の相互作用を反映したデータの訓練セットによって、任意で分析システム3419からのような結果情報と結合されて、報酬4412を作成し、条件4410を設定し、イノベーション4402を指定し、他のパラメータ4408を設定して、それによってそれらの能力のうちの1以上のために完全自動または半自動能力を提供できるように訓練されてよい。

図45を参照すると、クラウドソーシング・イノベーション4402のためのプラットフォーム運営型マーケットプレイス3327は、例えば、プラットフォーム運営型マーケットプレイス3327のオペレータのためのクラウドソーシング・ダッシュボード4414または他のユーザインタフェースにおいて、本開示を通じて説明したデータ処理プラットフォーム3300の様々な実現能力を使用して構成され得る。オペレータは、ユーザインターフェースまたはクラウドソーシングダッシュボード4414を使用して、図44に関連して説明したようなクラウドソーシングオファーを作成するためのアルゴリズムを実行または引き受けるための一連のステップを行うことができる。実施形態では、ダッシュボード4414内で報酬4412を作成するように構成される描写されたコンポーネントの1つ以上は、コンポーネント4502において、どのようなイノベーション4402が興味を持つか（プラットフォームが運営する市場3327または外部の市場3390における需要の表示によって示され得るような、または様々な通信チャネルを通じて企業に対する関係者による表示によって示されるような）などの潜在的オファーを識別することが挙げられうる。

ダッシュボード4414は、クラウドソーシングオファリングをプラットフォーム運営型マーケットプレイス3327および／または1つ以上の外部マーケットプレイス3390で管理することを可能にする要素（アプリケーションプログラミング要素を含む）など、クラウドソーシングインターフェース4512で構成されることがある。ダッシュボード4414において、コンポーネント4504で、ユーザは、報酬4412をトリガーし、報酬4412の提出者のセットへの割り当てを決定する条件4410のセットを定義することによって、クラウドソーシングオファーのための条件（本明細書に記載されるタイプの）を構成または記述するなど、1または複数のパラメータ4408または条件4410を構成し得る。ダッシュボード4414のユーザインターフェースは、様々なタイプのクラウドソーシングオファーに適したものなど、デフォルト、テンプレート化、推奨、または事前設定された条件、パラメータ4408、条件4410などを有する一連のドロップダウンメニュー、表、フォームなどを含み得る。オファーの条件および他のパラメータが構成されると、構成要素4508において、スマートコントラクト3431およびブロックチェーン3422が、台帳を介してなど、オファーに関連するデータの提供、割り当て、および交換に必要なデータを維持するように構成され得る。ブロックチェーンは、トークン、ID情報、取引情報（情報の交換など）、技術的説明、仮想商品、ライセンスキー、デジタルコンテンツ、娯楽コンテンツ、および提出物4418または報酬4412に関連し得る他のデータ、コンテンツまたは情報を格納するように構成され得る。構成要素4510において、スマートコントラクト3431は、ステップ4504で構成された条件を具現化し、構成要素4508で作成されたブロックチェーン上で動作するように構成されてもよく、また、プラットフォームが運営するマーケットプレイス3327および／または外部マーケットプレイス3390における事実、条件、イベントなどを示すデータなどの他のデータ、たとえばサブミットデータ4418に関するものに対して動作するようにしてもよい。スマートコントラクト3431は、コンポーネント4510に応答して、サブミッションデータ4418およびパラメータまたは条件の満足を示すデータ、ならびにIDデータ、取引データ、タイミングデータなどのデータに対して、1つまたは複数のルールを適用する、1つまたは複数の条件付き動作を実行するなどしてもよい。つまたは複数のブロックチェーンおよび1つまたは複数のスマートコントラクトの構成が完了すると、構成要素4512において、ブロックチェーンおよびスマートコントラクトは、プラットフォーム運営マーケットプレイス3327、外部マーケットプレイス3390または他の環境において、1つまたは複数の提出者または他のユーザによる対話のために展開され得、これらは、ウェブサイト、アプリケーションなどのクラウドソーシングインターフェース4512においてなど、可能性のある、、などで、提出物4418を提出し、報酬4412を要求することなどにより、スマートコントラクトに参入し、その時点で、適応型知的システム層3304または他の機能を使用するなどして、プラットフォームは、提出データ4418、ブロックチェーン上またはその他のプラットフォーム3300上のスマートコントラクトに参入する当事者または当事者のアイデンティティデータなどの関連データを格納し得る。構成要素4514において、スマートコントラクトが実行されると、プラットフォームは、監視システム層3306などによって、プラットフォームが運営するマーケットプレイス3327および／または1つまたは複数の外部マーケットプレイス3390において、提出データ4418、イベントデータ3324、または報酬4412をトリガーするために1つまたは複数の条件4410の満足または満足を示してスマートコントラクト3431の1つまたは複数の規則の適用をトリガーし得る他のデータについて監視してもよい。

構成要素4516において、条件を満たすと、スマートコントラクトは、決済され、実行され、またはその結果、ブロックチェーン3422上の更新または他の操作、例えば（支払いシステムを介してなど）対価を転送し、提出物4418へのアクセスを転送することによってもよい。したがって、上述のステップを介して、プラットフォーム運営型マーケットプレイス3327のオペレータは、暗号的に保護され、ブロックチェーン上でイノベーターからイノベーションを求める当事者へ転送されるイノベーションをクラウドソースするスマートコントラクトのセットを発見、構成、展開し、実行させてもよい。実施形態では、適応型インテリジェントシステム層3304は、上述のアルゴリズムのステップを監視するために使用されてもよく、1つまたは複数の人工知能システムは、ロボットプロセス自動化によるように、プロセス全体または1つまたは複数のサブステップまたはサブアルゴリズムを自動化するために使用されてもよい。これは、上述のように、人工知能システムに、上述のステップを実行する際の人間ユーザのソフトウェアインタラクションを監視するなどの観察から得られるデータのトレーニングセットで学習させることなどにより発生し得る。一旦訓練されると、適応型インテリジェントシステム層3304は、したがって、プラットフォーム3300が、イノベーションのクラウドソーシングのための完全に自動化されたプラットフォームを提供することを可能にし得る。

図46を参照すると、実施形態では、証拠のためのクラウドソーシングのためのブロックチェーンおよびスマートコントラクトプラットフォーム4600を可能にするためのシステム、方法、プロセス、サービス、コンポーネントおよび他の要素を有する、プラットフォームが本明細書に提供される。イノベーション、製品需要などのソーシングに関連して上述した他の実施形態と同様に、任意で分散型台帳を具現化するようなブロックチェーン3422は、侵害の証拠、先行技術の証拠、出版の証拠などの証拠4618の提出に対する報酬4612を管理するための一連のスマートコントラクト3431で構成され得る、使用の証拠、商業販売の証拠、詐欺の証拠、虚偽記載の証拠、不法侵入の証拠、過失の証拠、不実記載の証拠、中傷または名誉毀損の証拠、違法行為を行った証拠、危険な行為を行った証拠、不作為の証拠、契約違反の証拠、不法行為の証拠、刑事行為の証拠、規制違反の証拠、方針または手順の不遵守の証拠、個人の所在地の証拠（任意で既知の場所または好みの場所を含む）、個人のソーシャルネットワークまたはその他の関係の証拠、個人または企業のビジネス上のつながりの証拠、個人または企業の資産の証拠、欠陥の証拠、害の証拠、偽造の証拠、同一性の証拠（DNA、指紋、ビデオ、写真など）、損害の証拠、混同の証拠（商標権侵害の場合など）、または民事もしくは刑事の法的手続き、契約の執行もしくは交渉、仲裁もしくは調停、審理、もしくは他の手続きに関連し得る他の証拠である。実施形態では、任意で分散型台帳に分散されるようなブロックチェーン3422は、証拠4618の要求（召喚状などの正式な法的要求であってもよく、事実収集状況などの代替形式の要求であってもよい）を、証拠4618の提出に対する報酬4612、証拠4618の使用に関する一連の条件4610（召喚状に基づいてのみ解放してもよいかなど）など、証拠に関連する諸条件はとともに設定するために使用されてよい、提出当事者が匿名の権利を有するかどうか、証拠を使用できる手続の性質、証拠4618の使用に関する許容条件など）、およびタイミングパラメータ、必要とされる証拠の性質（DNAや指紋などの科学的に検証された証拠、ビデオ映像、写真、目撃証言など）、およびその他のパラメータなど、様々なパラメータ4608を含む。

プラットフォーム4600は、クラウドソーシングインターフェース4620を含み得、これは、ウェブサイト、アプリケーション、ダッシュボード、通信システム（電子メール、テキスト、音声メッセージ、広告、放送メッセージ、または他のメッセージを送信するためなど）に含まれるかまたはこれと連携して提供され得、これにより、メッセージがインターフェース4620に提示されるかまたは関連個人（召喚状の場合のように標的化されているか、所定の場所の個人、会社など放送されているか、スマートコントラクト3431および関連するブロックチェーン3422への適切なリンクを有する）、関連する添付ファイル、リンク、または他の情報を有する、証拠4618を提出する返信メッセージが、ブロックチェーン3422、および任意に関連する分散台帳が、要求に応答して提出された証拠4618の安全で決定的な記録を維持するように、（例えば、APIまたはデータ統合システムを通じて）自動的に関連付けられるように、ブロックチェーン3422と関連付けられる。報酬4612が提供される場合、ブロックチェーン3422および／またはスマートコントラクト3431は、提出が報酬4612の条件を満たすような時に（例えば、以下のような）、提出時間、提出の性質、および提出する当事者を記録するために使用されてよい、刑事事件における対象の逮捕または提出された先行技術の使用による特許の無効化など、他の多くの例の中で）、ブロックチェーン3422およびそれによって保存される任意の分散型台帳を使用して、提出者を特定し、スマートコントラクト3431の実行によって、報酬4612（これは、本開示を通じて指摘した対価のいずれかの形式をとり得る）を伝達することができる。実施形態では、ブロックチェーン3422および任意の関連する台帳は、実際の証拠4618を含まずに、情報が、アクセスのための条件（法的召喚状、令状、またはIDもしくはセキュリティアプリケーション3418などによる、正当なアクセス権を有する者の他の識別もしくは検証など）を満たすか検証することを条件に、秘密に維持されてよいように（例えば、暗号化されているか、識別情報のみで別々に保存されているなど）証拠4618の提出に関する識別情報を含むことがある。報酬4612は、ルールセット（自動化システム、ルール処理システム、人工知能システム3448または他のエキスパートシステムと協調してスマートコントラクト3431を使用するなど、場合によっては自動的に適用されてもよく、実施形態では、人間の専門家と作成したトレーニングデータセットでトレーニングされるものを構成してもよい）に基づいて、証拠4618が関連するケースまたは状況の結果に基づいて提供されることができる。例えば、アイテムの画像に基づいて偽造の証拠を評価するためにマシンビジョンシステムが使用されてもよく、偽造の証拠を提出する当事者は、スマートコントラクト3431、ブロックチェーン3422および任意の分散台帳を通じた報酬4612の分配を介して、トークンまたは他の対価などを介して報酬を与えられてもよい。したがって、プラットフォーム4600は、コンプライアンスを促進するため、不適切な行動を抑止するため、不確実性を低減するため、情報の非対称性を低減するためなど、様々な事実収集および証拠収集の目的のために使用され得る。

図47を参照すると、プラットフォーム運営型マーケットプレイスのクラウドソーシング証拠4600は、本開示全体を通じて説明されるデータ処理プラットフォーム3300の様々な実現能力を使用して、プラットフォーム運営型マーケットプレイス4600のオペレータ用のクラウドソーシングインターフェース4620または他のユーザインターフェースなどで構成され得る。オペレータは、ユーザインターフェース4620またはクラウドソーシングダッシュボード4614を使用して、図46に関連して説明したように、クラウドソーシングの証拠請求4618を作成するためのアルゴリズムを実行または引き受けるための一連のステップを引き受け得る。実施形態では、ダッシュボード4614内の報酬4612を作成するためのコンポーネントとの1つまたは複数の相互作用は、コンポーネント4702において、どのような証拠4618が所定の状況において価値がありそうか（弁護士、エージェント、調査員、当事者、監査人、探偵、引受人、検査官、および他の多くの人々などの、個人または企業などのエンティティの利害関係者および代表者によって様々な通信チャネルを通じて示される場合があるような）潜在報酬4612を識別することが挙げられる。

ダッシュボード4614は、クラウドソーシング要求がプラットフォーム・マーケットプレイス4600および／または1つ以上の外部マーケットプレイス3390において管理されることを可能にする要素（アプリケーション・プログラミング要素、データ統合要素、メッセージング要素などを含む）を備えるなど、クラウドソーシング・インターフェース4620で構成されることができる。ダッシュボード4614において、コンポーネント4704で、ユーザは、報酬4612をトリガし、証拠4618の提出者のセットへの報酬4612の割り当てを決定する条件4610のセットを定義することによってなど、クラウドソーシング要求の条件（本明細書に記載のタイプの）を構成または記述するなど、1または複数のパラメータ4608または条件4610を構成し得る。クラウドソーシングインターフェース4620を含み得る、またはクラウドソーシングインターフェース4620に関連付けられ得るダッシュボード4614のユーザインターフェースは、様々なタイプのクラウドソーシング要求に適したものなどの、デフォルト、テンプレート化、推奨、または事前構成された条件、パラメータ4608、条件4610などを有する一連のドロップダウンメニュー、表、フォームなどを含み得る。リクエストの条件および他のパラメータが構成されると、構成要素4708において、スマートコントラクト3431およびブロックチェーン3422が、台帳を介してなど、リクエストおよび証拠の提出4618に関連するデータを提供、割り当て、および交換するために必要なデータを維持するように構成され得る。スマートコントラクト3431およびブロックチェーン3422は、ID情報、取引情報（情報の交換など）、技術情報、図46に関連して説明したタイプの他の証拠データ4618（証拠の提出4618または報酬4612の条件4610に関連し得る任意のデータ、証言、写真またはビデオコンテンツまたは他の情報を含む）を提供するように構成されてもよい。コンポーネント4710では、スマートコントラクト3431が、コンポーネント4704で構成された条件4610を具現化し、コンポーネント4708で作成されたブロックチェーン3422上で動作するように構成され、さらに、事実、条件、イベントを示すデータなどの他のデータ上で動作するように構成されてもよい、プラットフォームが運営するマーケットプレイス4600および／または外部マーケットプレイス3390における事実、条件、事象などを示すデータ、あるいは、証拠データ4618の提出に関連するもの、例えば、訴訟事件または事件の一部の結果を示すサイト、捜査に関する報告サイトなどの他の情報サイトやリソースなど。スマートコントラクト3431は、コンポーネント4710において構成された1つまたは複数のルールを適用し、証拠データ4618およびパラメータ4608または条件4610の満足を示すデータ、ならびにIDデータ、取引データ、タイミングデータ、および他のデータに対して1つまたは複数の条件操作等を実行するように応答可能であり得る。つまたは複数のブロックチェーン3422および1つまたは複数のスマートコントラクト3431の構成が完了すると、構成要素4712において、ブロックチェーン3422およびスマートコントラクト3431は、プラットフォーム運営市場4600、外部市場3390または他のサイトもしくは環境において、1つまたは複数の提出者または他のユーザによる対話のために展開され得、それらは、ウェブサイト、アプリケーションなどのクラウドソーシングインターフェース4620においてなど、可能性のある、などで、証拠の提出4618および報酬4612を要求することなどにより、スマートコントラクト3431に参入し、その時点で、適応型インテリジェントシステム層3304または他の機能を使用するなどして、プラットフォーム4600は、提出された証拠データ4618、スマートコントラクト3431に参入する当事者または当事者のアイデンティティデータなどの関連データをブロックチェーン3422上またはその他のプラットフォーム4600に格納することがある。構成要素4714において、スマートコントラクト3431が実行されると、プラットフォーム4600は、監視システム層3306などによって、プラットフォームが運営するマーケットプレイス4600および／または1つ以上の外部マーケットプレイス3390または他のサイトにおいて、提出された証拠データ4618、イベントデータ3324、または報酬4612を誘発するように1つ以上の条件4610の満足またはそれを示し得る、スマートコントラクト3431の1つ以上の規則適用のトリガーとなる他のデータについて監視してもよい。

構成要素4716において、条件4610を満たすと、スマートコントラクト3431は、決済され、実行され、またはその結果、ブロックチェーン3422上の更新または他の操作、たとえば、（支払いシステムを介するなど）対価を転送し、証拠4618へのアクセスを転送することにより、実行され得る。したがって、上記の参照されたステップを介して、プラットフォーム運営型マーケットプレイス4600のオペレータは、証拠をクラウドソーシングするスマートコントラクト3431のセットを発見し、構成し、配備し、実行させることができ、それは暗号的に確保され、ブロックチェーン3422上で証拠収集者から証拠を求める当事者に転送される。実施形態では、適応型インテリジェントシステム層3304は、上述のアルゴリズムのステップを監視するために使用されてもよく、1つまたは複数の人工知能システムは、ロボットプロセス自動化3442によるなど、プロセス全体または1つまたは複数のサブステップまたはサブアルゴリズムを自動化するために使用されてもよい。これは、人工知能システム3448に、上記ステップを行う際の人間ユーザのソフトウェアインタラクションを監視するなどの観察から得られるデータのトレーニングセットで学習させるなど、上述したように発生し得る。一旦訓練されると、適応型インテリジェントシステム層3304は、したがって、プラットフォーム3300が証拠のクラウドソーシングのための完全自動化プラットフォームを提供することを可能にし得る。

実施形態において、証拠は、証拠クラウドソーシングプラットフォーム4600を含むマーケットプレイスプラットフォーム3300によってサポートされ得る様々なアプリケーションおよびソリューションのための事実収集またはデータ収集に関連し得、例えば、保険数理プロセスを含む引受3420（例えば、、保険契約、ローン、保証、およびその他の項目の）保険数理プロセスを含む、リスク管理ソリューション3408（本開示全体を通じて指摘される多種多様なリスクの管理など）、税務ソリューション（控除および税額控除などをサポートする証拠に関するものなど）、融資ソリューション3410（担保の所有権およびまたは価値の証拠、表明の真実性の証拠など）などが挙げられる；規制ソリューション 3426（事業体 3330、事業体3330 のプロセス、行動または活動を管理しうる広範な規制の遵守に関するものなど）、不正防止ソリューション3416（詐欺、虚偽表示、不適切な行動、名誉毀損、中傷などを検出するためのものなど）などがある。

証拠収集は、他の多くの要因の中でも、エンティティ3330およびそのアイデンティティ、主張、請求、行動、または行動に関する証拠収集を含み得、クラウドソーシングプラットフォーム4600におけるクラウドソーシングによって、またはデータ収集システム3318および監視システム3306によって、任意にプロセス自動化3442および人工知能システム3448を用いるなどの適応型知能による自動化を伴って達成され得る。

実施形態では、証拠収集プラットフォームは、クラウドソーシングプラットフォーム4600であれ、クラウドソーシングを包含してもしなくてもよいより一般的なデータ収集プラットフォーム3300であれ、保険引受3420のためのアイデンティティおよび行動情報を集約するためのブロックチェーンおよびスマートコントラクトプラットフォームを可能にするためのシステム、方法、プロセス、サービス、コンポーネントおよび他の要素とともに、本書に設けられる。実施形態において、オプションの分散型台帳を有するブロックチェーンは、引受プロセス3420に関連する一連のイベント、取引、活動、アイデンティティ、事実、および他の情報、たとえば、保険の申請者のアイデンティティ、保険を提供する意思がある可能性がある当事者のアイデンティティ、保険がかけられる可能性があるリスクに関する情報（任意のタイプの、財産、生命、旅行、侵害、健康、家庭など）を記録するために使用されてよい、商業責任、製造物責任、自動車、火災、洪水、傷害、退職、失業など、従来から保険契約によって保証されている他の多くのものに加え、従来は保証されていない他のタイプのリスクのホスト）、補償、除外などに関する情報、価格、免責金額、金利（終身保険など）などの条件に関する情報などである。ブロックチェーン3422および関連するスマートコントラクト3431は、ウェブサイト、アプリケーション、通信システム、メッセージシステム、マーケットプレイスなどと連携して、またはそれらを介して、保険を提供し、申請者が提出した情報を記録するために使用されてよく、保険申請が、（ポリシー、規制、およびアクセス条件によって支配されるような）認可された当事者、役割およびサービスのみに提出された情報へのアクセスを許すアクセス制御機能付きの安全で正規な提出情報のレコードを持っているようにする。ブロックチェーン3422は、アンダーライターによって収集された、申請者によって提出された、人工知能システム3448によって収集された、または（クラウドソーシングプラットフォーム4600の場合など）他者によって提出された、価格設定、引受、補償などに関連する情報（上記の証拠収集との関連で指摘した証拠を含む）を記録するなど、引受3420において使用され得る。実施形態では、ブロックチェーン3422、スマートコントラクト3431、および任意の分散型台帳は、典型的な保険契約よりも狭い定義された期間の定義された活動に関連する定義されたリスクに対するような、マイクロ保険の提供および引受を容易にするために使用され得る）。例えば、悪天候に関連する保険は、結婚式の当日のために取得されてもよい。ブロックチェーン3422は、台帳に記録されるように、当事者のグループがリスクのある割合を取ることに同意する場合など、当事者のグループに対するリスクの配分および引受活動の調整を容易にすることができる。例えば、台帳は、当事者がリスクの任意の分数を取ることを可能にし、それにより、台帳に記録されるように、活動やリスクなどを保証することに同意する複数の当事者の蓄積および集約の残りとしてリスクが完全にカバーされるまでの間、部分保険を蓄積することがある。台帳は、カバーされるリスクイベントの発生時に支払いを割り当てるために使用され得る。実施形態において、人工知能システム3448は、人間の専門家であるアンダーライターによって訓練されたものなど、引受データの収集および分析に使用されてもよい。実施形態では、人工知能3448を使用するような自動化システム3442、例えば、イベントを認識し検証するように訓練されたものは、イベントが起こったこと（例えば、、屋根が崩壊した、車が損傷した、など）、例えば、ビデオ、画像、センサ、IoTデバイス、（ソーシャルネットワーク上などの）目撃者投稿などから、引受／保険当事者から被保険者への資金移動を反映する適切な借方および貸方の開始を含む、保険金額を支払うために分散型台帳上の操作が開始され得るようなものである。このように、ブロックチェーンベースの台帳は、身元を確実に検証し、必要に応じて情報の機密性を維持し、価格設定や引き受けに必要な証拠を自動的に蓄積し、保険対象イベントの発生を示す情報を自動的に処理し、有効なイベントの発生に応じて契約を自動的に決済および履行することによって、保険プロセスの多くを簡素化および自動化することができる。

貸出場所

図48を参照すると、金融、取引およびマーケットプレイス実現システム3300の一実施形態が示されており、ここでは、貸出実現システム4800が実現され、プラットフォーム指向のマーケットプレイス3327が貸出プラットフォーム3410を構成することができる。貸出可能化システム4800は、発生し得るエンティティ3330のセットのインテリジェントな管理を可能にするために（サービス指向アーキテクチャにおけるデータ統合および組織化などによって）連携して動作するシステム、アプリケーション、プロセス、モジュール、サービス、層、デバイス、コンポーネント、機械、製品、サブシステム、インターフェース、接続、および他の要素（文脈上そうでないことが示される場合を除いて、代替的に「プラットフォーム」「貸出プラットフォーム」「システム」などとして集合的に呼ばれる）セットを含み得る、は、貸出プラットフォーム3410または貸出関連エンティティを含む外部マーケットプレイス3390の1つまたは複数のアプリケーション、サービス、ソリューション、プログラムなどを所有、操作、サポートまたは可能にし、またはプラットフォーム3300およびシステム4800の一部、統合、リンク、または運用される可能性がある。本明細書におけるサービスのセットへの言及は、文脈が他に示す場合を除き、これらおよび他の様々なシステム、アプリケーション、プロセス、モジュール、サービス、層、デバイス、コンポーネント、機械、製品、サブシステム、インターフェース、接続、および他のタイプの要素を理解すべきである。セットは、複数のメンバーまたは単一のメンバーを含むことができる。システム3300の他の実施形態と同様に、システム4800は、本開示および参照により本明細書に組み込まれる文書を通して説明される他の実施形態に関連して説明されるコンポーネント、モジュール、システム、サービス、コンポーネント、機能、および他の要素を有する、様々なデータ処理層を有してもよい。これは、様々な適応型インテリジェントシステム層3304、監視システム3306、データ収集システム3318、およびデータ記憶システム3310、ならびに、それらのシステムのそれぞれ、および／またはプラットフォーム3300およびシステム4800の様々な他の要素の間、のアプリケーションプログラミングインターフェース3316の集合を含み得る。実施形態において、アプリケーションプログラミングインターフェース3316は、アプリケーションプログラミングインターフェース4812と、データが様々なプロトコルおよびフォーマットを使用して様々なサービス間で移動する際に抽出、変換、クレンジング、正規化、重複排除、ロードなどのためのデータ統合技術（まとめてETLシステム4814と呼ばれることがある；）および、ユニキャスト、ブロードキャストおよびマルチキャスト伝送など、1対1、1対多、または多対1ベースで要素間に構成される様々なポート、ポータル、コネクタ、ゲートウェイ、有線接続、ソケット、仮想プライベートネットワーク、コンテナ、安全チャンネルおよび他の接続（集合的にポート4818と呼ばれる）。アプリケーションプログラミングインターフェース3316は、実行の各スレッドへの優先度の割り当てに基づくなど、ユーザが実行パターンを定義することができる決定論的実行パターンを有する、FreeRTOS^TMオペレーティングシステムなどのリアルタイムオペレーティングシステム（RTOS）4810を含み、それによって可能になり、それと統合し、またはそれとインターフェースし得る。RTOS4810のインスタンスは、様々なエンティティ3330を監視するために使用されるような、IoTデバイスのマイクロコントローラ上などに埋め込まれることがある。RTOS4810は、リアルタイムスケジューリング（監視システム層3306およびデータ収集システム3318へのデータ送信のスケジューリング、様々なサービス要素間のタスク間通信のスケジューリング、および他のタイミングおよび同期要素など）を提供してもよい。実施形態では、アプリケーションプログラミングインターフェース3316は、エンティティ3330を監視するために使用されるIoTデバイスなどの小型で低電力のエッジデバイスと、プラットフォーム3300およびシステム4800の様々なクラウド展開されたサービスとの間の安全な接続を可能にするライブラリのセットを使用または含む可能性がある、一連のエッジデバイスおよびそれらを可能にするシステム、は、AWS IoT Greengrass^TMおよび／またはAWS Lambda^TM機能などのローカルデータ処理およびコンピューティングシステムを実行するものなど、ローカル計算、データ通信の設定、機械学習モデルの実行（予測または分類など）、デバイスまたはデバイスデータの同期、デバイスおよびサービス間の通信を可能にする。これは、シリアルポート、GPU、センサ、およびカメラなどのローカルデバイスリソースの使用を含み得る。実施形態では、データは、安全なエンドツーエンド通信のために暗号化される場合がある。

貸出可能化システム4800および貸出ソリューション3410のセットの文脈では、エンティティ3330は、本開示全体または参照により本明細書に組み込まれる文書で言及される多種多様な資産、システム、デバイス、機械、施設、個人または他のエンティティのいずれかを含み得、例えば、限定されないが、機械3352およびそのコンポーネント（例えば、、融資の対象または融資の担保となる機械、例えば、様々な車両および機器、ならびに融資取引を行うために使用される機械、例えば、自動窓口機、POS機、自動販売機、キオスク、スマートカード対応機、およびマイクロローン、給料日ローンなどを可能にするために使用されるものを含む多くの他の機械）；金融および取引プロセス3350（貸出プロセス、検査プロセス、担保追跡プロセス、評価プロセス、信用調査プロセス、信用度プロセス、シンジケーションプロセス、金利設定プロセス、ソフトウェアプロセス（アプリケーション、プログラム、サービスなどを含む）、生産プロセス、回収プロセス、銀行プロセス（例えば、融資プロセス、引受プロセス、投資プロセス、その他多数）、金融サービスプロセス、診断プロセス、セキュリティプロセス、安全プロセス、評価プロセス、支払いプロセス、評価プロセス、発行プロセス、ファクタリングプロセス、統合プロセス、シンジケーションプロセス、回収プロセス、差押プロセス、名義変更プロセス、名義確認プロセス、担保モニタリングプロセス、その他多数）；ウェアラブルおよびポータブルデバイス3348（携帯電話、タブレット、金融アプリケーション専用ポータブルデバイス、データコレクター（モバイルデータコレクターを含む）、センサーベースのデバイス、時計、眼鏡、ヒアラブル、頭部装着デバイス、衣類一体型デバイス、腕輪、ブレスレット、首装着デバイス、AR／VRデバイス、ヘッドフォン、およびその他多数など）；労働者3344（銀行員、融資担当者、金融サービス員、マネージャー、検査官、ブローカー（例えば、モーゲージブローカー）、弁護士、アンダーライター、規制者、査定者、プロセス監督者、セキュリティ担当者、安全担当者、および他の多くの人々）；ロボットシステム3342（例えば、物理ロボット、協調ロボット（例えば、「コボット」）、ソフトウェアボットなど）、および施設（銀行施設、在庫倉庫施設、工場、住宅、建物、保管施設（融資関連の担保、融資の対象である財産、在庫（在庫に関する融資など）、動産、部品、包装材料、商品、製品、機械、設備、その他の物品など）、銀行施設（商業銀行、投資、消費者銀行、融資、その他の銀行業務など）およびその他多くのものなどである。実施形態では、エンティティ3330は、金融、商品、電子商取引、広告、およびその他のマーケットプレイス3390（現在の市場および先物市場を含む）など、様々な商品およびサービスにおいて取引が発生するものなどの外部マーケットプレイス3390を含み得、マーケットプレイス3390およびその中のエンティティ3330の監視によって、項目の価格または価値、項目の流動性、項目の特性、項目の減価率などに関してなど、貸出関連情報を提供できるようである。たとえば、資産担保融資のための担保4802または資産を構成し得る様々なエンティティについて、監視システム層3306は、カメラ、センサ、または他の監視システム3306などによって担保4802または資産を監視するだけでなく、類似の状態にある、類似の年齢の、類似の仕様を有する、類似の場所を有するなどの担保4802または資産の市場条件を決定するなどして担保4802または資産の価値、価格または他の状態に関して様々なタイプのデータ収集システム3318を介してなどのデータを収集しても良い。実施形態において、適応型インテリジェントシステム層3304は、クラスタリングシステム4804、例えば、本明細書および参照により本明細書に組み込まれる文書に記載されるk-meansクラスタリングシステム、自己組織化マップシステム、または他のシステムなどの、属性の類似性によって担保4802、当事者、資産などを含むエンティティ3330をグループまたはクラスタするものなどを含み得る。クラスタリングシステムは、例えば、担保のコレクション、資産のコレクション、当事者のコレクション、およびローンのコレクションを、共通の属性に基づいて監視および分析し、例えば、取引のサブセットのパフォーマンスを使用して他の取引のパフォーマンスを予測できるようにし、これを今度は、図48および図49に関連して、または本開示全体もしくは参照により本書に組み込まれる文書の他の場所で説明されるサービス、ソリューション、またはアプリケーションのいずれかを含む引受3420、価格設定3421、詐欺検出3416、またはその他のアプリケーションに使用できるように、整理してよい。実施形態において、担保4802または資産に関する状態情報は、担保4802または資産上のセンサのセット、担保4802または資産の環境内のセンサまたはカメラのセットなどの監視システム3306によって連続的に監視され、市場情報はデータ収集システム3318によってリアルタイムで収集され、状態および市場情報が時間的に整合され得、担保または資産の価値のリアルタイム推定および担保または資産の将来の価値の前方予測のための基礎として使用されるようにする。担保4802または資産に対する現在および予測された価値は、モデルに基づいてもよく、このモデルは、スマートコントラクト3431などにおいて、担保4802または資産に対するマイクロローンの引受または提供など、担保または資産に対する自動化、または機械支援融資を可能にするためにアクセスされ使用されてもよい。エンティティ3330が所有する担保4802または資産の集合またはフリートなどの担保4802または資産の集合に関するデータの集約は、リアルタイムの状態監視およびリアルタイムの市場データの収集および統合に基づく担保4802または資産の個別または集約値に基づいて金利および他の条件を自動的に調整するスマートコントラクト3431を介してなど、リアルタイムでのポートフォリオ評価およびより大規模な貸し出しを可能にし得る。取引、当事者情報、所有権の移転、条件の変更、およびその他の情報は、ローン取引および担保4802または資産に関する情報（担保4802または資産の条件情報および市場データなど）を含むブロックチェーン3422に格納されてもよい。スマートコントラクト3431は、監視システム層3306によって支持または検証される表明および保証（これは、不正検出システム3416において不正にフラグを立てることができる）などによって、条件情報および／または市場価値情報を確認することを当事者に要求するように構成される場合がある。貸出モデル4808は、担保4802または資産を評価するため、担保4802または資産の状態および／または価値に基づいて貸出の適格性を判断するため、価格設定（例えば、金利）を行うため、条件を調整するため等に使用されてもよい。貸出モデル4808は、過去の貸出取引に関する分析ソリューション3419を使用するなどして、一連の専門家によって作成されてもよい。貸出モデル4808は、監視システム層3306およびデータ収集システム3318からのデータによって入力されてもよく、ストレージシステム3310からデータを引き出してもよく、そのようなものもある。貸出モデル4808は、スマートコントラクトの条件が貸出モデル4808の調整に基づいて自動的に調整されるように、スマートコントラクト3431のパラメータを構成するために使用されてもよい。貸出モデル4808は、貸出取引からの成果（例えば、支払い成果、デフォルト成果、パフォーマンス成果など）、担保4802または資産に関する成果（担保または資産の価格または価値パターンなど）、エンティティに関する成果（デフォルト、差し押さえ、パフォーマンス成果、期限内支払い、遅延支払い、破産など）、およびその他の成果などのセットでトレーニングすることなどにより、人工知能3448によって改良されるように構成されてもよい。トレーニングは、担保または資産の分類（カメラベースの監視システム3306からのビジョンベースの分類を使用するような、タイプおよび／または状態の自動分類など）、担保4802または資産の価値の予測、デフォルトの予測、パフォーマンスの予測などのために、モデルパラメータおよびパフォーマンスを調整および改善するために使用され得る。実施形態において、担保4802または資産に対する貸し付けのためのスマートコントラクト3431の構成または取り扱いは、ロボットプロセス自動化（RPA）システム3442において学習および自動化されてよく、例えば、RPAシステム3442がスマートコントラクト3431を作成する、スマートコントラクト3431のパラメータを構成する、担保4802または資産に対する所有権を確認する、スマートコントラクト3431の条件を設定する、スマートコントラクトに対して担保4802の担保権を開始する、スマートコントラクト3431の状態または性能を監視する、などの方法により、RPA3442は、スマートコントラクト3431の構成を学習することができる、スマートコントラクト3431のデフォルトのための終了または解除の開始、スマートコントラクト3431の閉鎖、担保4802または資産の差押え、所有権の移転などを、監視システム層3306を使用して、人間の管理者などの専門家エンティティ3330が、スマートコントラクト3431のトレーニングセットに対する作成、構成、所有権確認、担保権の開始、監視、解除、閉鎖、差押えなどの同様のタスクおよびアクションのトレーニングセットを行うように監視することなどにより、行う。RPAシステム3442が訓練されると、担保4802として機能し得る、保証または担保を提供し得るエンティティおよび資産などの広い範囲にわたってスケールで融資を提供する能力を効率的に作成し、それによって、より広い範囲の状況、エンティティ3330、および担保4802に対してより容易に融資を利用可能にすることができる。RPAシステム3442は、それ自体、ローン実績の成果、担保評価の成果、デフォルトの成果、成約率の成果、金利の成果、利回りの成果、投資収益率の成果などの成果に基づいてモデルパラメータ、重み、構成などを継続的に調整するなど、人工知能3448によって改善されてもよい。スマートコントラクト3431は、直接貸付、シンジケート貸付、および二次貸付契約、個々のローンまたはローンの集約されたトランシェなどを含み、またはそれらに使用され得る。

実施形態において、金融および取引管理アプリケーションプラットフォーム層3302の貸出ソリューション3410は、様々な任意の実施形態において、貸主、借主、保証人、取引または金融エンティティのオペレータまたは所有者、または他のユーザが、ローンに関連する1つまたは複数の要素、例えば、貸主、借主、保証人、オペレータまたは所有者が、ローンを管理、制御、分析、またはその他の方法で対話できるアプリケーションセット3312を（プラットフォーム3300の他の実施形態内など）含む、統合、対話しても良い、保証人、取引または金融エンティティのオペレータまたは所有者、または他のユーザが、ローンの当事者であるエンティティ3330、ローンの対象、ローンの担保、またはローンに関連するその他のエンティティなど、ローンに関連する1つまたは複数の要素を管理、監視、制御、分析、またはその他の方法で相互作用することができる。これは、図33に関連して上述した要素のいずれかを含んでもよい。アプリケーションのセット3312は、貸出アプリケーション3410（例えば、限定されないが、個人向け貸出、商業向け貸出、担保付き貸出、マイクロレンディング、ピアツーピア貸出、保険関連貸出、資産担保貸出、担保付き債務貸付、企業債務貸付、学生ローン、補助付きローン、住宅ローン貸付、地方自治体貸付、主権債務、自動車貸付、給料日ローン、債権に対する貸付、ファクタリング取引、保証または確実な支払い（税還付、年金など）に対する貸付、その他多数））を含んでいても良い。貸出ソリューション3410は、投資アプリケーション3402（限定されないが、ローンのトランシェ、企業債務、債券、シンジケートローン、地方債、ソブリン債、または他のタイプの債務関連証券への投資のためなど）など、貸出に関連し得る広範囲の他のタイプのアプリケーションのいずれか1つ以上と、統合またはリンクし得る；資産管理アプリケーション3404（例えば、融資の対象、融資の担保、融資を裏付ける資産、融資保証の担保、信用力の証拠、債券に関連する資産、投資資産、不動産、備品、動産、不動産、設備、知的財産、車両、その他の資産の管理のためのものであるがこれに限定されない；）リスク管理アプリケーション3408（例えば、製品、資産、人、家、車両、設備、コンポーネントなど、融資の対象、融資の当事者、または融資の履行に関連する活動に関するリスクまたは責任を管理するためのものであるが、これらに限定されない、情報技術システム、セキュリティシステム、セキュリティイベント、サイバーセキュリティシステム、財物、健康状態、死亡、火災、洪水、天候、障害、事業の中断、傷害、財物の損害、事業の損害、契約違反、その他）；マーケティングアプリケーション3412（ローンまたはローンのトランシェをマーケティングするためのアプリケーション、融資のための顧客関係管理アプリケーション、関係者を引きつけるための検索エンジン最適化アプリケーション、販売管理アプリケーション、広告ネットワークアプリケーション、行動追跡アプリケーション、マーケティング分析アプリケーション、位置ベースの製品またはサービスのターゲティングアプリケーション、協調フィルタリングアプリケーション、ローン関連製品またはサービスの推奨エンジン、およびその他など）；限定されないが、このようなアプリケーション；取引アプリケーション3428（限定されないが、ローン、ローンのトランシェ、ローンの一部、ローン関連利子などを取引するためのアプリケーションであって、買いアプリケーション、売りアプリケーション、入札アプリケーション、オークションアプリケーション、逆オークションアプリケーション、入札／アスク合わせアプリケーション、その他など）；税金アプリケーション3414（例えば、限定されないが、ローンの税金関連の影響に関連するデータ、イベント、ワークフロー、または他の要因を管理、計算、報告、最適化、または他の方法で処理するためのもの）；不正防止アプリケーション3416（例えば、限定されないが、ID検証アプリケーション、生体ID検証アプリケーション、取引パターンベースの不正検出アプリケーション、位置ベースの不正検出アプリケーション、ユーザ行動ベースの不正検出アプリケーション、ネットワークアドレスベースの不正検出アプリケーション、ブラックリストアプリケーション、ホワイトリストアプリケーション、コンテンツ検査ベースの不正検出アプリケーション、または他の不正検出アプリケーションの1または複数である；セキュリティアプリケーション、ソリューションまたはサービス3418（本明細書ではセキュリティアプリケーションと呼ばれ、例えば、限定されないが、上述の不正防止アプリケーション3416のいずれか、物理的セキュリティシステム（例えば、アクセス制御システム（生体認証アクセス制御、指紋、網膜スキャン、パスワードおよび他のアクセス制御を用いるなど）、金庫、金庫室、ケージ、セーフルームなど）、監視システム（カメラを用いるなど、モーションセンサー、赤外線センサーなどのセンサー）、サイバーセキュリティシステム（ウイルス検出および修復、侵入検出および修復、スパム検出および修復、フィッシング検出および修復、ソーシャルエンジニアリング検出および修復、サイバー攻撃検出および修復、パケット検査、トラフィック検査、DNS攻撃修復および検出など）または他のセキュリティアプリケーション）；引受アプリケーション3420（限定されないが、あらゆるローン、保証、または他のローン関連取引もしくは義務の引受のためのものであり、本開示全体または参照により本書に組み込まれる文書を通じて指摘されたデータソース、イベントまたはエンティティのいずれかに基づく引受を含む、リスクの可能性及び／または範囲を検出、特性化または予測する任意のアプリケーションなど）；ブロックチェーンアプリケーション3422（限定されないが、借方または貸方、購入または販売、現物対価の交換、スマートコントラクトイベントなどの一連の取引を捕捉する分散型台帳、暗号通貨アプリケーション、または他のブロックチェーンベースのアプリケーションなど）；不動産アプリケーション3424（限定されないが、不動産仲介アプリケーション、不動産評価アプリケーション、不動産担保または貸付アプリケーション、不動産評価アプリケーションなど）；；規制アプリケーション3426（例えば、限定されないが、許可された当事者、許可された担保、許可された返済条件、許可された金利、必要な開示、必要な引受プロセス、シンジケーションの条件など、ローンの諸条件を規制するためのアプリケーション）；プラットフォームが運営するマーケットプレイスアプリケーション、ソリューションまたはサービス3327（マーケットプレイスアプリケーションと呼ばれ、ローンシンジケーションマーケットプレイス、ブロックチェーンベースのマーケットプレイス、暗号通貨マーケットプレイス、トークンベースのマーケットプレイス、担保として使用するアイテムのマーケットプレイス、またはその他のマーケットプレイスなど、限定されない）；保証または保証アプリケーション3417（限定されないが、製品、サービス、提供物、ソリューション、物理的製品、ソフトウェア、サービスレベル、サービス品質、金融商品、負債、担保アイテム、サービスの履行、または他のアイテムなど、融資の対象、融資のための担保などであるアイテムに関する保証または保証のためのアプリケーションなど）；分析ソリューション3419（限定されないが、ビッグデータアプリケーション、ユーザ行動アプリケーション、予測アプリケーション、分類アプリケーション、ダッシュボード、パターン認識アプリケーション、計量アプリケーション、金融利回りアプリケーション、投資収益率アプリケーション、シナリオ計画アプリケーション、決定支援アプリケーションなど、本開示または参照により本書に組み込まれる文書を通じて言及されるデータ型、アプリケーション、イベント、ワークフロー、または実体のいずれかに関する分析アプリケーション等）；プライシングアプリケーション3421（限定されないが、ローンの金利および他の条件のプライシングのためのものなど）。したがって、金融および取引管理アプリケーションプラットフォーム層3302は、共有マイクロサービス、共有データインフラ、および共有インテリジェンスのおかげで、そのようなサービスの任意のペアまたはより大きな組み合わせまたは順列が、同じタイプの孤立したアプリケーションと比較して改善され得るように、広範囲の異種アプリケーション3312（上記および他の金融または取引アプリケーション、サービス、ソリューション、および同様のものを含むこの用語）間の対話をホストおよび可能にし得る。

実施形態では、データ収集システム3318および監視システム層3306は、融資、債務、債券、ファクタリング契約、または他の融資取引に関連する1つまたは複数のイベント、たとえば、融資の要求、融資の提供、融資の受け入れ、融資のための引受情報の提供、信用報告書の提供に関するイベントなどを監視し得る、必要な支払いを延期する、ローンの金利を設定する、支払い要件を延期する、ローンの担保または資産を特定する、ローンの担保または担保の所有権を検証する、不動産の所有権の変更を記録する、ローンの担保または担保の価値を評価する、ローンに関係する不動産を検査する、融資に関連する事業体の状態の変化、融資に関連する事業体の価値の変化、借り手の仕事の状態の変化、貸し手の財務格付けの変化、担保として提供される品目の財務価値の変化、融資に対する保険の提供、融資に関連する財産に対する保険証書の提供、融資のための保険の提供、融資に関連する財産に対する保険の証拠の提供、融資の適格性の証拠の提供、融資のための担保の特定、融資の引受け、融資の支払い、融資の不履行、融資の呼び出し、融資の完了、融資の条件の設定、融資の対象となる財産の差押え、融資条件の修正。

データ収集サービス、ブロックチェーン、スマートコントラクトを備えたマイクロサービス型貸出プラットフォーム

実施形態において、本明細書で提供されるのは、様々なサービス、コンポーネント、モジュール、プログラム、システム、デバイス、アルゴリズム、および他の要素からなる、貸し出しのためのプラットフォームである。貸し出しのための例示的なプラットフォームまたはシステムは、マイクロサービス間およびプラットフォームの外部のプログラムによるマイクロサービスへの接続を容易にするアプリケーションプログラミングインターフェースのセットを有するマイクロサービスのセットを含み、マイクロサービスは、（a）貸し出し取引に関連するエンティティに関する情報を収集し監視するデータ収集サービスのマルチモーダルセットを含む；(b）融資に関連するイベントの安全な履歴台帳を維持するためのブロックチェーンサービスのセットであって、ブロックチェーンサービスは、融資に関係する一連の当事者によるアクセスを管理するアクセス制御機能を有する、セット、（c）融資関連イベントおよび融資関連活動を取り扱うためのアプリケーションプログラミングインターフェース、データ統合サービス、データ処理ワークフローおよびユーザインターフェースのセット、ならびに（d）融資条件、融資関連イベントおよび融資関連活動の少なくとも一つを管理するスマートコントラクトの条件を規定するためのスマートコントラクトサービスのセット。

例示的なシステムの特定のさらなる側面が以下に説明され、そのうちの任意の1つまたは複数が特定の実施形態に存在し得る。例示的なシステムは、貸し出しに関連するエンティティが、貸し手、借り手、保証人、設備、商品、システム、備品、建物、貯蔵施設、および担保の品目のうちの一連のエンティティを含む場合を含む。

例示的なシステムは、担保物が監視され、担保物が、車両、船舶、飛行機、建物、家、不動産物件、未開発の土地、農場、作物、自治体施設、倉庫、在庫セット、商品、証券、通貨、価値のあるトークン、チケットの中から選ばれる場合を含む、暗号通貨、消耗品、食用品、飲料、貴金属、宝石、知的財産、知的財産権、契約権、骨董品、備品、家具、設備、工具、機械、動産。

例示的なシステムは、データ収集サービスのマルチモーダルセットが、エンティティを監視するIoTシステムのセット、エンティティを監視するカメラのセット、公開されている情報サイトからエンティティに関連する情報を引き出すソフトウェアサービスのセット、エンティティに関連する情報を報告するモバイルデバイスのセット、人間のエンティティによって着用される着用可能デバイスのセット、エンティティがエンティティに関する情報を提供するユーザーインターフェースのセット、およびエンティティに関連する情報を募集し報告するように構成されたクラウドソーシングサービスセットから選ばれたサービスを含む場合を含む。

例示的なシステムは、ローンに関連するイベントが、ローンを要求すること、ローンを提供すること、ローンを受け入れること、ローンのための引受情報を提供すること、信用情報を提供すること、必要な支払いを延期すること、ローンの金利を設定すること、支払い要件を延期すること、ローンのための担保を特定すること、ローンのための担保またはセキュリティに対する所有権を確認すること、不動産の所有権の変更を記録すること、ローンのための担保またはセキュリティの価値を評価すること、ローンに関わる不動産を調査すること、ローンに関わる事業者の状態の変化などから選択する場合を含む、融資に関連する実体の状態の変化、融資に関連する実体の価値の変化、借り手の仕事の状態の変化、貸し手の財務格付けの変化、担保として提供される品目の財務価値の変化、融資のための保険の提供、融資に関連する財産の保険証書の提供、融資のための保険の提供、融資に関連する財産に対する保険の証拠の提供、融資の適格性の証拠の提供、融資のための担保の特定、融資の引受、融資の支払い、融資の不履行、融資の呼び出し、融資の締結、融資の条件の設定、融資の対象となる財産に対する差押え、融資条件の修正。

例示的なシステムは、スマートコントラクトサービスのセットによって指定および管理されるローンの条件のセットが、債務の元金、債務の残高、固定金利、変動金利、支払額、支払スケジュール、バルーン支払スケジュール、担保の指定、担保の代替性の指定、当事者、保証、保証人、担保、個人保証、先取特権、期間、約款、差押条件、デフォルト条件、およびデフォルト結果の中から選ばれるところを含む。

例示的なシステムは、ローンの当事者のセットが、一次貸し手、二次貸し手、貸し出しシンジケート、企業貸し手、政府貸し手、銀行貸し手、担保付き貸し手、債券発行者、債券購入者、無担保貸し手、保証人、担保提供者、借り手、債務者、引受人、検査官、評価者、監査人、評価の専門家、政府職員、会計士から選ばれる場合を含む。

例示的なシステムは、ローン関連活動が、ローン取引への参加に関心のある当事者の発見、ローンの申し込み、ローンの引き受け、ローンの法的契約の形成、ローンのパフォーマンスの監視、ローンの支払い、ローンの再構築または修正、ローンの決済、ローンの担保の監視、ローンのシンジケートの形成、ローンの差押え、ローン取引の完了のセットから選択された活動を含む。

システム例としては、ローンが、自動車ローン、在庫ローン、設備ローン、履行保証金、設備改善ローン、建物ローン、売掛金担保ローン、インボイスファイナンス、ファクタリングから選ばれた少なくとも1種類のものである場合、が含まれる、ペイデイローン、返金前ローン、学生ローン、シンジケートローン、タイトルローン、住宅ローン、ベンチャーデットローン、知的財産ローン、契約債権ローン、運転資金ローン、中小企業ローン、農業ローン、地方債、補助金ローンから選ばれる。

例示的なシステムは、スマートコントラクトサービスのセットが、データ収集サービスのマルチモーダルセットによって収集された情報に基づき、ローン関連アクションを自動的に引き受けるように少なくとも1つのスマートコントラクトを構成する場合を含む。

例示的なシステムは、ローン関連アクションが、ローンを提供する、ローンを受け入れる、ローンを引き受ける、ローンの金利を設定する、支払い要件を延期する、ローンの金利を変更する、担保の所有権を検証する、所有権の変更を記録する、担保の価値を評価する、担保の検査を開始する、ローンを呼ぶ、ローンを閉じる、ローンに関する条件を設定する、借り手に提供されるべき通知を行う、ローンの対象物に対して差し押さえる、ローンのための条件を変更する、の内から選択されている場合を含む。

例示的なシステムは、プラットフォームまたはシステムが、担保物の価値、状態、および所有権の少なくとも1つに関連するイベントを処理し、担保物が対象となるローンに関連するアクションを引き受ける自動エージェントをさらに含むことができる場合を含む。

図49を参照すると、貸出ソリューション3410に存在し得る追加のアプリケーション、ソリューション、プログラム、システム、サービスなどが描かれており、これらは、図48との関連で、および本開示および参照により本明細書に組み込まれる文書の他の場所で指摘される他の要素とともに、金融および取引管理アプリケーションプラットフォーム層3302に交換可能に含まれ得る。また、追加のエンティティ3330が描かれており、これらは、本明細書で説明される様々な実施形態に関連して説明される他のエンティティ3330と交換可能であると理解されるべきである。上記で既に述べた要素に加えて、貸出ソリューション3410は、1つまたは複数のソーシャルネットワークに描かれた様々なエンティティ3330に関する情報を見つけ、分析することができるソーシャルネットワーク分析ソリューション4904の1つまたは複数を含むアプリケーション、ソリューション、プログラム、システム、サービスなどのセットを含み得る（例えば、限定はしないが、データ収集システム3318および監視システム3306を使用して一連のソーシャルネットワークサイトにわたって開始および管理され得るクエリをユーザが構成することを可能にすることなどにより、当事者に関する情報、当事者の行動、資産の状態、当事者または資産に関するイベント、施設の状態、担保4802または資産の位置など）；ローン管理ソリューション4948（例えば、ローンに関連する1つまたは複数のイベント（このようなイベントには、特に、ローンの要求、ローンの提供、ローンの受け入れ、ローンの引受情報の提供、信用報告書の提供、必要な支払いの延期を含む）を管理または応答するためのもの、融資の金利設定、支払要件の延期、融資のための担保の特定、融資のための担保または担保の権利の検証、不動産の権利の変更の記録、融資のための担保または担保の価値評価、融資に関わる不動産の検査、融資に関連する事業体の状態の変化、融資に関連する事業体の価値の変化、借り手の職務状況の変化、貸し手の財務格付けの変化、担保として提供される物品の財務価値の変化、融資のための保険の提供、融資に関連する財産に対する保険の証拠の提供、融資の適格性の証拠の提供、融資のための担保の特定、融資の引受け、融資の支払い、融資不履行、ローンの呼び出し、ローンの完了、ローンの条件設定、融資条件（借入元本、借入残高、固定金利、変動金利、支払額、支払予定、バルーン支払予定など）を設定するための「融資条件設定」、「融資対象物件の差押え」、「融資条件変更」、「融資条件変更」、担保の指定、担保の代替性の指定、当事者、保証、保証人、担保、個人保証、先取特権、期間、約款、差押え条件、デフォルト条件、デフォルトの結果）、またはローン関連活動の管理（以下、同様、融資取引への参加に関心のある当事者の発見、融資の申し込みの処理、融資の引き受け、融資の法的契約の形成、融資のパフォーマンスの監視、融資の支払い、融資の再編または修正、融資の決済、融資の担保の監視、融資のシンジケートの形成、融資の差押え、融資の回収、一連の融資の統合、融資のパフォーマンスの分析、融資のデフォルト処理、資産または担保の所有権の移譲、融資取引の完了））であるがそれに限定されない；格付けソリューション6801（エンティティ3330（当事者4910、担保4802、資産4918など）を格付けするためのもので、信用度、財務的健全性、物理的状態、状態、価値、欠陥の有無、品質、またはその他の属性の格付けを伴うものなど）；規制及び／又はコンプライアンスソリューション3426（例えば、融資取引の条件、融資取引の形成に必要なステップ、融資取引の実行に必要なステップ、担保又は担保に関して必要なステップ、引受に必要なステップ、価格、金利等の設定に必要なステップ、必要な法的開示及び通知（e...）を提供するに必要なステップ等に関連する1又は複数のポリシー、ルール、規制、手続き、プロトコル、プロセス等を指定、適用及び／又は監視できるようにするためなど。g.,カストディアル・ソリューションまたはカストディアル・サービスのセット6502（資産4918、担保4802など（暗号通貨、通貨、証券、株式、債券、所有権を証明する契約、その他多くの項目を含む）の保管のためなど、項目のセキュリティ維持に支援を必要とする当事者4910、クライアント、その他のエンティティ3330に代わって、または貸付取引に関わるものなどの債務に対してセキュリティ、裏付け、または保証を提供するため））；マーケティングソリューション6702（貸し手が、見込みのある借り手の集合に融資の可用性を売り込むこと、取引の種類に適した借り手の集合を対象とすること、マーケティングまたはプロモーションメッセージ（メッセージの配置およびタイミングを含む）を構成すること、融資取引の広告およびプロモーションチャネルを構成すること、プロモーションまたはロイヤリティプログラムのパラメータを構成することなど、多くのことを可能にするためなど）；一組の当事者間で一組の貸付取引を仲介するための、住宅ローンなどの）仲介ソリューション4944であって、ユーザが一組のプリファレンス、プロファイル、パラメータなどを構成して、貸付取引の見込みのある相手方を見つけることができるようなもの；一組の債券（地方債、社債、パフォーマンスボンドなど）を管理、報告、共同化、統合、またはその他の方法で処理するなどの債券管理ソリューション4934；保証、保証人、保証を裏付ける一連の担保、保証を裏付ける一連の資産などに関する信頼性、品質、状態、健康状態、財務状態、物理的状態などの情報を監視、分類、予測、またはその他の方法で取り扱うための、保証監視ソリューション4930；交渉ソリューション4932は、例えば、貸出取引に関する一連の条件（例えば、限定されないが、債務の元本額、債務の残高、固定金利、変動金利、支払額、支払スケジュール、バルーン支払スケジュール、担保の指定、担保の代替性の指定、当事者、保証、保証人、担保、個人保証、先取特権、期間、誓約、差し押さえ条件、デフォルト条件、およびデフォルトの結果）であって、交渉のためのパラメータ、プロファイル、好みなどの設定のためのユーザーインターフェースのセットを含むことができ、例えば、貸出モデル4808を使用するか、それによって知らされるもの、および人工知能サービスおよびシステムのセット3448、ロボットプロセス自動化3442、または他の適応型知的システム層3304によって、もしくはその支援を受けて、使用するか、それによって知らされるか、または自動化されるものである；ローンを回収するための回収ソリューション4938であって、任意で、1つまたは複数のコベナンツが満たされていないとき、担保の状態が悪いとき、当事者の財務の健全性が閾値を下回っているときなど、回収をトリガーするために、監視システム層3306およびデータ収集システム3318を用いて様々なエンティティ3330の状態または状況を監視することに基づくように、一連の人工知能サービスとシステム3448によって、または、ロボットプロセスオートメーション3442、または他の適応的知能システムの層3304の補助を受けて使用し得る、情報を得る、もしくは自動化することができるものである；連結された一連のローンをモデル化するために構成され、1つまたは複数の適応型インテリジェントシステム層3304を使用するかまたはそれによって自動化されるような貸出モデル4808を使用するなど、一連のローンを連結するための連結ソリューション4940、ファクタリング取引をモデル化するために構成される貸出モデル4808を使用して、ファクタリング取引を監視、管理、自動化または他の方法で処理するなど、1つまたは複数の適応型インテリジェントシステム層3304によって使用または自動化するための、ファクタリングソリューション4942；一組のローンまたは債務を再編するための、一組のローンまたは債務を再編するための代替シナリオをモデル化するために構成され、1つまたは複数の適応インテリジェントシステム層3304を使用するかまたはそれによって自動化されるような貸出モデル4808を使用するような、債務再編ソリューション4928；および／または金利設定ソリューション4924であって、一組の貸付取引に対する金利のセットのための規則またはモデルを設定または構成するため、またはデータ収集システム3318または監視システム層3306によって収集された情報（条件、状態、健康、位置、ジオロケーションに関する情報など）に基づく金利設定を自動化するためのような、金利設定ソリューション、ストレージ状態、またはエンティティ3330のいずれかに関する他の関連情報）に基づいて、金利を設定するか、またはローンのセットに対する金利の設定を促進することができ、例えば、ローンのセットに対する金利シナリオをモデル化するために構成される貸出モデル4808を使用し、適応型知的システム層3304の1つまたは複数を使用するかによって自動化されるような。図48に関連して参照されたソリューションと同様に、様々なソリューションは、様々な適切なデータ統合サービス、API、およびインターフェースを有するマイクロサービスアーキテクチャにおいてプラットフォーム4800に統合されることなどにより、適応インテリジェントシステム層3304、監視システム3306、データ収集システム3318およびストレージシステム3310を共有し得る。

図に関連して説明したエンティティ3330と同様に、エンティティ3330は、以下のようなエンティティを含む。49、エンティティ3330は、ローン、負債取引、債券、ファクタリング契約、および他の貸付取引に関与する様々なエンティティをさらに含み得る：支払義務を担保、保証、または裏付けするために使用される担保4802および資産4918（車両、船舶、飛行機、建物、家、不動産、未開発の土地、農場、作物、施設（自治体施設、工場、倉庫、貯蔵施設、処理施設、工場など）、システムなど、在庫、商品、有価証券、通貨、有価証券トークン、チケット、暗号通貨、消耗品、食用品、飲料、貴金属、宝石、知的財産、知的財産権、契約上の権利、法的権利、アンティーク、什器、設備、家具、工具、機械、動産）のセットで、一組の当事者4910（一次貸し手、二次貸し手、貸し手シンジケート、企業貸し手、政府貸し手、銀行貸し手、担保付き貸し手、債券発行者、債券購入者、無担保貸し手、保証人、担保提供者、借り手、債務者、引受人、検査官、評価人、監査人、代理人、弁護士、評価専門家、政府職員、および/または会計士からなる1または2以上等々）；一組の契約4920（ローン、債券4912、貸付契約、企業債務契約、補助金付きローン契約、ファクタリング契約、連結契約、シンジケーション契約、保証契約、引受契約等であり、金利、支払スケジュール、支払額、元金、表明保証、補償、規約、その他の条件等、プラットフォーム4800によって検索、収集、監視、修正またはその他の方法で処理され得る一連の条件を含むことがある）；一連の保証4914（個人保証人、企業保証人、政府保証人、自治体保証人などが、支払義務または貸出契約4920のその他の義務を担保または裏付けするために提供するものなど）；一連の履行活動4922（元本および／または利息の支払い、必要な保険の維持、権原の維持、規約の遵守、担保4802または資産4918の状態の維持、契約によって要求される事業の実施、およびその他多数など）；およびデバイス4952（支払義務を裏付けるため、または規約もしくは他の要件を満たすために使用される担保4802または資産4918であるもの、または商品の包装上もしくは包装中に処分され得るもの、ならびにエンティティ3330が位置し得る施設または他の環境中に処分されるものなど、商品、機器または他の物品に処分され得る、IoTデバイスなどである）。実施形態では、契約4920は、債券、ファクタリング契約、シンジケーション契約、連結契約、和解契約、または、自動車ローン、在庫ローン、資本設備ローン、履行保証金、資本改善ローン、建物ローン、売掛金を担保とするローンのうちの一つまたは複数などのローンであってよい、インボイスファイナンス、ファクタリング、ペイデイローン、返金前ローン、学生ローン、シンジケートローン、タイトルローン、ホームローン、ベンチャーデットローン、知的財産ローン、契約債権ローン、運転資金ローン、中小企業ローン、農業ローン、地方債、補助金付きローンなど。

本明細書の他の箇所および参照により組み込まれる文書に記載されているように、様々な取引および市場エンティティ3330および関連するプロセスおよびアプリケーションに関連する人工知能（本開示を通じて説明される技術またはシステムのいずれかなど）は、とりわけ、（a）様々な機能、ワークフロー、アプリケーション、機能、リソース利用および他の要因の最適化、自動化および／または制御、（b）様々な状態、エンティティ、パターン、事象、コンテキスト、行動、または他の要素の認識または診断、ならびに（c）様々な状態、事象、コンテキストまたは他の要素の予測などを促すために使用できる。人工知能が向上するにつれて、多くのドメイン固有および／または一般的な人工知能システムが利用できるようになり、今後も増え続ける可能性がある。開発者は、エンティティ3330および本開示全体を通じて説明されるプラットフォーム100のアプリケーションに関連するものなど、ドメイン固有の問題に対する解決策を求めると、人工知能モデルの選択（ニューラルネットワーク、機械学習システム、エキスパートシステムなどのどのセットを選択するかなど）および所定の問題に対する人工知能の有効かつ効率的使用を可能にし得る入力の発見および選択において課題に直面する。上述のように、機会マイニングモジュール153は、自動化およびインテリジェンスの向上のための機会の発見を支援することができる。しかし、機会が発見された後、人工知能ソリューションの選択および構成は依然として重要な課題を提示し、この課題は人工知能ソリューションが普及するにつれて増大し続ける可能性がある。

これらの課題に対する解決策の1セットは、ドメインおよび／またはドメイン関連問題の1つまたは複数の属性に基づいて、人工知能システムの関連セットの収集、編成、推薦、および提示を可能にするように構成された人工知能ストア157である。実施形態では、人工知能ストア157は、関連する人工知能アプリケーションのダウンロード、人工知能システムへのリンクまたは他の接続（API、ポート、コネクタ、または他のインターフェースを介したクラウド展開された人工知能システムへのリンクなど）の確立などを可能にする、人工知能システムに対するインターフェースのセットを含んでもよい。人工知能ストア157は、特定のタイプの問題（例えば、予測、NLP、画像認識、パターン認識、動き検出、経路最適化、または他の多くの問題）を解くための、および／またはドメイン固有の入力、データ、または他のエンティティ上で動作するためのシステムの適性を示すメタデータまたは他の記述的材料といった、様々な人工知能システムのそれぞれに関する記述的内容を含み得る。実施形態では、人工知能ストア157は、ドメイン、入力タイプ、処理タイプ、出力タイプ、計算要件および能力、コスト、エネルギー使用量、および他の要因などのカテゴリによって編成され得る。実施形態において、人工知能ストア157へのインターフェースは、人工知能を通じて対処され得る問題の1つまたは複数の属性を示す、開発者からおよび／またはプラットフォームからの（機会マイニングモジュール153からのような）入力を取り、開発者のドメイン固有の問題に基づいて好ましい候補を表す可能性がある人工知能ソリューションのサブセットに対する、人工知能属性検索エンジンを介するなどの推奨値のセットを提供しても良い。

実施形態において、推薦を決定するための基準は、予想される人間の監視のレベルを含むことができる。これは、特に、人間の労働者に委任される決定のレベルおよびタイプ（有価証券の購入の決定、市場の決定、知的財産に関するライセンスの取得、行動および注文に関する金銭的制限（例えば、RPAは、人間が関与する一定額以下の取引を注文またはコミットできるのか）、ロボットプロセスオートメーションの操作の予想される人間の監督のレベルおよびタイプ、モデルのトレーニングおよびトレーニングデータセット選択の人間の監督の予想される程度およびガバナンス）を理解することができる。さらに考慮すべきは、モデルバージョンのキュレーション（入力データを破棄すべき過去のブレークポイントの特定など）において予想される人間の関与のレベル及びタイプである可能性がある。

実施形態において、推薦を決定するための基準は、敵対的な訓練や、ネットワーク攻撃、ウイルスなどの複雑な環境などのセキュリティ上の考慮事項を含むことができる。追加のセキュリティ考慮事項には、監査証跡を含む、歴史的なトレーニングデータセットのセキュリティおよび管理が含まれる場合がある。セキュリティに関する考慮事項には、モデルのトレーサビリティ及び正確性、モデル又は制御パラメータの更新方法、モデルを更新する権限を有する者、更新の文書化方法、結果をモデルの更新と相関させる方法、バージョン管理の実施及び文書化方法等を含むことができる。また、財務結果や業績結果を含む監査証跡のために、AIの結果を文書化することもセキュリティ上の配慮となる。

実施形態において、推薦を決定するための基準は、異なるAIタイプ、モデル、アルゴリズム、またはシステム（発見的／モデルベースのAI、ニューラルネットワーク、およびその他を含む）の利用可能性を含むことができる。可用性は、所定のクラウドプラットフォーム、オンプレミスITシステム、またはネットワーク（エッジまたは他のネットワーク）内など、ユーザが使用しようとする計算環境によって制限されてもよく、所定のタイプ、モデル、またはアルゴリズムがクライアントの環境で実行されるかどうかである。実施形態では、計算要素および構成が基準となり得る。例えば、クライアントの環境においてAIソリューションを実行するために利用可能なプロセッサタイプは、チップセット、モジュール、デバイス、クラウドコンポーネント、プロセッサタイプの数、およびアーキテクチャ（例えば、マルチコアプロセッサの利用可能性、GPU利用可能性、CPU利用可能性、FPGA利用可能性、カスタムASIC利用可能性およびその他）、およびその他を含む要因であってもよい。さらに、最小能力基準として表現され得る計算要素は、ソリューショントレーニング（例えばクラウドコンピューティングリソースを利用する）およびソリューション運用展開環境／容量（例えばIoT、車内、エッジ、メッシュネットワーク、オンプレミスITソリューション、スタンドアローン、または他の展開環境）の両方について、利用できる処理能力を含むことができる。追加の基準は、オペレーティングシステム（Linux（登録商標）、Mac、PCなど）などのソフトウェア環境、ソリューショントレーニングのための入力データソースへのアクセスのためのAPIに使用される言語およびプロトコル、ならびにランタイムデータへのアクセスおよびデータ統合および出力などのソフトウェアおよびインターフェース基準を含み得る。

実施形態において、基準は、利用可能なネットワークタイプ、AIソリューションとAI動作の両方について利用可能なネットワーク帯域幅（入力および出力）、ネットワークのアップタイム、ネットワークの冗長性、配信時間の変動（データの順序は異なる場合がある）、ならびに本明細書に記載する他のネットワークおよびネットワーク基準のいずれかなどの様々なネットワーク要因を含み得る。

実施形態において、基準は、絶対的な用語で、または他のAIおよび／または非AIソリューション（例えば、従来のモデルまたはルールベースのソリューション。基準は、速度／レイテンシー、訓練／構成およびAIソリューションの時間、AIソリューションがオペレーション状況において結果を提供する時間、精度、信頼性（例えば、結果に解決する能力）、一貫性、偏りのなさ、投資収益率（ROI）、収量（例えば）などの結果ベースの品質尺度を含む場合がある。AIが管理するオペレーションからの出力）、収益性、収益およびその他の経済的尺度、安全対策に関するパフォーマンス、セキュリティ対策に関するパフォーマンス、エネルギー消費（例えば、全体の消費、タイミングベースの消費（例えば、ピーク時間からオフピーク時間に処理をシフトする能力）、モデルトレーニングおよび／またはオペレーション用の再生可能または低炭素エネルギーへのアクセス能力、新しいモデルトレーニング構想のコストの管理（電力コスト、レイテンシおよび新しいモデルの検証）、など。

実施形態において、基準は、ライセンス要件及び制限、クライアントのポリシー（本明細書の他の箇所に記載）、規制（クライアントの管轄、データソースの管轄（例えば、欧州データプライバシー法及びセーフハーバー）、特定のモデル、アルゴリズム等を支配する管轄（例えば、技術の輸出規制）、許可（例えば、トレーニングデータ又は運用データ）等に起因する、所定のタイプ又はモデルへのアクセス能力を含み得る。さらに、推奨は、解決すべき問題の種類、および問題の種類に最適化された特殊なアルゴリズムまたは方法（例えば、量子アニーリングベースの巡回セールスマンソルバ、または合理的なベースライン結果を提供する古典的な発見的方法）が存在するかどうかによって影響を受ける場合がある。

実施形態において、基準は、ガバナンス原則およびポリシーへの適合または遵守を含むことができる。AIソリューションを訓練するためにどのような入力データソースが使用され得るかに関する方針が存在し得る。どのような入力ソースが運用中に使用され得るかに関する方針が存在し得る。例えば、入力データソースは、潜在的な偏り、（人口統計学的または問題空間の）適切な表現、範囲などについて審査される場合がある。規制機関、認証機関、内部 IT 審査などによるソリューションの認定または承認に関する基準が存在する可能性がある。セキュリティ（システムの物理的セキュリティ、サイバーセキュリティなど）、安全要件（ユーザの安全、出力製品の安全など）などに関して、実施しなければならない方針および手順がある場合がある。

実施形態において、AIソリューションを推奨するための基準は、効果的なモデルトレーニングのための適切なサイズ、粒度、品質、信頼性、場所、時間帯、精度などのデータソースの利用可能性などのデータ利用可能性に関する基準を含むことができる。データの利用可能性に関する追加の基準は、モデルトレーニングのための入力、モデル操作のための入力、のためのデータのコストを含むことができる。追加の基準は、AIソリューションの操作のためのデータの利用可能性などを含むことができる。AIの選択に関する基準は、さらに、上流データ処理要件、次元クリーンアップおよびデータ検証などのマスターデータ管理に関する考慮事項などを含むことができる。

実施形態において、ソリューションの選択の基準は、「問題」の所定のタスクまたはワークフローへのモデルまたはソリューションの適用可能性を含み得る 基準は、既知のタスクタイプ（例えば、2Dオブジェクト分類用の畳み込みニューラルネットワーク、爆発的なエラーを生成する傾向があるタスク用のゲートリカレントニューラルネットワークなど）を実行する他のモデルに対する所定のモデルのベンチマーク性能を含み得る。実施形態において、ソリューションの選択は、生物学的な脳が同様のタスクを解決する方法と類似または類推される構成を有するソリューションに基づくことができる（例えば、以下のような場合。ここで、ニューラルネットワークモデルのシーケンスは、シリアル要素、パラレル要素、フィードバックループ、条件付き論理接合、グラフ駆動要素、および他のフロー特性を含み得るシーケンスまたはフローを模倣するように配置される）、例えば、視覚または聴覚処理、言語認識、発話、動作追跡、画像認識、顔認識、動作調整、触覚認識、空間配向などにおける、ヒトまたは他の種の脳で関与するものなどのモジュールまたは準モジュールのプロセスのフローなど。基準には、ガードレールとして機能するクラスAIヒューリスティック手法の適用や、影響の少ない領域での運用が含まれる場合がある。

実施形態において、基準は、モデル更新の要件（例えば、モデルの引退の頻度および要件）、履歴モデルの管理および履歴決定エンジンの維持、分散決定能力の可能性、モデルキュレーション規則（例えば、モデルまたは入力データがトレーニングに有効とみなされる期間）等のモデル展開の考慮事項を含み得る。

検索結果または推奨は、実施形態では、開発者に有利なモデルの要素を示すまたは選択するよう求めるなどの協調フィルタリング、ならびに類似の開発者、類似のドメイン固有の問題、および／または類似の人工知能ソリューションを関連付ける類似性マトリックス、k-meansクラスタリング、または他のクラスタリング技術を用いるなどのクラスタリングに少なくとも一部基づくことがある。人工知能ストア157は、評価、レビュー、関連コンテンツへのリンクなどの電子商取引機能、および、購入、ライセンス、支払い追跡、取引の決済、または他の機能を自動化するためにスマートコントラクトおよび／またはブロックチェーン機能を使用して動作するものを含む、提供、ライセンス、配信、および支払い（関連会社およびまたは貢献者への支払いの割り当てを含む）のための機構を含み得る。

実施形態では、ソリューションが選択または推奨されると、ソリューションは、特定のクライアントおよび解決すべき問題に対して構成されなければならない。限定されないが、構成は、上記のソリューションモデルの選択に関連して言及された要因のいずれかを含み得る。フローに関わる特定のタスクに対するAIソリューションの各タイプの相対的な長所と短所を認識するフロー（シリアル要素、パラレル要素、フィードバックループ、条件付き論理接合、グラフ駆動型フローなどのオプションを有する）におけるニューラルネットワークタイプ（例えば、モジュール）のセットの構成は、（上述の選択要素のいずれかに基づき）重要である。フローの例示的かつ非限定的な例では、a）視覚的分類によって何かを特定する（CNNを使用するなど）、b）その将来の状態を予測する（ゲートRNNを使用するなど）、c）将来の状態を最適化する（フィードフォワードニューラルネットワークを使用するなど）。構成オプションには、ニューラルネットワークタイプ（複数可）の選択（上述のように、様々なフローにおける異なるニューラルネットワークおよび／または他のモデルタイプのハイブリッドを含む）、入力モデルタイプの選択、初期モデル重みの設定、モデルサイズの設定（例えば、．深層ニューラルネットワークの層数）、計算展開環境の選択、トレーニング用入力データソースの選択、運用用入力データソースの選択、フィードバック機能／結果尺度の選択、入力および出力用データ統合言語の選択、モデルトレーニング用APIの構成、モデル入力用APIの構成、出力用APIの構成、アクセス制御（役割ベース、ユーザーベース、ポリシーベース、その他）の構成、セキュリティパラメータの構成、ネットワークプロトコルの構成、ストレージパラメータ（タイプ、場所、期間）の構成、経済要因（例えば、経済的要因（アクセスに対する価格設定、コスト配分、その他）の設定、その他。追加の構成オプションには、データフローの構成（例えば、複数の証券取引所から集中型意思決定エンジンへのフロー）、高可用性、フォールトトレランス環境の構成（例えば、取引システムは、サービスレベルの要件を満たす動作状態までフェイルダウンすることが求められる）、価格に基づくデータ取得戦略（例えば、詳細な財務データは、追加の支出を必要とするかもしれない）、発見的方法との組み合わせ、超並列意思決定環境（例えば、分散ビジョンシステム）の協調、などを含み得る。追加の構成は、さらなる検討を必要とする領域がある場合、決定モデルを作ることを含むことができる（例えば、特定の事象を監視するために決定をエッジに押し出す）。

実施形態では、人工知能ストアを含むプラットフォームの他の要素に単独でまたは関連して展開され得る別のソリューションのセットは、監視システム3306およびデータ収集システム3318、場合によっては、様々な取引および市場エンティティ3330を監視するためなどの物理プロセス観察システム3458および／またはソフトウェア相互作用観察システム3450からなる機能イメージング機能のセットを含むことができる。機能的イメージングシステムは、実施形態において、特定のタイプの問題を最も効果的に解決するために最も効果的であると思われる人工知能のタイプに関するかなりの洞察を提供し得る。本開示の他の箇所および参照により本明細書に組み込まれる文書に記載されているように、計算およびネットワークシステムは、規模、複雑さおよび相互接続が大きくなると、情報過多、ノイズ、ネットワークの混雑、エネルギーの浪費、および他の多くの問題が顕在化する。IoTが数千億のデバイスに成長し、事実上無数の相互接続が考えられるようになると、最適化が非常に難しくなる。人間の脳は、同じような課題に直面しながら、数千年の間に、さまざまな非常に難しい最適化問題に対する合理的な解決策を進化させてきたのである。人間の脳は、相互に接続されたモジュラーシステムに組織された巨大な神経ネットワークで動作しており、それぞれの神経ネットワークは、生体システムの制御や恒常性の維持、さまざまな静的・動的パターンの検出、脅威や機会の認識など、特定の問題を解決するための適応度を有している。

ロボティック・プロセス・オートメーション（RPA）システムのセットアップには、最適なAIソリューションの選択と構成が含まれる。また、RPA システムをトレーニングし、ソフトウェアやハードウェア（ツールなど）と人間のやり取りを理解すること、およびシステムを運用することが目標になる場合がある。単一ニューラルネットワークソリューション（単一ステップ翻訳のように、1つのネットワークを使って1つのステップで問題を解決する）では、入力の初期重みの設定、入力データソースの選択、ネットワークの種類（畳み込みか否か、ゲートか否か、深いか否かなど）の選択、層の数、入力（および複合出力がある場合は出力）の選択がプロセスに含まれると考えられる。人間の脳が同じ問題を解決するために使いがちな入力と重みを選ぶということでしょう。複数のAIモジュール/システムやAIと従来のソフトウェアシステム（制御システム、分析モデル、ルールベースシステム、条件付き論理システムなど）を組み合わせたハイブリッドでは、上記のほか、視覚、聴覚、触覚などの感覚情報が処理されて状況、文脈、動き、物体などを認識し、次に他の領域（異なる動作をする）で論理パズルを解く、計算、アルゴリズムに従う、可能性を広げるなどといった処理を行う脳の活動パターンを反映する、時間シーケンスを意識した構成が考えられる。これらに対して、それぞれが異なるニューラルネットワークや他のAIタイプで構成される一連の「レゴブロック」を順序立てて並列にセットし、条件論理でリンクさせるなどして、プロセスを自動化するソリューションを実現することができる。

実施形態において、推論のタイプ及び／又は処理のタイプの識別は、機能的MRI又は他の磁気イメージング、脳波（EEG）、又は他のイメージングなどの脳イメージングを引き受けることによって、例えば、広範な脳活動（例えば、、デルタ波、シータ波、アルファ波、ガンマ波などの活動の波帯）、インテリジェントエージェントの訓練に使用されるユーザの一連の相互作用の間に活性化及び／又は不活性化される一連の脳領域（例えば、新皮質の領域、例えば、Fp1（判断と意思決定に関与）、F7（想像と模倣に関与）、F3（分析的演繹に関与）、T3（発話に関与）、C3（事実の記憶に関与）、T5（仲介と共感に関与）、P3（戦術ナビゲーションに関与）、O1（視覚工学に関与）、Fp2（プロセス管理）、F8（信念体系に関与）、F4（専門家の分類に関与）、T4（傾聴と直感に関与）、C4（芸術的創造性に関与）、T6（予測に関与）、P4（戦略ゲームに関与）、O2（抽象化に関与）、及び／又は前述の組み合わせ）、又は他の神経科学的、心理学的、又は類似の技術によって、知的エージェントが訓練された人間が、知的エージェントが配置されるワークフローに関与する特定のタイプの問題をどのように解決しているかについての洞察を提供する。実施形態において、インテリジェントエージェントは、インテリジェントエージェントが訓練されるべき一連の活動を実行している人間の専門家の脳領域の活動に類似する処理活動を複製またはシミュレートするように選択されるニューラルネットワークタイプ、またはタイプの組み合わせで構成され得る。可能な多くの中の1つの例として、トレーダーは、成功した取引を行うときに新皮質の視覚処理領域O1および戦略的ゲーム領域P4を使用することが示され、ニューラルネットワークは、視覚パターン認識の効果的な複製を提供する畳み込みニューラルネットワークおよび戦略的ゲームを複製するゲートリカレントネットワークで構成されることが挙げられる。実施形態では、新皮質の活動を模倣またはシミュレートするニューラルネットワークタイプの組み合わせを表すニューラルネットワークリソースのライブラリは、ロボットプロセス自動化を伴うなど、知的エージェントの開発対象である様々な活動を行うために人間の専門家が使用する組み合わせを複製するモジュールの選択および実装を可能にするように構成され得る。実施形態において、ライブラリからの様々なニューラルネットワークタイプは、処理フローを表すために直列および／または並列構成で構成されてもよく、これらは、自動化の主題である活動に関与するときの脳の時空間イメージングに基づくなど、脳内の処理のフローを模倣または複製するように配置されてもよい。実施形態において、エージェント開発のためのインテリジェントソフトウェアエージェントは、ニューラルネットワークリソースタイプのセットを選択すること、処理フローに従ってニューラルネットワークリソースタイプを配置すること、ニューラルネットワークリソースのセットのための入力データソースを構成すること、および／または所望のインテリジェントエージェント／自動化ワークフローを実行するために構成済みのニューラルネットワークリソースのセットの訓練を開始するために利用できる計算リソース上にニューラルネットワークタイプのセットを自動的に展開することなど、ここで説明した訓練技術のいずれかを使用して訓練されてよい。実施形態において、エージェント開発に使用されるインテリジェントソフトウェアエージェントは、さらなる開発の対象となるワークフローを実行している専門家などの人間の脳の時空間画像データの入力データセット上で動作し、時空間画像データを使用して、学習を開始するためにニューラルネットワークタイプのセットの選択および配置を自動的に選択および構成する。したがって、インテリジェントエージェントを開発するためのシステムは、エージェントが訓練されるワークフローに関与するヒトユーザの時空間新皮質活動パターンに基づいて、ニューラルネットワークタイプ及び／又は配置を（オプションで自動的に）選択するように構成され得る。一旦開発されると、得られるインテリジェントエージェント／プロセス自動化システムは、本開示全体を通して説明されるように訓練され得る。

実施形態において、インテリジェントエージェントを開発するためのシステム（前述のインテリジェントエージェントの開発のためのエージェントを含む）は、インテリジェントエージェントの入力としてどのようなデータソースが選択されるべきかを推論するために（任意で自動的に）人間のユーザーの脳画像からの情報を使用することができる。例えば、大脳新皮質領域O1が高度に活性化されている（視覚処理を伴う）プロセスについては、視覚入力（カメラからの利用可能な情報、または価格パターンのような情報の視覚表現、とりわけ多くのもの）が、好ましいデータソースとして選択され得る。同様に、領域C3を含む処理（事実の保存と検索を伴う）については、信頼できる事実情報を提供するデータソース（ブロックチェーンベースの分散型台帳など）が選択される場合がある。このように、知的エージェントを開発するためのシステムは、エージェントが訓練されるワークフローに関与する人間のユーザーの時空間的な新皮質の活動パターンに基づいて、入力データの種類とソースを（任意で自動的に）選択するように構成される場合がある。

機能的磁気共鳴画像（fMRI）、脳波（EEG）、コンピュータ断層撮影（CT）などの脳画像システムは、脳活動のパターンをリアルタイムで認識し、行動、刺激情報、環境条件データ、ジェスチャー、目の動きなどの他の情報と時間的に関連付けることができるまでに進歩している、これにより、監視システム3306によって収集された他の情報と単独または組み合わせて機能的イメージングを行うことにより、プラットフォームは、ソフトウェア相互作用観察システム3345、物理的プロセス観察3340、またはそれらの組み合わせを含むものなど、一連のタスクまたは活動の実施中に、どの脳モジュール、操作、システム、および／または機能が採用されているかを決定および分類できる。この分類は、エキスパートである人間によって実行されるタスクを自動化するロボットプロセス自動化（RPA）システム3442の初期構成のためなど、活動を引き受けるときに人間の脳のモジュールおよび機能のセットと同様の能力および／または機能のセットを含む、人工知能ストアなどからの人工知能ソリューションのセットの選択および／または構成に役立つ場合がある。

実施形態において、システムは、画像／ビデオフィード、オーディオフィード、モーションセンサー、心拍モニター、他の関連バイオセンサーなどを含む、ユーザに関連する一連の入力を受信及び／又は監視することができる。実施形態では、システムは、コンピューティングデバイスへの入力またはユーザが作業している物理的環境に関して取られた行動など、監視されたユーザが取った行動に関連する入力も受け取ることができる。実施形態では、収集されたデータはすべてタイムスタンプが付けられるので、例えば、ビデオフィードは、ユーザがタスクを実行している間にユーザの一連の画像をキャプチャすることができ、ユーザが何に集中しているか（例えば、ユーザがスクリーン上で何を見ているか）を判断するためにユーザの目の動きを同時にキャプチャ（例えば、視線追跡）できる。この間、システムは、ユーザーの心拍数または他の生体センサーの測定値を追跡して、ユーザーが激しい集中力を必要とするタスクに従事しているか、またはあまり集中しないタスクに従事しているかを判断することもできる。また、システムは、実行されたアクションを追跡し、さらにアクション間の時間量を決定することができる。RPAソリューションは、例えば、より重い、より計算集約的な活動をクラウドプラットフォーム上のAIソリューション（多くの層を持つディープニューラルネットワークのような）に、より計算集約的でないタスク、例えば、人間が最小限の入力データで非常に迅速に意思決定するようなものを、TinyML^TMモデルなどのはるかにコンパクトなモデルを使用してエッジまたはIoTデバイスプラットフォームに配置するなど、処理を分配することができる。

実施形態では、システムは、アクションの間に取られた時間の相対的な量を決定することができ、長い期間の不作為は、ユーザが多くの思考を必要とする仕事に関与していることを示すことができ、短い期間の不作為は、ユーザが、より少ない思考とより多くの行動を必要とする仕事に関与していることを示すことができるように。また、システムは、不作為の期間が発生したときに、ユーザが作業しているコンピューティングデバイスのオーディオフィードおよび／または状態を監視することができ、これは、ユーザが集中するのではなく、気を取られていることを示す可能性がある。ユーザが積極的に作業しており、注意散漫を呈していないと仮定すると、システムは、タイムスタンプされたデータエントリを示す、ユーザによって実行されている作業に関する特徴ベクトルを生成し、これを機械学習モデルに供給することができる。実施形態において、機械学習モデルは、作業期間中に係合した可能性が高い脳領域のセットから、脳領域（又は複数の脳領域）を決定し得る。実施形態において、機械学習モデルは、ラベル付き訓練ベクトルを含む訓練データセットを使用して訓練されてもよく、各訓練ベクトルのラベルは、訓練ベクトルが生成されたときに被験者によって従事されていた脳領域（または領域）を示す。例えば、各トレーニングベクトルは、以下のうちの1つ以上のラベルを付けることができる：Fp1（判断及び意思決定に関与）、F7（想像及び模倣に関与）、F3（分析的演繹に関与）、T3（発話に関与）、C3（事実の記憶に関与）、T5（調停及び共感に関与）、P3（戦術的航行に関与）、O1（視覚工学に関与）、Fp2（プロセス管理に関与）、F8（信念体系に関与）、F4（専門家の分類に関与）、T4（聞き取りと直感に関与）、C4（芸術的創造性に関与）、T6（予測に関与）、P4（戦略ゲームに関与）、O2（抽象化に関与））を含む。いくつかの実施形態では、訓練ベクトルは、実行されているタスクのタイプ、被験者がタスクの完了に成功したかどうか、または他の適切な情報などの追加データを示すことができる。

実施形態では、これらの機械学習モデルは、交渉、起草、データ入力、電子メールへの応答、データ分析、文書のレビューなど、異なるタイプの作業タスクについて訓練される場合がある。さらに、いくつかの実施形態では、このような機械学習モデルは、ある当事者によって訓練されるが、他の当事者によって活用される場合がある。これらの実施形態では、機械学習モデル（及び／又は学習データベクトル）は、マーケットプレイスを介して売買されてもよい。このような機械学習モデルは、モデルの出力がRPA学習プロセスにおける特定の信号として使用され得るように、より広範なRPAシステムにおいて使用され得る。

一般に、市場における組織の位置づけを予測し、それに応じて組織内のプロセスを調整するために、組織からのデータを使用する。例示的な実施形態では、ロボット撮像は、組織内のユーザ（例えば、従業員又は労働者）が様々なタスク及びプロセスを完了する際にそのデータを取得するために使用され、同時にこの情報をこれらのタスク／プロセスの完了と相関させることができる。タスクの完了の成功（例えば、効率）に関する様々な分析を得る。次に、ユーザーを追跡／監視して得られたデータを使用して、あるユーザーが他のユーザーよりもタスクの完了に成功していることを示す要因が何かを判断する（例えば、タスクを正しく行う際のユーザーの身体的動作、活性化された脳領域、ユーザーの体力などに基づいて）。これは、ユーザがタスクを完了する際のスキャン／モニタリングに基づくことができる。いくつかの例示的な実施形態では、システムを使用して、タスクの完了が成功したユーザに関するデータと、完了があまり成功しなかったユーザに関するデータとを分別する。システムは、作業者の生物学的データを分析して、ある作業者が他の作業者よりも成功する要因を決定してもよい。いくつかの例示的な実施形態では、この分析は、機械からのデータと組み合わせて、作業者が機械を正確に／効率的に使用しているかどうかを判断することもできる。作業員からのこの生物学的データはまた、効率を改善するためにより多くの作業員が必要であるかどうかを決定するために使用され得る。プロセスコンペティションの履歴データと結果を使用して、トレーニングや、あるタスクと他のタスクでより優れた作業者を選択するなど、どのような改善を行うべきかを検討する。結果、成果、及び成果への貢献に関する分析結果は、例えば、同じ又は類似のタスクを実行することを意図するAIソリューションの設計のために特定の能力の価値を重み付けするためのフィードバック関数として使用され得る。いくつかの例示的な実施形態では、分析に基づいて行われた改善が組織の市場ポジショニングを改善するかどうかの判断に関して、上述のような様々なデータ及び分析が使用されてもよい。

ある作業に熟練したオペレータは、筋肉機能との強い記憶結合（マッスルメモリー）を発達させ、この結合がなければ困難であるか、少なくとも繰り返し試行する必要があり、動作が遅くなるなど、容易に達成できる動作に変換することができる。筋肉記憶とそれ以外を区別することができるシステムは、どの動作がフォロー/リピート/学習する価値があるかをよりよく識別することができる。

例えば、認知（視覚、聴覚など）の入力から筋肉の記憶を発達させる経路を理解することは、人間の行動を自動化する方法を理解するための基礎となる可能性がある。これは、反復タイプの動作、体の位置や期待される結果（ホルスターにハンマーを落とすなど）などの類似性に基づく、あるタイプの動作と別のタイプの動作との関連付けを含むかもしれない。

さらに、物理的なアイテムを交換するときなど、2人の個人が「リズムに乗る」ことを可能にする筋肉記憶のようなものをどのように開発できるかを理解することも重要でしょう。どのような合図で交換するのか、視覚的に認識できる動作（手の置き方／向き）、そしてそれをどう解釈するのか。

実施形態では、イメージングシステムは、異なる種類の専門知識を伴う一連のタスクまたはワークフローについて、チームの複数のメンバーの脳画像を分析することができる。チームのパフォーマンスを追跡することができ、AIソリューションは、あるチームメンバーによる動きの追跡と調整、別のチームメンバーによる経営上の意思決定など、異なるチームメンバーによって行われる神経処理の種類を複製するように構成される場合がある。

実施形態では、画像処理システムは、交渉のための議論、ポイントカウント点などに関する一連の口頭でのやり取りについて、模擬裁判または交渉の練習セッションの複数のメンバーの脳画像を分析することができる。脳画像に加えて、音声キャプチャや、やり取りに対する反応のバイオ指標も採取して、交渉の成功などに関連する人間の行動を自動化する方法を学ぶのに有用な多次元データの範囲を拡大することができる。

例えば、アラーム音を認識したり、仲間からのアクションを認識するなど、人間がアクションのトリガーに使う抽象度を考えると、機械と機械のコミュニケーションでは、より抽象度を下げることができる。例えば、アラーム音をトリガーした入力が、直接機械と機械のコミュニケーションを引き起こしたり、仲間が機械になっていれば、自分の仕事を引き渡す準備ができていることを示すルーチンでの位置を示すことができる。これは、知能の低いロボットが自動化された方法と似ている。単純なマクロでも、より堅牢にするためにプロセスから「知能」を絞り出すことができる。このための戦略や方法が、必要以上に抽象化された生物タイプの入力に適用できるかもしれない。このように複雑さを軽減することで、無数の「ソフト」トリガー（画像認識など）を「ハード」トリガーに変換できることを認識し、システムに訓練することができる。

Fp1（判断及び意思決定に関与）、P3（戦術的ナビゲーションに関与）、O1（視覚工学に関与）、Fp2（プロセス管理に関与）、F8（信念システムに関与）、及びT4（リスニング及び直感に関与）などのシステムを用いて、訓練ベクトルは、いくつかの実施形態において、オーディオ及び視覚の概念が混在するシステムを示すことができる。システムは、エキスパートシステムを使用して、入力のセットを監視し、それらの入力を再構成して、様々な電磁周波数（視覚光、熱、紫外線など）の画像フィード、およびそれらの周波数からの音声フィードを含む資産を監視し、使用、使用の音、および懸念の可能性のある音を決定してもよい。例として固定資産（動かせないもの）が含まれる場合、動きのなさ、熱の痕跡、またはその欠如など、製品の使用または不使用のサインとともに、環境の周囲測定が測定されることがある。部屋の環境の変化、ユーザーや他の備品による資産との接触は、空間を評価するために見ているセンサーの再構成を引き起こすことができる。部屋に固定されている場合、このようなシステムは、より適切な照明と比較して強い外光（紫外線含有量が多すぎる）など、周囲の条件が資産に悪影響を及ぼす可能性があると判断することができる。また、使用時の動きを感知することも含まれる。移動可能な資産では、資産を老朽化させたり損傷させたりする傾向の高い動きではなく、良性の動きの検出と解析が、集約されたフィードとして記録され、特徴付けられることがある。

リスクマネジメント - F3（分析的演繹）とFp1（判断・意思決定）の組み合わせ - 人間の脳における分析・意思決定は、経験や知識によってもたらされ、それは部分的、限定的、否定的、肯定的、事実的、感情的、などであるかもしれない。AIは、状況を認識し（センサー、画像認識、近接、テキストや会話の分析など）、類似の状況に対して保存された事実に基づく結果を用いて、意思決定においてより良いリスク管理を適用できる可能性がある。これは、消費者がより良い購買や金融の意思決定を行えるようにするために適用される可能性がある。また、他の用途では、緊急対応や取り締まり行為などに応用することができる。

実施形態では、AIソリューションは、共通の入力とリソースを共有するが、リスク、外部性、およびコアプロセスの自動化には必要ないが、ガバナンス、安全性、緊急対応、および他の側面を改善する可能性がある他の要因を特定することに焦点を当てるなど、主要な運用AIソリューションのコンパニオンリスクマネージャとして構成され得る。

実施形態では、AIソリューションは、共通の入力とリソースを共有するが、リスク、外部性、およびコアプロセスの自動化には必要ないが、ガバナンス、安全性、緊急対応、および他の側面を改善する可能性がある他の要因を特定することに焦点を当てるなど、主要な運用AIソリューションのコンパニオンリスクマネージャとして構成され得る。

したがって、プラットフォームは、機能的イメージングシステムからの入力を受けて、脳システムなどの1つまたは複数の生物学的システムと1つまたは複数の人工知能システムとの間の属性のマッチングに基づいて、任意で自動的に、ロボットプロセス自動化システム用の人工知能能力のセットを構成するシステムを含むことができる。選択および構成は、脳の視覚システムが高度に活性化される視覚入力（カメラからの画像など）の選択、脳の聴覚システムが高度に活性化される音響入力の選択、脳の嗅覚システムが高度に活性化される化学入力（化学センサなど）の選択など、作業者が作業を行う間の脳の機能イメージングに少なくとも一部基づいて構成されるロボットプロセスオートメーションおよび／または人工知能への入力の選択をさらに含んでよい。このように、生物学的に認識されたロボットプロセス自動化システムは、初期設定、または反復的な改善を、自動化から利益を得る可能性のある専門的な作業を作業員が行う際に収集された画像由来の情報によって、自動または開発者の制御下でガイドすることによって改善することができる。

機能画像は、どのタスクが直列処理と並列処理を伴うかについての洞察を提供し、同様のタスクに最適なAIソリューションのタイプ（例えば、言語と視覚のデータ/入力を一度に（並行して）受け取るのが最適か、順次受け取るのが最適か）についての洞察を提供し得る。ユーザーがデータを取り込む際に、パフォーマンスに最適な順序を示唆するような順序はあるのかどうか、機能画像の解析により、視覚入力と文字入力（言語処理）のうち、どの計算タスクが最も速く処理されるかを特定し、タスクと最適な入力/刺激のマッチングを改善できる可能性がある。

機能イメージングにより、刺激のペアリングまたは複数の組み合わせから生じる効率性を判断することができる（例えば、タスク/コマンドは、複数の多様な入力を一度に提供することによって最も効率的に伝達されるか、および/または入力/コマンドから特定の刺激を省略することが最善であるか）。

機能画像は、後続のタスク（タスクは、データ／刺激入力に基づいてデバイスが実行する計算または実際のアクションであり得る）のパフォーマンスの確率的な改善に基づいて、実行／解決すべきタスクまたはイベントをランク付けすることを可能にするかもしれない。

機能的イメージングにより、「ノイズ」に基づくパフォーマンスや計算への悪影響を測定することができる。ノイズとは、不要なデータ、無関係なデータ、または圧倒的なデータサイズのことで、「負の刺激」（人間の文脈では、聴覚入力のカスケードの中で人間の声を区別する際の周囲のノイズ、画像認識における周囲の照明、領域内の物体を数える際の動きなど）を判断するのと似ている。

可能な多くのうちの1つの例として、マーケットプレイスホストは、新規マーケットプレイスを構成するときに、予測領域T6および判断・意思決定領域Fp1を使用するように示されてもよく、例えば、有利なマーケットプレイス構成パラメータ（マーケットプレイス効率収益性、および／または公平性を最適化するなど）を予測し、マーケットプレイスパータに関連する決定を生成し、予測の有効な複製を行うニューラルネットワークおよび意思決定を複製するニューラルネットワークで構成されてもよい。マーケットプレイス構成パラメータは、資産、資産タイプ、資産の説明、所有権の検証方法、取引された商品の配送方法、マーケットプレイスの推定サイズ、マーケットプレイスの広告方法、マーケットプレイスの制御方法、規制制約、データソース、インサイダー取引検出技術、流動性要件、アクセス要件（ディーラー対ディーラー取引、ディーラー対顧客取引、または顧客対顧客取引を実施するかなど）、匿名性（カウンターパーティIDを開示するかどうかを決定するなど）、オーダー処理の継続（例えば、連続的又は定期的な注文処理）、相互作用（例えば、二国間又は多国間）、価格発見、価格決定要因（例えば、注文駆動型価格設定又は相場駆動型価格設定）、価格形成（例えば、、価格形成（例：集中的な価格形成または断片的な価格形成）、保管要件、許可される注文の種類（例：リミット注文、ストップ注文、マーケット注文、オフマーケット注文）、サポートされる市場の種類（例：ディーラー市場、オークション市場、絶対オークション市場、最小入札オークション市場、リバースオークション市場、封入入札オークション市場、オランダオークション市場、多段階オークション市場（例：...、取引ルール（ティックサイズ、取引停止、開閉時間、エスクロー要件、流動性要件、地理的ルール、管轄ルール、公表ルール、インサイダー取引禁止、利益相反ルール、タイミングルール（例...直物取引、先物取引、先物取引に関わるタイミングルール、タイミングルール）等々）、取引ルール（例：取引停止、開閉時間、エスクロー要件、流動性要件、地理的ルール、管轄ルール、広報に関するルール）、資産上場要件（財務報告要件、監査要件、最低資本金要件など）、最低保証金、最低取引額、検証ルール、手数料ルール、市場寿命ルール（タイミング制約のある短期市場対長期市場など）、透明性（情報発信の量や範囲など）。

RPAシステムは、生物学的脳機能F3（分析的演繹に関与）およびO1（視覚工学に関与）に関連するAIシステムを互いに連携して使用し、視覚的微積分に関連するタスクを実行し得る。視覚計算に関するタスクは、例えば、O1視覚工学システムを介して画像センサデータを処理し、RPAシステムが "見る "もの、および "見る "ものを解釈、分類、識別等する方法を決定することを含み得る。次に、F3分析演繹システムは、1）何が"見られる "ものの現在の状態に至ったかを決定するための演繹、および2）視覚データの現在の状態に基づいて "見られる "ものの将来の状態を決定するための予測を実行してもよい。RPAシステムは、このような予測の実行を支援するために、T6予測機能を使用することができる。推論は、分析中のシステムにおける問題、非効率、または問題の原因を決定するのに有用である場合がある。予測は、問題に対する解決策および／または潜在的な効率改善の判断に有用である場合がある。F3、O1、および／またはT6を使用するAIシステムは、その後、問題解決および／または効率改善を実行するのに適した機械学習モデルを選択するためにも使用され得る。例えば、製造環境において、RPAシステムおよびAIシステムは、複数の視覚IoTセンサからデータを摂取してもよく、視覚データは、製造フロアの1つまたは複数の部位からである。O1視覚工学システムは、1つまたは複数の機械、製品、組立ラインなど、視覚データが見ているものを決定および／または分類してもよい。F3分析推論システムは、1つ以上の機械、製品、組立ラインなどが問題や非効率性を示しているかどうかを判断することができる。T6システムは、その後、予測を行い、問題の解決策および／または効率の改善を決定するための適切な機械学習モデルに予測を転送することができる。

図50を参照すると、実施形態では、デバイス4952は、プラットフォーム4800のデータ収集システム3318および監視システム層3306の一部またはそれと統合され得るIoTデータ収集サービス4908のセットに（広範囲のアプリケーションプログラミングインターフェース3316のいずれかを介してなど）接続する接続デバイスであり得る。アプリケーションプログラミングインターフェース3316は、ネットワークインターフェース、API、SDK、ポート、ブローカー、コネクタ、ゲートウェイ、セルラーネットワーク設備、データ統合インターフェース、データ移行システム、クラウドコンピューティングインターフェース（AWS IoT Greengrass^TM、Amazon^TM Lambda^TMおよび同様のシステムなどの計算能力を含むもの）、およびその他を含むことができる。たとえば、IoTデータ収集サービス4908は、IoTにおけるエッジデータ収集デバイスのセットからデータを取得するように構成されてもよく、たとえば、低電力センサーデバイス（たとえば、、エンティティの動きを感知するため、エンティティ3330またはその環境に関する温度、圧力または他の属性を感知するため、など）、エンティティ3330の静止画または動画像をキャプチャするカメラ、より完全に有効なエッジデバイス（Raspberry Pi^TMまたは他のコンピューティングデバイス、Unix^TMデバイス、およびマイクロコントローラ、FPGA、ASICなどを含む組み込みシステムを実行しているデバイスなど）、および多くのもの。IoTデータ収集サービス4908は、実施形態において、例えば、場所、状態（健康、物理、またはその他）、品質、セキュリティ、所有などに関するような、担保4802または資産4918に関するデータを収集し得る。例えば、宝石、車両、美術品のアイテムなどの個人資産のアイテムは、それが安全な指定された場所に留まることを確実にするために、既知の場所を有する（またはGPSまたは他のロケーションシステムによって確認された場所を有する）モーションセンサーおよび／またはカメラによって監視され得る。カメラは、物品が損傷していない状態で当事者4910の所有下にあることを示す証拠を提供することができ、例えば、それが融資のための適切かつ適切な担保4802であり続けることを示すことができる。実施形態では、これは、衣類、収集品、および他のアイテムなどのマイクロローンのための担保アイテムを含み得る。

実施形態では、貸出プラットフォーム4800は、データ収集システム3318、モニタリングサービス3306、ブロックチェーンサービス3422、および貸出エンティティおよびトランザクションを処理するためのスマートコントラクトサービス3431を含むデータ統合マイクロサービスのセットを有する。スマートコントラクトサービス3431は、データ収集システム3318および監視システム層3306から（IoTデバイスからなど）データを取り込み、収集したデータに基づいてスマートコントラクトを具体化する一連のルールまたは条件を自動的に実行してもよい。例えば、ローンの担保4802が損傷していることを認識すると（カメラまたはセンサによって証明されるなど）、スマートコントラクトサービス3431は、ローンの支払いの要求を自動的に開始し、差し押さえプロセスを自動的に開始し、代替またはバックアップ担保を請求するアクションを自動的に開始し、検査プロセスを自動的に開始し、担保に基づいている支払いまたは金利期間を自動的に変更する（例えば、担保付きローンではなく、無保証ローンのレベルで金利を設定するなど）などが考えられる。スマートコントラクトのイベントは、ブロックチェーンサービス3422によって、分散型台帳などのブロックチェーン上に記録される場合がある。担保4802および資産4918の自動化された監視およびスマートコントラクトサービス3431によるローンの処理は、貸し手が担保の状態に関してより確実性を有することができるため、従来のローンの場合よりもはるかに広範囲の当事者4910への貸し出しおよびはるかに広範囲の担保4802および資産4918に基づくローンの引き受けを容易にし得る。監視システム層3306およびデータ収集システム3318は、担保4802および資産4918の価値に対する認識を維持するために、外部マーケットプレイス3390から、またはプラットフォーム4800で運営されるマーケットプレイス用のデータを監視および収集することもでき、例えば、ローンの返済を保証するのに十分な価値および流動性を有するアイテムが残っていることを保証する。例えば、eBay^TMのような公共の電子商取引オークションサイトを監視して、個人資産アイテムが、貸し手によって流動的な公共市場で容易に処分されそうな種類および状態であることを確認し、借り手がデフォルトした場合に貸し手が支払いを確実に受けられるようにすることができる。これにより、通常は担保として使用することが困難な広範な個人所有物に対して融資を行い、管理することができる場合がある。実施形態では、自動化された差し押さえプロセスは、スマートコントラクトによって開始される場合があり、差し押さえを許可するデフォルトの条件（未治療の支払い不能など）の発生時に、公開オークションサイト（eBay^TMや特定の種類の不動産に適したオークションサイトなど）への担保物件の設置を自動的に開始するプロセスを含む、担保を自動的に確保すること（例えば、担保を含むまたは確保するスマートロック、スマートコンテナなどの接続されたデバイスをロックすることなど）、担保を発送するための運送業者、貨物輸送業者などへの一連の指示を自動的に構成すること、担保を輸送するためのドローン、ロボットなどへの一連の指示を自動的に構成することなど、様々なプロセスを含む。実施形態では、担保の差し押さえを容易にするためのシステムが提供される。担保に対する差し押さえを容易にするための例示的なシステムは、貸付契約の少なくとも1つの条件を監視するためのデータ収集および監視サービスのセットと、貸付契約の返済義務を担保する担保を提供する少なくとも1つのアイテムに対する差し押さえの条件を含む貸付契約の条件を確立するスマートコントラクトサービスのセットとを含み得、データ収集および監視サービスによって集められたデータに基づくデフォルトの検出時に、スマートコントラクトサービスのセットは自動的に担保に対する差押プロセスを開始する、。例示的なシステムの特定のさらなる側面が以下に説明され、そのうちの任意の1つまたは複数が特定の実施形態において存在し得る。例示的なシステムは、スマートコントラクトサービスのセットが、スマートロックおよびスマートコンテナの少なくとも1つに、担保をロックするための信号を開始することを含む。例示的なシステムには、スマートコントラクトサービスのセットが、公開オークションサイトへの担保の出品を設定し、開始するものが含まれる。例示的なシステムは、スマートコントラクトサービスのセットが、担保の輸送指示のセットを構成し、配信するところを含む。例示的なシステムは、スマートコントラクトサービスのセットが、担保を輸送するためのドローンに対する指示のセットを構成するところに含まれる。例示的なシステムは、スマートコントラクトサービスのセットが、ロボットが担保を輸送するための指示のセットを構成することを含む。例示的なシステムは、スマートコントラクトサービスのセットが、代替担保のセットを自動的に代替するためのプロセスを開始するところに含まれる。例示的なシステムには、スマートコントラクトサービスのセットが、差し押さえに関する交渉を開始する借主へのメッセージを開始する場合が含まれる。例示的なシステムは、交渉が、差し押さえの交渉の訓練セットで訓練されたロボットプロセス自動化システムによって管理される場合を含む。例示的なシステムは、交渉が、貸出取引の金利、支払条件、および担保のうちの少なくとも1つの修正に関連する場合を含む。

図51を参照すると、実施形態では、貸出プラットフォーム4800は、ローン、債券、または債務取引のための資産4918のセットおよび担保4802のセットの少なくとも1つを監視するためのIoTデータ収集プラットフォーム4908（本開示を通じて説明する様々なIoTおよびエッジデバイスと）を有して提供される。プラットフォーム4800は、IoTデータ収集プラットフォーム4908によって収集されたデータに基づいて資産4918および／または担保4802を監視するための保証および／またはセキュリティ監視ソリューション4930を含み得、例えば、保証および／またはセキュリティ監視ソリューション4930が、画像、センサデータ、位置データ、またはIoTデータ収集プラットフォーム4908によって収集されたタイプの他のデータに基づいて項目の状態または価値を決定するモデル（調整、強化、訓練等、例えば人工知能3448を用いてよい）等の種々の適応的知能系層3304を用いてよいところなど。監視は、担保4802または資産4918の位置、当事者4910の行動、当事者4910の財務状態などの監視を含み得る。保証及び／又はセキュリティ監視ソリューション4930は、担保4802又は資産4918に関するアラートを得るために、条件、行動、属性、財務値、場所などに関するルール又は閾値など、ユーザが監視のためのパラメータを設定することができるインターフェースのセットを含み得る。例えば、ユーザは、担保が所定の管轄区域に留まらなければならないという規則、ローン残高の割合としての担保の閾値、最小限の状態条件（例えば、損傷または欠陥からの自由）などを設定し得る。設定されたパラメータは、ローンのコンプライアンスを監視する責任を負う人員にアラートを提供するために使用され、および／または、差し押さえの条件、金利を変更する条件、支払いを加速する条件などを設定するために保証および／またはセキュリティ監視ソリューション4930のインターフェースからの入力を取り得る1または複数のスマートコントラクト契約に使用または具体化してもよい。プラットフォーム4800は、ローン管理者が、担保4802または資産4918の状態に基づき、エンティティ3330を含むイベントに基づき、行動に基づき、ローンに関連する行動（支払いなど）に基づき、および他の要因に基づいて、ローンに関する様々な行動（金利の設定、差し押さえ、通知の送信など、本明細書に記載する多くのタイプの）を管理できるように、IoTデータ収集システム4908および／または保証および／もしくはセキュリティ監視ソリューション4930から情報にアクセスできるローン管理ソリューション4948を備え得る。ローン管理ソリューション4948は、特定のタイプのローン（本明細書に記載される多くのタイプのうち）用に構成され、ユーザがパラメータを構成し、ルールを設定し、閾値を設定し、ワークフローを設計し、スマートコントラクトサービスを構成することができる、一連のインターフェース、ワークフロー、モデル（適応型知的システム層3304を含む）を含み得る、IoTデータ収集システム4908からの収集データに応答してスマートコントラクトによるローンアクションの自動ハンドリングを可能にする、またはそのデータに基づいて人間のユーザに対する推奨アクションのセットの生成を可能にするなど、ローンの自動または支援管理を容易にするために、ブロックチェーンサービスを構成する、などであった。

実施形態では、一組の担保の所有権と一組の担保に関連するイベントの少なくとも一方を管理するためのスマートコントラクトおよび分散型台帳プラットフォームを有する貸出プラットフォームが提供される。スマートコントラクトサービス3431のセットは、たとえば、支払いの不履行または他のデフォルトのイベントの認識、差し押さえ条件の発生（規約の不履行または義務の不履行など）などに応じて、担保4802または他の資産4918の所有権を移転し、所有権の移転および関連イベントは、資産4918または担保4802に対する所有権の安全な記録を提供するものなど、ブロックチェーンサービス3422のセットによって分散台帳に記録されうる。一例として、スマートコントラクトにおいて具現化されるローンの特約は、担保4802がローンの残債の最小端数（または倍数）を超える値を有することを要求し得る。担保の価値について収集されたデータ（例えば、1つ以上の外部マーケットプレイス3390またはプラットフォーム4800のマーケットプレイスを監視することによって）に基づいて、スマートコントラクトは、規約が満たされているかどうかを計算し、ブロックチェーン上に結果を記録し得る。ローン残高が高いままである一方で、市場要因が担保の種類が減少したことを示す場合など、特約が満たされていない場合、スマートコントラクトは、ブロックチェーンサービス3422を介して分散台帳に所有権移転を記録することを含む、差し押さえを開始してもよい。スマートコントラクトは、当事者4910などのエンティティ3330に関連するイベントも処理することができる。例えば、ローンの特約は、閾値または比率未満の負債のレベルを維持すること、収入のレベルを維持すること、利益のレベルを維持すること、またはそのようなことを当事者に要求し得る。監視システム層3306またはデータ収集システム3318は、スマートコントラクトサービス3431によって使用されるデータを提供して、規約の遵守を決定し、差し押さえや所有権移転などのイベントを分散台帳に記録することを含む自動行動を可能にするかもしれない。別の例では、誓約は、当事者が財産の品目に関して特定の行動を取ることを控えることを要求するなど、当事者4910の行動または当事者4910の法的地位に関連することがある。例えば、契約は、当事者が不動産の特定の使用を禁止するゾーニング規制を遵守することを要求する場合がある。IoTデータ収集システム4908は、当事者4910、不動産、または他のアイテムを監視して、誓約の遵守を確認したり、遵守されていない場合に警告または自動アクションをトリガしたりするために使用することができる。

図52を参照すると、実施形態では、融資のための担保のセットの状態および融資のための保証に関連するエンティティの状態の少なくとも1つに関する情報を取得するためのクラウドソーシングシステムを有する融資プラットフォームが提供される。したがって、実施形態では、融資に関連する情報をクラウドソーシングするためのブロックチェーンおよびスマートコントラクトプラットフォーム5200を可能にするためのシステム、方法、プロセス、サービス、コンポーネント、および他の要素を有する、プラットフォームが本明細書に提供される。ソーシングイノベーション、製品需要などに関連して上述した他の実施形態と同様に、任意で分散型台帳を具現化するようなブロックチェーン3422は、不動産の所有権の証拠、所有権の証拠、担保の所有権に関する情報、担保の状態に関する情報などのローン情報4418の提出に対する報酬5212を管理するためのスマートコントラクト3431のセットで構成され得る、担保の場所に関する情報、当事者の身元に関する情報、当事者の信用度に関する情報、当事者の活動または行動に関する情報、当事者のビジネス慣行に関する情報、契約の履行状況に関する情報、売掛金に関する情報、買掛金に関する情報、担保の価値に関する情報、および他の多くのタイプの情報。実施形態では、任意で分散型台帳に分散されるようなブロックチェーン3422が、情報4418の提出に対する報酬5212、情報17862の使用に関する一連の条件5210など、情報に関連する条件5210とともに、情報17862に対する要求を構成するために使用されてもよく、タイミングパラメータ、要求される情報の性質（タイトル記録、ビデオ映像、写真、目撃された声明などのような独立して検証された情報）、および他のパラメータ5208などの種々のパラメータがある。

ブロックチェーンおよびスマートコントラクトプラットフォーム5200は、クラウドソーシングインターフェース5220を含み得、これは、ウェブサイト、アプリケーション、ダッシュボード、通信システム（電子メール、テキスト、音声メッセージ、広告、放送メッセージ、または他のメッセージを送信するためなど）に含まれるかまたはこれと連携して提供され得、これにより、メッセージがインターフェース5220で提示または関連個人（特定の個人へのリクエストの場合など対象を絞るか、所定の場所の個人など放送するかは問わない）に送られ得る、スマートコントラクト3431および関連するブロックチェーン3422への適切なリンクを有する）、関連する添付ファイル、リンク、または他の情報を有する、情報4418を提出する返信メッセージが、ブロックチェーン3422、および任意に関連する分散台帳が、要求に応答して提出された情報17862の安全で決定的な記録を維持するように、（APIまたはデータ統合システム経由など）自動的に関連付けられるように、ブロックチェーン3422と、ブロックチェーン3422は、関連する。報酬5212が提供される場合、ブロックチェーン3422および／またはスマートコントラクト3431は、提出が報酬5212の条件を満たすような時（例えば、以下のような時）に、提出時間、提出の性質、および提出する当事者を記録するために使用されてよい、情報17862が有用であったローン取引の完了時など）、ブロックチェーン3422およびそれによって保存される任意の分散型台帳を使用して、提出者を特定し、スマートコントラクト3431の実行によって、報酬5212（これは、本開示を通じて指摘された対価の形態のいずれかを取り得る）を伝達することができる。実施形態では、ブロックチェーン3422および任意の関連する台帳は、実際の情報17862を含まずに、情報が、アクセスのための条件（IDまたはセキュリティアプリケーション3418などによる、正当なアクセス権を有する者の識別または検証など）を満たすまたは検証することを条件に、秘密に維持されてよいように（暗号化されているか、識別情報のみで別々に保存されているなど）情報4418の提出に対する識別情報を含み得る。報酬5212は、情報17862が関連するケースまたは状況の結果に基づいて、一連のルール（自動化システム、ルール処理システム、人工知能システム3448または他のエキスパートシステムと協調してスマートコントラクト3431を使用するなど、場合によっては自動的に適用されてもよく、実施形態では人間の専門家と作成した訓練データセットで訓練されるものを構成してもよい）に基づいて提供されてもよい。例えば、アイテムの画像に基づいて担保の存在および／または状態の証拠を評価するためにマシンビジョンシステムが使用されてもよく、担保に関する情報を提出する当事者は、スマートコントラクト3431、ブロックチェーン3422および任意の分散台帳を通じた報酬5212の分配を介して、トークンまたは他の対価を介してなど、報酬を得ることができる。したがって、ブロックチェーンおよびスマートコントラクトプラットフォーム5200は、担保の検証を容易にするため、行動に関する表現を検証するため、遵守条件の発生を検証するため、デフォルト条件の発生を検証するため、不適切な行動または不実表示を抑止するため、不確実性を低減するため、情報の非対称性を低減するため、など様々な事実収集および情報収集の目的で使用されてよい。

実施形態では、情報は、クラウドソーシングプラットフォーム5220を含むマーケットプレイスプラットフォーム3300によってサポートされ得る様々なアプリケーションおよびソリューションのための事実収集またはデータ収集に関連してよく、例えば、引受3420（例えば、、様々な種類のローン、保証、および他の項目の）、リスク管理ソリューション3408（個々のローン、ローンのパッケージ、ローンのトランシェなどに関連するリスクなど、本開示全体を通じて指摘される様々なリスクを管理することなど）、融資ソリューション3410（担保の所有者およびまたは価値の証拠、表明の真実性の証拠、ローンの特約に対する実績または遵守の証拠など）などが挙げられる；規制ソリューション3426（事業体3330、事業体3330のプロセス、行動または活動を管理し得る広範な規制の遵守に関するものなど）、および不正防止ソリューション3416（詐欺、虚偽表示、不適切な行動、名誉毀損、中傷などの検出に関するものなど）。例えば、建物のための資本ローンは、特定の用途を許可し他の用途を禁止する、所定の居住を許可する等、不動産の使用に関する特約を含むことができ、クラウドソーシングプラットフォーム5220は、建物に関する遵守情報を募集し対価を提供することができる（例えば、建物が実際にゾーン規制で許可されている意図した用途に使用されていることの確認をクラウドから要求するなど）。クラウドソーシングされた情報は、監視システム3306からの情報と組み合わされてもよい。実施形態において、適応型インテリジェントシステム層3304は、例えば、不動産、担保物4802または他のエンティティ3330を継続的に監視し、疑わしい事象（例えば、ローン特約の違反を示す可能性があるもの）を（ニューラルネットワーク分類器などのAIシステムによって）認識すると、適応型インテリジェントシステム層3304は、クラウドソーシングシステム5220に信号を提供して、違反の有無を検証するためにクラウドソーシング処理を開始すべき旨を示す場合がある。実施形態では、これは、機械分類器を使用してそのコベナンツ関連条件を分類すること、エンティティに関する識別データとともに分類を提供すること、およびモデルまたは規則のセットに基づいてなど、どのようなエンティティ3330についてどのような情報を要求し、どのような報酬5212を提供するかを識別するクラウドソース要請を自動的に構成することを含むことができる。実施形態では、報酬5212は、専門家によって構成されてもよく、報酬5212は、一連の規則（ローンのパラメータ、スマートコントラクト3431の規約nの条件（ローン値、残存期間など）、担保4802の値に基づいて動作するものなどであってもよい、など）、および／または報酬5212は、RPAシステム3442が、与えられた状況においてどのような報酬が適切であるかを集合的に示す様々な文脈における報酬の設定における専門家活動の訓練セットで訓練される場合など、ロボットプロセス自動化3442によって設定されてよい。報酬設定のロボットプロセス自動化3442は、成功の成果（例えば、規約のデフォルトの検証、収量成果など）などのクラウドソーシングの成果の連続的なフィードバックに基づくなど、人工知能3448によって継続的に改善されてもよい。

情報収集は、他の多くの要因の中でも、エンティティ3330およびそのアイデンティティ、アサーション、クレーム、アクション、または行動に関する情報収集を含み、プラットフォーム5220におけるクラウドソーシングによって、またはデータ収集システム3318および監視システム3306によって、任意でプロセス自動化3442および人工知能システム3448を用いるなどの適応型知能による自動化と一緒に達成されることができる。

図53を参照すると、プラットフォーム運営型マーケットプレイスのクラウドソーシング証拠5220は、本開示全体を通じて説明したデータ処理取引、金融およびマーケットプレイス実現システム3300の様々な実現能力を使用して、プラットフォーム運営型マーケットプレイス5201のオペレータ用のクラウドソーシングインターフェース5220または他のユーザインターフェースなどで構成され得る。オペレータは、ユーザインターフェースまたはクラウドソーシングダッシュボード5414を使用して、図52に関連して説明したように、クラウドソーシングの情報要求17862を作成するためのアルゴリズムを実行または引き受けるための一連のステップを行うことができる。実施形態では、ダッシュボード5414内の報酬5212を作成するアルゴリズムのステップの1つ以上は、コンポーネント5302において、どのような情報5318が所定の状況において価値があると思われるか（弁護士、エージェント、調査員、当事者、監査人、探偵、引受人、検査官、および他の多くの人のような、個人または企業といった事業体の関係者または代表者によって様々な通信チャネルを通じて示されることがあるような）、潜在報酬5312を特定することが含まれ得る。

ダッシュボード5414は、クラウドソーシング要求がプラットフォーム・マーケットプレイス5201および／または1つ以上の外部マーケットプレイス5204において管理されることを可能にする要素（アプリケーション・プログラミング要素、データ統合要素、メッセージング要素などを含む）を備えるなど、クラウドソーシング・インターフェース5220で構成されることができる。ダッシュボード5414において、コンポーネント5304で、ユーザは、報酬5212をトリガし、情報の提出者のセット5218への報酬5212の割り当てを決定する条件5210のセットを定義することによってなど、クラウドソーシング要求の条件（本明細書に記載のタイプの）を構成または記述するなど、1以上のパラメータ5208または条件5210を構成し得る。クラウドソーシングインターフェース5220を含み得る、またはクラウドソーシングインターフェース5220に関連付けられ得るダッシュボード5414のユーザインターフェースは、様々なタイプのクラウドソーシング要求に適したものなどの、デフォルト、テンプレート化、推奨、または事前設定された条件、パラメータ5208、条件5210などを有するドロップダウンメニュー、テーブル、フォームなどのセットを含み得る。リクエストの条件および他のパラメータが構成されると、構成要素5308において、スマートコントラクト3431およびブロックチェーン3422が、台帳を介してなど、リクエストおよび情報の提出5218に関連するデータを提供、割り当て、および交換するために必要なデータを維持するように構成され得る。スマートコントラクト3431およびブロックチェーン3422は、ID情報、取引情報（情報の交換など）、技術情報、図52に関連して説明したタイプの他の証拠データ518（情報の提出5218または報酬5212の条件5210に関連し得る任意のデータ、証言、写真またはビデオコンテンツまたは他の情報を含む）に構成される場合がある。コンポーネント5310においてスマートコントラクト3431は、コンポーネント5304で構成された条件5210を具現化し、コンポーネント5308で作成されたブロックチェーン3422上で動作するように構成され、また、プラットフォームが運営するマーケットプレイス5201および／または外部マーケットプレイス5204における事実、条件、イベントなどを示すデータ、または他の情報サイトもしくはリソース、例えば、法的事例または事例の一部を示すサイト、捜査について報告しているサイトなど提出データ4418と関連するものについて動作するよう構成されていても良い。スマートコントラクト3431は、コンポーネント5310からの構成に応答して、証拠データ5218、パラメータ5208または条件5210の満足を示すデータ、ならびにIDデータ、取引データ、タイミングデータなどのデータに対して、1つまたは複数のルールを適用する、1つまたは複数の条件付き動作を実行するなどしてもよい。つまたは複数のブロックチェーン3422および1つまたは複数のスマートコントラクト3431の構成が完了すると、構成要素5312において、ブロックチェーン3422およびスマートコントラクト3431は、プラットフォーム運営マーケットプレイス5201、外部マーケットプレイス5204または他のサイトもしくは環境において、1つまたは複数の提出者または他のユーザによる対話のために展開され得、それらは、ウェブサイト、アプリケーションなどのようなクラウドソーシングインターフェース5220において可能である、、は、情報4418の提出および報酬5212の要求によってなど、スマートコントラクト3431に参入し、その時点で、適応型インテリジェントシステム層3304または他の機能を使用するなど、プラットフォーム5200は、提出データ4418、ブロックチェーン3422上のスマートコントラクト3431に参入する当事者または当事者のアイデンティティデータなどの関連データまたはその他のプラットフォーム運営市場5201上に保存することができる。構成要素5314において、スマートコントラクト3431が実行されると、プラットフォーム5201は、監視システム層3306などによって、プラットフォーム運営マーケットプレイス5201および／または1つまたは複数の外部マーケットプレイス5204または他のサイトにおいて、提出データ4418、イベントデータ3324、または報酬5212を誘発するように1つまたは複数の条件5210の満足または満足を示してスマートコントラクト3431の1つまたは複数の規則の適用のトリガーとなり得る他のデータについて監視してもよい。

構成要素5316において、条件5210を満たすと、スマートコントラクト3431が決済され、実行され、またはその結果、ブロックチェーン3422上の更新または他の操作、例えば（支払いシステムを介してなどの）対価の移転および情報17862へのアクセスの移転によってもたらされ得る。したがって、上記ステップを介して、プラットフォーム運営型マーケットプレイス5201のオペレータは、ローンに関連する情報（担保4802の価値または状態、規約の遵守、詐欺または虚偽表示などに関する情報）をクラウドソースし、暗号的に保護されて情報収集者から情報を求める当事者へブロックチェーン3422上で転送されるスマートコントラクト3431のセットを発見、構成、展開し、実行させてよい。実施形態では、適応型インテリジェントシステム層3304は、上述のアルゴリズムのステップを監視するために使用されてもよく、1つまたは複数の人工知能システムは、ロボットプロセス自動化3442によるなど、プロセス全体または1つまたは複数のサブステップまたはサブアルゴリズムを自動化するために使用されてもよい。これは、人工知能システム3448に、上記ステップを行う際の人間ユーザのソフトウェアインタラクションを監視するなどの観察から得られるデータのトレーニングセットで学習させることなどにより、上述のように発生し得る。一旦訓練されると、適応型インテリジェントシステム層3304は、こうして、取引、金融および市場実現システム3300が、ローン情報のクラウドソーシングのための完全自動化プラットフォームを提供することを可能にし得る。

図54を参照すると、実施形態では、IoTシステム、クラウドソーシングシステム、ソーシャルネットワーク分析サービスのセット、およびデータ収集および監視サービスのセットのうちの少なくとも1つを介して収集された情報に基づいてローンの金利を自動的に調整するスマートコントラクトシステム3431を有する貸付プラットフォームが提供される。プラットフォーム4800は、一組の条件に基づく金利設定の自動化を可能にするように構成された、一組のインターフェース、ワークフロー、およびモデル（様々な適応型インテリジェントシステム層3304を含み、使用し、またはそれによって可能になり得る）ならびに他のコンポーネントを含み得る、金利自動化ソリューション4924を含み得る、は、スマートコントラクト3431の条件、（プラットフォーム・マーケットプレイスおよび／または外部マーケットプレイス3390の）市場条件、監視システム層3306およびデータ収集システム3318によって監視される条件など（特に限定されないが当事者4910、担保4802および資産4918などを含むエンティティ3330の）条件を含み得る。例えば、金利自動化ソリューション4924のユーザは、二次貸し手から貸し手に利用可能な金利に基づくなど、上記に基づいてローンの金利を決定、または推奨するルール、閾値、モデルパラメータなどを（ユーザインターフェースなどで）設定し得る、借り手のリスク要因（人工知能3448を使用した1つまたは複数の予測モデルに基づく予測リスクを含む）、またはシステムが自動的にそのような規則、閾値、パラメータなどを推奨または設定してもよい（任意で、時間をかけて結果のトレーニングセットに基づいてそうすることを学習することによって）。金利は、マーケティング要因（他の貸金業者によって提供される競合金利など）に基づいて決定される場合がある。金利は、新規ローン、既存ローンの修正、借り換え、差し押さえ状況（例えば、有担保ローン金利から無担保ローン金利への変更）等に対して計算される場合がある。

監視された条件に基づいて自動的に債務を再編成するスマートコントラクト

図55を参照すると、実施形態では、監視された状態に基づいて自動的に債務を再編するスマートコントラクトを有する貸出プラットフォームが提供される。プラットフォーム4800は、一組の条件に基づく債務の再編の自動化を可能にするように構成された、一組のインターフェース、ワークフロー、およびモデル（様々な適応型知的システム層3304を含み、使用し、またはそれによって可能になり得る）および他のコンポーネントを含み得る、債務再編ソリューション4928を含み得る、は、スマートコントラクト3431の条件、（プラットフォームマーケットプレイスおよび／または外部マーケットプレイス3390の）市場条件、監視システム層3306およびデータ収集システム3318によって監視される条件など（特に、限定されない当事者4910、担保4802および資産4918などを含むエンティティ3330の）を含むことができる。例えば、債務再編ソリューション4928のユーザは、1つまたは複数のイベント、条件、状態、アクションなどに基づいてローンの債務再編アクションを決定または推奨する様々なルール、閾値、手順、ワークフロー、モデルパラメータなどを（債務再編ソリューション4928のユーザインターフェースなどで）作成、設定、またはその他の処理をしてもよく、再編は様々な要因に基づいてもよい、ここで、再編は、実勢市場金利、二次貸し手から貸し手が利用可能な金利、借り手のリスク要因（人工知能3448を用いた1つまたは複数の予測モデルに基づく予測リスクを含む）、他の債務の状態（借り手の新規債務、借り手の債務の排除など）、ローンを担保または裏付けるために用いられる担保4802または資産4918の状態、ビジネスまたは事業の状態（例えば、債権、債務など）、その他多数。再編は、金利の変更、被担保者の優先順位の変更、債務を裏付けまたは担保するために使用される担保4802または資産4918の変更、当事者の変更、保証人の変更、支払いスケジュールの変更、元本残高の変更（例えば、支払いの免除または加速を含む）、および他のものを含み得る。実施形態において、債務再編ソリューション4928は、そのようなルール、閾値、アクション、パラメータなどを自動的に推奨または設定し（任意で、時間の経過とともに結果のトレーニングセットに基づいてそうするように学習することによって）、その結果、推奨リストラクチャリング計画をもたらし、この計画は、推奨リストラクチャリングを達成するために必要な一連のアクションを指定し得、このステップは、自動化されていてよく、監視条件および／またはスマートコントラクト条件に基づくステップの条件付き実行が含まれてよく、これらは、債務再編計画によって作成、構成、および／または計上されることがある。

再建計画は、規制及び／又はコンプライアンス要因だけでなく、市場要因（他の貸し手によって提供される競合金利、担保の価値など）にも少なくとも一部分基づいて決定及び実行されることがある。再編計画は、既存ローンの修正、借り換え、差し押さえ状況（例えば、有担保ローン金利から無担保ローン金利への変更）、破産または支払不能状況、市場変化を伴う状況（例えば、実勢金利の変化）等のために生成および／または実行され得る。実施形態において、人工知能3448を含む適応型知的システム層3304は、専門家によるリストラクチャリング活動の訓練セットで、および／またはリストラクチャリング活動の結果で訓練されて、リストラクチャリング計画の1つまたは複数の態様の自動作成、管理および／または実行のための一連の予測、分類、制御命令、計画、モデルなどを生成することがある。実施形態において、本明細書で提供されるのは、ローンを修正するためのスマートコントラクトシステムであり、本システムは、一連の計算サービスを有する。例示的なプラットフォームまたはシステムは、（a）ローンに関与するエンティティのセットを監視するためのデータ収集および監視サービスのセットと、（b）スマート貸付契約を管理するためのスマートコントラクトサービスのセットとを含み、スマートコントラクトサービスのセットは、データ収集および監視サービスのセットからの情報を処理し、監視した条件に基づいて債務を自動的に再構築する。例示的なシステムの特定のさらなる側面が以下に説明され、そのうちの任意の1つまたは複数が特定の実施形態に存在し得る。

図56を参照すると、実施形態では、融資の保証の信頼性を検証するためのソーシャルネットワーク分析ソリューション4904を有する融資プラットフォーム4800が提供される。プラットフォーム4800は、保証および／またはセキュリティ監視ソリューション4930を含んでもよく、それは、一連の条件に基づいて貸出取引の保証および／またはセキュリティを監視できるように構成された、一連のインターフェース、ワークフロー、およびモデル（様々な適応型知的システム層3304を含み、使用しまたはそれによって可能になり得る）および他のコンポーネントを含んでもよい、は、スマートコントラクト3431の条件、マーケットプレイス条件（プラットフォームマーケットプレイスおよび／または外部マーケットプレイス3390の、監視システム層3306およびデータ収集システム3318によって監視される条件など）（特に、限定されない当事者4910、担保4802および資産4918などを含むエンティティ3330の）を含み得る。例えば、保証および／またはセキュリティ監視ソリューション4930のユーザは、借り手のリスク要因、貸し手のリスク要因、市場リスク要因に基づくような貸出取引の監視計画を決定または推奨するルール、閾値、モデルパラメータなどを（ユーザインターフェースなどで）設定してもよい、および／または担保4802または資産4918のリスク要因（人工知能3448を使用する1つまたは複数の予測モデルに基づく予測されたリスクを含む）、またはプラットフォーム4800は、（任意で、時間の経過とともに結果の訓練セットに基づいてそうすることを学習することによって）そのような規則、閾値、パラメータなどを自動的に推奨または設定してもよい。保証および／またはセキュリティ監視ソリューション4930は、ソーシャルネットワーク分析ソリューション4904および／または他の監視システム層3306および／またはデータ収集システム3318のセットを構成して、担保4802または資産4918に関する情報を含み得るものなどの1つまたは複数のソーシャルネットワーク、ウェブサイトなどからのデータを検索、解析、抽出および処理してもよい（たとえば、以下のとおり、当事者4910の車両、ボート、または他の個人資産を示す写真、自宅または他の不動産の写真、当事者4910の活動を説明する写真またはテキスト（金融リスク、身体リスク、健康リスク、または保証人の質および／または支払義務に対する保証および／または借り手が期日までにローンを返済する能力に関連し得る他のリスクを示すものを含む）。例えば、借主が普通乗用車をオフロードで走らせている写真は、残債が多い自動車ローンの担保としてその車両を十分に信頼できないことを示すものとしてフラグを立てることができる。

融資の個人保証の品質を検証するためのソーシャルネットワーク監視システム

したがって、実施形態では、本明細書で提供されるのは、融資の保証の条件を検証するためのソーシャルネットワーク監視システムである。例示的なプラットフォームまたはシステムは、（a）ローンに関与するエンティティに関するソーシャルネットワーク情報を監視するように構成されたアルゴリズムのセットによってデータが収集されるソーシャルネットワークデータ収集および監視サービスのセットと、（b）保証の条件に関連する情報を得るためにソーシャルネットワークデータ収集および監視サービスのパラメータの構成を可能にするソーシャルネットワークサービスのセットへのインターフェースと、を含む。例示的なシステムの特定のさらなる側面が以下に説明され、そのうちの任意の1つまたは複数が特定の実施形態に存在する可能性がある。

例示的なシステムは、ソーシャルネットワークデータ収集および監視サービスのセットが、ローンの保証人であるエンティティの財務状態に関する情報を取得する場合を含む。

例示的なシステムは、財務状態が、公開された企業の評価、公的記録によって示された企業が所有する財産のセット、企業が所有する財産のセットの評価、企業の破産状態、企業の差し押さえ状態、企業の契約不履行状態、企業の規制違反状態、企業の犯罪状態から選択された企業に関するソーシャルネットワークに含まれる情報に基づいて少なくとも一部決定されている場合を含む、企業の輸出規制状況、企業の禁輸状況、企業の関税状況、企業の税務状況、企業の信用報告書、企業の信用格付け、企業のウェブサイト格付け、企業の製品に対する一連のカスタマーレビュー、企業のソーシャルネットワーク格付け、企業の資格情報セット、企業の紹介セット、企業の証言セット、企業の行動セット、企業の位置、および企業の地理位置情報。

システム例としては、ローンが、自動車ローン、在庫ローン、設備ローン、履行保証金、設備改善ローン、建物ローン、売掛金担保ローン、インボイスファイナンス、ファクタリングから選ばれた少なくとも1種類のものである場合、が含まれる、ペイデイローン、返金前ローン、学生ローン、シンジケートローン、タイトルローン、住宅ローン、ベンチャーデットローン、知的財産ローン、契約債権ローン、運転資金ローン、中小企業ローン、農業ローン、地方債、補助金ローンから選ばれる。

例示的なシステムは、プラットフォームまたはシステムが、ソーシャルネットワークデータ収集および監視サービスのインターフェースをさらに含み得るところに含まれる。 例示的なシステムは、データ収集および監視サービスが、ローンのための担保物のセットの状態に関する情報を取得するように構成されており、担保物のセットが、車両、船舶、飛行機、建物、住宅、不動産物件、未開発の土地、の中から選択されるところに含まれる、農場、農作物、自治体施設、倉庫、在庫品、商品、証券、通貨、有価証券、チケット、暗号通貨、消耗品、食用品、飲料、貴金属、宝石、宝石、知的財産、知的財産権、契約権、骨董品、備品、家具、設備、工具、機械、および動産の項目。

例示的なシステムは、担保の状態が、担保の品質、担保の状態、担保の所有権の状態、担保の占有状態、担保の先取特権の状態、項目の新品または中古の状態、項目のタイプ、項目のカテゴリ、項目の仕様、項目の製品機能セット、項目のモデルからなるグループから選択される状態属性を含む、アイテムのブランド、アイテムの製造元、アイテムの状態、アイテムのコンテキスト、アイテムの状態、アイテムの価値、アイテムの保管場所、アイテムのジオロケーション、アイテムの年齢、アイテムのメンテナンス履歴、アイテムの使用履歴、アイテムの事故履歴、アイテムの故障履歴、アイテムの所有権、アイテムの所有履歴、アイテムタイプの価格、アイテムタイプの価値、アイテムに対する評価、アイテムに対する評価。

例示的なシステムは、インタフェースが、ソーシャルネットワークデータ収集及び監視要求を確立するために人間のユーザがパラメータを入力するワークフローを可能にするように構成されたグラフィカルユーザインタフェースである場合を含む。

例示的なシステムは、プラットフォームまたはシステムが、スマート貸出契約を管理するスマートコントラクトサービスのセットをさらに含み、スマートコントラクトサービスが、ソーシャルネットワークデータ収集および監視サービスのセットからの情報を処理し、融資に関連するアクションを自動的に引き受ける場合を含む。

例示的なシステムは、アクションが、差し押さえアクション、先取特権管理アクション、金利設定アクション、デフォルト開始アクション、担保の代替、およびローンの呼び出しのうち少なくとも1つである場合を含む。

例示的なシステムは、プラットフォームまたはシステムが、ソーシャルネットワークデータ収集および監視サービスのセットへのインターフェースとの人間ユーザーの相互作用の訓練セットに基づいて、ローンの属性のセットに基づいてデータ収集および監視アクションを構成するように訓練されるロボットプロセス自動化システムをさらに含むことができる場合を含む。

例示的なシステムは、ローンの属性が、ローンを管理するスマートコントラクトサービスのセットから取得される場合を含む。

例示的なシステムは、ロボットプロセス自動化システムが、ソーシャルネットワークデータ収集及び監視要求のセットからの結果のセットに基づいて反復的に訓練及び改善されるように構成される場合を含む。

例示的なシステムは、トレーニングが、ソーシャルネットワークデータ収集および監視サービスが適用されるドメインのセットを決定するためにロボットプロセスオートメーションシステムをトレーニングすることを含む。

例示的なシステムは、トレーニングが、ソーシャルネットワークデータ収集および監視検索の内容を構成するためにロボットプロセスオートメーションシステムをトレーニングすることを含む。

融資の個人保証の品質を検証するためのIoTデータ収集・監視システム

図56をなおも参照すると、実施形態では、融資のための保証の信頼性を検証するためのIoTデータ収集および監視システムを有する融資プラットフォームが提供される。保証および／またはセキュリティ監視ソリューション4930は、貸出取引に関わる様々なエンティティ3330およびその環境を監視するものなどの、一連のIoTサービス4908（これは、様々な実施形態に関連して説明されるような様々なIoTデバイス、エッジデバイス、エッジ計算および処理機能などを含み得る）からのデータを使用し、それによって収集活動を構成する機能を含み得る。

実施形態において、本明細書で提供されるのは、融資のための保証の条件を検証するための監視システムである。例えば、一組のアルゴリズムは、借り手または貸し手のリスク要因、市場リスク要因、物理的リスク要因などに関連する条件を含む、上記で言及された条件に基づいて、IoTデバイスによるデータ収集を開始する、データ収集を管理する、などのように構成され得る。例えば、IoTシステムは、住宅ローン、信用枠、または他の融資取引の適切な担保として機能すると住宅が予測できるかどうかを確認するために、住宅が洪水、風害などのリスクにさらされているかどうかを判断するなど、悪天候の期間中に住宅のビデオまたは画像をキャプチャするように構成されてよい。

例示的なプラットフォームまたはシステムは、（a）ローンに関与するエンティティから収集されたIoT情報を監視するように構成されたアルゴリズムのセットによってデータが収集されるIoTデータ収集および監視サービスのセットと、（b）保証の状態に関連する情報を得るためにソーシャルネットワークデータ収集および監視サービスのパラメータの構成を可能にするIoTデータ収集および監視サービスのセットへのインターフェースとを備える。例示的なシステムの特定のさらなる側面が以下に説明され、そのうちの任意の1つまたは複数が特定の実施形態において存在し得る。

例示的なシステムは、一連のIoTデータ収集および監視サービスが、ローンの保証人であるエンティティの財務状況に関する情報を取得する場合を含む。

例示的なシステムは、財務状態が、公開された企業の評価、公的記録によって示された企業が所有する財産のセット、企業が所有する財産のセットの評価、企業の破産状態、企業の差し押さえ状態、企業の契約不履行状態、企業の規制違反状態の中から選択された企業についてIoTデバイスによって収集した情報に基づいて少なくとも一部決定されていることを含む、企業の犯罪状況、企業の輸出規制状況、企業の禁輸状況、企業の関税状況、企業の納税状況、企業の信用報告書、企業の信用格付け、企業のウェブサイト格付け、企業の製品に関する一連のカスタマーレビュー、企業のソーシャルネットワーク評価、企業のクレデンシャルセット、企業の紹介セット、企業の証言セット、企業の行動セット、企業の位置、および企業のジオロケーション。

システム例としては、ローンが、自動車ローン、在庫ローン、設備ローン、履行保証金、設備改善ローン、建物ローン、売掛金担保ローン、インボイスファイナンス、ファクタリングから選ばれた少なくとも1種類のものである場合、が含まれる、ペイデイローン、返金前ローン、学生ローン、シンジケートローン、タイトルローン、住宅ローン、ベンチャーデットローン、知的財産ローン、契約債権ローン、運転資金ローン、中小企業ローン、農業ローン、地方債、補助金ローンから選ばれる。

例示的なシステムは、プラットフォームまたはシステムが、IoTデータ収集および監視サービスのセットのインターフェースをさらに含み得る場合を含む。例示的なシステムは、データ収集および監視サービスのセットが、ローンのための担保物のセットの状態に関する情報を取得するように構成され、担保物のセットが、車両、船舶、飛行機、建物、家、不動産物件、未開発の土地、農場、作物、地方自治体施設、倉庫、在庫一式の中から選択される場合を含む、商品、証券、通貨、有価証券、チケット、暗号通貨、消耗品、食用品、飲料、貴金属、宝石、知的財産権、契約権、骨董品、備品、家具、設備、工具、機械、動産の中から選ばれる。

例示的なシステムは、担保の状態が、担保の品質、担保の状態、担保の所有権の状態、担保の占有状態、担保の先取特権の状態、品目の新品または中古の状態、品目の種類、品目のカテゴリー、品目の仕様、品目の製品機能セット、品目のモデルからなるグループから選択された状態属性を含む、アイテムのブランド、アイテムの製造元、アイテムの状態、アイテムのコンテキスト、アイテムの状態、アイテムの価値、アイテムの保管場所、アイテムのジオロケーション、アイテムの年齢、アイテムのメンテナンス履歴、アイテムの使用履歴、アイテムの事故履歴、アイテムの故障履歴、アイテムの所有権、アイテムの所有履歴、アイテムタイプの価格、アイテムタイプの価値、アイテムに対する評価、アイテムに対する評価。

例示的なシステムは、インタフェースが、人間のユーザがIoTデータ収集および監視サービスの監視アクションを確立するためのパラメータを入力するワークフローを可能にするように構成されたグラフィカルユーザインタフェースである場合を含む。

例示的なシステムは、プラットフォームまたはシステムが、スマート貸出契約を管理するスマートコントラクトサービスのセットをさらに含み、スマートコントラクトサービスのセットが、IoTデータ収集および監視サービスのセットからの情報を処理し、貸出に関連するアクションを自動的に引き受ける、場合を含む。

例示的なシステムは、アクションが、差し押さえアクション、先取特権管理アクション、金利設定アクション、デフォルト開始アクション、担保の代替、およびローンの呼び出しのうち少なくとも1つである場合を含む。

例示的なシステムは、プラットフォームまたはシステムが、IoTデータ収集および監視サービスのセットへのインターフェースとの人間ユーザーの相互作用の訓練セットに基づいて、ローンの属性のセットに基づいてデータ収集および監視アクションを構成するように訓練されるロボットプロセス自動化システムをさらに含むことができる場合を含む。

例示的なシステムは、ローンの属性が、ローンを管理するスマートコントラクトサービスのセットから取得される場合を含む。

例示的なシステムは、ロボットプロセス自動化システムが、IoTデータ収集および監視サービス活動のセットからの結果のセットに基づいて反復的に訓練および改善されるように構成される場合を含む。

例示的なシステムは、トレーニングが、IoTデータ収集および監視サービスが適用されるドメインのセットを決定するためにロボットプロセスオートメーションシステムをトレーニングすることを含む。

例示的なシステムは、トレーニングが、IoTデータ収集および監視サービス活動の内容を構成するためにロボティックプロセスオートメーションシステムをトレーニングすることを含む。

専門家であるレンダーと借り手のやり取りをトレーニングセットとして訓練したRPA銀行ローン交渉人

図57を参照すると、実施形態では、融資のための一連の条件の交渉のためのロボットプロセス自動化システム3442を有する融資プラットフォームが提供される。RPAシステム3442は、自動化された交渉を可能にする、および／または貸出取引に関連する交渉のための推奨または計画を提供する交渉ソリューション4932の1つまたは複数の側面のための自動化を提供し得る。交渉のための交渉ソリューション4932および／またはRPAシステム3442は、貸出取引の1つまたは複数の条件の交渉の1つまたは複数の側面の自動化を可能にするように構成された、一連のインターフェース、ワークフロー、およびモデル（様々な適応型知的システム層3304を含み、使用し、またはそれによって可能になることがある）および他のコンポーネントを含むことができる、例えば、スマートコントラクト3431の条件、（プラットフォーム・マーケットプレイスおよび／または外部マーケットプレイス3390の）マーケットプレイス条件、監視システム層3306およびデータ収集システム3318によって監視される条件など（特に限定されない当事者4910、担保4802および資産4918などを含むエンティティ3330の）一連の条件に基づいていることができる。例えば、交渉ソリューション4932のユーザは、1つまたは複数のイベント、条件、状態、アクションなどに基づいて貸出取引交渉のための交渉アクションまたは計画を決定または推奨する様々なルール、閾値、条件付き手順、ワークフロー、モデルパラメータなどを（交渉ソリューション4932および／またはRPAシステム3442のユーザインターフェースなどで）作成、設定、またはその他の処理をしてもよい、ここで、交渉計画は、実勢市場金利、二次貸し手から貸し手が利用可能な金利、借り手、貸し手、1つまたは複数の保証人のリスク要因、市場リスク要因など（人工知能3448を使用した1つまたは複数の予測モデルに基づく予測リスクを含む）、債務の状態、融資を担保または裏付けるために用いられる担保4802または資産4918の状態、ビジネスまたは事業の状態（例えば、債権、債務など）、当事者4910の条件（純資産、富、負債、場所、その他の条件など）、当事者の行動（好みを示す行動、交渉スタイルを示す行動など）、その他多数。交渉は、貸出取引条件の交渉、債務再編、差し押さえ活動、金利の設定、金利の変更、被担保者の優先順位の変更、債務の裏付けまたは担保に使用される担保4802または資産4918の変更、当事者の変更、保証人の変更、支払スケジュールの変更、元本残高の変更（例えば、支払いの免除または加速を含む）、および多くの他の取引または条件の交渉も含み得る。実施形態において、交渉ソリューション4932は、ルール、閾値、アクション、パラメータなどを自動的に推奨または設定し（任意で、時間の経過とともに結果のトレーニングセットに基づいてそうするように学習することによって）、推奨交渉計画をもたらし、これは、交渉の推奨または望ましい結果（許容できる結果の範囲内など）を達成するために必要な一連のアクションを指定し、これは自動化されてよく、監視条件および／またはスマートコントラクト条件に基づくステップの条件付き実行が含まれてよく、これは交渉計画によって作成、構成、および／または計上されることがある。交渉計画は、市場要因（他の貸し手によって提供される競合金利、担保の価値など）ならびに規制および／またはコンプライアンス要因に少なくとも一部分基づいて決定および実行され得る。交渉計画は、新規ローンの作成、保証および担保の作成、セカンダリーローン、既存ローンの修正、借り換え、差し押さえ状況（例えば、有担保ローン金利から無担保ローン金利への変更）、破産または支払不能状況、市場の変化を伴う状況（例えば、実勢金利の変化）などについて生成および／または実行され得る。実施形態では、人工知能3448を含む適応型知的システム層3304は、専門家による交渉活動の訓練セットで、および／または交渉行動の結果で訓練されて、交渉計画の1つまたは複数の側面の自動作成、管理および／または実行のための一連の予測、分類、制御命令、計画、モデルなどを生成してもよい。

実施形態において、本明細書で提供されるのは、ローンを交渉するためのロボティックプロセスオートメーションシステムである。例示的なプラットフォームまたはシステムは、（a）一連のローン取引に対するエンティティ間の相互作用の訓練セットを収集するためのデータ収集および監視サービスのセット、（b）一連のローン交渉アクションを分類するために相互作用の訓練セットで訓練される人工知能システム、および（c）ローンの当事者に代わってローンの条件を交渉するために一連のローン取引相互作用および一連のローン取引結果で訓練されるロボットプロセスオートメーションのシステム、が挙げられる。例示的なシステムの特定のさらなる側面が以下に説明され、そのうちの任意の1つまたは複数が特定の実施形態に存在する可能性がある。

例示的なシステムは、データ収集および監視サービスのセットが、エンティティを監視するIoTシステムのセット、エンティティを監視するカメラのセット、公開されている情報サイトからエンティティに関連する情報を引き出すソフトウェアサービスのセット、エンティティに関連する情報を報告するモバイルデバイスのセット、人間のエンティティによって着用される着用可能デバイスのセット、エンティティがエンティティに関する情報を提供するユーザインターフェースのセットおよびエンティティに関する情報を募集および報告するように構成されたクラウドソーシングサービスのセットから選択したサービスを含む。

例示的なシステムは、エンティティがローン取引の当事者の集合である場合を含む。

例示的なシステムは、当事者のセットが、一次貸し手、二次貸し手、貸し出しシンジケート、企業貸し手、政府貸し手、銀行貸し手、担保付き貸し手、債券発行者、債券購入者、無担保貸し手、保証人、担保提供者、借り手、債務者、アンダーライター、検査官、評価者、監査人、評価の専門家、政府職員、会計士から選ばれることを含む。

例示的なシステムは、人工知能システムが、機械学習システム、モデルベースシステム、ルールベースシステム、深層学習システム、ハイブリッドシステム、ニューラルネットワーク、畳み込みニューラルネットワーク、フィードフォワードニューラルネットワーク、フィードバックニューラルネットワーク、自己組織化マップ、ファジー論理システム、ランダムウォークシステム、ランダムフォレストシステム、確率論システム、ベイズシステム、及びシミュレーションシステムから選ばれる少なくとも一つを含む。

例示的なシステムは、ロボティック・プロセス・オートメーションが、一連の貸出プロセスに関与する一連のユーザー・インターフェースと当事者の相互作用のセットで訓練される場合を含む。

例示的なシステムは、交渉が完了すると、交渉の結果に基づいて、スマートコントラクトサービスのセットによってローンのスマートコントラクトが自動的に構成されることを含む。

例示的なシステムは、交渉の結果及び交渉イベントの少なくとも一方が、ローンに関連する分散型台帳に記録されることを含む。

システム例としては、ローンが、自動車ローン、在庫ローン、設備ローン、履行保証金、設備改善ローン、建物ローン、売掛金担保ローン、インボイスファイナンス、ファクタリングの中から選択されたタイプである場合、が含まれる、ペイデイローン、返金前ローン、学生ローン、シンジケートローン、タイトルローン、住宅ローン、ベンチャーデットローン、知的財産ローン、契約債権ローン、運転資金ローン、中小企業ローン、農業ローン、地方債、補助金ローンから選ばれる。

例示的なシステムは、人工知能システムが、機械学習システム、モデルベースシステム、ルールベースシステム、深層学習システム、ハイブリッドシステム、ニューラルネットワーク、畳み込みニューラルネットワーク、フィードフォワードニューラルネットワーク、フィードバックニューラルネットワーク、自己組織化マップ、ファジー論理システム、ランダムウォークシステム、ランダムフォレストシステム、確率論システム、ベイズシステム、及びシミュレーションシステムから選ばれる少なくとも一つを含む。

専門家による借り手との再融資のやり取りをトレーニングセットとして訓練したRPA銀行ローン借り換え交渉人

実施形態において、本明細書で提供されるのは、ローンの借り換えを交渉するためのロボティックプロセスオートメーションシステムである。例示的なプラットフォームまたはシステムは、（a）ローン借り換え活動のセットに対するエンティティ間の相互作用のトレーニングセットを収集するためのデータ収集および監視サービスのセット、ローン借り換え行動のセットを分類するために相互作用のトレーニングセットで訓練される人工知能システム、および（c）ローンの当事者の代わりにローン借り換え活動を行うためにローン借り換え対話セットおよびローン借り換え結果のセットで訓練されるロボットプロセス自動化システム、が挙げられる。例示的なシステムの特定のさらなる側面が以下に説明され、そのうちの任意の1つまたは複数が特定の実施形態に存在し得る。

例示的なシステムは、ローン借り換え活動が、借り換えのオファーを開始すること、借り換えのリクエストを開始すること、借り換え金利を構成すること、借り換え支払いスケジュールを構成すること、借り換え残高を構成すること、借り換えのための担保を構成すること、借り換えの収益の使用を管理すること、借り換えに関連する抵当権を除去または配置すること、借り換えのタイトルを確認すること、検査プロセスを管理すること、アプリケーションに入力すること、借り換えの条件と交渉し、借り換えを終了することを含む。

例示的なシステムは、データ収集および監視サービスのセットが、エンティティを監視するIoTシステムのセット、エンティティを監視するカメラのセット、公開されている情報サイトからエンティティに関連する情報を引き出すソフトウェアサービスのセット、エンティティに関連する情報を報告するモバイルデバイスのセット、人間のエンティティによって着用される着用可能デバイスのセット、エンティティがエンティティに関する情報を提供するユーザインターフェースのセットおよびエンティティに関する情報を募集および報告するように構成されたクラウドソーシングサービスのセットから選択したサービスを含む。

例示的なシステムは、エンティティがローン取引の当事者の集合である場合を含む。

例示的なシステムは、当事者のセットが、一次貸し手、二次貸し手、貸し出しシンジケート、企業貸し手、政府貸し手、銀行貸し手、担保付き貸し手、債券発行者、債券購入者、無担保貸し手、保証人、担保提供者、借り手、債務者、アンダーライター、検査官、評価者、監査人、評価の専門家、政府職員、会計士から選ばれることを含む。

例示的なシステムは、人工知能システムが、機械学習システム、モデルベースシステム、ルールベースシステム、深層学習システム、ハイブリッドシステム、ニューラルネットワーク、畳み込みニューラルネットワーク、フィードフォワードニューラルネットワーク、フィードバックニューラルネットワーク、自己組織化マップ、ファジー論理システム、ランダムウォークシステム、ランダムフォレストシステム、確率論システム、ベイズシステム、及びシミュレーションシステムから選ばれる少なくとも一つを含む。

例示的なシステムは、ロボティック・プロセス・オートメーションが、一連の貸出プロセスに関与する一連のユーザー・インターフェースと当事者の相互作用のセットで訓練される場合を含む。

例示的なシステムは、借り換えプロセスの完了時に、借り換えローンのためのスマートコントラクトが、借り換え活動の結果に基づいて、スマートコントラクトサービスのセットによって自動的に構成されることを含む。

例示的なシステムは、借り換えの結果及びイベントの少なくとも一方が、借り換えローンに関連する分散型台帳に記録されることを含む。

システム例としては、ローンが、自動車ローン、在庫ローン、設備ローン、履行保証金、設備改善ローン、建物ローン、売掛金担保ローン、インボイスファイナンス、ファクタリングの中から選択されたタイプである場合、が含まれる、ペイデイローン、返金前ローン、学生ローン、シンジケートローン、タイトルローン、住宅ローン、ベンチャーデットローン、知的財産ローン、契約債権ローン、運転資金ローン、中小企業ローン、農業ローン、地方債、補助金ローンから選ばれる。

例示的なシステムは、人工知能システムが、機械学習システム、モデルベースシステム、ルールベースシステム、深層学習システム、ハイブリッドシステム、ニューラルネットワーク、畳み込みニューラルネットワーク、フィードフォワードニューラルネットワーク、フィードバックニューラルネットワーク、自己組織化マップ、ファジー論理システム、ランダムウォークシステム、ランダムフォレストシステム、確率論システム、ベイズシステム、及びシミュレーションシステムから選ばれる少なくとも一つを含む。

借り手との専門的な回収のやり取りをトレーニングセットとして学習したRPA銀行ローン回収機

図58を参照すると、実施形態では、貸出回収のためのロボットプロセス自動化システムを有する貸出プラットフォームが提供される。RPAシステム3442は、自動収集を可能にする、および／または貸出取引に関連する収集活動のための推奨または計画を提供する収集ソリューション4938の1つまたは複数の側面に対する自動化を提供してもよい。収集のための収集ソリューション4938および／またはRPAシステム3442は、貸出取引のための収集プロセスの1つまたは複数の条件の収集行為の1つまたは複数の側面の自動化を可能にするように構成された、一連のインターフェース、ワークフロー、およびモデル（様々な適応型知的システム層3304を含み、使用しまたはそれによって可能になり得る）および他のコンポーネントを含み得る、例えば、スマートコントラクト3431の条件、（プラットフォームマーケットプレイスおよび／または外部マーケットプレイス3390の）マーケットプレイス条件、監視システム層3306およびデータ収集システム3318によって監視される条件など（特に限定されない当事者4910、担保4802および資産4918などを含むエンティティ3330の）一連の条件に基づいていることができる。例えば、収集ソリューション4938のユーザは、1つまたは複数のイベント、条件、状態、アクションに基づいて、貸付取引または貸付モニタリングソリューションの収集アクションまたは計画を決定または推奨する様々なルール、閾値、条件付き手順、ワークフロー、モデルパラメータなどを作成、構成（1つまたは複数のテンプレートまたはライブラリを使用するなど）、修正、設定または他の方法で処理（収集ソリューション4938および／またはRPAシステム3442のユーザインターフェースなどにおいて）し得る、等であり、回収計画は、支払状況、借り手の状況、担保4802または資産4918の状況、借り手、貸し手、1つまたは複数の保証人のリスク要因、市場リスク要因等（人工知能3448を用いた1つまたは複数の予測モデルに基づく予測リスクを含む）、債務の状況、ローンを担保または裏付けるために用いられる担保4802または資産4918の状態、事業または事業運営の状態（例えば、債権、債務など）、当事者4910の状態（純資産、富、負債、場所、その他の状態など）、当事者の行動（好みを示す行動、コミュニケーションスタイル、コミュニケーションケイデンスなどに対する借り手の反応を示す行動など）、その他多数である。回収は、ローンに関する回収、支払いを促すためのコミュニケーションなどを含み得る。実施形態において、収集ソリューション4938は、ルール、閾値、アクション、パラメータなどを自動的に推奨または設定し（任意で、時間の経過とともに結果のトレーニングセットに基づいてそうするように学習することによって）、推奨される収集計画をもたらし、これは、収集の推奨または望ましい結果（許容できる結果の範囲内など）を達成するために必要な一連のアクションを指定し、これは自動化されてよく、収集計画によって作成、構成、および／または説明されてよい監視条件および／またはスマートコントラクト条項に基づくステップの条件付き実行を含み得る。回収計画は、市場要因（他の貸し手によって提供される競合金利、担保の価値など）ならびに規制および／またはコンプライアンス要因に少なくとも一部分基づいて決定および実行され得る。回収計画は、新規ローンの作成、セカンダリーローン、既存ローンの修正、借り換え、差し押さえ状況（例えば、有担保ローン金利から無担保ローン金利への変更）、破産または支払不能状況、市場の変化を伴う状況（例えば、実勢金利の変化）などについて生成および／または実行され得る。実施形態において、人工知能3448を含む適応型知的システム層3304は、専門家による収集活動の訓練セットで、および／または収集活動の結果で訓練されて、収集計画の1つまたは複数の側面の自動作成、管理および／または実行のための一連の予測、分類、制御命令、計画、モデルなどを生成し得る。

実施形態において、本明細書で提供されるのは、ローンの回収を処理するためのロボティックプロセスオートメーションシステムである。例示的なプラットフォームまたはシステムは、（a）一組のローンに対する一組の支払いの収集を伴う一組のローン取引に対するエンティティ間の相互作用の訓練セットを収集するためのデータ収集および監視サービスのセット、（b）一組のローン収集アクションを分類するために相互作用の訓練セットで訓練される人工知能システム、および（c）ローンの当事者に代わってローン収集アクションを行うためにローン取引の相互作用およびローン収集結果のセットで訓練されるロボットプロセスオートメーションのセットを含む。例示的なシステムの特定のさらなる側面が以下に説明され、そのうちの任意の1つまたは複数が特定の実施形態に存在し得る。

ロボット・プロセス・オートメーション・システムによって行われるローン回収アクションが、回収プロセスの開始、回収のためのエージェントへのローンの紹介、回収通信の設定、回収通信のスケジュール設定、回収通信のためのコンテンツの設定の中から選択される、例示のシステムが含まれる、ローンを解決するための申し出の設定、回収行為の終了、回収行為の延期、代替支払スケジュールの申し出の設定、訴訟の開始、差し押さえの開始、破産プロセスの開始、差し押さえプロセス、および担保への先取特権の設定。

他の貸金業者とのおまとめ専門的なやりとりのトレーニングセットで訓練されたRPA銀行ローンおまとめ機

図59を参照すると、実施形態では、一連のローンを統合するためのロボットプロセス自動化システムを有する貸出プラットフォームが提供される。RPAシステム3442は、自動連結を可能にする、および／または貸出取引に関連する連結活動の推奨もしくは計画を提供する連結ソリューション4940の1つまたは複数の側面に対する自動化を提供してもよい。連結のための連結ソリューション4940および／またはRPAシステム3442は、貸付取引のための連結行為または連結プロセスの1つまたは複数の側面の自動化を可能にするように構成された、一連のインターフェース、ワークフロー、およびモデル（様々な適応型知的システム層3304を含み、使用しまたはそれによって可能になり得る）および他のコンポーネントを含み得る、例えば、スマートコントラクト3431の条件、マーケットプレイス条件（プラットフォームマーケットプレイスおよび／または外部マーケットプレイス3390の、監視システム層3306およびデータ収集システム3318によって監視される条件、およびその他（特に限定されない当事者4910、担保4802および資産4918を含むエンティティ3330の）を含むことができる一連の条件に基づいてなど）。例えば、連結ソリューション4940のユーザは、1つまたは複数のイベント、条件、状態、アクションなどに基づいて、貸付取引またはローンのセットのための連結アクションまたは計画を決定または推奨する様々なルール、閾値、条件付き手順、ワークフロー、モデルパラメータなどを作成、構成（1つまたは複数のテンプレートまたはライブラリを使用するなど）、修正、設定またはその他の処理（例えば、連結ソリューション4940および／またはRPAシステム344のユーザインタフェースにおいて）してもよく、連結計画は様々な要因に基づいてもよい、例えば、支払い状況、ローンのセットの金利、プラットフォーム・マーケットプレイスまたは外部市場における実勢金利、ローンのセットの借り手の状況、担保4802または資産4918の状況、借り手、貸し手、1つまたは複数の保証人のリスク要因、市場リスク要因など（人工知能3448を用いた1つまたは複数の予測モデルに基づく予測リスクを含む）、債務の状態、一連のローンを担保または裏付けるために使用される担保4802または資産4918の状態、ビジネスまたは事業運営の状態（例えば、債権、債務など）、当事者4910の状態（純資産、富、債務、場所、その他の状態など）、当事者の行動（好みを示す行動、債務の好みを示す行動など）、およびその他多数。連結は、ローンのセットの条件に関する連結、適切なローンの選択、連結ローンの支払条件の構成、既存のローンの完済計画の構成、連結を促すためのコミュニケーションなどを含み得る。実施形態において、連結ソリューション4940は、ルール、閾値、アクション、パラメータなどを自動的に推奨または設定し（任意で、時間の経過とともに結果のトレーニングセットに基づいてそうするように学習することによって）、推奨連結計画をもたらし、これは、連結の推奨または望ましい結果（例えば、許容できる結果の範囲内）を達成するために必要な一連のアクションを指定し、これは自動化されてよく、監視条件および／またはスマートコントラクト条件に基づくステップの条件付き実行が含まれてよく、このステップは連結プランによって作成、構成、および／または説明されてもよい。統合計画は、規制および／またはコンプライアンス要因だけでなく、市場要因（他の貸し手が提供する競合金利、担保の価値など）にも少なくとも一部基づいて決定および実行され得る。連結計画は、新たな連結ローンの作成、連結ローンに関連する二次ローン、連結に関連する既存ローンの修正、連結ローンの条件の借り換え、差し押さえ状況（例えば、有担保ローン金利から無担保ローン金利への変更）、破産または支払不能状況、市場の変化を伴う状況（例えば、実勢金利の変化）などに対して生成および／または実行され得る。実施形態において、人工知能3448を含む適応型知的システム層3304は、専門家による連結活動の訓練セットで、および／または連結活動の結果で訓練されて、連結計画の1つまたは複数の側面の自動作成、管理および／または実行のための一連の予測、分類、制御命令、計画、モデルなどを生成してもよい。

実施形態において、本明細書で提供されるのは、一組のローンを統合するためのロボティックプロセスオートメーションシステムである。例示的なプラットフォームまたはシステムは、（a）ローンのセットに関する情報を収集するため、およびローンの連結取引のセットに関するエンティティ間の相互作用の訓練セットを収集するためのデータ収集および監視サービスのセット：（b）相互作用の訓練セットで訓練されてローンのセットを連結の候補として分類する人工知能システム；および（c）ローンの連結相互応答のセットで訓練されて連結の当事者に代わってローンのセットの少なくともサブセットの連結を管理するロボットプロセスオートメーション・システムを含む。

例示的なシステムは、データ収集および監視サービスのセットが、エンティティを監視するIoTシステムのセット、エンティティを監視するカメラのセット、公開されている情報サイトからエンティティに関連する情報を引き出すソフトウェアサービスのセット、エンティティに関連する情報を報告するモバイルデバイスのセット、人間のエンティティによって着用される着用可能デバイスのセット、エンティティがエンティティに関する情報を提供するユーザインターフェースのセットおよびエンティティに関する情報を募集および報告するように構成されたクラウドソーシングサービスのセットから選択したサービスを含む。

ファクタリングの専門家が借り手とやり取りするトレーニングセットで訓練されたRPAファクタリング融資交渉人

図60を参照すると、実施形態では、ファクタリング取引を管理するためのロボットプロセス自動化システムを有する貸出プラットフォームが提供される。RPAシステム3442は、自動ファクタリングを可能にするファクタリングソリューション4942の1つまたは複数の側面に対する自動化を提供し、および／または、債権のファクタリングを含むものなど、貸出取引に関連するファクタリング活動に対する推奨または計画を提供し得る。ファクタリングソリューション4942および／またはファクタリングのためのRPAシステム3442は、一連の条件に基づいてなど、ファクタリング取引の1つまたは複数の条件のファクタリング行為の1つまたは複数の側面の自動化を可能にするように構成された、インターフェース、ワークフロー、およびモデル（これは、様々な適応型知的システム層3304によって含まれるか、使用または可能になる）および他のコンポーネントを含み得る、これは、スマートコントラクト3431の条件、（プラットフォームマーケットプレイスおよび／または外部マーケットプレイス3390の）市場条件、監視システム層3306およびデータ収集システム3318によって監視される条件など（限定されないが当事者4910、担保4802および資産4918、売掛金、および在庫などを含むエンティティ3330の）、などを含み得る。例えば、ファクタリングソリューション4942のユーザは、1つまたは複数のイベント、条件、状態、アクションなどに基づいて、ファクタリング取引またはモニタリングソリューションのファクタリングアクションまたはプランを決定または推奨する様々なルール、閾値、条件付き手順、ワークフロー、モデルパラメータなどを作成、構成（例えば、1つまたは複数のテンプレートまたはライブラリを使用）、修正、設定またはその他の処理（例えばファクタリングソリューション4942および／またはRPAシステム344のユーザインタフェースにおいてなど）し、そのファクタリングプランが種々の要因に基づいてもよい、例えば、債権の状態、仕掛品の状態、在庫の状態、納品および／または出荷の状態、支払いの状態、借り手の状態、担保4802または資産4918の状態、借り手、貸し手、1つまたは複数の保証人のリスク要因、市場リスク要因等（人工知能3448を用いた1つまたは複数の予測モデルに基づく予測リスクを含む）、債務の状態、融資を担保または裏付けるために使用する担保4802または資産4918の状態、事業または事業運営の状態（例えば、債権、債務など）、当事者4910の状態（純資産、富、負債、場所、その他の状態など）、当事者の行動（好みを示す行動、交渉スタイルを示す行動など）、その他多数である。ファクタリングは、ローンに関するファクタリング、支払いを促すためのコミュニケーション等を含み得る。実施形態において、ファクタリングソリューション4942は、ルール、閾値、アクション、パラメータなどを自動的に推奨または設定し（任意で、時間の経過とともに結果のトレーニングセットに基づいてそうするように学習することによって）、推奨ファクタリング計画をもたらし、この計画は、ファクタリングの推奨または望ましい結果（許容できる結果の範囲内など）を達成するために必要な一連のアクションを指定してもよく、自動化してもよく、監視条件および／またはスマートコントラクト条件に基づくステップの条件付き実行があってもよい、この計画は作成、構成および／または説明することによって、ファクタリング計画によって実現できる。ファクタリング計画は、市場要因（他の貸し手によって提供される競合金利または他の条件、担保の価値、売掛金の価値、金利など）ならびに規制および／またはコンプライアンスの要因に少なくとも一部分基づいて決定および実行され得る。ファクタリング計画は、新しいファクタリングの取り決めの作成、既存のファクタリングの取り決めの修正、およびその他のために生成および／または実行され得る。実施形態において、人工知能3448を含む適応型知的システム層3304は、専門家によるファクタリング活動の訓練セットで、および／またはファクタリング活動の結果で訓練されて、ファクタリング計画の1つまたは複数の側面の自動作成、管理および／または実行のための一連の予測、分類、制御命令、計画、モデルなどを生成し得る。

実施形態において、本明細書で提供されるのは、一組のローンを統合するためのロボティックプロセスオートメーションシステムである。例示的なプラットフォームまたはシステムは、（a）一組のファクタリングローンに関与するエンティティに関する情報を収集するため、および一組のファクタリングローン取引に関するエンティティ間の相互作用の訓練セットを収集するための一組のデータ収集および監視サービス、（b）一組のファクタリングローンに関与するエンティティを分類するために相互作用の訓練セットで訓練される人工知能システム、および（c）ファクタリングローンを管理するためにファクタリングローン相互作用のセットで訓練されるロボットプロセスオートメーション・システムを備える。例示的なシステムの特定のさらなる側面が以下に説明され、そのうちの任意の1つまたは複数が特定の実施形態において存在し得る。

例示的なシステムは、データ収集および監視サービスのセットが、エンティティを監視するIoTシステムのセット、エンティティを監視するカメラのセット、公開されている情報サイトからエンティティに関連する情報を引き出すソフトウェアサービスのセット、エンティティに関連する情報を報告するモバイルデバイスのセット、人間のエンティティによって着用される着用可能デバイスのセット、エンティティがエンティティに関する情報を提供するユーザインターフェースのセットおよびエンティティに関する情報を募集および報告するように構成されたクラウドソーシングサービスのセットから選択したサービスを含む。

専門家であるブローカーと借り手とのやり取りをトレーニングセットにしたRPA住宅ローンブローカー

図61を参照すると、実施形態では、ローンを仲介するためのロボティックプロセスオートメーションシステムを有する貸出プラットフォームが提供される。ローンは、例えば、住宅ローンであってもよい。

RPAシステム3442は、自動ブローカリングを可能にし、かつ／または、本明細書に記載されるタイプのいずれかの住宅ローン、住宅ローン、信用枠、自動車ローン、建設ローン、または他のローンのセットをブローカリングするためなど、貸付取引に関連するブローカリング活動の推奨または計画を提供するブローカリングソリューション4944の1または複数の側面に対する自動化を提供してもよい。ブローカリングのためのブローカリングソリューション4944および／またはRPAシステム3442は、一連の条件に基づいてなど、貸出取引のためのブローカリング動作またはブローカリングプロセスの1つまたは複数の側面の自動化を可能にするように構成された、一連のインターフェース、ワークフロー、およびモデル（これは、種々の適応型知的システム層3304によって可能になるかまたは使用される）ならびに他のコンポーネントを含み得る、これは、スマートコントラクト3431の条件、マーケットプレイス条件（プラットフォームマーケットプレイスおよび／または外部マーケットプレイス3390の、監視システム層3306およびデータ収集システム3318によって監視される条件など）、ならびに金利、利用可能な貸し手、利用可能な条件などのエンティティ3330の、特に限定されない当事者4910、担保4802および資産4918などの、金利の、およびその他の条件を含み得る。例えば、ブローカリングソリューション4944のユーザは、決定する様々なルール、閾値、条件付き手順、ワークフロー、モデルパラメータなどを作成、構成（1つまたは複数のテンプレートまたはライブラリを使用するなど）、修正、設定または他の方法で処理（ブローカリングソリューション4944および／またはRPAシステム3442のユーザインターフェースなど）してもよい、ここで、仲介計画は、様々な一次および二次貸し手から利用可能なローンのセットの金利などの様々な要因、借り手の許可された属性（例えば、所得、富、場所などに基づく）プラットフォーム・マーケットプレイスまたは外部マーケットプレイスにおける実勢金利、一連のローンの借り手の状況、担保4802または資産4918の状況または他の属性、借り手、貸し手、1つまたは複数の保証人のリスク因子、市場リスク要因など（人工知能3448を用いた1つまたは複数の予測モデルに基づく予測リスクを含む）、債務の状態、一連のローンを担保または裏付けるために利用できる担保4802または資産4918の状態、ビジネスまたは事業運営の状態（例えば、債権、債務など）、当事者4910の状態（純資産、富、債務、場所、およびその他の状態など）、当事者の行動（好みを示す行動、債務の好みを示す行動など）、およびその他多数である。ブローカリングは、ローンのセットの条件、適切なローンの選択、連結ローンの支払い条件の構成、既存のローンの返済計画の構成、借入を促すためのコミュニケーションなどに関するブローカリングを含み得る。実施形態において、ブローカリングソリューション4944は、ルール、閾値、アクション、パラメータなどを自動的に推奨または設定し（任意で、時間の経過とともに結果のトレーニングセットに基づいてそうするように学習することによって）、推奨ブローカリングプランをもたらし、このプランは、ブローカリングの推奨または望ましい結果（許容できる結果の範囲内など）を達成するために必要な一連のアクションを指定してもよく、ブローカリングプランによって作成、設定、および/または計上される、監視条件および、スマートコントラクト条項に基づいて手順の条件付き実行を伴う場合があり、自動化されている。ブローカリングプランは、市場要因（他の貸し手によって提供される競合金利、不動産価値、借り手の属性、担保の価値など）ならびに規制および／またはコンプライアンス要因に少なくとも一部分基づいて決定および実行され得る。ブローカリング計画は、新規ローンの作成、セカンダリーローン、既存ローンの修正、借り換え条件、市場の変化（例えば、実勢金利または不動産価値の変化）などを伴う状況について生成および／または実行され得る。実施形態において、人工知能3448を含む適応型知的システム層3304は、専門家による仲介活動の訓練セットで、および／または仲介活動の結果で訓練されて、仲介計画の1つまたは複数の側面の自動作成、管理および／または実行のための一連の予測、分類、制御命令、計画、モデルなどを生成してもよい。

実施形態において、本明細書で提供されるのは、住宅ローンの仲介を自動化するためのロボティックプロセスオートメーションシステムである。例示的なプラットフォームまたはシステムは、（a）一連の住宅ローン活動に関与するエンティティに関する情報を収集するため、および一連の住宅ローン取引に関するエンティティ間の相互作用の訓練セットを収集するための一連のデータ収集および監視サービス、（b）一連の住宅ローンに関与するエンティティを分類するために相互作用の訓練セットで訓練される人工知能システム、および（c）住宅ローンを仲介するために一連の住宅ローン活動および一連の住宅ローン相互作用のうち少なくとも1つに訓練を受けるロボットプロセスオートメーション・システム、が挙げられる。例示的なシステムの特定のさらなる側面が以下に説明され、そのうちの任意の1つまたは複数が特定の実施形態において存在し得る。

例示的なシステムは、住宅ローン活動セットと住宅ローン相互作用セットの少なくとも一方が、マーケティング活動、一連の見込み借り手の識別、不動産の識別、担保の識別、借り手の資格、タイトル検索、タイトル検証、不動産評価、不動産検査、不動産評価、所得検証、借り手の人口統計分析、資本提供者の識別、利用可能な金利の決定、のうちの活動を含む場合を含む、利用可能な支払条件の決定、既存の住宅ローンの分析、既存と新規の住宅ローン条件の比較分析、申込ワークフローの完成、申込項目の入力、住宅ローン契約の準備、住宅ローン契約のスケジュールの完成、資本提供者との住宅ローン条件の交渉、借り手との住宅ローン条件の交渉、権原譲渡、先取特権付与、住宅ローン契約締結。

例示的なシステムは、データ収集および監視サービスのセットが、エンティティを監視するIoTシステムのセット、エンティティを監視するカメラのセット、公開されている情報サイトからエンティティに関連する情報を引き出すソフトウェアサービスのセット、エンティティに関連する情報を報告するモバイルデバイスのセット、人間のエンティティによって着用される着用可能デバイスのセット、エンティティがエンティティに関する情報を提供するユーザインターフェースのセットおよびエンティティに関する情報を募集および報告するように構成されたクラウドソーシングサービスのセットから選択したサービスを含む。

例示的なシステムは、人工知能システムが、住宅ローンのセットに関与するエンティティの属性を処理するモデルを使用し、属性が、住宅ローンの対象となる不動産、担保に用いられる資産、当事者の身元、金利、支払残高、支払条件、支払スケジュール、住宅ローンのタイプ、不動産のタイプ、当事者の財務状態、支払状況、不動産の状態、および不動産の値から選択される場合を含む。

例示的なシステムは、住宅ローンを管理することが、住宅ローンの対象となる不動産を管理すること、借り手の状況のセットから住宅ローンの候補を特定すること、住宅ローンのオファーを準備すること、住宅ローンのオファーを伝えるコンテンツを準備すること、住宅ローンのオファーをスケジュールすること、住宅のオファーを伝えること、住宅のオファーの変更を交渉することの少なくとも1つを含む、住宅ローン契約の準備、住宅ローン契約の実行、住宅ローンセットの担保の変更、先取特権の譲渡の処理、申請ワークフローの処理、検査の管理、住宅ローンの対象となる資産セットの評価の管理、金利の設定、支払い要件の延期、支払いスケジュールの設定、および住宅ローン契約の完了。例示的なシステムは、エンティティがローン取引の一組の当事者である場合を含む。例示的なシステムは、当事者のセットが、一次貸し手、二次貸し手、貸し出しシンジケート、企業貸し手、政府貸し手、銀行貸し手、担保付き貸し手、債券発行者、債券購入者、無担保貸し手、保証人、担保提供者、借り手、債務者、引受人、検査者、査定者、監査人、評価専門家、政府職員、会計士から選ばれることを含んでいる。

例示的なシステムは、人工知能システムが、機械学習システム、モデルベースシステム、ルールベースシステム、深層学習システム、ハイブリッドシステム、ニューラルネットワーク、畳み込みニューラルネットワーク、フィードフォワードニューラルネットワーク、フィードバックニューラルネットワーク、自己組織化マップ、ファジー論理システム、ランダムウォークシステム、ランダムフォレストシステム、確率論システム、ベイズシステム、及びシミュレーションシステムから選ばれる少なくとも一つを含む。

例示的なシステムは、ロボティック・プロセス・オートメーションが、住宅ローン関連の一連の活動に関与する一連のユーザー・インターフェースとの当事者の相互作用のセットで訓練される場合を含む。例示的なシステムは、交渉の完了時に、住宅ローンのためのスマートコントラクトが、交渉の結果に基づいてスマートコントラクトサービスのセットによって自動的に構成されるところに含まれる。例示的なシステムは、交渉の結果及び交渉イベントの少なくとも一方が、ローンに関連する分散台帳に記録されることを含む。例示的なシステムは、人工知能システムが、機械学習システム、モデルベースシステム、ルールベースシステム、深層学習システム、ハイブリッドシステム、ニューラルネットワーク、畳み込みニューラルネットワーク、フィードフォワードニューラルネットワーク、フィードバックニューラルネットワーク、自己組織化マップ、ファジー論理システム、ランダムウォークシステム、ランダムフォレストシステム、確率論システム、ベイズシステム、及びシミュレーションシステムのうちの少なくとも1つを含む。

債券の発行者の条件を検証するためのクラウドソーシングと自動分類システム

図62を参照すると、実施形態では、債券の発行者の条件を検証するためのクラウドソーシングおよび自動分類システムを有する貸出プラットフォームが提供される。RPAシステム3442は、自動化された債券管理を可能にする、および／または、地方債、社債、国債、または債券発行者の資産、担保、またはコミットメントによって裏打ちされ得る他の債券などの債券取引に関連する債券管理活動の推奨または計画を提供する債券管理ソリューション4934の1または複数の態様に自動化を提供してよい。債券管理のための債券管理ソリューション4934および／またはRPAシステム3442は、一連の条件に基づいてなど、債券管理アクションまたは債券取引の管理プロセスの1つまたは複数の側面の自動化を可能にするように構成された、インターフェース、ワークフロー、およびモデル（様々な適応型知的システム層3304を含み、使用しまたはそれによって可能になり得る）および他のコンポーネントを含み得る、これは、スマートコントラクト3431の条件、（プラットフォームマーケットプレイスおよび／または外部マーケットプレイス3390の）マーケットプレイス条件、監視システム層3306およびデータ収集システム3318によって監視される条件、およびその他（特に限定されない当事者4910、担保4802および資産4918などを含むエンティティ3330の、また金利、利用できる貸し手、利用できる条件など）のようなものを含み得る。例えば、債券管理ソリューション4934のユーザは、決定する様々なルール、閾値、条件付き手順、ワークフロー、モデルパラメータなどを作成、構成（1つまたは複数のテンプレートまたはライブラリを使用するなど）、修正、設定またはその他の処理（債券管理ソリューション4934および／またはRPAシステム3442のユーザインターフェースなど）をしてもよい、ここで、債券管理計画は、様々な一次および二次レンダーまたは発行体から利用可能な金利、発行体および買い手の許可された属性（例えば、所得、富、場所などに基づく）プラットフォーム市場または外部市場における実勢金利、一組の債券の発行者の状態、担保4802または資産4918の状態または他の属性、発行者、1つまたは複数の保証人、市場リスク要因などのリスク要因（人工知能3448を用いた1つまたは複数の予測モデルに基づく予測リスクを含む）、債務の状態、一組の債券を担保または裏付けるために利用できる担保4802または資産4918の状態、ビジネスまたは事業の状態（例えば、債権、債務など）、当事者4910の状態（純資産、富、債務、場所、その他の状態など）、当事者の行動（好みを示す行動、債務の好みを示す行動など）、およびその他多数である。債券管理は、債券のセットの条件に関する管理、適切な債券の選択、取引を促すためのコミュニケーションなどを含み得る。実施形態において、債券管理ソリューション4934は、規則、閾値、アクション、パラメータなどを自動的に推奨または設定し（任意で、時間の経過とともに結果の訓練セットに基づいてそうするように学習することによって）、推奨される債券管理計画をもたらし、これは、債券管理の推奨または望ましい結果（許容できる結果の範囲内など）を達成するために必要な一連のアクションを指定してもよく、これは自動化されてよく、債券管理計画によって作成、構成、および/または説明する、監視条件および、スマートコントラクト条件に基づくステップの条件付き実行が含まれてもよい。債券管理計画は、少なくとも一部分が、市場要因（他の発行体が提供する競合金利、不動産価値、発行体の属性、担保または資産の価値など）、ならびに規制および／またはコンプライアンス要因に基づいて決定および実行され得る。債券管理計画は、新しい債券の作成、債券を裏付けるための二次ローンまたは取引、既存の債券の修正、市場の変化（例えば、実勢金利または資産価値の変化）などを伴う状況に対して生成および／または実行され得る。実施形態において、人工知能3448を含む適応型知的システム層3304は、専門家による債券管理活動の訓練セットで、および／または債券管理活動の結果で訓練されて、債券管理計画の1つまたは複数の側面の自動作成、管理および／または実行のための一連の予測、分類、制御命令、計画、モデルなどを生成することがある。

IoTで監視したパラメータに基づいて、補助対象ローンの金利などを変化させるシステム

図63を参照すると、実施形態では、IoTによって監視されるパラメータに基づいて融資の条件を変化させるシステムを有する融資プラットフォームが提供される。融資は、補助金付き融資であってもよい。RPAシステム3442は、借り手の資産、担保、またはコミットメントによって裏打ちされ得るものを含む、個人ローン、企業ローン、助成ローン、学生ローン、または他のローンなど、ローン取引に関連するローン管理活動の推奨または計画を提供する、自動ローン管理を可能にするローン管理ソリューション4948の1または複数の側面に対する自動化を提供してもよい。ローン管理ソリューション4948および／またはローン管理のためのRPAシステム3442は、一連の条件に基づくなど、ローン管理アクションまたはローン取引の管理プロセスの1つまたは複数の側面の自動化を可能にするように構成された、一連のインターフェース、ワークフロー、およびモデル（種々の適応型知的システム層3304を含み、使用しまたはそれによって可能になり得る）ならびに他のコンポーネントを含み得る、これは、スマートコントラクト3431の条件、（プラットフォームマーケットプレイスおよび／または外部マーケットプレイス3390の）マーケットプレイス条件、監視システム層3306およびデータ収集システム3318によって監視される条件、およびその他（特に限定されない当事者4910、担保4802および資産4918などを含むエンティティ3330の、また金利、利用できる貸し手、利用できる条件など）のようなものを含み得る。例えば、ローン管理ソリューション4948のユーザは、決定する様々なルール、閾値、条件付き手順、ワークフロー、モデルパラメータなどを作成、構成（1つまたは複数のテンプレートまたはライブラリを使用するなど）、修正、設定またはその他の処理（ローン管理ソリューション4948および／またはRPAシステム3442のユーザインターフェースなど）をしてもよい、ここで、ローン管理計画は、様々な一次および二次貸し手または発行者から利用可能な金利などの様々な要因、借り手の許容される属性（例えば、所得、富、場所などに基づく）プラットフォーム・マーケットプレイスまたは外部マーケットプレイスにおける実勢金利、一連のローンの当事者の状態、担保4802または資産4918の状態または他の属性、借り手、1人または複数の保証人のリスク要因、市場リスク要因など（人工知能3448による1つまたは複数の予測モデルに基づく予測リスクを含む）、債務の状態、一連のローンを担保または裏付けるために利用できる担保4802または資産4918の状態、ビジネスまたは事業の状態（例えば、債権、債務など）、当事者4910の状態（純資産、富、負債、場所、およびその他の状態など）、当事者の行動（好みを示す行動、債務の好みを示す行動、支払いの好み、またはコミュニケーションの好みなど）、および他の多くのものがある。ローン管理は、ローンのセットの条件に関する管理、適切なローンの選択、取引を奨励するためのコミュニケーションなどを含み得る。実施形態において、ローン管理ソリューション4948は、ルール、閾値、アクション、パラメータなどを自動的に推奨または設定し（任意で、時間をかけて結果のトレーニングセットに基づいてそうするように学習することによって）、推奨ローン管理計画をもたらし、これは、ローン管理の推奨または望ましい結果（許容できる結果の範囲内など）を達成するために必要な一連のアクションを指定し、これは自動化されてよく、ローン管理計画によって作成、構成、および/または説明されてよい監視条件および/またはスマートコントラクト条件に基づくステップの条件付き実行が含まれてもよい。ローン管理計画は、少なくとも一部分が、市場要因（他の発行体によって提供される競合金利、不動産価値、発行体の属性、担保または資産の価値など）ならびに規制および／またはコンプライアンス要因に基づいて決定および実行され得る。ローン管理計画は、新規ローンの作成、セカンダリーローンまたはローンを裏付ける取引のため、回収のため、統合のため、差し押さえのため、破産や支払不能の状況のため、既存ローンの修正のため、市場の変化（例えば、実勢金利または資産価値の変化）等を伴う状況のために生成および／または実行され得る。実施形態において、人工知能3448を含む適応型知的システム層3304は、専門家によるローン管理活動の訓練セットで、および／またはローン管理活動の結果で訓練されて、ローン管理計画の1つまたは複数の側面の自動作成、管理および／または実行のための一連の予測、分類、制御命令、計画、モデルなどを生成することがある。

ブロックチェーン・カストディの自動化サービス

図64を参照すると、実施形態では、カストディアル資産のセットを管理するための自動化ブロックチェーンカストディアルサービスおよびソリューションを有する貸出プラットフォームが提供される。RPAシステム3442は、暗号通貨および他の通貨、株券および他の所有権の証拠、証券、および他の多くのものを含む、本明細書に記載されるタイプのいずれかの資産など、貸出取引に関与するまたは裏付けするもの、または顧客がセキュリティまたは管理目的でカストディを求めるものなど、資産のセットに関連するカストディ活動のための推奨または計画を可能にするカストディアンソリューション6502の1または複数の側面に対する自動化を提供してもよい。カストディアン活動を処理するためのカストディアンソリューション6502および／またはRPAシステム3442は、一組の資産4918のカストディアン行動または信託もしくはカストディアンに関する管理プロセスの1つまたは複数の側面の自動化を可能にするように構成された、一連のインターフェース、ワークフロー、およびモデル（これは、種々の適応型知的システム層3304によって含まれ得る、用いられ得るまたは可能になる）および他の構成要素を含み得る、例えば、スマートコントラクト3431の条件、（プラットフォーム・マーケットプレイスおよび／または外部マーケットプレイス3390の）マーケットプレイス条件、監視システム層3306およびデータ収集システム3318によって監視される条件、および（特に限定されないが当事者4910、担保4802および資産4918などを含むエンティティ3330の）条件のセットを含むことができる、条件に基づくなど）。例えば、カストディアルソリューション6502のユーザは、1つまたは複数のイベントに基づいて、所定のタイプまたは種類の資産のセットを管理するためのカストディアルアクションまたは計画を決定または推奨する、様々なルール、閾値、条件付き手順、ワークフロー、モデルパラメータなどを作成、構成（1つまたは複数のテンプレートまたはライブラリを使用するなど）、修正、設定またはその他の方法で（カストディアンソリューション6502および／またはRPAシステム3442のユーザインターフェースなどにおいてなど）処理できる、カストディアル計画は、利用可能な保管オプション、資産の検索の根拠、資産の所有権の移転の根拠などの様々な要因、カストディアルサービスが必要とされる資産4918の状態、当事者の行動（好みを示す行動など）、および他の多くの要因に基づくことがある、条件、状態、行動、状態などである。カストディアンサービスは、資産のセットの条件に関する管理、信託および保管のための適切な条件の選択、所有権の移転のためのパラメータの選択、ストレージの選択および提供、データ保管のための安全なインフラの選択および提供、およびその他を含み得る。実施形態では、カストディアルソリューション48802は、ルール、閾値、アクション、パラメータなどを自動的に推奨または設定し（任意で、時間の経過とともに結果のトレーニングセットに基づいてそうするように学習することによって）、推奨カストディアル計画をもたらすことがある、これは、カストーディアルサービスの推奨または所望の結果（許容可能な結果の範囲内など）を達成するために必要な一連のアクションを指定してもよく、自動化されてもよく、監視された条件および／またはスマートコントラクト条件に基づくステップの条件付き実行を含んでもよく、カストーディアルプランによって作成、構成、および／または説明され得る。カストディアル計画は、市場要因（他のカストディアンによって提供される競合条件、不動産価値、クライアントの属性、担保または資産の価値、物理的保管のコスト、データ保管のコストなど）ならびに規制および／またはコンプライアンスの要因に少なくとも一部分基づいて決定および実行され得る。実施形態において、人工知能3448を含む適応型知的システム層3304は、専門家によるカストディ活動の訓練セットで、および／またはカストディ活動の結果で訓練されて、カストディ計画の1つまたは複数の態様の自動作成、管理および／または実行のための一連の予測、分類、制御命令、計画、モデルなどを生成することがある。実施形態において、一組の資産のカストディに関する行動は、分散型台帳などのブロックチェーン3422に格納され得る。

実施形態において、本明細書で提供されるのは、一組の資産に対する信託およびカストディを処理するためのシステムである。一組の資産に対する信託およびカストディを取り扱うための例示的なプラットフォームまたはシステムは、（a）金融機関がカストディをとる責任を負う一組の資産を識別するための一組の資産識別サービス、および（b）金融機関が資産に関して行動をとる権利を有する一組のエンティティのアイデンティティおよび資格証明を検証することによる一組のアイデンティティ管理サービス、および一組のブロックチェーンサービスを含み得る。ここで、資産のセットおよび資産のセットの識別情報の少なくとも1つがブロックチェーンに格納され、資産のセットに関連するイベントが分散型台帳に記録される。例示的なシステムの特定のさらなる側面が以下に説明され、そのうちの任意の1つまたは複数が特定の実施形態において存在し得る。

例示的なシステムは、クレデンシャルが所有者クレデンシャル、代理人クレデンシャル、受益者クレデンシャル、受託者クレデンシャル、およびカストディアン・クレデンシャルを含む場合を含む。

実施形態では、資産のセットに関するイベントには、所有権の移転、所有者の死亡、所有者の障害、所有者の破産、差し押さえ、先取特権の設定、資産の担保としての使用、受益者の指定、資産に対する融資の引き受け、資産に関する通知の提供、資産の検査、資産の評価、課税目的の資産に関する報告、資産の所有権の割り当て、資産の処分、資産の販売、資産の購入、所有状態の指定が含まれる。

実施形態では、プラットフォームまたはシステムは、資産のセット、エンティティのセット、および資産に関連するイベントのセットのうちの少なくとも1つを監視するための、データ収集および監視サービスのセットをさらに含む。

実施形態では、エンティティのセットは、所有者、受益者、代理人、受託者、およびカストディアンのうちの少なくとも1つを含む。

実施形態では、プラットフォームまたはシステムは、資産のセットの保管を管理するためのスマートコントラクトサービスのセットをさらに含み、資産のセットに関連する少なくとも1つのイベントは、スマートコントラクトにおいて具現化された条件のセットに基づいて、データ収集および監視サービスのセットによって収集された情報に基づいて、スマートコントラクトによって自動的に管理される。

実施形態では、資産のセットに関するイベントには、所有権の移転、所有者の死亡、所有者の障害、所有者の破産、差し押さえ、先取特権の設定、資産の担保としての使用、受益者の指定、資産に対する融資の引き受け、資産に関する通知の提供、資産の検査、資産の評価、課税目的の資産に関する報告、資産の所有権の割り当て、資産の処分、資産の販売、資産の購入、所有状態の指定が含まれる。

図65を参照すると、実施形態では、貸出エンティティおよびトランザクションを引き受けるためのデータ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有するローンのための引受システムを有する貸出プラットフォームが提供される。RPAシステム3442は、個人ローン、企業ローン、補助金付きローン、学生ローン、または借り手の資産、担保、またはコミットメントによって裏打ちされ得るものを含む他のローンなど、ローン取引に関連する引受活動のための自動引受を可能にする、および／または推奨もしくは計画を提供する引受ソリューション3420の1以上の側面に対する自動化を提供し得る。引受ソリューション3420および／または引受のためのRPAシステム3442は、一連の条件に基づいてなど、引受アクションまたはローン取引の管理プロセスの1つまたは複数の側面の自動化を可能にするように構成された、インターフェース、ワークフロー、およびモデル（種々の適応型知的システム層3304を含み、使用しまたはそれによって可能になり得る）および他のコンポーネントを含み得る、これは、スマートコントラクト3431の条件、マーケットプレイスの条件（プラットフォームマーケットプレイスおよび／または外部マーケットプレイス3390の、監視システム層3306およびデータ収集システム3318によって監視される条件など（特に、制限なく当事者4910、担保4802および資産4918などを含むエンティティ3330の、ならびに金利、利用できるレンダー、利用できる条件など））を含み得る）。例えば、引受ソリューション3420のユーザは、決定する様々なルール、閾値、条件付き手順、ワークフロー、モデルパラメータなどを作成、構成（1つまたは複数のテンプレートまたはライブラリを使用するなど）、修正、設定またはその他の処理（引受ソリューション3420および／またはRPAシステム3442のユーザインターフェースなど）をしてもよい、引受計画は、様々な一次および二次貸し手または発行者から入手可能な金利などの様々な要因、借り手の許容される属性（例えば、所得、富、場所などに基づく）、プラットフォーム・マーケットプレイスまたは外部マーケットプレイスにおける実勢金利、一連のローンの当事者の状態、担保4802または資産4918の状態または他の属性、借り手、1人または複数の保証人のリスク要因、市場リスク要因など（人工知能3448による1つまたは複数の予測モデルに基づく予測リスクを含む）、債務の状態、一連のローンを担保または裏付けるために利用できる担保4802または資産4918の状態、ビジネスまたは事業の状態（例えば、債権、債務など）、当事者4910の状態（純資産、富、負債、場所、およびその他の状態など）、当事者の行動（好みを示す行動、債務の好み、支払いの好み、またはコミュニケーションの好みを示す行動など）、およびその他の多くのものがある。引受は、ローンのセットの条件に関する管理、適切なローンの選択、引受プロセスに関連する通信などを含み得る。実施形態では、引受ソリューション3420は、ルール、閾値、アクション、パラメータなどを自動的に推奨または設定し（任意で、時間の経過とともに結果のトレーニングセットに基づいてそうするように学習することによって）、推奨引受計画をもたらし、これは、引受の推奨または望ましい結果（許容可能な結果の範囲内など）を達成するために必要な一連のアクションを指定し、これは自動化されてよく、監視条件および／またはスマートコントラクト条件に基づくステップの条件付き実行が含まれてよく、それは引受計画によって作成、構成、および／または説明されてもよい。引受計画は、市場要因（他の発行者が提供する競合金利、不動産価値、借り手の行動、人口統計学的傾向、支払い傾向、発行者の属性、担保または資産の価値など）ならびに規制および／またはコンプライアンス要因に少なくとも一部分基づいて決定および実行され得る。引受計画は、新規ローン、二次ローンまたはローンを裏付ける取引のため、回収のため、統合のため、差し押さえのため、破産や支払不能の状況のため、既存ローンの修正のため、市場の変化を伴う状況（例えば、実勢金利または資産価値の変化）のため、差し押さえ活動のため、およびその他のために生成および／または実行され得る。実施形態において、人工知能3448を含む適応型知的システム層3304は、専門家による引受活動の訓練セットで、および／または引受行動の結果で訓練されて、引受計画の1つまたは複数の側面の自動作成、管理および／または実行のための一連の予測、分類、制御命令、計画、モデルなどを生成し得る。実施形態において、引受のイベントおよび結果は、認可されたユーザによる安全なアクセスおよび検索のために、分散型台帳などのブロックチェーン3422に記録され得る。適応型インテリジェントシステム層3304は、本明細書および参照により本明細書に組み込まれた文書に開示された様々な人工知能3448またはエキスパートシステムを使用するなどして、エキスパートとの対話のトレーニングセットおよび／または引受活動からの結果のトレーニングセットに基づくモデル、ニューラルネット、深層学習システムなどのトレーニングにより、引受の1または複数の側面を改善または自動化してもよい。

図66を参照すると、実施形態では、一組の見込み客にローンをマーケティングするためのデータ収集および監視サービス、ブロックチェーンサービス、人工知能サービスおよびスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有するローンマーケティングシステムを有する貸出プラットフォームが提供される。システム4800は、自動化されたローンマーケティングを可能にする、および／または、個人ローン、企業ローン、補助金付きローン、学生ローン、または、借り手の資産、担保、またはコミットメントによって裏付けられ得るものを含む他のローンなど、ローン取引に関連するローンマーケティング活動の推奨または計画を提供するローンマーケティングソリューション6702の1または複数の側面を可能にし得る。ローンマーケティングソリューション6702（実施形態では、ローンマーケティングのために構成されたRPAシステム3442を含むか、または使用することができる）は、スマートコントラクト3431条件（これは、例えば、構成され得る）を含み得る条件のセットに基づいて、ローンマーケティング行動またはローン取引の管理プロセスの1または複数の態様の自動化を可能にするように構成された一連のインターフェース、ワークフロー、モデル（これは、種々の適応型知的システム層3304により含まれるか使用するか有効になる）および他のコンポーネントを含み得る、マーケット化されたローンのセットのために）、貸付のための利用可能な資本、規制要因、マーケットプレイス条件（プラットフォームマーケットプレイスおよび／または外部マーケットプレイス3390の、監視システム層3306およびデータ収集システム3318によって監視される条件、およびその他（特に限定されない当事者4910、担保4802および資産4918などを含むエンティティ3330の、また金利、利用できる貸し手、利用できる条件など））、その他。例えば、ローンマーケティングソリューション6702のユーザは、決定する、または推奨する様々なルール、閾値、条件付き手順、ワークフロー、モデルパラメータなどを作成、構成（1つまたは複数のテンプレートまたはライブラリを使用するなど）、修正、設定またはその他の処理（ローンマーケティングソリューション6702および／またはRPAシステム3442のユーザインターフェースなど）してもよい、ローンマーケティング行動は、1つまたは複数のイベント、条件、状態、アクションなどに基づいて、所定のタイプまたはタイプのローンのセットを管理するための計画であり、ローンマーケティング計画は、様々な要因、例えば、様々な一次および二次貸し手または発行者から利用できる金利、ローンのために利用可能となる資本に対する収益、借り手の許容または望ましい属性（例えば、所得、富、場所などに基づく）、プラットフォーム市場または外部市場における実勢金利、一連のローンの当事者の状態、担保4802または資産4918の状態または他の属性、借り手、1つまたは複数の保証人、市場リスク要因などのリスク要因（人工知能3448による1つまたは複数の予測モデルに基づく予測リスクを含む）、債務の状態、一連のローンを担保または裏付けるために利用できる担保4802または資産4918の状態、ビジネスまたは事業の状態（例えば、債権、債務など）、当事者4910の状態（純資産、富、負債、場所、およびその他の状態など）、当事者の行動（好みを示す行動、債務の好み、支払いの好み、またはコミュニケーションの好みを示す行動など）、およびその他の多くのものがある。ローンマーケティングは、ローンのセットの条件に関する管理、適切なローンの選択、ローンマーケティングプロセスに関連する通信などを含み得る。実施形態において、ローンマーケティングソリューション6702は、規則、閾値、アクション、パラメータなどを自動的に推奨または設定し（任意で、時間をかけて結果のトレーニングセットに基づいてそうするように学習することによって）、推奨ローンマーケティング計画をもたらし、これは、ローンマーケティングの推奨または望ましい結果（許容できる結果の範囲内など）を達成するために必要な一連のアクションを指定してもよく、これは、ローンマーケティング計画によって作成、構成、および/または説明することができる監視条件および/またはスマートコントラクト条件に基づくステップの条件付き実行を伴う自動化が可能であってよい。ローンマーケティング計画は、市場要因（他の発行体によって提供される競合金利、不動産価値、借り手の行動、人口統計学的傾向、支払い傾向、発行体の属性、担保または資産の価値など）ならびに規制および／またはコンプライアンス要因に少なくとも一部分基づいて決定および実行され得る。ローンマーケティング計画は、新規ローン、セカンダリーローンまたはローンの裏付けとなる取引、回収、統合、差し押さえ状況（例えば、差し押さえの代替として）、倒産状況、既存ローンの修正、市場変化を伴う状況（例えば、実勢金利、利用可能資本、または資産価値の変化）、およびその他のために生成および／または実行され得る。実施形態において、人工知能3448を含む適応型知的システム層3304は、専門家によるローンマーケティング活動の訓練セットで、および／またはローンマーケティング活動の結果で訓練されて、ローンマーケティング計画の1つまたは複数の側面の自動作成、管理および／または実行のための一連の予測、分類、制御命令、計画、モデルなどを生成し得る。実施形態において、ローンマーケティングのイベントおよび結果は、認可されたユーザによる安全なアクセスおよび検索のために、分散型台帳などのブロックチェーン3422に記録され得る。適応型インテリジェントシステム層3304は、本明細書および参照により本明細書に組み込まれた文書に開示された様々な人工知能3448またはエキスパートシステムを使用するなどして、エキスパートとの対話のトレーニングセットおよび／またはローンマーケティング活動からの結果のトレーニングセットに基づくモデル、ニューラルネット、深層学習システムなどのトレーニングにより、エンティティレーティングの1または複数の側面を改善または自動化してもよい。

図67を参照すると、実施形態では、一連のローン関連エンティティを格付けするためのデータ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有する格付けシステムを有する貸出プラットフォームが提供される。システム4800は、自動化されたエンティティ格付けを可能にし、かつ／または個人ローン、企業ローン、補助金付きローン、学生ローン、または借り手の資産、担保、またはコミットメントによって裏付けられ得るものを含む他のローンなど、ローン取引に関連するエンティティ格付け活動の推奨または計画を提供するエンティティ格付けソリューション6801の1または複数の側面を可能にし得る。エンティティ格付けソリューション6801（実施形態では、エンティティ格付けのために構成されたRPAシステム3442を含むかまたは使用することができる）は、エンティティ格付けアクションまたはローン取引の格付けプロセスの1つまたは複数の側面の自動化を可能にするように構成された一連のインターフェース、ワークフロー、およびモデル（様々な適応型知的システム層3304によって含まれるか使用または可能になる）および他のコンポーネントを含み得る、一組の条件、属性、イベントなどに基づくなど、エンティティ3330の属性（価値、品質、場所、純資産、価格、物理的状態、健康状態、セキュリティ、安全、所有権など）、スマートコントラクト3431条件（構成または入力され得る、例えば、格付けされたローンのセットに対する格付けに基づく）、規制要因、市場条件（プラットフォーム・マーケットプレイスおよび／または外部マーケットプレイス3390の、監視システム層3306およびデータ収集システム3318によって監視される条件、ならびに（特に限定されないが当事者4910、担保4802および資産4918などを含むエンティティ3330の、ならびに金利、利用できる貸し手、利用できる条件など））、その他。例えば、エンティティ格付けソリューション4901のユーザは、（1つまたは複数のテンプレートまたはライブラリを使用するなど）様々なルール、閾値、条件付き手順、ワークフローを作成、構成、修正、設定またはその他の処理（エンティティ格付けソリューション6801および／またはRPAシステム3442のユーザインターフェースなど）をしてもよい、モデルパラメータなどであり、1つまたは複数のイベント、属性、パラメータ、特性、条件、状態、アクションなどに基づいて、所定のタイプまたはタイプのローンのセットを格付けするためのエンティティ格付けアクションまたはプランを決定または推奨し、エンティティ格付けプランは、様々な要因（例えば、所得、富、場所などに基づく、または当事者4910、他者との相対的な、または担保4802または資産4918の状態に基づく、など）、プラットフォーム市場または外部市場の実勢、一連のローンの当事者の状態、担保4802または資産4918の状態または他の属性、借り手、1つまたは複数の保証人、市場リスク要因などのリスク要因（人工知能3448を用いた1つまたは複数の予測モデルに基づく予測リスクを含む）、債務の状態、一連のローンを担保または裏付けるために利用できる担保4802または資産4918の状態、事業または事業運営の状態（例えば、債権、債務など）、当事者4910の状態（純資産、富、負債、場所、およびその他の状態など）、当事者の行動（好みを示す行動、債務の好みを示す行動、支払いの好み、またはコミュニケーションの好みなど）、および他の多くのものである。エンティティ格付けは、ローンのセットの条件、適切なローンの選択、エンティティ格付けプロセスに関連する通信などに関する管理を含み得る。実施形態では、エンティティ格付けソリューション6801は、ルール、閾値、アクション、パラメータなどを自動的に推奨または設定し（任意で、時間の経過とともに結果のトレーニングセットに基づいてそうするように学習することによって）、推奨エンティティ格付け計画をもたらし、これは、エンティティ格付けの推奨または望ましい結果（許容できる結果の範囲内など）を達成するために必要な一連のアクションを指定し、これは自動化されていてよく、監視条件および／またはスマートコントラクト条件に基づくステップの条件付き実行が含まれてよく、これはエンティティ格付け計画によって作成、構成、および／または計上されることがある。エンティティ格付け計画は、少なくとも一部分が、市場要因（他の発行者が提供する競合金利、不動産価値、借り手の行動、人口統計学的傾向、支払い傾向、発行者の属性、担保または資産の価値など）ならびに規制および／またはコンプライアンス要因に基づいて決定および実行され得る。エンティティ格付け計画は、新規ローン、セカンダリーローンまたはバックローンへの取引、回収、統合、差し押さえ状況（例えば、差し押さえの代替として）、倒産状況、既存ローンの修正、市場変化を伴う状況（例えば、実勢金利、利用可能資本、または資産価値の変化）、およびその他のために生成および／または実行され得る。実施形態において、人工知能3448を含む適応型知的システム層3304は、専門家によるエンティティ格付け活動の訓練セットで、および／またはエンティティ格付け活動の結果で訓練されて、エンティティ格付け計画の1つまたは複数の側面の自動作成、管理および／または実行のための一連の予測、分類、制御命令、計画、モデルなどを生成することがある。実施形態において、エンティティ評価のイベントおよび結果は、許可されたユーザによる安全なアクセスおよび検索のために、分散型台帳などのブロックチェーン3422に記録され得る。適応型インテリジェントシステム層3304は、本明細書および参照により本明細書に組み込まれた文書に開示された様々な人工知能3448またはエキスパートシステムを使用するなどして、エキスパートとの対話のトレーニングセットおよび／またはエンティティ格付け活動からの結果のトレーニングセットに基づくモデル、ニューラルネット、深層学習システムなどのトレーニングによってエンティティ格付けの1または複数の側面を改良または自動化してもよい。

図68を参照すると、実施形態では、貸出取引に適用される法律、規制、およびポリシーのうちの少なくとも1つのコンプライアンスを自動的に促進するための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有する規制および／またはコンプライアンスシステム3426を有する貸出プラットフォームが提供される。システム4800は、借り手の資産、担保、またはコミットメントによって裏打ちされ得るものを含む、個人ローン、企業ローン、補助金付きローン、学生ローン、または他のローンなど、貸付取引に関連する規制およびコンプライアンス活動のための自動化された規制およびコンプライアンスを可能にし、かつ／または推奨または計画を提供する規制およびコンプライアンスソリューション3426の1以上の側面を可能にし得る。規制およびコンプライアンスソリューション3426（実施形態では、規制および／またはコンプライアンス活動の専門家による対話の訓練セットに基づいて規制およびコンプライアンス活動を自動化するように構成されたRPAシステム3442を含むかまたは使用することができる）は、ローン取引に関する規制およびコンプライアンス行動または規制および／またはコンプライアンスプロセスの1以上の側面の自動化を可能にするように構成されたインターフェース、ワークフローおよびモデル（種々の適応型知的システム層3304によって含まれるか使用するか可能になる）ならびに他のコンポーネントのセットを含み得る、例えば、一連のポリシー、規制、法律、要件、仕様、条件、属性、イベントなどに基づいて、融資取引に関与するエンティティ3330の属性またはそれに適用される属性および／または融資条件（スマートコントラクト3431条件を含む（これは、構成または入力され得る、例えば、所与のローンのセットに対して許可される条件に基づいて））、ならびに様々な市場条件（プラットフォームマーケットプレイスおよび／または外部マーケットプレイス3390の、監視システム層3306およびデータ収集システム3318によって監視される条件など（特に限定されない当事者4910、担保4802および資産4918などを含むエンティティ3330の、ならびに金利、利用できる貸し手、利用できる条件など））、およびその他。例えば、規制およびコンプライアンスソリューション3426のユーザは、（1つまたは複数のテンプレートまたはライブラリを使用するなど）様々なルール、閾値、条件付き手順、ワークフローを作成、構成、修正、設定またはその他の処理（規制および／またはコンプライアンスソリューション3426および／またはRPAシステム3442のユーザインターフェースなど）してもよい、モデルパラメータなどであり、1つまたは複数のイベント、属性、パラメータ、特性、条件、状態、アクションなどに基づいて、所定のタイプまたは種類のローンのセットを統治するための規制およびコンプライアンスのアクションまたは計画を決定または推奨し、規制およびコンプライアンスの計画は、様々な要因（例えば、規制及びコンプライアンス計画が、様々な要因（例えば、許容される金利、要求される通知（例えば、年率の報告に関して）、許容される借り手（例えば、連邦政府補助の学生ローンの学生）、許容される貸し手、許容される発行者、所得（例えば、低所得者向けローン）、富（例えば、政策により十分な資本を有する者にのみ提供することが認められているローン）、場所（例えば、、自治体開発のような地理的に管理された貸付プログラムの場合）、プラットフォーム・マーケットプレイスまたは外部マーケットプレイスの条件（実勢金利に基づいて計算される閾値を超えない金利を有する貸付が求められる場合など）、一連の貸付の当事者の状態、担保4802または資産4918の状態または他の属性、借り手、1つまたは複数の保証人のリスク要因、市場リスク要因など（人工知能3448を用いた1つまたは複数の予測モデルに基づく予測リスクを含む）、債務の状況、一連のローンを担保または裏付けるために利用できる担保4802または資産4918の状態、ビジネスまたは事業の状態（例えば、債権、債務など）、当事者4910の状態（純資産、富、負債、場所、およびその他の状態など）、当事者の行動（好みを示す行動、債務の好みを示す行動、支払いの好み、またはコミュニケーションの好みなど）、およびその他の多くのものがある。規制およびコンプライアンスは、ローンのセットの条件、適切なローンの選択、提供されることが要求される通知、引受方針、規制およびコンプライアンスプロセスに関連するコミュニケーションなどに関するガバナンスを含み得る。実施形態において、規制およびコンプライアンスソリューション3426は、規則、閾値、アクション、パラメータなどを自動的に推奨または設定し（任意で、時間の経過とともに結果の訓練セットに基づいてそうするように学習することによって）、推奨される規制およびコンプライアンス計画をもたらし、これは、規制およびコンプライアンスの推奨または望ましい結果（許容可能な結果の範囲内など）を達成するために必要な一連のアクションを指定し、これは自動化されてよく、監視条件および／またはスマートコントラクト条件に基づくステップの条件付き実行が含まれてよく、これは、制御計画およびコンプライアンスの作成、構成、および／または説明でありえる。規制およびコンプライアンス計画は、規制および／またはコンプライアンス要因だけでなく、市場要因（他の発行者が提供する競合金利、不動産価値、借り手の行動、人口動態傾向、支払い傾向、発行者の属性、担保または資産の価値など）にも少なくとも一部分基づいて決定および実行され得る。規制およびコンプライアンス計画は、新規ローン、セカンダリーローンまたはバックローンへの取引、回収、統合、差し押さえ状況（例えば、差し押さえの代替として）、倒産状況、既存ローンの修正、市場変化を伴う状況（例えば、実勢金利、利用可能資本、または資産価値の変化）、およびその他のために生成および／または実行され得る。実施形態において、人工知能3448を含む適応型知的システム層3304は、専門家による規制およびコンプライアンス活動の訓練セットで、および／または規制およびコンプライアンス活動の結果で訓練されて、規制およびコンプライアンス計画の1以上の側面の自動作成、管理および／または実行のための一連の予測、分類、制御指示、計画、モデルなどを生成してもよい。実施形態では、規制およびコンプライアンスのイベントおよび結果は、許可されたユーザによる安全なアクセスおよび検索のために、分散型台帳などのブロックチェーン3422に記録され得る。適応型インテリジェントシステム層3304は、本明細書および参照により本明細書に組み込まれた文書に開示された様々な人工知能3448またはエキスパートシステムを使用するなどして、エキスパートとの対話のトレーニングセットおよび／または規制およびコンプライアンスの活動からの結果のトレーニングセットに基づくモデル、ニューラルネット、深層学習システムなどのトレーニングにより、規制およびコンプライアンスの1以上の側面を改善または自動化しても良い。

例示的な貸出プラットフォームは、貸出エンティティ及び取引を処理するためのデータ収集及び監視サービス、ブロックチェーンサービス、及びスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有する本明細書に提供される。例示的なシステムは、ローン、債券、または債務取引のための資産のセットおよび担保のセットの少なくとも1つを監視するためのIoTおよびセンサプラットフォームを含んでいる。例示的なシステムは、担保のセットの所有権及び担保のセットに関連するイベントのセットの少なくとも1つを管理するためのスマートコントラクト及び分散台帳プラットフォームを含む。例示的なシステムは、IoTシステム、クラウドソーシングシステム、ソーシャルネットワーク分析サービスのセット、及びデータ収集及び監視サービスのセットのうちの少なくとも1つを介して収集された情報に基づいて、ローンの金利を自動的に調整するスマートコントラクトシステムを含む。例示的なシステムは、融資のための担保のセットの状態及び融資のための保証に関連するエンティティの状態の少なくとも1つに関する情報を取得するためのクラウドソーシングシステムを含んでいる。例示的なシステムは、特定の管轄区域の規制要因及び市場要因の少なくとも一方に基づいてローンの金利を自動的に調整するスマートコントラクトを含む。例示的なシステムは、監視された状態に基づいて自動的に債務を再構築するスマートコントラクトを含む。例示的なシステムは、融資の保証の信頼性を検証するためのソーシャルネットワークモニタリングシステムを含む。例示的なシステムは、ローンの保証の信頼性を検証するためのIoTデータ収集及び監視システムを含む。例示的なシステムは、融資のための一連の条件の交渉のためのロボットプロセス自動化システムを含む。例示的なシステムは、ローン回収のためのロボット・プロセス・オートメーション・システムを含む。例示的なシステムは、一連のローンを統合するためのロボット・プロセス・オートメーション・システムを含む。例示的なシステムは、ファクタリング・ローンを管理するためのロボット・プロセス・オートメーション・システムを含む。例示的なシステムは、住宅ローンの仲介のためのロボットプロセス自動化システムを含む。例示的なシステムは、債券の発行者の条件を検証するためのクラウドソーシング及び自動分類システムを含む。例示的なシステムは、債券に関する条件を分類するための人工知能を有するソーシャルネットワークモニタリングシステムを含む。例示的なシステムは、債券に関する条件を分類するための人工知能を有するIoTデータ収集及び監視システムを含む。例示的なシステムは、IoTによって監視されるパラメータに基づいて、補助付きローンの条件を変化させるシステムを含む。例示的なシステムは、ソーシャルネットワークにおいて監視されるパラメータに基づいて補助ローンの条件を変化させるシステムを含む。例示的なシステムは、クラウドソーシングによって監視されるパラメータに基づいて補助対象ローンの条件を変化させるシステムを含む。例示的なシステムは、カストディ資産のセットを管理するための自動ブロックチェーン・カストディサービスを含む。例示的なシステムは、貸出エンティティおよびトランザクションを引き受けるためのデータ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有するローンのための引受システムを含む。例示的なシステムは、一組の見込み客にローンをマーケティングするための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービス一式を有するローンマーケティングシステムを含む。例示的なシステムは、一組のローン関連エンティティを格付けするための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有する格付けシステムを含んでいる。例示的なシステムは、貸出取引に関連する法律、規制及び方針の少なくとも1つの遵守を自動的に促進するための、データ収集及び監視サービス、ブロックチェーンサービス、人工知能サービス、及びスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有するコンプライアンスシステムを含む。

例示的な貸出プラットフォームは、ローン、債券、または債務取引のための資産のセットおよび担保のセットの少なくとも1つを監視するためのIoTおよびセンサプラットフォームを有する本明細書に提供される。例示的なシステムは、一組の担保の所有権及び一組の担保に関連する一連のイベントの少なくとも1つを管理するためのスマートコントラクト及び分散台帳プラットフォームを有する。例示的なシステムは、IoTシステム、クラウドソーシングシステム、ソーシャルネットワーク分析サービスのセット、及びデータ収集及び監視サービスのセットのうちの少なくとも1つを介して収集された情報に基づいて、ローンの金利を自動的に調整するスマートコントラクトシステムを含んでいる。例示的なシステムは、ローンのための担保のセットの状態及びローンのための保証に関連するエンティティの状態の少なくとも1つに関する情報を取得するためのクラウドソーシングシステムを含んでいる。例示的なシステムは、特定の管轄区域の規制要因及び市場要因の少なくとも一方に基づいてローンの金利を自動的に調整するスマートコントラクトを含む。例示的なシステムは、監視された状態に基づいて自動的に債務を再構築するスマートコントラクトを含む。例示的なシステムは、融資の保証の信頼性を検証するためのソーシャルネットワークモニタリングシステムを含む。例示的なシステムは、ローンの保証の信頼性を検証するためのIoTデータ収集及び監視システムを含む。例示的なシステムは、ローンの条件交渉、ローン回収、ローン一式の統合、ファクタリングローンの管理、または住宅ローンの仲介のうちの1つ以上のためのロボティックプロセスオートメーションシステムを含んでいる。例示的なシステムは、債券の発行者の条件を検証するためのクラウドソーシング及び自動分類システムを含む。例示的なシステムは、債券に関する条件を分類するための人工知能を有するソーシャルネットワークモニタリングシステムを含む。例示的なシステムは、債券に関する条件を分類するための人工知能を備えたIoTデータ収集及び監視システムを含む。

例示的なシステムは、IoT、ソーシャルネットワーク、クラウドソーシングの少なくとも1つによって監視されるパラメータに基づいて、補助ローンの条件を変更するシステムを含む。

例示的なシステムは、一組のカストディ資産を管理するための自動化ブロックチェーン・カストディサービスを含む。例示的なシステムは、貸出エンティティおよびトランザクションを引き受けるためのデータ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有するローンのための引受システムを含む。例示的なシステムは、一組の見込み客にローンをマーケティングするための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービス一式を有するローンマーケティングシステムを含む。例示的なシステムは、一組のローン関連エンティティを格付けするための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有する格付けシステムを含んでいる。例示的なシステムは、融資取引に関連する法律、規制、及びポリシーの少なくとも1つの遵守を自動的に促進するための、データ収集及び監視サービス、ブロックチェーンサービス、人工知能サービス、及びスマートコントラクトサービスを含むデータ統合型マイクロサービスのセットを有するコンプライアンスシステムを含む。

本明細書では、一組の担保の所有権と一組の担保に関連するイベントの少なくとも1つを管理するためのスマートコントラクト及び分散型台帳プラットフォームを有する例示的な貸付プラットフォームが提供される。例示的なシステムは、IoTシステム、クラウドソーシングシステム、ソーシャルネットワーク分析サービスのセット、およびデータ収集および監視サービスのセットのうちの少なくとも1つを介して収集された情報に基づいて、ローンの金利を自動的に調整するスマートコントラクトシステムを含んでいる。例示的なシステムは、融資のための担保のセットの状態及び融資のための保証に関連するエンティティの状態の少なくとも1つに関する情報を取得するためのクラウドソーシングシステムを含んでいる。例示的なシステムは、特定の管轄区域の規制要因及び市場要因の少なくとも1つに基づいてローンの金利を自動的に調整するスマートコントラクトを含む。例示的なシステムは、監視された状態に基づいて自動的に債務を再編成するスマートコントラクトを含む。例示的なシステムは、融資の保証の信頼性を検証するためのソーシャルネットワークモニタリングシステムを含む。

例示的なシステムは、融資のための保証の信頼性を検証するためのIoTデータ収集及び監視システムを含む。例示的なシステムは、融資のための一連の条件の交渉のためのロボティック・プロセス・オートメーション・システムを含む。例示的なシステムは、ローン回収のためのロボット・プロセス・オートメーション・システムを含む。例示的なシステムは、一連のローンを統合すること、ファクタリングローンを管理すること、または住宅ローンを仲介することの少なくとも1つのためのロボティックプロセスオートメーションシステムを含んでいる。例示的なシステムは、債券の発行者の条件を検証するための、クラウドソーシング及び自動分類システムを含む。例示的なシステムは、債券に関する条件を分類するための人工知能を有するソーシャルネットワークモニタリングシステムを含む。例示的なシステムは、債券に関する条件を分類するための人工知能を有するIoTデータ収集及び監視システムを含む。例示的なシステムは、IoT、ソーシャルネットワーク、またはクラウドソーシングの少なくとも1つによって監視されるパラメータに基づいて、補助付きローンの条件を変化させるシステムを含む。例示的なシステムは、カストディ資産のセットを管理するための自動化されたブロックチェーン・カストディサービスを含む。例示的なシステムは、貸出エンティティ及びトランザクションを引き受けるためのデータ収集及び監視サービス、ブロックチェーンサービス、人工知能サービス、及びスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有するローンのための引受システムを含む。例示的なシステムは、一組の見込み客にローンをマーケティングするための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービス一式を有するローンマーケティングシステムを含んでいる。例示的なシステムは、一連のローン関連エンティティを格付けするための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有する格付けシステムを含む。例示的なシステムは、融資取引に関連する法律、規制、及び方針の少なくとも1つの遵守を自動的に促進するための、データ収集及び監視サービス、ブロックチェーンサービス、人工知能サービス、及びスマートコントラクトサービスを含むデータ統合型マイクロサービスのセットを有するコンプライアンスシステムを含む。

IoTシステム、クラウドソーシングシステム、ソーシャルネットワーク分析サービスのセット、およびデータ収集および監視サービスのセットのうちの少なくとも1つを介して収集された情報に基づいて、ローンの金利を自動的に調整するスマートコントラクトシステムを有する例示の貸出プラットフォームが本明細書に提供される。例示的なシステムは、融資のための担保のセットの状態及び融資のための保証に関連するエンティティの状態の少なくとも1つに関する情報を取得するためのクラウドソーシングシステムを含んでいる。例示的なシステムは、特定の管轄区域の規制要因及び市場要因の少なくとも一方に基づいてローンの金利を自動的に調整するスマートコントラクトを含む。例示的なシステムは、監視された状態に基づいて自動的に債務を再構築するスマートコントラクトを含む。例示的なシステムは、融資の保証の信頼性を検証するためのソーシャルネットワークモニタリングシステムを含む。例示的なシステムは、ローンの保証の信頼性を検証するためのIoTデータ収集及び監視システムを含む。例示的なシステムは、融資のための一連の条件の交渉のためのロボットプロセス自動化システムを含む。例示的なシステムは、ローンの収集、ローンのセットの統合、ファクタリングローンの管理、または住宅ローンの仲介の少なくとも1つのためのロボットプロセス自動化システムを含んでいる。例示的なシステムは、債券の発行者の条件を検証するためのクラウドソーシング及び自動分類システムを含む。例示的なシステムは、債券に関する条件を分類するための人工知能を有するソーシャルネットワークモニタリングシステムを含む。例示的なシステムは、債券に関する条件を分類するための人工知能を有するIoTデータ収集及び監視システムを含む。例示的なシステムは、IoT、ソーシャルネットワーク、またはクラウドソーシングの少なくとも1つによって監視されるパラメータに基づいて、補助付きローンの条件を変化させるシステムを含む。例示的なシステムは、カストディ資産のセットを管理するための自動化されたブロックチェーン・カストディサービスを含む。例示的なシステムは、貸出エンティティ及びトランザクションを引き受けるためのデータ収集及び監視サービス、ブロックチェーンサービス、人工知能サービス、及びスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有するローンのための引受システムを含む。例示的なシステムは、一組の見込み客にローンをマーケティングするための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービス一式を有するローンマーケティングシステムを含んでいる。例示的なシステムは、一連のローン関連エンティティを格付けするための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有する格付けシステムを含む。例示的なシステムは、融資取引に関連する法律、規制及び方針の少なくとも1つの遵守を自動的に促進するための、データ収集及び監視サービス、ブロックチェーンサービス、人工知能サービス、及びスマートコントラクトサービスを含むデータ統合マイクロサービスの集合を有するコンプライアンスシステムを含む。

融資のための担保のセットの状態及び融資のための保証に関連するエンティティの状態の少なくとも1つに関する情報を取得するためのクラウドソーシングシステムを有する例示的な融資プラットフォームが本明細書に提供される。例示的なシステムは、特定の法域の規制要因及び市場要因の少なくとも1つに基づいてローンの金利を自動的に調整するスマートコントラクトを含んでいる。例示的なシステムは、監視された状態に基づいて自動的に債務を再構築するスマートコントラクトを含む。例示的なシステムは、融資の保証の信頼性を検証するためのソーシャルネットワークモニタリングシステムを含む。例示的なシステムは、ローンの保証の信頼性を検証するためのIoTデータ収集及び監視システムを含む。例示的なシステムは、融資の条件交渉、融資回収、融資の統合、ファクタリング融資の管理、または住宅ローンの仲介のうち少なくとも1つのためのロボット・プロセス・オートメーション・システムを含む。例示的なシステムは、債券の発行者の条件を検証するためのクラウドソーシング及び自動分類システムを含む。例示的なシステムは、債券に関する条件を分類するための人工知能を有するソーシャルネットワークモニタリングシステムを含む。例示的なシステムは、債券に関する条件を分類するための人工知能を有するIoTデータ収集及び監視システムを含む。例示的なシステムは、IoT、ソーシャルネットワーク、またはクラウドソーシングの少なくとも1つによって監視されるパラメータに基づいて、補助付きローンの条件を変化させるシステムを含む。例示的なシステムは、カストディ資産のセットを管理するための自動化されたブロックチェーン・カストディサービスを含む。例示的なシステムは、貸出エンティティ及びトランザクションを引き受けるためのデータ収集及び監視サービス、ブロックチェーンサービス、人工知能サービス、及びスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有するローンのための引受システムを含む。例示的なシステムは、一組の見込み客にローンをマーケティングするための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービス一式を有するローンマーケティングシステムを含んでいる。例示的なシステムは、一連のローン関連エンティティを格付けするための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有する格付けシステムを含む。例示的なシステムは、貸出取引に関連する法律、規制及び方針の少なくとも1つの遵守を自動的に促進するための、データ収集及び監視サービス、ブロックチェーンサービス、人工知能サービス、及びスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有するコンプライアンスシステムを含む。

本明細書では、特定の管轄区域の規制要因および市場要因の少なくとも1つに基づいてローンの金利を自動的に調整するスマートコントラクトを有する、例示的な貸出プラットフォームが提供される。例示的なシステムは、監視された状態に基づいて自動的に債務を再編するスマートコントラクトを含む。例示的なシステムは、融資の保証の信頼性を検証するためのソーシャルネットワークモニタリングシステムを含む。例示的なシステムは、ローンの保証の信頼性を検証するためのIoTデータ収集及び監視システムを含む。例示的なシステムは、融資の条件交渉、融資回収、融資の統合、ファクタリング融資の管理、または住宅ローンの仲介のうち少なくとも1つのためのロボット・プロセス・オートメーション・システムを含む。例示的なシステムは、債券の発行者の条件を検証するためのクラウドソーシング及び自動分類システムを含む。例示的なシステムは、債券に関する条件を分類するための人工知能を備えたソーシャルネットワークモニタリングシステムを含む。

例示的なシステムは、債券に関する状態を分類するための人工知能を備えた、IoTデータ収集および監視システムを含む。

例示的なシステムは、IoT、ソーシャルネットワーク、クラウドソーシングの少なくとも1つによって監視されるパラメータに基づいて、補助ローンの条件を変更するシステムを含む。

例示的なシステムは、一組のカストディ資産を管理するための自動ブロックチェーン・カストディサービスを含む。

例示的なシステムは、貸出エンティティおよびトランザクションを引き受けるためのデータ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有するローンのための引受システムを含む。

例示的なシステムは、一組の見込み客にローンをマーケティングするための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービス群を有するローンマーケティングシステムを含む。

例示的なシステムは、ローン関連エンティティのセットを格付けするための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有する格付けシステムを含む。

例示的なシステムは、貸出取引に関連する法律、規制、およびポリシーの少なくとも1つの遵守を自動的に促進するための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有するコンプライアンスシステムを含む。

監視された状態に基づいて自動的に債務を再編するスマートコントラクトを有する例示的な貸出プラットフォームが本明細書に提供される。例示的なシステムは、ローンのための保証の信頼性を検証するためのソーシャルネットワークモニタリングシステムを含む。例示的なシステムは、ローンの保証の信頼性を検証するためのIoTデータ収集および監視システムを含む。例示的なシステムは、ローンの条件交渉、ローンの回収、ローンの統合、ファクタリングローンの管理、住宅ローンの仲介の少なくとも1つのためのロボティックプロセスオートメーションシステムを含む。例示的なシステムは、債券の発行者の条件を検証するためのクラウドソーシング及び自動分類システムを含む。例示的なシステムは、債券に関する条件を分類するための人工知能を備えたソーシャルネットワークモニタリングシステムを含む。例示的なシステムは、債券に関する条件を分類するための人工知能を備えたIoTデータ収集及び監視システムを含む。例示的なシステムは、IoT、ソーシャルネットワーク、クラウドソーシングの少なくとも1つによって監視されるパラメータに基づいて、補助付きローンの条件を変化させるシステムを含む。例示的なシステムは、カストディ資産のセットを管理するための自動ブロックチェーンカストディサービスを含む。例示的なシステムは、貸出エンティティ及びトランザクションを引き受けるためのデータ収集及び監視サービス、ブロックチェーンサービス、人工知能サービス、及びスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有するローンのための引受システムを含む。例示的なシステムは、一組の見込み客にローンをマーケティングするための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービス一式を有するローンマーケティングシステムを含む。例示的なシステムは、一連のローン関連エンティティを格付けするための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有する格付けシステムを含む。例示的なシステムは、融資取引に関連する法律、規制、及び方針の少なくとも1つの遵守を自動的に促進するための、データ収集及び監視サービス、ブロックチェーンサービス、人工知能サービス、及びスマートコントラクトサービスを含むデータ統合型マイクロサービスのセットを有するコンプライアンスシステムを含む。

融資のための保証の信頼性を検証するためのソーシャルネットワークモニタリングシステムを有する例示的な貸出プラットフォームが本明細書に提供される。例示的なシステムは、ローンのための保証の信頼性を検証するためのIoTデータ収集および監視システムを含む。例示的なシステムは、ローンの条件の交渉、ローンの回収、ローンのセットの統合、ファクタリングローンの管理、または住宅ローンの仲介の少なくとも1つのためのロボティックプロセスオートメーションシステムを含む。例示的なシステムは、債券の発行者の条件を検証するためのクラウドソーシング及び自動分類システムを含む。例示的なシステムは、債券に関する条件を分類するための人工知能を有するソーシャルネットワークモニタリングシステムを含む。例示的なシステムは、債券に関する条件を分類するための人工知能を有するIoTデータ収集及び監視システムを含む。例示的なシステムは、IoT、ソーシャルネットワーク、またはクラウドソーシングの少なくとも1つによって監視されるパラメータに基づいて、補助付きローンの条件を変化させるシステムを含む。例示的なシステムは、カストディ資産のセットを管理するための自動化されたブロックチェーン・カストディサービスを含む。例示的なシステムは、貸出エンティティ及びトランザクションを引き受けるためのデータ収集及び監視サービス、ブロックチェーンサービス、人工知能サービス、及びスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有するローンのための引受システムを含む。例示的なシステムは、一組の見込み客にローンをマーケティングするための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービス一式を有するローンマーケティングシステムを含む。例示的なシステムは、一組のローン関連エンティティを格付けするための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有する格付けシステムを含んでいる。例示的なシステムは、貸出取引に関連する法律、規制及び方針の少なくとも1つの遵守を自動的に促進するための、データ収集及び監視サービス、ブロックチェーンサービス、人工知能サービス、及びスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有するコンプライアンスシステムを含む。

融資のための保証の信頼性を検証するためのIoTデータ収集および監視システムを有する例示的な貸出プラットフォームが本明細書に提供される。例示的なシステムは、融資のための一連の条件の交渉、融資の回収、一連の融資の統合、ファクタリングローンの管理、または住宅ローンの仲介のうちの少なくとも1つのためのロボットプロセス自動化システムを含んでいる。例示的なシステムは、債券の発行者の条件を検証するためのクラウドソーシング及び自動分類システムを含む。例示的なシステムは、債券に関する条件を分類するための人工知能を有するソーシャルネットワークモニタリングシステムを含む。例示的なシステムは、債券に関する条件を分類するための人工知能を有するIoTデータ収集及び監視システムを含む。例示的なシステムは、IoT、ソーシャルネットワーク、またはクラウドソーシングの少なくとも1つによって監視されるパラメータに基づいて、補助付きローンの条件を変化させるシステムを含む。例示的なシステムは、カストディ資産のセットを管理するための自動化されたブロックチェーン・カストディサービスを含む。例示的なシステムは、貸出エンティティ及びトランザクションを引き受けるためのデータ収集及び監視サービス、ブロックチェーンサービス、人工知能サービス、及びスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有するローンのための引受システムを含む。例示的なシステムは、一組の見込み客にローンをマーケティングするための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービス一式を有するローンマーケティングシステムを含む。例示的なシステムは、一組のローン関連エンティティを格付けするための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有する格付けシステムを含んでいる。例示的なシステムは、貸出取引に関連する法律、規制及び方針の少なくとも1つの遵守を自動的に促進するための、データ収集及び監視サービス、ブロックチェーンサービス、人工知能サービス、及びスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有するコンプライアンスシステムを含む。

例示的な貸出プラットフォームは、ローンのための一連の条件の交渉のためのロボットプロセス自動化システムを有する本明細書に提供される。例示的なシステムは、ローンの回収、ローンのセットの統合、ファクタリングローンの管理、または住宅ローンの仲介の少なくとも1つのためのロボティックプロセス自動化システムを含む。例示的なシステムは、債券の発行者の条件を検証するためのクラウドソーシング及び自動分類システムを含む。例示的なシステムは、債券に関する条件を分類するための人工知能を有するソーシャルネットワークモニタリングシステムを含む。例示的なシステムは、債券に関する条件を分類するための人工知能を有するIoTデータ収集及び監視システムを含む。例示的なシステムは、IoT、ソーシャルネットワーク、またはクラウドソーシングの少なくとも1つによって監視されるパラメータに基づいて、補助付きローンの条件を変化させるシステムを含む。例示的なシステムは、カストディ資産のセットを管理するための自動化されたブロックチェーン・カストディサービスを含む。例示的なシステムは、貸出エンティティ及びトランザクションを引き受けるためのデータ収集及び監視サービス、ブロックチェーンサービス、人工知能サービス、及びスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有するローンのための引受システムを含む。例示的なシステムは、一組の見込み客にローンをマーケティングするための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービス一式を有するローンマーケティングシステムを含む。例示的なシステムは、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、および一連のローン関連エンティティを格付けするためのスマートコントラクトサービスを含む一連のデータ統合されたマイクロサービスを有する格付けシステムを含んでいる。例示的なシステムは、融資を含み、融資取引に関連する法律、規制及びポリシーの少なくとも1つの遵守を自動的に促進するための、データ収集及び監視サービス、ブロックチェーンサービス、人工知能サービス、及びスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有する遵守システムを有するものである。

ローン回収のためのロボットプロセス自動化システムを有する例示的な貸出プラットフォームが本明細書に提供される。例示的なシステムは、一連のローンを統合すること、ファクタリングローンを管理すること、または住宅ローンを仲介することの少なくとも1つのためのロボティックプロセスオートメーションシステムを含んでいる。例示的なシステムは、債券の発行者の条件を検証するための、クラウドソーシング及び自動分類システムを含む。例示的なシステムは、債券に関する条件を分類するための人工知能を有するソーシャルネットワークモニタリングシステムを含む。例示的なシステムは、債券に関する条件を分類するための人工知能を有するIoTデータ収集及び監視システムを含む。例示的なシステムは、IoT、ソーシャルネットワーク、またはクラウドソーシングの少なくとも1つによって監視されるパラメータに基づいて、補助付きローンの条件を変化させるシステムを含む。例示的なシステムは、カストディ資産のセットを管理するための自動化されたブロックチェーン・カストディサービスを含む。例示的なシステムは、貸出エンティティ及びトランザクションを引き受けるためのデータ収集及び監視サービス、ブロックチェーンサービス、人工知能サービス、及びスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有するローンのための引受システムを含む。例示的なシステムは、一組の見込み客にローンをマーケティングするための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービス一式を有するローンマーケティングシステムを含む。例示的なシステムは、一連のローン関連エンティティを格付けするための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有する格付けシステムを含む。例示的なシステムは、融資取引に関連する法律、規制、及び方針の少なくとも1つの遵守を自動的に促進するための、データ収集及び監視サービス、ブロックチェーンサービス、人工知能サービス、及びスマートコントラクトサービスを含むデータ統合型マイクロサービスのセットを有するコンプライアンスシステムを含む。

一組のローンを統合するためのロボティックプロセスオートメーションシステムを有する例示的な貸出プラットフォームが本明細書に提供される。例示的なシステムは、ファクタリングローンの管理または住宅ローンの仲介の少なくとも1つのためのロボティックプロセスオートメーションシステムを含む。例示的なシステムは、債券の発行者の条件を検証するためのクラウドソーシング及び自動分類システムを含む。例示的なシステムは、債券に関する条件を分類するための人工知能を有するソーシャルネットワークモニタリングシステムを含む。例示的なシステムは、債券に関する条件を分類するための人工知能を有するIoTデータ収集及び監視システムを含む。例示的なシステムは、IoT、ソーシャルネットワーク、またはクラウドソーシングの少なくとも1つによって監視されるパラメータに基づいて、補助付きローンの条件を変化させるシステムを含む。例示的なシステムは、カストディ資産のセットを管理するための自動化されたブロックチェーン・カストディサービスを含む。例示的なシステムは、貸出エンティティ及びトランザクションを引き受けるためのデータ収集及び監視サービス、ブロックチェーンサービス、人工知能サービス、及びスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有するローンのための引受システムを含む。例示的なシステムは、一組の見込み客にローンをマーケティングするための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービス一式を有するローンマーケティングシステムを含んでいる。例示的なシステムは、一連のローン関連エンティティを格付けするための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービス群を有する格付けシステムを含む。例示的なシステムは、融資取引に関連する法律、規制、及び方針の少なくとも1つの遵守を自動的に促進するための、データ収集及び監視サービス、ブロックチェーンサービス、人工知能サービス、及びスマートコントラクトサービスを含むデータ統合型マイクロサービスのセットを有するコンプライアンスシステムを含む。

ファクタリングローンを管理するためのロボティックプロセスオートメーションシステムを有する例示的な貸出プラットフォームが本明細書に提供される。例示的なシステムは、住宅ローンを仲介するためのロボティック・プロセス・オートメーション・システムを含む。例示的なシステムは、債券の発行者の条件を検証するためのクラウドソーシングおよび自動分類システムを含む。例示的なシステムは、債券に関する条件を分類するための人工知能を有するソーシャルネットワークモニタリングシステムを含む。例示的なシステムは、債券に関する条件を分類するための人工知能を有するIoTデータ収集及び監視システムを含む。例示的なシステムは、IoT、ソーシャルネットワーク、またはクラウドソーシングの少なくとも1つによって監視されるパラメータに基づいて、補助付きローンの条件を変化させるシステムを含む。例示的なシステムは、カストディ資産のセットを管理するための自動化されたブロックチェーン・カストディサービスを含む。例示的なシステムは、貸出エンティティ及びトランザクションを引き受けるためのデータ収集及び監視サービス、ブロックチェーンサービス、人工知能サービス、及びスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有するローンのための引受システムを含む。例示的なシステムは、一組の見込み客にローンをマーケティングするための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービス一式を有するローンマーケティングシステムを含む。例示的なシステムは、一連のローン関連エンティティを格付けするための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有する格付けシステムを含む。例示的なシステムは、融資取引に関連する法律、規制、及び方針の少なくとも1つの遵守を自動的に促進するための、データ収集及び監視サービス、ブロックチェーンサービス、人工知能サービス、及びスマートコントラクトサービスを含むデータ統合型マイクロサービスのセットを有するコンプライアンスシステムを含む。

本明細書では、住宅ローンを仲介するためのロボティック・プロセス・オートメーションシステムを有する例示的な貸出プラットフォームが提供される。例示的なシステムは、債券に関する発行者の条件を検証するための、クラウドソーシング及び自動分類システムを含む。例示的なシステムは、債券に関する条件を分類するための人工知能を有するソーシャルネットワークモニタリングシステムを含む。例示的なシステムは、債券に関する条件を分類するための人工知能を有するIoTデータ収集及び監視システムを含む。例示的なシステムは、IoT、ソーシャルネットワークの少なくとも1つによって監視されるパラメータに基づいて、補助付きローンの条件を変化させるシステムを含んでいる。例示的なシステムは、クラウドソーシングによって監視されるパラメータに基づいて、補助対象ローンの条件を変化させるシステムを含む。例示的なシステムは、カストディ資産のセットを管理するための自動ブロックチェーンカストディサービスを含む。例示的なシステムは、貸出エンティティおよびトランザクションを引き受けるためのデータ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有するローンのための引受システムを含む。例示的なシステムは、一組の見込み客にローンをマーケティングするための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービス一式を有するローンマーケティングシステムを含んでいる。例示的なシステムは、一連のローン関連エンティティを格付けするための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有する格付けシステムを含む。例示的なシステムは、融資取引に関連する法律、規制、及びポリシーの少なくとも1つの遵守を自動的に促進するための、データ収集及び監視サービス、ブロックチェーンサービス、人工知能サービス、及びスマートコントラクトサービスを含むデータ統合型マイクロサービスのセットを有するコンプライアンスシステムを含む。

債券に関する発行者の条件を検証するためのクラウドソーシング及び自動分類システムを有する例示的な貸出プラットフォームが本明細書に提供される。例示的なシステムは、債券に関する条件を分類するための人工知能を有するソーシャルネットワークモニタリングシステムを含む。例示的なシステムは、債券に関する条件を分類するための人工知能を備えた、IoTデータ収集および監視システムを含む。例示的なシステムは、IoT、ソーシャルネットワーク、またはクラウドソーシングの少なくとも1つによって監視されるパラメータに基づいて、補助付きローンの条件を変化させるシステムを含む。例示的なシステムは、カストディ資産のセットを管理するための自動化ブロックチェーン・カストディサービスを含む。例示的なシステムは、貸出エンティティ及びトランザクションを引き受けるためのデータ収集及び監視サービス、ブロックチェーンサービス、人工知能サービス、及びスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有するローンのための引受システムを含む。例示的なシステムは、一組の見込み客にローンをマーケティングするための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービス一式を有するローンマーケティングシステムを含む。例示的なシステムは、一連のローン関連エンティティを格付けするための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有する格付けシステムを含む。例示的なシステムは、融資取引に関連する法律、規制、及び方針の少なくとも1つの遵守を自動的に促進するための、データ収集及び監視サービス、ブロックチェーンサービス、人工知能サービス、及びスマートコントラクトサービスを含むデータ統合型マイクロサービスのセットを有するコンプライアンスシステムを含む。

債券に関する条件を分類するための人工知能を有するソーシャルネットワークモニタリングシステムを有する例示的な貸出プラットフォームが本明細書に提供される。例示的なシステムは、債券に関する条件を分類するための人工知能を有するIoTデータ収集および監視システムを含む。例示的なシステムは、IoT、ソーシャルネットワーク、またはクラウドソーシングの少なくとも1つによって監視されるパラメータに基づいて、補助付きローンの条件を変化させるシステムを含む。例示的なシステムは、カストディ資産のセットを管理するための自動化ブロックチェーン・カストディサービスを含む。例示的なシステムは、貸出エンティティ及びトランザクションを引き受けるためのデータ収集及び監視サービス、ブロックチェーンサービス、人工知能サービス、及びスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有するローンのための引受システムを含む。例示的なシステムは、一組の見込み客にローンをマーケティングするための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービス一式を有するローンマーケティングシステムを含む。例示的なシステムは、一連のローン関連エンティティを格付けするための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有する格付けシステムを含む。例示的なシステムは、融資取引に関連する法律、規制、及び方針の少なくとも1つの遵守を自動的に促進するための、データ収集及び監視サービス、ブロックチェーンサービス、人工知能サービス、及びスマートコントラクトサービスを含むデータ統合型マイクロサービスのセットを有するコンプライアンスシステムを含む。

債券に関する条件を分類するための人工知能を有するIoTデータ収集及び監視システムを有する例示的な貸出プラットフォームが本明細書に提供される。例示的なシステムは、IoT、ソーシャルネットワーク、またはクラウドソーシングの少なくとも1つによって監視されるパラメータに基づいて、補助付き融資の条件を変化させるシステムを含む。例示的なシステムは、カストディ資産のセットを管理するための自動化されたブロックチェーン・カストディサービスを含む。例示的なシステムは、貸出エンティティ及びトランザクションを引き受けるためのデータ収集及び監視サービス、ブロックチェーンサービス、人工知能サービス、及びスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有するローンのための引受システムを含む。例示的なシステムは、一組の見込み客にローンをマーケティングするための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービス一式を有するローンマーケティングシステムを含む。例示的なシステムは、一連のローン関連エンティティを格付けするための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有する格付けシステムを含む。例示的なシステムは、融資取引に関連する法律、規制、及び方針の少なくとも1つの遵守を自動的に促進するための、データ収集及び監視サービス、ブロックチェーンサービス、人工知能サービス、及びスマートコントラクトサービスを含むデータ統合型マイクロサービスのセットを有するコンプライアンスシステムを含む。

例示的な貸出プラットフォームは、IoTによって監視されるパラメータに基づいて補助付きローンの条件を変化させるシステムを有する本明細書に提供される。例示的なシステムは、ソーシャルネットワーク内またはクラウドソーシングの少なくとも1つで監視されるパラメータに基づいて、補助付きローンの条件を変化させるシステムを含む。例示的なシステムは、カストディ資産のセットを管理するための自動ブロックチェーンカストディサービスを含む。例示的なシステムは、貸出エンティティ及びトランザクションを引き受けるためのデータ収集及び監視サービス、ブロックチェーンサービス、人工知能サービス、及びスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有するローンのための引受システムを含む。例示的なシステムは、一組の見込み客にローンをマーケティングするための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービス一式を有するローンマーケティングシステムを含む。例示的なシステムは、一連のローン関連エンティティを格付けするための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有する格付けシステムを含む。例示的なシステムは、融資取引に関連する法律、規制、及び方針の少なくとも1つの遵守を自動的に促進するための、データ収集及び監視サービス、ブロックチェーンサービス、人工知能サービス、及びスマートコントラクトサービスを含むデータ統合型マイクロサービスのセットを有するコンプライアンスシステムを含む。

例示的な貸出プラットフォームは、ソーシャルネットワークで監視されるパラメータに基づいて補助付きローンの条件を変化させるシステムを有する本明細書を提供する。例示的なシステムは、クラウドソーシングで監視されるパラメータに基づいて補助付き融資の条件を変化させるシステムを含む。例示的なシステムは、カストディ資産のセットを管理するための自動ブロックチェーン・カストディサービスを含む。例示的なシステムは、貸出エンティティおよびトランザクションを引き受けるためのデータ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有するローンのための引受システムを含む。例示的なシステムは、一組の見込み客にローンをマーケティングするための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービス一式を有するローンマーケティングシステムを含む。例示的なシステムは、一組のローン関連エンティティを格付けするための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有する格付けシステムを含んでいる。例示的なシステムは、融資取引に関連する法律、規制、及びポリシーの少なくとも1つの遵守を自動的に促進するための、データ収集及び監視サービス、ブロックチェーンサービス、人工知能サービス、及びスマートコントラクトサービスを含むデータ統合型マイクロサービスのセットを有するコンプライアンスシステムを含む。

クラウドソーシングによって監視されるパラメータに基づいて補助付きローンの条件を変化させるシステムを有する例示的な貸付プラットフォームが本明細書に提供される。例示的なシステムは、一組のカストディ資産を管理するための自動ブロックチェーン・カストディサービスを含む。例示的なシステムは、貸出エンティティおよびトランザクションを引き受けるためのデータ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有するローンのための引受システムを含む。例示的なシステムは、一組の見込み客にローンをマーケティングするための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービス一式を有するローンマーケティングシステムを含む。例示的なシステムは、一組のローン関連エンティティを格付けするための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有する格付けシステムを含んでいる。例示的なシステムは、融資取引に関連する法律、規制、及びポリシーの少なくとも1つの遵守を自動的に促進するための、データ収集及び監視サービス、ブロックチェーンサービス、人工知能サービス、及びスマートコントラクトサービスを含むデータ統合型マイクロサービスのセットを有するコンプライアンスシステムを含む。

一組のカストディ資産を管理するための自動化ブロックチェーンカストディサービスを有する例示的な貸付プラットフォームが本明細書に提供される。例示的なシステムは、貸出エンティティおよびトランザクションを引き受けるためのデータ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有するローンのための引受システムを含む。例示的なシステムは、一組の見込み客にローンをマーケティングするための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービス一式を有するローンマーケティングシステムを含む。例示的なシステムは、一組のローン関連エンティティを格付けするための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービス一式を有する格付けシステムを含んでいる。例示的なシステムは、融資取引に関連する法律、規制、及び方針の少なくとも1つの遵守を自動的に促進するための、データ収集及び監視サービス、ブロックチェーンサービス、人工知能サービス、及びスマートコントラクトサービスを含むデータ統合型マイクロサービスのセットを有するコンプライアンスシステムを含む。

例示的な貸出プラットフォームは、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、および貸出エンティティおよびトランザクションを引き受けるためのスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有するローンのための引受システムを有する本明細書を提供する。例示的なシステムは、一組の見込み客にローンをマーケティングするための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービス一式を有するローンマーケティングシステムを含む。例示的なシステムは、一組のローン関連エンティティを格付けするための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含む、データ統合されたマイクロサービスのセットを有する格付けシステムを含んでいる。例示的なシステムは、融資取引に関連する法律、規制、及びポリシーの少なくとも1つの遵守を自動的に促進するための、データ収集及び監視サービス、ブロックチェーンサービス、人工知能サービス、及びスマートコントラクトサービスを含むデータ統合型マイクロサービスのセットを有するコンプライアンスシステムを有することを含む。

例示的な貸出プラットフォームは、一組の見込み客にローンをマーケティングするための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有するローンマーケティングシステムを有する本明細書を提供する。例示的なシステムは、一組のローン関連エンティティを格付けするための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有する格付けシステムを含んでいる。例示的なシステムは、貸出取引に関連する法律、規制、およびポリシーの少なくとも1つの遵守を自動的に促進するための、データ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合型マイクロサービスのセットを有するコンプライアンスシステムを含む。実施形態では、融資関連エンティティのセットを格付けするためのデータ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有する格付けシステムを有し、融資取引に関連する法律、規制、およびポリシーの少なくとも1つの遵守を自動的に促進するためのデータ収集および監視サービス、ブロックチェーンサービス、人工知能サービス、およびスマートコントラクトサービスを含むデータ統合マイクロサービスのセットを有する遵守システムを有する融資プラットフォームがここに提供されている。

実施形態では、本明細書またはそれらを参照する参照により組み込まれる文書に記載される実施形態のいずれかに関連して、ブロックチェーン、分散型台帳などの台帳などを具現化し、可能にし、またはそれに関連付けられるデータベースサービスが本明細書で提供され得る。実施形態において、データベースサービスは、Amazon^TM QLDB^TMデータベースサービスなどの、透過的で不変的で暗号的に検証可能な台帳データベースサービスを構成してもよい。データベースサービスは、適応型インテリジェントシステム層3304またはデータ処理層3308など、システム3300の層またはマイクロサービスのうちの1つまたはそれ以上と接続されて含まれることがある。このサービスは、例えば、様々な環境またはプロセスを通じてエンティティを追跡する、一連の取引における借方と貸方の履歴を追跡する、引受プロセス、請求、または法的もしくは規制上の手続きに関連する事実を検証するなど、すべての変更または取引を記録し、これらの変更の不変記録を維持する中央化台帳と関連して使用することができる。台帳は、単一の信頼できるエンティティまたは信頼できるエンティティのセットによって所有され、取引、生産プロセス、共同サービスなどの協調プロセスで一緒に働くものなど、他の任意のエンティティと共有することができる。リレーショナルデータベースと比較して、データベースサービスは、カスタム監査テーブルまたは証跡を必要とせずに、不変の、暗号的に検証可能な元帳エントリを提供することができる。ブロックチェーンフレームワークと比較して、このようなデータベースサービスは、クエリの実行、テーブルの作成、データのインデックス作成などの機能を含むことができる。データベースサービスは、トランザクションをコミットする前のコンセンサスの要件など、パフォーマンスを低下させる多くのブロックチェーンフレームワークの要件を任意に省略することができ、またはデータベースサービスは、任意のコンセンサス機能を採用することができる。実施形態では、データベースサービスは、ユーザが、複数の当事者が集中化された信頼できるエンティティまたはエンティティのセット内で取引している、記録システムとして機能するアプリケーションを構築するために使用できる、透明で不変で暗号的に検証可能な元帳を構成することができる。データベースサービスは、リレーショナルデータベースへの監査機能の構築、またはブロックチェーンフレームワークでの従来の分散型台帳機能の使用を補完または代替することができる。データベースサービスは、各アプリケーションデータの変更を追跡し、変更の包括的かつ検証可能な履歴を維持することができる、不変のトランザクションログまたはジャーナルを使用してもよい。実施形態では、トランザクションは、削除または変更を防止するように構成されたログまたはジャーナルに記録される原子性、一貫性、分離、および耐久性（ACID）の要件に準拠するように構成されてもよい。変更は、SQLクエリなどの従来のクエリタイプを使用するなどして、ユーザがクエリまたは分析できる履歴などで、監査可能かつ検証可能であるように、暗号的に連鎖させることができる。実施形態では、データベースサービスは、特定のサーバ容量をプロビジョニングする必要や、読み取り／書き込み制限を構成する必要がないような、サーバレス形態で提供され得る。データベースサービスを開始するために、ユーザは、台帳の作成、テーブルの定義などを行うことができ、データベースサービスは、アプリケーションの需要をサポートするために自動的にスケールする。ブロックチェーンベースの台帳とは対照的に、データベースサービスは分散コンセンサスの要件を省略することができるため、より多くのトランザクションを同時に実行することができる。

ブロックチェーンまたは分散型台帳を参照する本開示の実施形態では、スケーリングされたブロックチェーンネットワークの便利な作成および管理のための施設を構成し得るAmazon^TM Managed Blockchain^TMなどのマネージドブロックチェーンサービスが使用されてもよい。マネージドブロックチェーンサービスは、本開示に記載されるような層状データサービスアーキテクチャの一部として提供され得る。ブロックチェーンまたは台帳によって提供される不変および検証可能な能力をユーザが求める状況において、ユーザは、信頼できる中央当局なしで、複数の当事者が取引、契約（本明細書に記載のスマートコントラクト実施形態など）の実行、データの共有などを可能にする能力を求めることもある。従来のブロックチェーンフレームワークを設定するには、許可されたネットワークの各参加者がハードウェアのプロビジョニング、ソフトウェアのインストール、アクセス制御のための証明書の作成および管理、ならびにネットワーク設定の設定を行う必要があり、かなりの時間および技術的専門知識が必要となる。所定のブロックチェーンアプリケーションが成長するにつれて、ネットワークのスケール、ブロックチェーンノード間のリソースの監視、ハードウェアの追加または削除、およびネットワークの可用性の管理に必要な活動も存在する。実施形態では、マネージドブロックチェーンサービスは、これらの要件および実現能力のそれぞれの管理を提供することができる。これは、オープンソースのブロックチェーンフレームワークをサポートし、ダッシュボード、コンソール、または他のユーザーインターフェースにおいて、選択したフレームワークの選択、設定、および展開を可能にすることを含み得、ユーザーは、好ましいフレームワークを選択し、ネットワークメンバーを追加し、取引要求を処理するメンバーノードを構成し得る。管理されたブロックチェーンサービスは、次に、メンバーごとに複数のノードを有する複数のアカウントにまたがることができるものなど、ブロックチェーンネットワークを自動的に作成し、ソフトウェア、セキュリティ、およびネットワーク設定を構成することができる。管理されたブロックチェーンサービスは、鍵の顧客管理を可能にする鍵管理サービスなどで、ネットワーク証明書を確保および管理してもよい。実施形態では、管理されたブロックチェーンサービスは、ネットワークメンバーがメンバーを追加または削除するために投票することを可能にするような、投票APIなどの、1つまたは複数のAPIを含むことができる。所与のアプリケーション（プラットフォーム3300に関連して説明された指摘されたアプリケーションのいずれかなど）に対してアプリケーションの使用量が増加すると、ユーザは、単純なAPIコールなどで、ブロックチェーンネットワークにより多くの容量を追加できる。実施形態では、マネージドブロックチェーンサービスは、所定のブロックチェーンベースのアプリケーションのためのリソースの適切な組み合わせを選択する能力をユーザに与えるように、コンピュートおよびメモリ容量の様々な組み合わせを提供され得る。

図69を参照すると、自動化されたローン管理のためのシステムが描かれている。様々なエンティティ／当事者6938は、借り手6940、貸し手6942、中立的な第3者（例えば、評価者等）などの第3者6944、または関心のある第3者（例えば、規制当局、会社の従業員等）を含むローン6924に関連性を有することができる。ローン6924は、ローン条件6929、ローンアクション6930、ローンイベント6932、レンダー優先順位6928などの情報を含むスマートレンディング契約6990に従うことができる。およびそのようなものである。スマート貸出契約6990は、分散型台帳6963のローンエントリ6941に記録される場合がある。スマート貸出契約6990は、ブロックチェーンデータ6934として保存されてもよい。

例示的な例では、コントローラ6922は、担保関連イベント6908、担保属性6910、担保6902が位置する環境に関する環境データ6912、セニョール6904が担保のアイテムに、担保のアイテムを含むケースに、または担保のアイテムに近接して貼り付けられ得るセンサデータ6914などの担保データ6974を受け取ることができる。実施形態では、担保データは、IoT回路6920、カメラシステム、ネットワーク監視システム、インターネット監視システム、モバイルデバイスシステム、ウェアラブルデバイスシステム、ユーザインターフェースシステム、および対話型クラウドソーシングシステムによって取得されてよい。

コントローラ6922はまた、当事者の評価、当事者の納税状況、当事者の信用報告書、当事者の信用格付け、当事者のウェブサイト評価、当事者の製品に対する顧客レビューのセット、当事者のソーシャルネットワーク評価、当事者の資格証明書のセット、当事者の紹介のセット、当事者の証言のセット、当事者の行動のセット、などの財務状態6992が推測され得るソーシャルネットワーク情報6958からデータを監視および／または受信し得る。コントローラ6922は、価格設定6950などの市場情報6948、当事者の公表された評価などの財務データ6954、公的記録によって示される当事者が所有する財産のセットの評価、当事者の破産状態、事業体の抵当流れ状態、企業の契約不履行状況、企業の規制違反状況、企業の犯罪状況、企業の輸出規制状況、企業の禁輸状況、企業の関税状況、企業の税務状況、企業の信用報告書、企業の信用格付け、等々。

実施形態では、人工知能システム6962は、コントローラ6922の一部であってもよいし、リモートシステム上であってもよい。AIシステム6962は、担保データ6974および評価モデルに基づいて担保のアイテムの価値を決定するように構成された評価回路6964と、受信した担保データ6974の第1のセットおよびその受信した担保データの第1のセットに関連付けられた担保が担保として作用したローンの結果に基づいて評価モデルを改善する価値モデル改善回路6966を含み得る。AIシステム6962は、担保イベント、ローン-イベントなどに基づいて行動を起こす自動エージェント回路6970を含むことができる。アクションは、ローンを提供する、ローンを受け入れる、ローンを引き受ける、ローンの金利を設定する、支払い要件を延期する、ローンの金利を修正する、担保の所有権を検証する、所有権の変更を記録する、担保の価値を評価する、担保の検査を開始する、ローンを呼び出す、ローンを閉じる、ローンの条件を設定する、借り主に提供すべき通知を行う、ローンの対象の不動産を差し押さえる、ローンの条件を変更する、などローン関連のアクションが含まれても良い。アクションは、割り当てられた一連の担保物件のうちの1つの所有権を検証する、割り当てられた一連の担保物件のうちの1つの所有権の変更を記録する、割り当てられた一連の担保物件のうちの1つの価値を評価する、などの担保関連アクションを含み得る、担保の割り当てられた項目のセットの1つの検査を開始すること、担保の割り当てられた項目のセットの1つのメンテナンスを開始すること、担保の割り当てられた項目のセットの1つのための担保を開始すること、担保の割り当てられた項目のセットの1つのための条件を変更すること、等である。AIシステム6962は、共通の属性に基づいて担保のアイテムのグループを作成するためのクラスタ回路6972を含むことができる。クラスタ回路6972はまた、オフセットされた担保の項目が1つまたは複数の担保の項目と共通の属性を共有する、オフセットされた担保の項目のグループを決定することができる。データは、担保のオフセットされたアイテムについて収集され、担保のアイテムの代表として使用されてもよい。スマートコントラクト回路6968は、本明細書の他の箇所に記載されるように、スマート貸出契約6990を作成してもよい。

図70を参照すると、コントローラは、ローン7030に関連する当事者に対応し、ブロックチェーンデータ7040に関連するような複数のアクセス制御機能7048を解釈するように構成されたブロックチェーンサービス回路7044を含んでもよい。システムは、ローン、担保条件などに対応する貸出取引に関連するエンティティに対応するようなエンティティ情報7002、担保データ7004などを解釈するように構成されたデータ収集回路7012を含んでもよい。システムは、ローンに関連するローン条件7024、契約7028などを指定するように構成されたスマートコントラクト回路7022を含んでもよい。システムは、エンティティ情報、複数のアクセス制御機能、およびローン条件に応答して、ローン関連アクション7034および／またはイベント7038を解釈するように構造化されたローン管理回路7032を含んでもよく、ローン関連イベントはローンに関連付けられる；エンティティ情報、複数のアクセス制御機能、およびローン条件に応答してローン関連活動を実施し、ローン関連活動がローンに関連付けられ、ブロックチェーンサービス回路、データ収集回路、スマートコントラクト回路、およびローン管理回路の各々が、システムの回路間の通信を容易にするように構成された対応するアプリケーションプログラミングインターフェース（API）コンポーネントをさらに具える。例えば、貸し手7008は、セキュアアクセス制御回路7050を介してコントローラにインターフェースするように構造化されたセキュアアクセス制御インターフェース7052（例えば、アクセス制御命令7054を介して）コントローラにインターフェースしてもよい。データ収集回路7012は、貸し手、借り手、または第三者などの融資の当事者に関する情報、担保品、融資の当事者に関連する機械または財産、融資の当事者の製品などの担保データ7004およびエンティティ情報7002を受け取るように構成されていてもよい。担保データ7004は、担保アイテムの種類、担保アイテムのカテゴリ、担保アイテムの価値、担保アイテムの種類の価格、担保アイテムの種類の価値、担保アイテムの仕様、担保アイテムの製品機能セット、担保アイテムのモデル、を含み得る、担保物件のブランド、担保物件の製造元、担保物件の年代、担保物件の流動性、担保物件の貯蔵寿命、担保物件の耐用年数、担保物件の状態、担保物件の評価、担保物件の状態、担保物件の文脈、担保物件の状態、担保物件の保管場所、担保物件の履歴、担保物件の所有者、担保物件の管理者、担保物件のセキュリティ、担保物件の所有者の状態、担保物件の先取特権、担保物件の保管状態、担保物のメンテナンス履歴、担保物の使用履歴、担保物の事故履歴、担保物の故障履歴、担保物の所有履歴、担保物の評価、担保物のジオロケーション、担保物の管轄位置、等々である。データ収集回路7012は、受信したデータに基づいて、担保条件を決定してもよい。受信されたデータ7002、7004および担保条件7010は、自動エージェント回路7014（例えば、イベント7018、7020を処理する）、スマートコントラクトサービス回路7022およびローン管理回路7032を含み得るAI回路7042に提供されてもよい。

図71を参照すると、ローン7100を処理するための例示的かつ非限定的な例示的方法が描かれている。例示的な方法は、複数のアクセス制御機能を解釈すること（ステップ7102）、エンティティ情報を解釈すること（ステップ7104）、ローン条件を指定すること（ステップ7108）、エンティティ情報に応答して契約関連イベントを行うこと（ステップ7110）、ローンに関連するイベントを解釈すること（ステップ7112）、イベントに応答してローン動作を行うこと（ステップ7114）、ユーザインターフェースを提供すること（ステップ7118）、スマートレンディング契約を作成すること（ステップ7120）、およびブロックチェーンデータとしてスマートレンディング契約を記録することを含み得る（ステップ7122）。

図72を参照すると、取引、金融、および市場のイネーブルメントの適応型インテリジェンスおよびロボットプロセス自動化機能のためのシステム7200を描写している。システム7200は、担保データ7201を受信し、担保条件7204を決定するデータ収集回路7202を含むことができるコントローラ7223を含むことができる。コントローラ7223は、複数のAI回路7254をさらに含んでもよい。複数のAI回路7254は、評価モデル改善回路7210とクラスタ回路7212とを含む評価回路7208を含んでもよい。複数のAI回路7254は、ローン7225のためのスマート貸出契約7216を含むスマートコントラクトサービス回路7214を含んでもよい。複数のAI回路7254は、ローン関連アクション7220を取る自動エージェント回路7218を含んでもよい。コントローラ7223は、報告回路7222と、担保条件7204も決定する市場価値監視回路7224とをさらに含んでもよい。コントローラ7223は、貸し手7242からアクセス制御命令7230を受信する安全なアクセスユーザインタフェース7228をさらに含んでもよい。アクセス制御指示7230は、アクセス制御機能7238を解釈して貸し手7242または他のパーティにアクセスを提供するブロックチェーンサービス回路7234に指示を提供する安全なアクセス制御回路7232に提供される。ブロックチェーンサービス回路7234は、すべて担保データと固有の担保IDをブロックチェーンデータ7235として保存する。

図73を参照すると、自動スマートコントラクト作成および担保割り当てのための方法7300が描かれている。方法7300は、担保のアイテム7302に関する第1および第2の担保データを受信することと、スマート貸出契約7304を作成することと、担保データを担保のアイテムの固有識別子7308と関連付けることと、固有識別子および担保をブロックチェーン構造7310に記憶することとを含み得る。方法は、担保データ7312に基づいて担保の状態を解釈することと、担保イベント7314を特定することと、担保イベント7318を報告することと、担保7320に応答してアクションを実行することとをさらに含んでもよい。方法7300は、担保のオフセット項目のグループ7322を特定することと、担保のオフセット項目または特定された担保の項目7314に関連する市場情報にアクセスすることと、市場情報7328に基づいてローンの条件または条項を修正することとをさらに含み得る。方法7300は、アクセス制御命令7330を受信することと、複数のアクセス制御特徴7332を解釈することと、担保日7334へのアクセスを提供することとをさらに含み得る。

図74を参照すると、ローン7400を処理するための例示的かつ非限定的な例示的システムが描かれている。例示的なシステムは、コントローラ7401を含んでもよい。コントローラ7401は、データ収集回路7412、評価回路7444、ユーザインターフェース7454（例えば、ユーザ7406とのインターフェースのため）、ブロックチェーンサービス回路7458、およびスマートコントラクトサービス回路7422、ローン管理回路7492、クラスタリング回路7432、自動エージェント回路7414（例えば、ローン関連イベント7439およびローンアクション7438の処理のため）を含む複数の人工知能回路7441を含んでも良い。

ブロックチェーンサービス回路7458は、分散型台帳7440とインターフェースするように構造化されてもよい。データ収集回路7412は、複数の担保の項目7404に関連するデータ、または複数の担保の項目7402の環境に関連するデータを受信するように構成されていてもよい。評価回路7444は、評価モデル7452および受信したデータに基づいて、複数の担保のアイテムの各々の価値を決定するように構成されてもよい。スマートコントラクトサービス回路7422は、ローンのためのスマート貸出契約7431を解釈し、複数の担保の項目の各々の決定された値に基づいて、複数の担保の項目の少なくとも一部7428を、複数の担保の項目の決定された値がローンの担保として十分であるように、ローンの担保として割り当てることによってスマート貸出契約7431を修正するように構成されていてもよい。ブロックチェーンサービス回路7458は、割り当てられた担保の項目7428の少なくとも一部を分散型台帳7440のエントリに記録するようにさらに構成されてよく、そのエントリは、ローンに関連するイベントを記録するために使用される。ブロックチェーンサービス回路、データ収集回路、評価回路、およびスマートコントラクト回路の各々は、システムの回路間の通信を容易にするように構造化された対応するアプリケーションプログラミングインターフェース（API）コンポーネントをさらに含むことができる。

スマート貸出契約7431を修正することは、ローン期間、ローン条件、ローン関連イベント、およびローン関連活動からなるリストから選択される項目を管理する条件7424を指定することをさらに含み得る。条件7424はそれぞれ、以下からなるグループから選択される少なくとも1つのメンバーを含むことができる：融資の元本、融資の残高、固定金利、変動金利の説明、支払額、支払スケジュール、バルーン支払スケジュール、担保指定、担保代用説明、当事者の少なくとも1人の説明、保証説明、保証人説明、担保説明、個人保証、抵当権、デフォルト条件、デフォルト結果、前記のいずれか1つに関連する規約、前記のいずれか1つの期間。

ローン7430は、以下からなるローンタイプから選択される少なくとも1つのローンタイプを含むことができる：自動車ローン、在庫ローン、資本設備ローン、履行保証金、資本改善ローン、建物ローン、売掛金担保ローン、インボイスファイナンス、ファクタリング、ペイデイローン、返金予測ローン、学生ローン、シンジケートローン、タイトルローン、住宅ローン、ベンチャーデットローン、知的財産ローン、契約債権ローン、運転資金ローン、中小企業ローン、農場ローン、地方債および補助金融機関ローン。

担保の項目は、以下からなる項目から選択される少なくとも1つの項目を含み得る：車両、船舶、航空機、建物、住宅、不動産、未開発土地、農地、作物、自治体施設、倉庫、在庫品、商品、証券、通貨、有価証券、チケット、暗号通貨、消耗品、食用品、飲料、貴金属、宝石、知的財産権、契約上の権利、骨董品、備品、家具、工具、機械類、動産。

データ収集回路7412は、ローン7430および対応する担保のアイテムに関連する結果データ7410を受信するようにさらに構成されてもよく、評価回路7444は、結果データ7410に基づいて評価モデル7452を反復的に改善するように構成された人工知能回路からなる。

評価回路7444は、複数の担保の品目のうちの少なくとも1つの品目の価値に関連する市場情報を監視し報告するように構造化された市場価値データ収集回路7448をさらに含むことができる。市場価値データ収集回路7448は、少なくとも1つの公開市場において担保の品目に類似する品目の価格設定または財務データを監視するようにさらに構成されていてもよい。

クラスタリング回路7432は、担保の属性に対する類似性に基づいて、担保のアイテムを評価する際に使用するためのオフセットアイテム7434のセットを特定するように構成されていてもよい。

担保の属性は、担保のカテゴリ、担保の年齢、担保の状態、担保の履歴、担保の保管状態、担保の地理的位置からなる属性のリストの中から選択され得る。

データ収集回路7412は、担保アイテムの状態7411を解釈するようにさらに構成されてもよい。

データ収集回路は、IoTシステム、カメラシステム、ネットワーク監視システム、インターネット監視システム、モバイル機器システム、ウェアラブル機器システム、ユーザインターフェースシステム、および対話型クラウドソーシングシステムからなるシステムから選択される少なくとも1つのシステムをさらに含み得る。

ローンは、以下からなるローンの種類から選択される少なくとも1つのローンの種類を含む：自動車ローン、在庫ローン、設備ローン、履行保証金、設備改善ローン、建物ローン、売掛金担保ローン、インボイスファイナンス、ファクタリング、ペイデイローン、返金予測ローン、学生ローン、シンジケートローン、タイトルローン、住宅ローン、ベンチャーデットローン、知的財産ローン、契約債権ローン、運転資金ローン、小企業ローン、農業ローン、地方債および助成金融資の中から選ばれた少なくとも1つのローンの種類。

ローン管理回路7492は、ローンに関連するイベント7439を解釈し、ローンに関連するイベントに応答してローンに関連するアクション7438を実行するように構成され得る。

ローンに関連するイベントは、ローンの価値、ローンの担保の状態、またはローンの担保の所有権のうち少なくとも1つに関連するイベントを含むことができる。

ローンに関する措置は、ローンの条件の変更、当事者の一方への通知の提供、ローンの借り手への必要な通知の提供、ローンの対象となる不動産の差押えのうち少なくとも1つを含むことができる。

回路の対応するAPIコンポーネントは、システムの複数のユーザと対話するように構成されたユーザインタフェースをさらに含むことができる。

複数のユーザは、それぞれ、複数の当事者のうちの1つ、複数の事業体のうちの1つ、または前述のいずれか1つの代表者を含むことができる。複数のユーザのうちの少なくとも1つは、以下を含み得る：見込みのある当事者、見込みのある事業体、または前述のいずれか1つの代表者。

図75を参照すると、融資を処理するための例示的かつ非限定的な例示的方法7500が描かれている。例示的な方法は、複数の担保の項目に関連するデータを受信すること（ステップ7502）と、複数の担保の項目の各々に値を設定すること（ステップ7504）と、複数の担保の項目の少なくとも一部をローンの担保として割り当てること（ステップ7508）と、複数の担保の項目の割り当てられた少なくとも一部を分散台帳のエントリに記録し、そのエントリはローンに関連するイベントを記録するために使用される（ステップ7510）ことを含むことができる。スマート貸出契約は、融資のために修正されてもよい（ステップ7512）。

融資のための条件が指定されることがある（ステップ7514）。条件はそれぞれ、債務の元本、債務の残高、固定金利、変動金利、支払額、支払スケジュール、バルーン支払スケジュール、当事者、保証、保証人、担保、個人保証、先取特権、期間、約款、差押条件、デフォルト条件、およびデフォルトの結果からなるリストから選択される。

融資に関連する成果データが受信される場合がある（ステップ7518）。評価モデルは、結果データおよび対応する担保に基づいて反復的に改善されてもよい（ステップ7520）。担保の複数の項目のうちの少なくとも1つの価値に関連する市場情報が監視され得る（ステップ7522）。

複数の担保のアイテムのうちの1つに類似するアイテムのセットは、複数の担保のアイテムのうちの1つの属性に対する類似性に基づいて特定され得る（ステップ7524）。

複数の担保アイテムのうちの1つの状態を解釈することができる（ステップ7528）。

複数の担保物件のうちの1つの価値、複数の担保物件のうちの1つの状態、または担保物件のうちの1つの所有権に関連するイベントが報知され得る（ステップ7530）。

複数の担保の項目のうちの1つの価値、複数の担保の項目のうちの1つの状態、または複数の担保の項目のうちの1つの所有権：に関連するイベントが解釈されてもよく（ステップ7532）、当該担保ローンの複数の担保の項目のうちの1つに関連するイベントに応答して担保ローンに関連するアクションが実行される（ステップ7534）。

融資関連アクションは、融資の申し出、融資の受け入れ、融資の引き受け、融資の金利設定、支払要件の延期、融資の金利の変更、担保の権利確認、権利変更の記録、担保の価値評価、担保の検査開始、融資実行、融資の条件設定、借り手に提供すべき通知の提供、融資対象物件の差押え、融資条件の変更からなるアクションの中から選択され得る。

図76を参照すると、適応型インテリジェンスおよびロボットプロセス自動化能力7600のための例示的かつ非限定的な例示的システムが描かれている。例示的なシステムは、コントローラ7601を含んでもよい。コントローラは、IoTシステム、カメラシステム、ネットワーク監視システム、インターネット監視システム、モバイルデバイスシステム、ウェアラブルデバイスシステム、ユーザインターフェースシステム、および対話型クラウドソーシングシステムなどの様々なソースおよびシステムから、担保データ7632、担保に関連する環境データ7634などのデータを収集し得るデータ収集回路7628を含んでもよい。受信されたデータ7632、7634に基づいて、データ収集回路7628は、付随イベント7630を特定し得る。

コントローラ7601は、受信データ7632、7634に部分的に基づいて、担保の品目のための価値を決定し得る評価回路7602を含む、様々なAI回路7644を含むこともできる。評価回路7602は、担保のアイテムまたはオフセットされた担保のアイテムに関する市場データを決定するように構造化された市場価値監視回路7606を含んでもよく、市場データは担保のアイテムに対する評価に寄与し得る。AI回路はまた、スマートコントラクト7622の作成、スマートコントラクト7622の条件7624の特定、貸し手の優先順位の特定、貸し手間の価値7626の配分の追跡など、ローン7629に関連するサービスを促進するスマートコントラクトサービス回路7610を含むことができる。スマートコントラクトサービス回路7610は、分散型台帳7625上にローンエントリ7627を作成および修正することができるブロックチェーンサービス回路7636にデータを提供してもよく、ローンエントリ7627は、条件、ローンを担保するために使用される担保のアイテムに関するデータ、貸し手の優先順位および価値の配分などを含み得る。AI回路7644はまた、担保の項目の1つと少なくとも1つの属性を共有するオフセットされた担保の項目のグループ7604を作成する担保分類回路7640を含み得、ここで、共通の属性は、項目のカテゴリ、項目の年齢であってもよい、項目の状態、項目の履歴、項目の所有者、項目の管理者、項目のセキュリティ、項目の所有者の状態、項目の先取特権、項目の保管状態、項目のジオロケーション、項目の管轄位置、等である。担保のオフセットアイテム7642の使用は、関連する市場データの取得および担保のアイテムに対する価値の全体的な決定において、市場価値監視回路7606を容易にし得る。

データ収集回路7628は、受信したデータおよび担保の品目に対する価値の決定を利用して、担保イベント7630を特定してもよい。担保イベント7630に基づいて、自動エージェント回路7646は、アクション7648を取ることができる。アクション7648は、ローンを提供する、ローンを受け入れる、ローンを引き受ける、ローンの金利を設定する、支払い要件を延期する、ローンの金利を修正する、ローンを呼び出す、ローンを閉じる、ローンの条件を設定する、借り手に提供されるべき通知を提供する、ローンの対象となる財産を差し押さえる、ローンの条件を修正するなど、ローン関連のアクションであっても良い。アクション7648は、担保の品目のセットの1つに対する権原を検証する、担保の品目のセットの1つに対する権原の変更を記録する、担保の品目のセットの1つの価値を評価する、担保の品目のセットの1つの検査を開始する、担保の品目のセットの1つのメンテナンスを開始する、担保の品目のセットの1つのためのセキュリティを開始する、担保品目のセットの1つのための条件を変更する、などの担保関連のアクションであってよい。

図77を参照すると、ローン作成および管理のための例示的かつ非限定的な例示的方法7700が描かれている。例示的な方法7700は、ローンの担保を提供する担保のアイテムのセット（ステップ7702）に関連するデータを受信することと、担保のアイテムのセットのうちの1つの環境に関連するデータを受信すること（ステップ7704）とを含むことができる。ローンのためのスマート貸出契約が作成され（ステップ7706）、担保のアイテムのセットがスマート貸出契約に記録されてもよい（ステップ7708）。ローンエントリーが分散型台帳に再コード化されてもよく（ステップ7770）、ローンエントリーは、スマート貸出契約またはスマートコントラクトへの参照を含む。

担保の項目のセットの各々に対する価値が決定され（7772）、担保の項目の価値が、異なる貸し手の優先順位に基づいて貸し手間で配分されてもよい（ステップ7776）。評価モデルは、担保の項目のセットの評価決定のセットと、担保としてそれらの担保の項目を有するローンの結果と、それらの担保の項目の評価とを含む学習セットに基づいて修正されてもよい（ステップ7774）。

担保イベントは、受信したデータまたは担保のアイテムのうちの1つの評価に基づいて決定されてもよい（ステップ7778）。決定された担保イベントに応答してローン関連アクションが実行されてもよく（ステップ7780）、ローン関連アクションは、ローンを提供すること、ローンを受け入れること、ローンを引き受けること、ローンの金利を設定すること、支払い要件を延期すること、ローンの金利を修正すること、ローンを呼び出すこと、ローンを閉じること、ローンの条件を設定すること、借り手に提供されなければならない通知を行うこと、ローンの対象となる財産に差し押さえること、ローンの条件を変更することなど、含む。

担保関連アクションは、決定された担保イベントに応答して実行され得（ステップ7782）、担保関連アクションは、担保アイテムのセットのうちの1つのタイトルを検証すること、担保アイテムのセットのうちの1つのタイトルにおける変更を記録すること、担保アイテムのセットのうちの1つの価値を評価すること、を含む、担保物一式の検査を開始すること、担保物一式のメンテナンスを開始すること、担保物一式の担保を開始すること、担保物一式の条件を変更すること、などである。

担保のオフセットアイテムのグループ内の各アイテムが担保のアイテムの少なくとも1つと共通の属性を共有する、担保のオフセットアイテムの1つまたは複数のグループが特定され得る（ステップ7784）。次いで、マーケットプレイス情報は、担保のオフセットされたアイテムに関連するデータについて監視されてもよい（ステップ7786）。担保の1つまたは複数のオフセットアイテムに関する監視されたマーケットプレイス情報は、担保のアイテムの価値を更新するために使用されてもよい（ステップ7788）。分散型台帳のローンエントリーは、担保のアイテムの更新された値で更新される（7730）ことがある。

図78を参照すると、取引、金融、および市場のイネーブルメントの適応型インテリジェンスおよびロボットプロセス自動化機能のための例示的なシステム7800が描かれる。システム7800は、複数のAI回路7820を含む可能性があるコントローラ7801を含むことができる。複数のAI回路7820は、ローン7818のためのスマート貸出契約7812を作成および修正するためのスマートコントラクトサービス回路7810を含んでもよい。スマート貸出契約7812は、ローン7818のための条件7814、担保の必要価値を指定する規約、ローン7818に関する情報、担保の項目、貸主に関する情報、貸主間の担保の項目の価値の配分7816を含む貸主優先順位を含む、貸主を含むことができる。

複数のAI回路7820は、評価モデル7809および担保データ7840に基づいて、担保のアイテムに対する1つまたは複数の値7808を決定するように構成された評価回路7802を含んでもよい。評価回路7802は、ローン7818を担保するために使用される担保の項目との共通の属性に基づいてオフセット担保7807の項目を識別するための担保分類回路7803を含んでもよい。市場価値モニタリング回路7806は、担保のアイテムおよびオフセットされた担保のアイテム7807に関する市場情報7842を受信してもよい。市場情報7842は、担保のアイテムに対する価値7808を決定する際に評価モデル7809によって使用されてもよい。評価回路7802は、価値7808を決定するために使用される評価モデル7809を改良するための評価モデル改良回路7804をさらに含んでもよい。評価モデル改善回路7804は、担保の項目に対する以前に決定された値7808と、それらの担保の項目が担保として機能したローンの結果に関するデータを含むトレーニングセットを利用してもよい。

複数のAI回路7820は、担保アイテムの値7808を、ローンの契約書に規定された担保アイテムの要求値と比較し、担保満足値7830を決定する値比較回路7828を含むローン管理回路7822を含んでもよい。スマートコントラクトサービス回路7810は、担保満足値7830に応答して、ローン7818の条件または条件7814を決定してもよく、条件7814は、スマート貸付契約7812のローン当事者、ローン担保、ローン関連イベント、およびローン関連活動などのローン構成要素と関連する。条件の項は、ローンの元金、ローンの残高、固定金利、変動金利の記述、支払額、支払スケジュール、バルーン支払スケジュール、担保指定、担保代用記述であってよい、当事者の説明、保証の説明、保証人の説明、担保の説明、個人保証、先取特権、差し押さえ条件、デフォルト条件、デフォルトの結果、前述のいずれか1つに関連する規約、前述のいずれか1つの期間、など。条件の用語は、債務の元本、債務の残高、固定金利、変動金利、支払額、支払スケジュール、バルーン支払スケジュール、当事者、保証、保証人、担保、個人保証、先取特権、期間、契約、差し押さえ条件、デフォルト条件、デフォルトの結果、などであってもよい。スマートコントラクトサービス回路7810は、担保満足値7830に応答して決定されるような新しい条件又は条件7814を含むように、スマート貸出契約7812を修正してもよい。

ローン管理回路7822は、担保満足値7830に基づいてアクション7826を取るための自動エージェント回路7824も含むことができる。アクション7826は、担保物のタイトルを検証する、担保物のタイトルの変更を記録する、担保物の価値を評価する、担保物の検査を開始する、担保物のメンテナンスを開始する、担保物の担保を開始する、担保物の条件を変更するなどの担保関連のアクションであってよい。

担保のアイテム、などである。アクション7826は、ローンを提供する、ローンを受け入れる、ローンを引き受ける、ローンの金利を設定する、支払い要件を延期する、ローンの金利を修正する、ローンを呼び出す、ローンを閉じる、ローンの条件を設定する、借り手に提供されることが要求される通知を提供する、ローンの対象となる財産を差し押さえる、ローンの条件を修正する、などのローン関連アクションであっても良い。

コントローラ7801はまた、担保データ7840を受信し、担保イベント7834を決定するためのデータ収集回路7832を含んでもよい。その後、担保イベント7834および担保データ7840は、報告回路7836によって報告されてもよい。ブロックチェーンサービス回路7838は、スマート貸出契約7812のコピーが格納されるブロックチェーンデータ7825を作成および更新してもよい。

図79を参照すると、取引、金融および市場活動のロボットプロセス自動化のための例示的かつ非限定的な方法が描かれている。例示的な方法は、担保のアイテム（複数可）がローンの担保として機能している、担保のアイテムまたはアイテムのセットに関連するデータを受信すること（ステップ7902）を含み得る。担保のアイテムの価値は、受信したデータおよび評価モデルに基づいて決定される（ステップ7904）。スマート融資契約が作成され（ステップ7906）、融資を担保するために必要な担保の要求値を指定する契約書を含む融資に関する情報が指定される（ステップ7907）。

担保のアイテムの価値は、規約で指定された担保の価値と比較され（ステップ7908）、担保満足値が決定されてもよく（ステップ7910）、担保満足値は、担保の価値が担保の要求価値を超える場合は正であっても、担保の価値が担保の要求価値未満である場合は負でもよい。担保満足値に応答して、ローン関連アクションが実行されてもよい（ステップ7912）。担保満足値に応答して、期間または条件が決定され（ステップ7914）、スマート貸出契約が修正されてもよい（ステップ7916）。

評価モデルは、機械学習システム、モデルベースシステム、ルールベースシステム、ディープラーニングシステムを使用して、担保のアイテムの第1のセットに対する評価決定の第1のセット、および担保のアイテムの第1のセットを担保として有するローン結果の対応するセットに基づいて修正され得る（ステップ7918）、ニューラルネットワーク、畳み込みニューラルネットワーク、フィードフォワードニューラルネットワーク、フィードバックニューラルネットワーク、自己組織化マップ、ファジー論理システム、ランダムウォークシステム、ランダムフォレストシステム、確率論システム、ベイズシステム、シミュレーションシステム、前述のいずれかの少なくとも2つのハイブリッドシステム、などを用いる。

担保物のカテゴリー、担保物の年齢、担保物の状態、担保物の履歴、担保物の所有者など、担保物との共通属性に基づいて、オフセットされた担保物のグループを特定することができる（ステップ7920）、担保物の管理者、担保物のセキュリティ、担保物の所有者の状態、担保物の先取特権、担保物の保管状態、担保物の地理的位置、担保物の管轄区域の位置。価格設定または財務データなどのオフセット担保に関連するデータ（ステップ7922）、およびマーケットプレイス情報（ステップ7924）に応答して修正されるスマートレンディング契約について、などのマーケットプレイス情報が監視されてもよい。マーケットプレイス情報に基づいて、アクションが自動的に開始される場合がある（ステップ7926）。アクションは、ローンの条件を修正すること、デフォルトの通知を発行すること、ローンの条件を修正する差し押さえアクションを開始すること、ローンの当事者に通知を提供すること、ローンの借り手に必要な通知を提供すること、ローンの対象となる不動産を差し押さえること、担保アイテムのタイトルを有効にすること、などを含むことができる、担保物件の所有権の変更記録、担保物件の価値評価、担保物件の検査開始、担保物件の保守開始、担保物件の担保開始、担保物件の条件変更等。

図80を参照すると、適応型知能およびロボットプロセス自動化能力8000のための例示的かつ非限定的な例示的システムが描かれている。例示的なシステムは、一組のローン8018を確保するために使用される複数の担保の項目に関する担保データ8032を受け取るように構成されたデータ収集回路8028を含むコントローラ8001を含むことができる。データ収集回路8028は、IoTシステム、カメラシステム、ネットワーク監視システム、インターネット監視システム、モバイルデバイスシステム、ウェアラブルデバイスシステム、ユーザインターフェースシステム、対話型クラウドソーシングシステムなどを含むことができる。担保物件は、車両、船舶、飛行機、建物、家、不動産物件、未開発土地物件、農場、作物、自治体施設、倉庫、在庫セット、商品、証券、通貨、価値トークン、チケット、暗号通貨を含み得る、消耗品、食用品、飲料、貴金属、宝石、知的財産、知的財産権、契約権、骨董品、什器、家具、工具、機械、動産等である。ローンのセットは、自動車ローン、在庫ローン、資本設備ローン、履行保証金、資本改善ローン、建物ローン、売掛金担保ローン、請求書金融アレンジメント、ファクタリングアレンジメント、給料日ローン、返金予測ローン、学生ローン、シンジケートローン、タイトルローン、住宅ローン、ベンチャー債務ローン、知的財産のローン、契約債権のローン、運転資金ローン、小企業ローン、農業ローン、地方債、補助ローン、およびその他を含み得る。ローンのセット8018は、ローンのリスクを分散させる手段として、複数の借主に分散させることができる。

コントローラ8001はまた、担保のアイテムの中から、共通の属性を共有することによって関連する担保のグループ8022を識別するための、担保分類回路8020を含む複数のAI回路8044を含み得、ここで、共通の属性は、受信した担保データ8032、例えば担保のアイテムのタイプ、担保のアイテムのカテゴリー、担保のアイテムの値、担保物の種類の価格、担保物の種類の価値、担保物の仕様、担保物の製品機能セット、担保物のモデル、担保物のブランド、担保物の製造業者、担保物の年齢、担保物の流動性、担保物の貯蔵寿命、担保物の耐用年数、担保物の状態、担保物の評価、担保物の状態、担保物の文脈、担保物の状態、担保物の保管場所、担保物の履歴、担保物の所有者、担保物の管理者、担保物の担保、担保物の所有者の状態、担保物の先取特権、担保物の保管状態、担保物のメンテナンス履歴、担保物の使用履歴、担保物の事故履歴、担保物の故障履歴、担保物の所有履歴、担保物の評価、担保物のジオロケーション、担保物の管轄位置、等々である。また、担保分類回路8020は、オフセット担保8023の項目と担保の項目とが共通の属性を共有するオフセット担保8023を特定してもよい。

また、報告回路8034は、担保データ8032に基づいて、担保イベント8030を報告してもよい。自動エージェント回路8008は、担保イベント8030に基づいてアクション8009を自動的に実行してもよい。アクション8009は、複数の担保の品目のうちの1つに対するタイトルの検証、複数の担保の品目のうちの1つに対するタイトルの変更の記録、複数の担保の品目のうちの1つの価値の評価、複数の担保の品目のうちの1つの検査の開始、複数の担保の品目のうちの1つのメンテナンスの開始、複数の担保の品目のうちの1つのための担保の開始、複数の担保の品目のうちの1つの条件を変更するなどといった担保関連のアクションであっても良い。アクション8009は、ローンを提供する、ローンを受け入れる、ローンを引き受ける、ローンの金利を設定する、支払い要件を延期する、ローンの金利を変更する、ローンを呼び出す、ローンを閉じる、ローンの条件を設定する、借り手に提供されることが要求される通知を提供する、ローンの対象となる財産を差し押さえる、ローンの条件を変更する、などのローン関連のアクションであっても良い。

コントローラ8001は、個々のローンまたはローンのセット8018のためのスマート貸出契約8012を作成するスマートコントラクトサービス回路8010も含み得、スマート貸出契約8012は、共通の属性を共有する担保の関連項目8022のグループから選択されて、ローンのセット8018の担保として働く担保8016のサブセットを同定する。スマートコントラクトサービス回路8010は、担保の項目の更新された値に基づいて担保のサブセット8016を再定義することもでき、したがって、担保の項目の値に基づいてローンのセットに用いられる担保の項目を再バランスする。担保のサブセット8016の識別は、共通の属性がリアルタイムで変化したとき（例えば、担保のアイテムのステータスまたは担保が定義された時間帯に輸送中であるかどうか）に、リアルタイムで識別され得る。さらに、スマートコントラクトサービス回路8010は、担保のアイテムのうちの1つの値に基づいてローンの条件または条件8014を決定してもよく、条件または条件8014は、ローン当事者、ローン担保、ローン関連イベント、およびローン関連活動などのローン構成要素と関連する。用語または条件8014は、ローンの元金、ローンの残高、固定金利、変動金利の記述、支払額、支払スケジュール、バルーン支払スケジュール、担保指定、担保代替の記述であってもよい、当事者の記述、保証の記述、保証人の記述、担保の記述、個人保証、先取特権、差し押さえ条件、デフォルト条件、デフォルトの結果、前述のいずれかに関連する規約、前述のいずれかに関連する期間、など。

コントローラはまた、受信したデータおよび評価モデル8042に基づいて、担保の項目のサブセット内の担保の各項目について値8040を決定する評価回路8002を含んでもよい。評価モデル改善回路8004は、担保の項目の第1のセットに対する評価決定の第1のセットと、担保の項目の第1のセットを担保として有するローン成果の対応するセットとに基づいて、評価モデル8042を修正してもよい。評価モデル改善回路8004は、機械学習システム、モデルベースシステム、ルールベースシステム、深層学習システム、ニューラルネットワーク、畳み込みニューラルネットワーク、フィードフォワードニューラルネットワーク、フィードバックニューラルネットワーク、自己組織化マップ、ファジー論理システム、ランダムウォークシステム、ランダムフォレストシステム、確率的システム、ベイズシステム、シミュレーションシステム、前述の少なくとも2つを含むハイブリッドシステム、または同様のものを含んでもよい。評価回路8002は、オフセット担保8023または担保のグループ8022に関連する価格設定または財務データなどの市場情報8038を監視および報告するための市場価値データ収集回路8006も含み得る。

図81を参照すると、自動化された取引、金融およびマーケットプレイス活動のための方法8100が示されている。方法は、担保のアイテムに関連するデータを受信すること（ステップ8102）と、グループ内のアイテムが共通の属性または特徴を共有する担保のアイテムのグループを特定すること（ステップ8104）と、グループのサブセットをローンのセットのためのセキュリティとして特定すること（8108）と、スマートレンディング契約がセキュリティとして機能するグループのサブセットを特定するローンのセットについてスマートレンディング契約を作成する（ステップ8110）ことを含み得る。担保のアイテムのグループによって共有される共通の属性は、受信したデータに含まれてもよい。

担保の各項目の価値は、受信したデータおよび評価モデルを使用して決定されてもよい（8112）。その後、担保として使用される担保のサブセットは、異なる担保の項目の値に基づいて再定義されてもよい（8114）。スマート貸出契約の少なくとも1つに対する条件の条項は、グループのサブセット内の担保の項目の少なくとも1つに対する値に基づいて決定され（8118）、スマート貸出契約は決定された条項または条件を含むように修正されてもよい（8120）。さらに、いくつかの実施形態では、評価モデルは、担保の項目の第1のセットに対する評価決定の第1のセットと、担保の項目の第1のセットを担保として有するローン成果の対応するセットとに基づいて修正され得る（8122）。

担保のオフセットアイテムのグループの各メンバーおよび複数のアイテムのグループが共通の属性を共有する、担保のオフセットアイテムのグループが特定される場合がある（ステップ8124）。情報マーケットプレイスが監視され、担保のオフセットアイテムのグループについてマーケットプレイス情報が報告される（ステップ8126）ことがある。

図82は、ローン8212の当事者のセットに関連するデータ8202を受け取るように構造化されたデータ収集回路8224を含むシステム8200を描写している。データ収集回路は、ローンの担保として機能する担保の品目のセット8214に関連する担保関連データ8208を受け取り、担保の品目のセットの状態を決定するように構成されてもよく、金利の変化は、担保の品目のセットの状態に基づいてもよい。担保の項目は、車両、船舶、飛行機、建物、家、不動産物件、未開発の土地物件、農場、作物、自治体施設、倉庫、在庫のセット、商品、セキュリティ、通貨、価値のあるトークン、チケット、暗号通貨であってよい、消耗品、食用品、飲料、貴金属、宝石、知的財産、知的財産権、契約上の権利、骨董品、備品、家具、工具、機械、動産、等々である。受信されたデータは、ローンの当事者のセットの属性を含んでもよく、ここで、金利の変化は、属性に部分的に基づいてもよい。データ収集回路は、IoT回路、画像キャプチャ装置、ネットワーク監視回路、インターネット監視回路、モバイルデバイス、ウェアラブルデバイス、ユーザインターフェース回路、対話型クラウドソーシング回路などのシステムを含んでもよい。例えば、データ収集回路は、ローンの当事者の集合の属性を監視するように構成されたIoT回路8254を含んでもよい。データ収集回路は、当事者のセットの少なくとも1つに関連するウェアラブルデバイス8206を含んでもよく、ウェアラブルデバイスは、人間関連データ8204を取得するように構成され、受信したデータは、人間関連データの少なくとも一部を含む。データ収集回路は、ローンの当事者からデータを受信し、ローンの当事者の少なくとも1人からのデータを受信したデータの一部として提供するように構成されたユーザインターフェース回路8226を含んでもよい。データ収集回路は、ローンの当事者のセットの少なくとも1つに関するデータを募集し、募集されたデータを受信し、受信したデータの一部として募集されたデータの少なくともサブセットを提供するように構成された対話型クラウドソーシング回路8238を含んでもよい。データ収集回路は、少なくとも1つの公開情報サイト8222からローンの当事者に関連するデータを取得するように構成されたインターネット監視回路8240を含んでもよい。システムは、ローン8216のためのスマート貸出契約8234を作成するように構造化されたスマートコントラクト回路8232を含んでもよい。ローンは、在庫ローン、資本設備ローン、履行保証金、資本改善ローン、建物ローン、売掛金担保ローン、インボイスファイナンス手配、ファクタリング手配、ペイデイローン、返金予測ローン、学生ローン、シンジケートローン、タイトルローン、住宅ローン、ベンチャー債務ローン、知的財産ローン、契約債権ローン、運転資金ローン、小企業ローン、農業ローン、地方債、補助金付きローンなどのローンの種類から選択されたタイプであっても良い。スマートコントラクト回路は、属性に基づいてスマート貸出契約の条件又は条件8218を決定し、条件又は条件を含むようにスマート貸出契約を修正するように構成されてもよい。用語または条件は、ローン当事者、ローン担保、ローン関連イベント、ローン関連活動などのローン構成要素に関連していてもよい。用語または条件は、ローンの元本、ローンの残高、固定金利、変動金利の説明、支払額、支払スケジュール、バルーン支払スケジュール、担保指定、担保代替の説明であってもよい、当事者の説明、保証の説明、保証人の説明、担保の説明、個人保証、先取特権、差し押さえ条件、デフォルト条件、デフォルトの結果、前述のいずれか1つに関連する規約、前述のいずれか1つの期間、など。システムは、受信したデータに応答してローン関連アクション8220を自動的に実行するように構造化された自動エージェント回路8236を含み得、ここで、ローン関連アクションは、ローンの金利の変更であり、スマートコントラクト回路は、変更された金利でスマート貸付契約を更新するようにさらに構造化され得る。システムは、受信されたデータおよび評価モデル8230に基づくなどして、担保のアイテムのセットのうちの少なくとも1つの価値を決定するように構成された評価回路8228を含んでもよい。スマートコントラクト回路は、担保のアイテムのセットの少なくとも1つに対する値に基づいて、スマート貸出契約の条件または条項を決定し、条件または条項を含むようにスマート貸出契約を修正するように構成されていてもよい。用語又は条件は、ローン当事者、ローン担保、ローン関連イベント、ローン関連活動等のローン構成要素に関連するものであってよい。用語または条件は、ローンの元本、ローンの残高、固定金利、変動金利の説明、支払額、支払スケジュール、バルーン支払スケジュール、担保指定、担保代替の説明であってもよい、当事者の記述、保証の記述、保証人の記述、担保の記述、個人保証、先取特権、差し押さえ条件、デフォルト条件、デフォルトの結果、前述のいずれか1つに関連する規約、前述のいずれか1つの期間、などである。評価回路は、評価モデル改善回路8242を含んでもよく、評価モデル改善回路は、担保の項目の第1のセットおよび担保の項目の第1のセットを担保として有するローン結果の対応するセットについての評価決定の第1のセット8244に基づくなど、評価モデルを修正してもよい。評価モデル改善回路は、機械学習システム、モデルベースシステム、ルールベースシステム、深層学習システム、ニューラルネットワーク、畳み込みニューラルネットワーク、フィードフォワードニューラルネットワーク、フィードバックニューラルネットワーク、自己組織化マップ、ファジー論理システム、ランダムウォークシステム、ランダムフォレストシステム、確率的システム、ベイズシステム、シミュレーションシステム、前述の少なくとも2つを含むハイブリッドシステム等の1つのシステムを含んでもよい。金利の変化は、担保のアイテムのセットのうちの少なくとも1つに対する値にさらに基づいてもよい。評価回路は、担保の項目の価値に関連する担保のオフセット項目の市場情報8248を監視および報告するように構成された市場価値データ収集回路8246を含んでもよい。市場価値データ収集回路は、少なくとも1つの公開市場における担保のオフセットアイテムの価格設定または財務データのうちの1つを監視し、価格設定または財務データのうちの監視された1つを報告するように構成されていてもよい。システムは、担保のオフセット項目のグループ8252を識別するように構造化された担保分類回路8250を含み得、担保のオフセット項目のグループの各メンバーおよび担保の項目のセットの少なくとも1つは、共通の属性を共有する。共通属性は、アイテムのカテゴリ、アイテムの年齢、アイテムの状態、アイテムの歴史、アイテムの所有者、アイテムの管理者、アイテムのセキュリティ、アイテムの所有者の状態、アイテムの先取特権、アイテムの保管状態、アイテムのジオロケーション、アイテムの管轄位置等であってもよい。

図83は、ローンの当事者のセットの少なくとも1つに関連するデータを受信すること8302、ローンのためのスマート貸出契約を作成すること8304、受信したデータに応答してローン関連アクションを実行することであって、ローン関連アクションがローンの金利の変更8308、および変更した金利8310でスマート貸出契約を更新することを含む方法8300を描写している。方法は、ローンの担保として機能する担保の項目のセット8314に関連するデータを受信することと、担保の項目のセット8318の状態を決定することと、担保の項目のセットの状態に応答してローン関連アクションを実行することとをさらに含み得、ローン関連アクションはローン8320の金利の変更であり得る。本方法は、ローン8322の担保として機能する担保の項目のセットに関連するデータを受信することと、担保の項目のセットの少なくとも1つの状態8324を決定することと、担保の項目のセットの少なくとも1つの状態8328に基づいてスマート貸付契約の条件または条件を決定することと、条件または条件8330を含むようにスマート貸付契約を変更することとをさらに含み得る。本方法は、担保のオフセット項目のグループの各メンバーおよび担保の項目のセットの少なくとも1つが共通の属性を共有する担保のオフセット項目のグループを識別することと、公開市場において担保のオフセット項目のグループを監視することとを含み、さらに監視されたデータを報告することができる。本方法は、監視された担保のオフセット項目のグループに基づくなどして、担保の項目のセットの少なくとも1つによって担保されるローンの金利を変更することを含むことができる。

図84は、ローン8408に対する一連の当事者8406の少なくとも1つの当事者（例えば、ウェブサイト、ニュース記事、ソーシャルネットワーク、クラウドソーシング情報など）に関連する、情報のパブリックソース8404からのデータ8402を取得するように構成されたデータ収集回路8418を含むシステム8400を描写する（例えば、一次貸し手、二次貸し手、貸し出しシンジケート、企業貸し手、政府貸し手、銀行貸し手、担保付き貸し手、債券発行者、債券購入者、無担保貸し手、保証人、担保提供者、借り手、債務者、引受人、検査官、評価者、監査人、評価専門家、政府職員、会計士、および同様のもの）。データ収集回路は、ローンの担保として機能する担保の項目のセット8412に関連する担保関連データ8410を受信し、担保の項目のセットの少なくとも1つの状態を決定するようにさらに構成されてよく、金利の変化は、担保の項目のセットの少なくとも1つの状態にさらに基づいている。取得されたデータは、融資の当事者のセットのうちの少なくとも1つの当事者の財務状態を含んでもよい。財務状態は、ローンの当事者のセットの少なくとも1つの当事者の少なくとも1つの属性に基づいて決定されてもよく、属性は、以下からなる属性のリストのうちから選択される：当事者の公表された評価、公的記録によって示された当事者が所有する一連の財産、当事者が所有する一連の財産の評価、当事者の破産状態、当事者の差し押さえ状態、当事者の契約不履行状態、当事者の規制違反状態、当事者の犯罪状態、当事者の輸出規制状態、当事者の禁輸状態、当事者の関税状態、当事者の税務ステータス、当事者の信用報告書、当事者の信用格付け、当事者のウェブサイト格付け、当事者の製品に対する顧客レビューのセット、当事者のソーシャルネットワーク格付け、当事者の資格のセット、当事者の紹介のセット、当事者の証言のセット、当事者の行動のセット、当事者の位置、当事者のジオロケーション、当事者の司法位置、等々である。システムは、ローン8408のためのスマート貸出契約8426を作成するように構造化されたスマートコントラクト回路8424を含んでもよい。スマートコントラクト回路は、スマート貸出契約において条件を指定するように構成されてもよく、スマート貸出契約における条件または条件のうちの1つは、ローン関連イベントまたはローン関連活動のうちの1つを支配する。システムは、取得されたデータに応答してローン関連アクション8416を自動的に実行するように構造化された自動エージェント回路8428を含んでもよく、ローン関連アクションはローンの金利の変更であり、スマートコントラクト回路は、変更された金利でスマート貸出契約を更新するようにさらに構造化されている。自動エージェント回路は、受信したデータに少なくとも部分的に基づいて、ローンに関連するイベント（例えば、ローンの価値、ローンの担保の状態、またはローンの担保の所有権）を識別するように構造化されてもよい。自動エージェント回路は、ローンに関連するイベントに応答して、ローンを提供する、ローンを受け入れる、ローンを引き受ける、ローンの金利を設定する、支払い要件を延期する、などのアクションのリストから選択されたアクションを実行するように構成され得る、ローンの金利を修正する、担保の品目のセットの少なくとも1つに対する権原を検証する、担保の品目のセットの少なくとも1つの価値を評価する、担保の品目のセットの少なくとも1つの検査を開始する、ローンの条件8414を設定または修正する（例えば、債務の元本、債務の残高、固定金利、変動金利、支払額、支払スケジュール、バルーン支払スケジュール、当事者、保証、保証人、担保、個人保証、先取特権、期間、約款、差押条件、デフォルト条件、およびデフォルトの結果）、当事者の1人に通知を提供すること、ローンの借り手に要求通知を行うこと、ローンの対象物件を差押えることなど、である。ローンは、自動車ローン、在庫ローン、資本設備ローン、履行保証金、資本改善ローン、建物ローン、売掛債権担保ローン、インボイスファイナンス、ファクタリング、ペイデイローンなどのローンの種類を含み得る、返金前ローン、学生ローン、シンジケートローン、タイトルローン、住宅ローン、ベンチャーデットローン、知的財産ローン、契約債権ローン、運転資金ローン、中小企業ローン、農業ローン、地方債、補助金ローンなどである。取得されたデータは、車両、船舶、飛行機、建物、住宅、不動産物件、未開発土地物件、農場、作物、自治体施設、倉庫、在庫品、商品、証券、通貨、有価証券、チケットなどの担保物件の集合に関連するものであってよい、暗号通貨、消耗品、食用品、飲料、貴金属、宝石、知的財産、知的財産権、契約権、骨董品、備品、家具、工具、機械、動産等である。システムは、取得されたデータおよび評価モデル8422に基づいて、担保のアイテムのセットのうちの少なくとも1つに対する価値を決定するように構成された評価回路8420を含んでもよい。評価回路は、評価モデル改善回路8430を含んでもよく、評価モデル改善回路は、担保の項目の第1のセットおよび担保の項目の第1のセットを担保として有するローン成果の対応するセットに対する評価決定8432の第1のセットに基づいて評価モデルを変更する。評価モデル改善回路は、機械学習システム、モデルベースシステム、ルールベースシステム、深層学習システム、ニューラルネットワーク、畳み込みニューラルネットワーク、フィードフォワードニューラルネットワーク、フィードバックニューラルネットワーク、自己組織化マップ、ファジー論理システム、ランダムウォークシステム、ランダムフォレストシステム、確率的システム、ベイズシステム、シミュレーションシステム、前述のうちの少なくとも2つを含むハイブリッドシステム、等を含んでいてもよい。スマートコントラクト回路は、担保アイテムのセットの少なくとも1つに対する値に基づいてスマート貸出契約の条件又は条件を決定し、条件又は条件を含むようにスマート貸出契約を修正する、担保アイテムの値に関連する担保アイテムのオフセットに対するマーケットプレイス情報に基づいてローンの条件又は条件を修正する、等の構成をさらに有してもよい。システムは、担保のオフセット項目のグループを識別するように構成された担保分類回路8438を含み得、担保のオフセット項目のグループ8440の各メンバーおよび担保の項目のセットの少なくとも1つは、共通の属性（例えば、アイテムのカテゴリ、アイテムの年齢、アイテムの状態、アイテムの履歴、アイテムの所有者、アイテムの管理者、アイテムのセキュリティ、アイテムの所有者の状態、アイテムの先取特権、アイテムの保管状態、アイテムのジオロケーション、アイテムの管轄位置など）。評価回路は、担保アイテムの価値に関連する担保のオフセットアイテムのマーケットプレイス情報8436を監視して報告し、公開マーケットプレイスにおける担保のオフセットアイテムの価格設定または財務データなどを監視し、監視された価格設定または財務データを報告するように構成された市場価値データ収集回路8434をさらに含み得る。

図85は、ローンの当事者のセットの少なくとも1つに関連する、公的情報源からのデータを取得することを含む方法8500を示し、公的情報源は、ウェブサイト、ニュース記事、ソーシャルネットワーク、およびクラウドソーシング情報8502からなる情報源のリストから選択されてもよい。本方法は、スマート貸出契約8504を作成することを含んでもよい。本方法は、取得されたデータに応答してローン関連アクションを実行することを含んでもよく、ローン関連アクションは、ローンの金利の変更8506である。本方法は、変更された金利でスマート貸出契約を更新すること8508を含んでもよい。本方法は、ローンの担保として機能する担保の項目のセット8510に関連する担保関連データを受信することと、担保の項目のセットの少なくとも1つの状態を決定することとを含み得、金利の変更は、担保の項目のセットの少なくとも1つの状態8512にさらに基づいている。方法は、担保関連データ8514に少なくとも部分的に基づいて、ローンに関連するイベントを特定することと、ローンに関連するイベントに応答して、ローンを提供する、ローンを受け入れる、ローンを引き受ける、ローンの金利を設定する、支払い要件を延期する、ローンの金利を変更するなどのアクション8518を実行することとを含み得る、担保の品目のセットの少なくとも1つに対する所有権の検証、担保の品目のセットの少なくとも1つの価値の評価、担保の品目のセットの少なくとも1つの検査の開始、ローンの条件の設定または変更、当事者の1つへの通知の提供、ローンの借り手への必要な通知の提供、ローンの対象となる不動産の差押え、等。本方法は、担保関連データまたは取得されたデータのうちの少なくとも1つと、評価モデルとに基づいて、担保のアイテムのセットのうちの少なくとも1つに対する価値を決定することを含むことができる。本方法は、担保のアイテムのセットの少なくとも1つに対する値に基づいて、スマート貸出契約の条件又は条件の少なくとも1つを決定することを含むことができる。本方法は、スマート貸出契約を、条件または条項の少なくとも一方を含むように修正することを含み得る。本方法は、担保の項目の第1のセットに対する評価決定の第1のセットと、担保の項目の第1のセットを担保として有する融資結果の対応するセットとに基づいて、評価モデルを修正することを含むことができる。本方法は、担保のオフセット項目のグループを特定すること（担保のオフセット項目のグループの各メンバーおよび担保の項目のセットの少なくとも1つが共通の属性を共有する）8520、少なくとも1つの公開市場において担保のオフセット項目のグループの少なくとも1つについての価格データまたは財務データのいずれかを監視する8522、担保のオフセット項目のグループの少なくとも1つについての監視データを報告する8524、および報告した監視データに基づいてローンの期間または条件を変更する8528、を含むことができる。

図86は、ローン8612のステータス8604に関連するデータ8602と、ローンの担保として機能する担保のアイテムのセット8606に関連するデータを受信するように構成されたデータ収集回路8620を含むシステム8600を描写している。データ収集回路は、IoTシステム、カメラシステム、ネットワーク監視システム、インターネット監視システム、モバイルデバイスシステム、ウェアラブルデバイスシステム、ユーザインターフェースシステム、および対話型クラウドソーシングシステム8632などのシステムで、1つまたは複数のローンエンティティを監視してよい。例えば、対話型クラウドソーシングシステムは、ユーザインターフェース8634を含み得、ユーザインターフェースは、クラウドソーシングサイト8618から1つまたは複数のローンエンティティに関連する情報を募集するように構成され、ここでユーザインターフェースは、1つまたは複数のローンエンティティが1つまたは複数の情報を入力できるよう構成されている。別の例では、ネットワーク化された監視システムは、ローン・エンティティの1つまたは複数に関連する情報のために公開された情報サイトを検索するように構成されたネットワーク検索回路8621を含むことができる。システムは、ローンに関連する複数の当事者8610に対応する複数のアクセス制御特徴8608を解釈するように、ローンに関連するイベントの安全な履歴台帳8646を維持するように構成されたブロックチェーンサービス回路8644を含んでも良い。システムは、受信したデータに基づいてローン状態を決定するように構成されたローン評価回路8648を含んでもよい。データ収集回路は、1つまたは複数のローンエンティティ8614に関連するデータを受信してもよく、ローン評価回路は、1つまたは複数のローンエンティティに関連するデータに基づいて、規約の遵守を決定してもよい。ローン評価回路は、受信したデータおよび1つまたは複数のローンエンティティの状態に基づいてローンの条件の履行状態を判定するように構成されてもよく、ローンの状態の判定は、少なくとも1つまたは複数のローンエンティティの状態およびローンの条件の履行状態に部分的に基づいて判定される。例えば、ローンの条件は、支払い実績および誓約書に関する満足度の少なくとも1つに関連し得る。データ収集回路は、ローンに関連する複数の当事者のうちの少なくとも1つに関する財務データ8638を受信するように構成された市場データ収集回路8636を含んでもよい。ローン評価回路は、受け取った財務データに基づいて、ローンに関連する複数の当事者の少なくとも1つの財務状態を決定するように構成されてもよく、ここで、複数の当事者の少なくとも1つは、一次貸し手、二次貸し手、貸し手シンジケートであってもよい、複数の関係者のうち少なくとも1つは、一次貸し手、二次貸し手、貸し出しシンジケート、企業貸し手、政府貸し手、銀行貸し手、担保付き貸し手、債券発行者、債券購入者、無担保貸し手、保証人、担保提供者、借り手、債務者、引受人、検査官、評価者、監査人、評価専門家、公務員、会計士等となる。受信された財務データは、複数の当事者のうちの1つに対する実体の属性に関連してよく、例えば、当事者の公示された評価、公的記録によって示される当事者が所有する財産のセットの評価、当事者の破産状態、実体の差し押さえ状態、実体の契約上の不履行状態、実体の規制違反状態、実体の刑事状態、実体の輸出規制状態、事業体の禁輸ステータス、事業体の関税ステータス、事業体の税務ステータス、事業体の信用報告書、事業体の信用格付け、事業体のウェブサイト格付け、事業体の製品に対するカスタマーレビューのセット、事業体のソーシャルネットワーク格付け、事業体の資格情報のセット、事業体の紹介のセット、事業体の証言のセット、事業体の行動のセット、事業体の位置、事業体のジオロケーション、等々である。システムは、ローンのためのスマート貸出契約8628を作成するように構造化されたスマートコントラクト回路8626を含んでもよい。スマートコントラクト回路は、担保のアイテムのセットの少なくとも1つに対する値に基づいて、スマート貸出契約の条件または条件を決定し、条件または条件を含むようにスマート貸出契約を修正するように構成されてもよく、条件は、債務の元本額とすることができる、ここで、条件は、債務の元本、残高、固定金利、変動金利、支払額、支払スケジュール、バルーン支払スケジュール、当事者、保証、保証人、担保、個人保証、先取特権、期間、誓約、差押条件、デフォルト条件、デフォルトの結果、等々である。システムは、ローン状態に基づいてローンアクション8616を実行するように構成された自動エージェント回路8630を含んでもよく、ブロックチェーンサービス回路は、ローンアクションでイベントの履歴台帳を更新するように構成されてもよい。システムは、受信されたデータおよび評価モデル8624に基づいて、担保のアイテムのセットの少なくとも1つに対する価値を決定するように構造化された評価回路8622を含んでもよい。評価回路は、評価モデル改善回路8640を含んでもよく、評価モデル改善回路は、担保の項目の第1のセットに対する評価決定の第1のセットと、担保の項目の第1のセットを担保として有するローン結果の対応するセットとに基づいて、評価モデルを変更する。評価モデル改善回路は、機械学習システム、モデルベースシステム、ルールベースシステム、深層学習システム、ハイブリッドシステム、ニューラルネットワーク、畳み込みニューラルネットワーク、フィードフォワードニューラルネットワーク、フィードバックニューラルネットワーク、自己組織化マップ、ファジー論理システム、ランダムウォークシステム、ランダムフォレストシステム、確率論システム、ベイズシステム、及びシミュレーションシステムを含んでもよい。評価回路は、担保の項目の価値に関連する担保のオフセット項目の市場情報を監視し報告するように構成された市場価値データ収集回路8642を含んでもよい。市場価値データ収集回路は、監視された価格設定または財務データを報告するように、公開市場における担保のオフセットアイテムの価格設定または財務データを監視するようにさらに構造化されてもよい。スマートコントラクト回路は、担保アイテムの価値に関連する担保のオフセットアイテムのマーケットプレイス情報に基づいて、ローンの条件または条項を修正するようにさらに構成されていてもよい。システムは、担保のオフセット項目のグループ8652を識別するように構造化された担保分類回路8650を含んでもよく、担保のオフセット項目のグループの各メンバーおよび担保の項目のセットの少なくとも1つは、共通の属性を共有し得る。共通属性は、担保アイテムのカテゴリ、担保アイテムの年齢、担保アイテムの状態、担保アイテムの履歴、担保アイテムの所有者、担保アイテムの管理者、担保アイテムのセキュリティ、担保アイテムの所有者の状態、担保アイテムの先取特権、担保アイテムの保管状態、担保アイテムのジオロケーション、担保アイテムの管轄位置等であってもよい。

図87は、ローンに関連するイベントの安全な履歴台帳を維持すること8702と、ローンのステータス8704に関連するデータを受信することと、ローンの担保として機能する担保アイテムのセット8708に関連するデータを受信することと、ローンのステータス8710を決定し、ローンのステータス8712に基づいてローンアクションを実行し、ローンに関連するイベントの履歴台帳を更新8714することを含む方法8700を描写している。本方法は、1つまたは複数のローンエンティティに関連するデータを受信すること8718と、受信したデータに基づいてローンのコベナンツの遵守を決定すること8720とをさらに含むことができる。本方法は、ローンの状態のパフォーマンスの状態を決定することをさらに含み得、ローンの状態の決定は、ローンの状態のパフォーマンスの状態に部分的に基づいている。本方法は、ローンの少なくとも1つの当事者に関連する財務データを受信することをさらに含むことができる。本方法は、財務データに基づいて、ローンの少なくとも1つの当事者の財務状態を決定することをさらに含むことができる。本方法は、受信したデータおよび評価モデルに基づいて、少なくとも1組の担保の項目の価値を決定することをさらに含むことができる。本方法は、担保のアイテムの少なくとも1つの価値8722に基づいてローンの条件または条項の少なくとも1つを決定することと、条件または条項の少なくとも1つを含むようにスマート貸出契約を修正すること8724とをさらに含んでもよい。方法は、担保のオフセット項目のグループを識別する270、ここで担保のオフセット項目のグループの各メンバーおよび担保の項目のセットの少なくとも1つは共通の属性を共有する8728、担保のオフセット項目のグループに関連するデータを受信する、ここで担保の少なくとも1つの項目のセットに対する価値の決定は、担保のオフセット項目のグループに関連する受信データに一部基づく8730を含み得る。

図88を参照すると、ローン8800の担保を管理するための例示的かつ非限定的な例示的スマートコントラクトシステムが描かれている。例示的なシステムは、コントローラ8801を含んでもよい。コントローラ8801は、ローン8830のステータスおよびローンのための担保8828のステータスを監視するように構造化されたデータ収集回路8812と、データ収集回路8812からの情報を処理し、その情報に基づいてローンのための担保からの1つまたは項目の置換、除去、または追加のうちの少なくとも1つを自動的に開始するように構造化されたスマートコントラクト回路8822、ローンのステータスまたはローンのための担保の状況の少なくとも1つに対応してスマート貸付契約8831を含む複数の人工知能回路と、含み得る；と、ローンに関連する少なくとも1つの当事者に対応する複数のアクセス制御機能8880を解釈し、少なくとも1つの置換、削除、または追加をローンのための分散型台帳8840に記録するように構成されたブロックチェーンサービス回路8858とを含む。データ収集回路は、IoTシステム、カメラシステム、ネットワーク監視システム、インターネット監視システム、モバイルデバイスシステム、ウェアラブルデバイスシステム、ユーザインターフェースシステム、および対話型クラウドソーシングシステムからなるシステムから選択される少なくとも1つの他のシステム8862をさらに含み得る。

ローン8830の状態は、ローンに関連するエンティティ（例えば、ユーザ8806）の少なくとも1つの状態、およびローンに対する条件の履行状態に基づいて決定され得る。条件の履行状態は、ローンの支払い履行または規約の満足の少なくとも一方に関連し得る。ローンの状態は、ローンに関連する少なくとも1つのエンティティの状態と、ローンに対する条件の履行の状態とに基づいて決定されてもよく、条件の履行の状態は、ローンに対する支払い履行またはコベナントの満足の少なくとも一方に関連していてもよい。データ収集回路8812は、少なくとも1つのエンティティを監視することによって、規約の遵守を決定するようにさらに構成され得る。少なくとも1つのエンティティがローンの当事者である場合、データ収集回路8812は、ローンの当事者である少なくとも1つのエンティティの財務状況を監視することができる。ローンに対する条件は、ローンに対する財務状態を含んでもよく、財務状態の履行状態は、以下からなる属性から選択される属性に基づいて決定されてもよい：少なくとも1つの事業体の公示された評価、公文書によって示される少なくとも1つの事業体が所有する不動産、少なくとも1つの事業体が所有する不動産の評価、少なくとも1つの事業体の破産状態、少なくとも1つの事業体の差し押さえ状態、少なくとも1つの事業体の契約不履行状況、少なくとも1つの事業体の規制違反状況、少なくとも1つの事業体の犯罪状況、少なくとも1つの事業体の輸出規制状況、少なくとも1つの事業体の禁輸状況、少なくとも1つの事業体の関税状況、少なくとも1つの事業体の課税状況、少なくとも1つの事業体の信用報告書、少なくとも1つの事業体の信用格付け、少なくとも1つの事業体のウェブサイト格付け、少なくとも1つの事業体の製品に対する複数のカスタマーレビュー、少なくとも1つの事業体のソーシャルネットワーク格付け、少なくとも1つの事業体の複数のクレデンシャル、少なくとも1つの事業体の複数の紹介、少なくとも1つの事業体の複数の証言、少なくとも1つの事業体の行動、少なくとも1つの事業体の位置、少なくとも1つの事業体のジオロケーション、及び少なくとも1つの事業体の関連する管轄区域。

融資の当事者は、一次融資者、二次融資者、融資シンジケート、企業融資者、政府融資者、銀行融資者、担保融資者、債券発行者、債券購入者、無担保融資者、保証人、担保提供者、借り手、債務者、引受人、検査者、査定者、監査人、評価専門家、政府職員、会計人からなる当事者から選ぶことができる。

データ収集回路8812は、さらに、担保のカテゴリ、担保の年齢、担保の状態、担保の履歴、担保の保管状態、および担保の地理的位置からなる属性から選択される担保の少なくとも1つの属性に基づいて、ローンの担保の状態を監視するように構成されていてもよい。

コントローラ88101は、評価モデル8852を使用して、ローンのための担保の状態に基づいて担保の価値を決定するように構成され得る評価回路8844を含み得る。スマートコントラクト回路8822は、担保の価値を所定の範囲内に維持するために、ローンのための担保から1つまたは複数のアイテムの少なくとも1つの置換、除去、または追加を開始することができる。

評価回路8844は、担保の取引に関連する結果データ8810を解釈し、結果データに応答して評価モデル8850を反復的に改善するように構成された取引結果処理回路8864をさらに含み得る。

評価回路8844は、担保の価値に関連する市場情報を監視し報告するように構成された市場価値データ収集回路8848をさらに含むことができる。市場価値データ収集回路8848は、少なくとも1つの公開市場におけるオフセット担保アイテム8834の価格データまたは財務データを監視してもよい。

市場価値データ収集回路8848は、さらに、担保の項目を評価するために使用されるオフセット担保項目8834のセットを、担保の属性に基づいてコントローラ88101のクラスタリング回路8832を使用して構築するように構成されてもよい。属性は、担保物のカテゴリ、担保物の年齢、担保物の状態、担保物の履歴、担保物の保管状態、および担保物のジオロケーションの中から選択され得る。

ローンの条件8824は、債務の元本額、債務の残高、固定金利、変動金利、支払額、支払スケジュール、バルーン支払スケジュール、担保の指定、担保の代替性の指定、当事者、保証、保証人、担保、個人保証、先取特権、期間、誓約、差押え条件、デフォルト条件、およびデフォルトによる結果からなる群から選択される少なくとも1つのメンバーを含み得る。

スマートコントラクト回路は、ローン条件、ローン関連イベント8839、またはローン関連活動もしくはアクション8838の少なくとも1つを支配するスマートレンディング契約8831の条件を指定するように構成されたローン管理回路8860をさらに含み、またはそれと通信することができる。

図89を参照すると、ローンのための担保を管理するための例示的なスマートコントラクト方法が描かれている。例示的な方法は、ローンの状態およびローンのための担保の状態を監視すること（ステップ8902）と、情報に基づいてローンのための担保からの1つまたは複数のアイテムの置換、除去、または追加のうちの少なくとも1つを自動的に開始すること（ステップ8908）と、ローンに関連する少なくとも1つの当事者に対応する複数のアクセス制御機能を解釈すること（ステップ8910）と、ローンのための分散台帳に少なくとも1つの置換、除去、または追加を記録すること（ステップ8912）と、を含むことができる。ローンの状態は、ローンに関連するエンティティおよびローンに対する条件の履行状態の少なくとも1つの状態に基づいて決定されてもよい。

方法は、モニタリングからの情報を解釈すること（ステップ8914）と、ローンの状態またはローンのための担保の少なくとも1つに基づいて、担保のセットについて評価モデルで価値を決定すること（ステップ8918）とをさらに含んでもよい。少なくとも1つの置換、除去、または追加は、担保の価値を所定の範囲内に維持するためであってもよい。本方法は、担保またはオフセット担保の一方の取引に関連する結果データを解釈すること（ステップ8920）、および結果データに応答して評価モデルを反復的に改善すること（ステップ8922）をさらに含み得る。本方法は、担保の価値に関連する市場情報を監視および報告することをさらに含み得る（ステップ8924）。

本方法は、少なくとも1つの公開市場においてオフセット担保アイテムの価格データまたは財務データを監視することをさらに含み得る（ステップ8928）。

本方法は、ローン、ローン関連イベント、またはローン関連活動の条件の少なくとも1つを支配するスマートコントラクトの条件を指定することをさらに含み得る（ステップ8930）。

図90を参照すると、ローン9000の担保または保証人の条件を検証するための例示的かつ非限定的な例示的クラウドソーシングシステムが描かれている。例示的なシステムは、コントローラ9001を含んでもよい。コントローラ9001は、データ収集回路9012、ユーザインターフェース9054、およびスマートコントラクト回路9022、ロボットプロセス自動化回路9074、クラウドソーシング要求回路9060、クラウドソーシング通信回路9062、クラウドソーシング公開回路9064、およびブロックチェーンサービス回路9058などのいくつかの人工知能回路を含んでもよい。

クラウドソーシング要求回路9060は、ローン9030の担保9002の担保9011の状態またはローンの保証人9096の状態に関する情報9004を得ることに関連するクラウドソーシング要求9068の少なくとも一つのパラメータを設定する構造であってもよい。また、人間のユーザがクラウドソーシング要求を確立するために少なくとも1つのパラメータを入力するワークフローを可能にすることもできる。少なくとも1つのパラメータは、要求された情報の種類、報酬、および報酬を受け取るための条件を含むことができる。報酬は、金銭的報酬、トークン、チケット、契約上の権利、暗号通貨、複数の報酬ポイント、通貨、製品またはサービスの割引、およびアクセス権からなる報酬から選択されてもよい。

クラウドソーシング公開回路9064は、クラウドソーシング要求9068を情報供給者群に公開するように構成されてもよい。

クラウドソーシング通信回路9062は、情報供給者グループ9070から少なくとも1つの応答9072を収集および処理し、成功した情報供給イベント9098に応答して情報供給者グループの少なくとも1つに報酬9080を提供するように構成され得る。

クラウドソーシング通信回路9062は、クラウドソーシング要求9068のために構成された少なくとも1つのパラメータに応答して成功した情報供給イベント9098を決定することによって報酬9080を管理し、成功した情報供給イベント9098に応答して報酬9080を情報供給者のグループ9070の少なくとも1つに自動的に割り当てるように構成されているスマートコントラクト回路9022を更に含む。また、少なくとも1つの応答9072を処理し、それに応答して、ローンに関連するアクションを自動的に実行するように構成することもできる。アクションは、差し押さえアクション、先取特権管理アクション、金利設定アクション、デフォルト開始アクション、担保の代替、またはローンの呼び出しのうちの少なくとも1つであってもよい。

ローン9030は、自動車ローン、在庫ローン、資本設備ローン、履行保証金、資本改善ローン、建物ローン、売掛金担保ローン、インボイスファイナンス手配、ファクタリング手配からなるローンタイプから選択される少なくとも1つのローンタイプを含むことができる：、ペイデイローン、返金前ローン、学生ローン、シンジケートローン、タイトルローン、住宅ローン、ベンチャーデットローン、知的財産ローン、契約債権ローン、運転資金ローン、中小企業ローン、農業ローン、地方債、補助金ローン。

クラウドソーシング要求回路9060は、ローンのための担保9011の状態に関する情報を取得するために、クラウドソーシング要求9068の少なくとも1つのさらなるパラメータを構成するようにさらに構成されてもよい。

担保9002は、以下からなる項目から選択される少なくとも1つの項目を含むことができる：車両、船舶、飛行機、建物、家、不動産物件、未開発の土地、農場、作物、自治体施設、倉庫、在庫一式、商品、証券、通貨、価値あるトークン、チケット、暗号通貨、消耗品、食用品、飲料、貴金属、宝飾品、宝石、知的財産、知的財産権、契約上の権利、骨董品、備品、家具、設備、工具、機械、個人資産。

担保の状態9011は、担保の品質、担保の状態、担保の所有権の状態、担保の所持の状態、および担保に対する先取特権の状態からなる属性から選択される属性に基づいて決定されてもよい。担保物が物品である場合、状態は、以下からなる属性から選択される属性に基づいて決定され得る：アイテムの新品または中古の状態、アイテムのタイプ、アイテムのカテゴリー、アイテムの仕様、アイテムの製品機能セット、アイテムのモデル、アイテムのブランド、アイテムの製造元、アイテムのステータス、アイテムのコンテキスト、アイテムの状態、アイテムの価値、アイテムの保管場所、アイテムの地理的位置、アイテムの年齢、アイテムのメンテナンス履歴、アイテムの使用履歴、アイテムの事故履歴、アイテムの故障履歴、アイテムの所有権、アイテムの所有履歴、アイテムの種類の価格、アイテムの種類の価値、アイテムの評価、およびアイテムの評価。

ブロックチェーンサービス回路9058は、クラウドソーシング要求の識別情報と少なくとも1つのパラメータ、クラウドソーシング要求に対する少なくとも1つの応答、および報酬の説明を分散型台帳9040に記録するように構成されてもよい。

ロボティックプロセスオートメーション回路9074は、クラウドソーシング要求回路またはクラウドソーシング通信回路の少なくとも一方との人間ユーザのインタラクションからなる訓練データセット9078に対する訓練に基づいて、ローンの少なくとも1つの属性に基づいてクラウドソーシング要求を構成するように構成されてもよい。ローンの少なくとも1つの属性は、ローンを管理するスマートコントラクト回路9022から取得されてもよい。訓練データセット9078は、複数のクラウドソーシング要求からの成果をさらに含んでもよい。

ロボットプロセス自動化回路9074は、報酬9080を決定するようにさらに構成されてもよい。

ロボットプロセス自動化回路9074は、クラウドソーシング公開回路9064がクラウドソーシング要求9068を公開する少なくとも一つのドメインを決定するようにさらに構成されてもよい。

図91を参照すると、本明細書で提供されるのは、ローンのための担保または保証人の条件を検証するためのクラウドソーシング方法である。クラウドソーシング要求の少なくとも1つのパラメータは、ローンのための担保の条件またはローンのための保証人の条件に関する情報を得るように構成されてもよい（ステップ9102）。クラウドソーシング要求は、情報供給者のグループに公開されてもよい（ステップ9104）。クラウドソーシング要求に対する少なくとも1つの応答が収集され、処理されてもよい（ステップ9108）。成功した情報供給イベントに応答して、情報供給者グループの少なくとも1つの成功した情報供給者に報酬が提供されることがある（ステップ9110）。報酬の説明は、成功した情報供給イベントに応答して、情報供給者グループの少なくとも一部に公開されてもよい（ステップ9112）。報酬は、成功した情報供給イベントに応答して、情報供給者グループの少なくとも1つに自動的に割り当てられてもよい（ステップ9130）。本方法は、クラウドソーシング要求、クラウドソーシング要求に対する少なくとも1つの応答、および報酬の説明の識別情報および少なくとも1つのパラメータを、クラウドソーシング要求の分散台帳に記録することをさらに含み得る（ステップ914）。グラフィカルユーザインターフェースは、人間のユーザがクラウドソーシング要求を確立するために少なくとも1つのパラメータを入力することによるワークフローを可能にするように構成されてもよい（ステップ9118）。融資に関連するアクションは、成功した情報供給イベントに応答して自動的に実施される場合がある（ステップ9120）。ロボットプロセス自動化回路は、複数のクラウドソーシング要求に対応する複数の結果を含む訓練データセットで訓練され、ロボットプロセス自動化回路を動作させてクラウドソーシング要求を反復的に改善することができる（ステップ9122）。ローンの少なくとも1つの属性は、クラウドソーシング要求を構成するためにロボットプロセス自動化回路に提供されてもよい（ステップ9124）。クラウドソーシング要求を構成することは、報酬を決定することを含んでもよい。クラウドソーシングリクエストを公開する少なくとも1つのドメインを決定するために、ローンの少なくとも1つの属性がロボットプロセス自動化回路に提供されてもよい（ステップ9128）。

図92を参照すると、ローン9200を修正するための例示的かつ非限定的な例示的スマートコントラクトシステムが描かれている。例示的なシステムは、コントローラ9201を含んでもよい。コントローラ9201は、データ収集回路9212と、評価回路9244と、スマートコントラクト回路9222、クラスタリング回路9232、管轄定義回路9298、およびローン管理回路9260を含む複数の人工知能回路9242とを含んでもよい。データ収集回路9212は、ローンに関与する複数のエンティティの各1つに対応する位置情報を決定するように構成されてもよい。管轄定義回路9298は、位置情報に応答して、複数のエンティティの少なくとも1つの管轄を決定するように構成されてもよい。スマートコントラクト回路9222は、複数のエンティティの少なくとも1つの管轄に少なくとも部分的に基づいて、ローンのためのローン関連アクション9238を自動的に実行するように構成されてもよい。

スマートコントラクト回路9222は、複数のエンティティのうちの第1のものが第1の管轄にあること、および複数のエンティティのうちの第2のものが第2の管轄にあることに応答して、ローン関連アクションを自動的に引き受けるようにさらに構成され得る。

スマートコントラクト回路9222は、複数のエンティティのうちの1つが第1の管轄から第2の管轄に移動することに応答して、ローン関連アクションを自動的に引き受けるようにさらに構成され得る。

ローン関連アクション9238は、以下からなるローン関連アクションから選択される少なくとも1つのローン関連アクションを含むことができる：融資を提供する、融資を受け入れる、融資を引き受ける、融資の金利を設定する、支払要件を延期する、融資の金利を変更する、担保の所有権を検証する、所有権の変更を記録する、担保の価値を評価する、担保の検査を開始する、融資を呼び出す、融資を終了する、融資に関する条件を設定する、借り手に提供しなければならない通知を行う、融資対象不動産を差し押さえる、融資に関する条件を変更する。

スマートコントラクト回路9222は、通知に関連する要件などの複数の法域固有の規制要件9268を処理し、貸し手、借り手、ローンを介して提供される資金、ローンの返済、またはローンの担保からなるエンティティから選択される少なくとも1つのエンティティに対応する法域に基づいて、借り手に適切な通知を提供するようにさらに構成されてよい。

スマートコントラクト回路9222は、差し押さえに関連する要件などの複数の管轄固有の規制要件9268を処理し、貸し手、借り手、ローンを介して提供される資金、ローンの返済、およびローンの担保の少なくとも1つの管轄に基づいて、借り手に適切な差し押さえ通知を提供するようにさらに構成されてもよい。

スマートコントラクト回路9222は、ローンの条件9224を設定するための複数の管轄別規則9270を処理し、借り手、ローンを介して提供される資金、ローンの返済、およびローンの担保からなるエンティティから選択される少なくとも1つのエンティティに対応する管轄に基づいて、スマートコントラクト9231を構成するためにさらに構成されてもよい。

スマートコントラクト回路9222は、ローンが複数のエンティティのうちの選択された1つに対応する法域において適用される最大金利制限に準拠するように、ローンの金利を決定するようにさらに構成され得る。

データ収集回路9212は、ローンのための担保の状態を監視するようにさらに構成されてもよく、スマートコントラクト回路は、ローンのための担保の状態に応答して、ローンの金利を決定するようにさらに構成される。

データ収集回路9212は、ローンの当事者である複数のエンティティの少なくとも1つの属性を監視するようにさらに構成されてもよく、スマートコントラクト回路は、属性に応答してローンの金利を決定するようにさらに構成される。

スマートコントラクト回路9222は、ローン条件9224、ローン関連イベント9239またはローン関連活動9272の少なくとも1つを支配するスマートコントラクトの条件を指定するためのローン管理回路9260をさらに含み得る。

ローンは、以下からなるローンの種類から選択される少なくとも1つのローンの種類を含み得る：自動車ローン、在庫ローン、資本設備ローン、履行保証金、資本改善ローン、建物ローン、売掛金担保ローン、インボイスファイナンス、ファクタリング管理、ペイデイローン、返金予測ローン、学生ローン、シンジケートローン、タイトルローン、住宅ローン、ベンチャーデットローン、知的財産ローン、契約債権ローン、運転資金ローン、小企業ローン、農業ローン、地方債及び補助金ローン。

ローンの条件は、それぞれ、債務の元本、債務の残高、固定金利、変動金利、支払額、支払スケジュール、バルーン支払スケジュール、担保の指定、担保の代替性の指定、当事者、保証、保証人、担保、個人保証、先取特権、期間、誓約、差押条件、デフォルト条件、およびデフォルトからなる群から選ばれる少なくとも一つのメンバーを含み得る。

データ収集回路9212は、IoTシステム、カメラシステム、ネットワーク監視システム、インターネット監視システム、モバイルデバイスシステム、ウェアラブルデバイスシステム、ユーザインターフェースシステム、および対話型クラウドソーシングシステムからなるシステムから選択される少なくとも1つの他のシステム9262をさらに含み得る。

評価回路9244は、評価モデル9252を使用して、複数のエンティティの少なくとも1つに対応する管轄に基づいて、ローンのための担保の価値を決定するように構成されてもよい。評価モデル9252は、管轄固有の評価モデルであってよく、複数のエンティティの少なくとも1つに対応する管轄は、貸し手、借り手、融資に従って提供される資金、融資に従って提供される資金の引渡し場所、融資の支払い、および融資の担保からなるエンティティから選択される少なくとも1つのエンティティに対応する管轄からなる。

融資の条件の少なくとも1つは、融資のための担保の価値に基づいてもよい。

担保は、以下からなる項目から選択される少なくとも1つの項目を含むことができる：車両、船舶、飛行機、建物、家屋、不動産物件、未開発の土地、農場、作物、自治体施設、倉庫、在庫一式、商品、証券、通貨、有価証券、チケット、暗号通貨、消耗品、食用品、飲料、貴金属、宝飾品、宝石、知的財産、知的財産権、契約上の権利、骨董品、備品、家具、設備、工具、機械、動産。

評価回路9244は、担保の取引に関連する結果データを解釈し、結果データに応答して評価モデル9250を反復的に改善するように構成された取引結果処理回路9264をさらに含み得る。

評価回路9244は、担保の価値に関連する市場情報を監視し報告するように構成された市場価値データ収集回路9248をさらに含んでもよい。市場価値データ収集回路は、少なくとも1つの公的市場におけるオフセット担保アイテムの価格設定または財務データを監視してもよい。担保のアイテムを評価するためのオフセット担保アイテムのセット9234は、担保の属性に基づいてクラスタリング回路9232を使用して構築されてもよい。属性は、担保物のカテゴリ、担保物の年齢、担保物の状態、担保物の履歴、担保物の保管状態、および担保物の地理的位置の中から選択されてもよい。

図93を参照すると、本明細書で提供されるのは、ローンを修正するためのスマートコントラクト方法9300である。例示的な方法は、ローンに関与する複数のエンティティの各1つに対応するロケーション情報を監視すること（ステップ9302）と、エンティティに関するロケーション情報を処理することと、ロケーション情報に少なくとも部分的に基づいてローンのためのローン関連アクションを自動的に引き受けること（ステップ9304）と、を含み得る。例示的な方法は、多数の法域固有の規制通知要件を処理することと、貸し手、借り手、ローンを介して提供される資金、ローンの返済、および／またはローンの担保の位置に基づいて、借り手に適切な通知を提供することとを含む（ステップ9308）。例示的な方法は、ローンの条件を設定するための多数の法域固有の規則を処理することと、貸し手の位置、借り手、ローンを介して提供される資金、ローンの返済、および／またはローンの担保に基づいてスマートコントラクトを構成することを含む（ステップ9310）。例示的な方法は、ローンが管轄区域で適用される最大金利制限に準拠するように、ローンの金利を決定することをさらに含む（ステップ9312）。例示的な方法は、ローンのための多数の担保アイテムの状態またはローンの当事者であるエンティティの1つの属性の少なくとも1つを監視することを含み、状態または属性は金利を決定するために使用される（ステップ9314）。例示的な方法は、条件、ローン関連イベント、またはローン関連活動のうちの少なくとも1つを支配するスマートコントラクト（複数可）の条件を指定することを含む（ステップ9318）。例示的な方法は、位置情報を解釈し、評価モデルを使用して、位置情報に基づいてローンのための多数の担保アイテムの値を決定することを含む（ステップ9320）。例示的な方法は、担保の取引に関連する結果データを解釈することと、結果データに応答して評価モデルを反復的に改善することとを含む（ステップ9322）。例示的な方法は、担保の価値に関連する市場情報を監視し報告することを含む（ステップ9324）。

複数の事業体のうちの関連する1つの事業体の管轄に基づく複数の管轄固有要件が処理されてもよく、少なくとも1つの操作を行うことが、以下からなる操作から選択されてもよい：規制通知要件からなる複数の管轄固有要件に応答して、借り手に適切な通知を提供することと、ローンの条件に関する管轄固有規則からなる複数の管轄固有要件に応答して、ローンの条件を設定するための特定の規則を設定することと、最大金利制限からなる複数の管轄固有要件に応答して、ローンが最大金利制限を遵守するようにローンの金利を決定することと、複数の事業体のうちの関連するものが、以下の事業者からなる事業者から選ばれた少なくとも一つの事業者を含んでなる、：貸し手、借り手、融資に基づき提供される資金、融資の返済、および融資の担保（ステップ9308）。

ローンのための複数の担保の状態またはローンの当事者である複数のエンティティの少なくとも1つの属性の少なくとも1つが監視されてもよく、状態または属性は、金利を決定するために使用される（ステップ9314）。

評価モデルは、複数のエンティティの少なくとも1つの管轄に基づき、ローンのための担保の価値を決定するように動作することができる（ステップ9320）。

担保の取引に関する成果データが解釈され、成果データに対応して評価モデルが反復的に改善されることがある（ステップ9322）。

ここで図94を参照すると、ローン9400を修正するための例示的かつ非限定的な例示的スマートコントラクトシステムが描かれている。例示的なシステムは、コントローラ9401を含んでもよい。コントローラ9401は、データ収集回路9412、評価回路9444、およびスマートコントラクト回路9422、クラスタリング回路9432、およびローン管理回路9460を含むいくつかの人工知能回路9442を含むことができる。

データ収集回路9412は、ローン9430に関与する少なくとも1つのエンティティ9498に関する情報を監視および収集するように構成されてもよい。スマートコントラクト回路9422は、ローンに関与する少なくとも1つのエンティティに関する監視および収集された情報に基づいて、ローンに関連する債務を自動的に再構築するように構成されていてもよい。監視され収集された情報は、ローンの担保9411の状態を含んでもよいし、ローンの規約に基づいており、規約に関する少なくとも1つのエンティティに関して決定されるイベントに応じてリストラが発生する少なくとも1つのルールに従っていてもよいし、リストラはデータ収集回路によって監視される少なくとも1つのエンティティの属性9494に基づいてもよい。イベントは、ローンの担保がローンの残債の必要な端数値を超えないこと、またはコベナンツに関する買い手の不履行であってもよい。

スマートコントラクト回路9422は、ローンのコベナンツと、ローンに関わる少なくとも1つのエンティティに関する監視および収集された情報とに基づいてイベントの発生を決定し、イベントの発生に応答して債務を自動的に再構築するようにさらに構成され得る。

スマートコントラクト回路9422は、ローン条件9424、ローン関連イベント9439またはローン関連活動9472の少なくとも1つを支配するスマートコントラクトの条件を指定するように構成され得るローン管理回路9460をさらに含み得る。

ローンは、以下からなるローンの種類から選択される少なくとも1つのローンの種類を含むことができる：自動車ローン、在庫ローン、設備ローン、履行保証金、設備改善ローン、建物ローン、売掛金担保ローン、インボイスファイナンス、ファクタリング、ペイデイローン、返金前ローン、学生ローン、シンジケートローン、タイトルローン、住宅ローン、ベンチャーデットローン、知的財産ローン、契約債権ローン、運転資金ローン、小企業ローン、農業ローン、地方債および助成金ローン。

ローンの条件は、債務の元本、債務の残高、固定金利、変動金利、支払額、支払スケジュール、バルーン支払スケジュール、担保の指定、担保の代替性の指定、当事者、保証、保証人、担保、個人保証、先取特権、期間、誓約、差押条件、デフォルト条件、およびデフォルトからなる群から選ばれる少なくとも一つのメンバーを含み得る。

データ収集回路9412は、IoTシステム、カメラシステム、ネットワーク監視システム、インターネット監視システム、モバイルデバイスシステム、ウェアラブルデバイスシステム、ユーザインターフェースシステム、および対話型クラウドソーシングシステムからなるシステムから選択される少なくとも1つの他のシステム9462をさらに含み得る。

評価回路9444は、評価モデル9452を使用して、融資に関与する少なくとも1つのエンティティに関する監視および収集された情報に基づいて、担保のための価値を決定するように構成されてもよい。スマートコントラクト回路は、さらに、担保のための価値に基づいて債務を自動的に再構築するように構成されてもよい。

担保は、以下からなる項目から選択される少なくとも1つの項目であり得る：車両、船舶、飛行機、建物、家屋、不動産物件、未開発の土地、農場、作物、自治体施設、倉庫、在庫一式、商品、証券、通貨、有価証券、チケット、暗号通貨、消耗品、食用品、飲料、貴金属、宝飾品、宝石、知的財産、知的財産権、契約上の権利、骨董品、備品、家具、設備、工具、機械、個人資産。

評価回路9444は、担保の取引に関連する結果データ9410を解釈し、結果データに応答して評価モデル9450を反復的に改善するように構成された取引結果処理回路9464をさらに含み得る。

評価回路9444は、担保の価値に関連する市場情報を監視し報告するように構成された市場価値データ収集回路9448をさらに含み得る。市場価値データ収集回路9448は、少なくとも1つの公開市場において、オフセット担保アイテム9434の価格設定または財務データを監視する。担保の品目を評価するためのオフセット担保品目9434のセットは、担保の属性に基づいてクラスタリング回路9432を使用して構築されてもよい。属性は、担保物のカテゴリ、担保物の年齢、担保物の状態、担保物の履歴、担保物の保管状態、および担保物の地理的位置の中から選択されてもよい。

ここで図95を参照すると、ローン9500を修正するための例示的かつ非限定的なスマートコントラクト方法が描かれている。本方法は、ローンに関わる少なくとも1つのエンティティに関する情報を監視および収集すること（ステップ9502）と、少なくとも1つのエンティティの監視からの情報を処理すること（ステップ9504）と、少なくとも1つのエンティティに関する監視および収集された情報に基づいてローンに関わる負債を自動的に再編すること（ステップ9508）を含む。イベントの発生を決定することは、ローンのコベナンツと、ローンに関わる少なくとも1つのエンティティに関する監視および収集された情報とに基づいてもよく、イベントの発生に応答して負債を自動的に再編する（ステップ9509）。

融資条件、融資関連イベント、融資関連アクティビティの少なくとも1つを規定するスマートコントラクトの条件を指定することができる（ステップ9510）。

モニタリングされ、収集された融資に関わる少なくとも1つのエンティティに関する情報に基づいて、担保の価値を決定する評価モデルを動作させる（ステップ9512）。

担保の取引に関する成果データが解釈され、成果データに対応して評価モデルが反復的に改善されることがある（ステップ9514）。

本方法は、担保の価値に関連する市場情報を監視し報告することをさらに含み得る（ステップ9518）。

オフセット担保アイテムの価格設定または財務データは、少なくとも1つのパブリックマーケットプレイスで監視され得る（ステップ9520）。

担保のアイテムを評価するためのオフセット担保アイテムのセットは、担保の属性に基づく類似性クラスタリングアルゴリズムを使用して構築される場合がある（ステップ9522）。

ここで図96を参照すると、ローン9600を修正するための例示的かつ非限定的な例示的スマートコントラクトシステムが描かれている。例示的なシステムは、コントローラ9601を含んでもよい。コントローラ9601は、データ収集回路9612、ソーシャルネットワーキング入力回路9644、ソーシャルネットワークデータ収集回路9632、およびスマートコントラクト回路9622、保証検証回路9698、およびロボットプロセス自動化回路9648を含むいくつかの人工知能回路9642を含んでもよい。

ソーシャルネットワークデータ収集回路9632は、ローン保証パラメータに応答してローン9630に関与するエンティティ9664に関するソーシャルネットワーク情報を監視するように構成された複数のアルゴリズムを用いてデータを収集するように構成されてもよい。ソーシャル・ネットワーキング入力回路9644は、ローン保証パラメータを解釈するように構成されてもよい。保証検証回路9698は、監視されたソーシャルネットワーク情報に応答して、ローンに対する保証を検証するように構成されてもよい。

ローン保証パラメータは、エンティティがローンの保証人である場合、エンティティの財務状況を含むことができる。

保証検証回路9698は、さらに、財務状態は、以下からなる属性から選択される少なくとも1つの属性に基づいて決定され得るように構成されてもよい：企業の公示された評価、公的記録によって示される企業が所有する財産、企業が所有する財産の評価、企業の破産状態、企業の差し押さえ状態、企業の契約不履行状態、企業の規制違反状態、企業の犯罪状態、企業の輸出規制状態、企業の禁輸状態、企業の関税状態、事業体の税務状況、事業体の信用報告書、事業体の信用格付け、事業体のウェブサイト格付け、事業体の製品に対する複数のカスタマーレビュー、事業体のソーシャルネットワーク格付け、事業体の複数の資格、事業体の複数の紹介、事業体の複数の証言、事業体の複数の行動、事業体の位置、事業体の管轄、事業体のジオロケーション。

ローンは、以下からなるローンの種類から選択される少なくとも1つのローンの種類を含むことができる：自動車ローン、在庫ローン、設備ローン、履行保証金、設備改善ローン、建物ローン、売掛金担保ローン、インボイスファイナンス、ファクタリング、ペイデイローン、返金前ローン、学生ローン、シンジケートローン、タイトルローン、住宅ローン、ベンチャーデットローン、知的財産ローン、契約債権ローン、運転資金ローン、小企業ローン、農業ローン、地方債および助成金ローン。

データ収集回路9612は、ローンのための担保の状態9611に関する情報を取得するように構成されてもよく、ここで、担保は、以下からなる項目から選択される少なくとも1つの項目を含んでいる：車両、船舶、飛行機、建物、家、不動産物件、未開発の土地、農場、作物、自治体施設、倉庫、在庫一式、商品、証券、通貨、有価証券、チケット、暗号通貨、消耗品、食用品、飲料、貴金属、宝石、宝石、知的財産のアイテム、知的財産権、契約上の権利、骨董品、備品、家具、設備、工具、機械、および動産であり、保証検証回路は、さらに、融資の担保の状態に対応して、融資の保証を検証するように構成される。

担保の状態9611は、担保の品質、担保の所有権状態、担保の占有状態、担保の先取特権状態、新品または中古品状態、タイプ、カテゴリ、仕様からなるグループから選択される状態属性を含み得る、製品機能セット、モデル、ブランド、製造者、状態、コンテキスト、状態、価値、保管場所、ジオロケーション、年齢、メンテナンス履歴、使用履歴、事故履歴、故障履歴、所有権、所有権履歴、価格、評価、および評価である。条件は、担保データ9604として記憶されてもよい。

ソーシャル・ネットワーキング入力回路9644は、さらに、人間のユーザがローン保証パラメータを入力してソーシャル・ネットワーク・データ収集およびモニタリング要求を確立するワークフローを可能にするように構成されることがある。

スマートコントラクト回路9622は、ローンの検証に応答して、ローンに関連するアクションを自動的に引き受けるように構成されてもよい。アクションは、ローンに関連するアクションは、ローン保証が有効化されないことに応答していてもよく、アクションは、差し押さえアクション、先取特権管理アクション、金利調整アクション、デフォルト開始アクション、担保の代替、ローンの呼び出し、およびローンに関わる第2のエンティティへの警告の提供からなるアクションから選択される少なくとも1つのアクションからなる。

ロボットプロセス自動化回路9648は、ソーシャルネットワークデータ収集回路との人間のユーザーインタラクションからなる訓練データセット9646に対する反復訓練に基づいて、ローンの少なくとも1つの属性に基づいてローン保証パラメータを構成するように構成されていてもよい。ローン9630の少なくとも1つの属性は、ローンを管理するスマートコントラクト回路から取得されてもよい。

訓練データセット9646は、ソーシャルネットワークデータ収集回路によって実行された複数のソーシャルネットワークデータ収集および監視要求からの成果をさらに含み得る。

ロボットプロセス自動化回路9648は、さらに、ソーシャルネットワークデータ収集回路が適用される少なくとも1つのドメインを決定するように構成されてもよい。

トレーニングは、複数のアルゴリズムを構成するためにロボットプロセス自動化回路9648をトレーニングすることを含み得る。

ここで図97を参照すると、ローン9700を修正するための例示的かつ非限定的なスマートコントラクト方法が描かれている。ローン保証パラメータが解釈されることがある（ステップ9701）。ローン保証パラメータに応答してローンに関与するエンティティに関するソーシャルネットワーク情報を監視するように構成された複数のアルゴリズムを使用してデータが収集されてもよい（ステップ9702）。ローンの保証は、監視されたソーシャルネットワーク情報に応答して検証されうる（ステップ9704）。ソーシャルネットワークデータ収集およびモニタリング要求を確立するために、人間のユーザがローン保証パラメータを入力するワークフローが有効化される場合がある（ステップ9708）。ローンの検証に応答して、ローンに関連するアクションが自動的に実行される場合がある（ステップ9710）。ロボットプロセス自動化回路は、ローンの少なくとも1つの属性に基づいてデータ収集および監視アクションを構成するために反復的に訓練されてもよく、ロボットプロセス自動化回路は、複数のアルゴリズムからの結果または複数のアルゴリズムとの人間のユーザー対話の少なくとも一方を含む訓練データセット上で訓練される（ステップ9712）。複数のアルゴリズムが適用される少なくとも1つのドメインが決定され得る（ステップ9714）。

図98を参照すると、ローン9800の保証の条件を検証するための例示的かつ非限定的な例示的モニタリングシステムが描かれている。例示的なシステムは、コントローラ9801を含んでもよい。コントローラ9801は、IoTデータ収集入力回路9844、IoTデータ収集回路9832、およびスマートコントラクト回路9822、保証検証回路9898、およびロボットプロセス自動化回路9848を含むいくつかの人工知能回路9842を含んでもよい。

IoTデータ収集入力回路9844は、ローン保証パラメータ9892を解釈するように構成されてもよい。IoTデータ収集回路9832は、ローン保証パラメータに応答して、ローン9830に関与するエンティティ9864から収集されたIoT情報を監視するように構成された少なくとも1つのアルゴリズムを用いてデータを収集するように構成されてもよい。保証検証回路9898は、監視されたIoT情報に応答して、ローンの保証を検証するように構成される。

ローン保証パラメータ9892は、エンティティの財務状態を含み得、ここで、エンティティはローンの保証人である。監視されたIoT情報は、エンティティの公示された評価、公的記録によって示されたエンティティの所有する財産、エンティティの所有する財産の評価、エンティティの破産状態、エンティティの差し押さえ状態、エンティティの契約上の不履行状態、エンティティの規制違反状態、エンティの犯罪状態、エンティの輸出規制状態、エンバーゴ状態、エンティの関税状態、の少なくとも1つを含む、事業体の税務状況、事業体の信用報告書、事業体の信用格付け、事業体のウェブサイト格付け、事業体の製品に対する複数のカスタマーレビュー、事業体のソーシャルネットワーク格付け、事業体の複数の資格、事業体の複数の紹介、事業体の複数の証言、事業体の複数の行動、事業体の位置、事業体の管轄、事業体のジオロケーション。

ローンは、以下からなるローンの種類から選択される少なくとも1つのローンの種類を含むことができる：自動車ローン、在庫ローン、設備ローン、履行保証金、設備改善ローン、建物ローン、売掛金担保ローン、インボイスファイナンス、ファクタリング、ペイデイローン、返金前ローン、学生ローン、シンジケートローン、タイトルローン、住宅ローン、ベンチャーデットローン、知的財産ローン、契約債権ローン、運転資金ローン、小企業ローン、農業ローン、地方債および助成金ローン。

IoTデータ収集回路9832は、ローンの担保の状態に関する情報を取得するようにさらに構成されてもよく、担保は、車両、船舶、飛行機、建物、家、不動産物件、未開発の土地、農場、作物、地方自治体施設、倉庫、在庫セット、商品、証券、通貨、価値トークン、チケット、暗号通貨からなる項目から選択された少なくとも1つの項目を含んでなる、消耗品、食用品、飲料、貴金属、宝石、知的財産、知的財産権、契約権、骨董品、備品、家具、設備、工具、機械、動産であり、保証検証回路9898は、さらに、融資の担保の状態に対応して融資の保証を検証する構成である。

担保の状態9811は、担保の品質、担保の所有権状態、担保の占有状態、担保の先取特権状態、新品または中古品状態、タイプ、カテゴリ、仕様からなるグループから選択される状態属性を含み得る、製品機能セット、モデル、ブランド、製造者、状態、コンテキスト、状態、価値、保管場所、ジオロケーション、年齢、メンテナンス履歴、使用履歴、事故履歴、故障履歴、所有者、所有権履歴、価格、評価、および評価。

IoTデータ収集入力回路9844は、さらに、人間のユーザがローン保証パラメータ9892を入力してIoTデータ収集要求を確立するワークフローを可能にするように構成され得る。

スマートコントラクト回路9822は、ローンの検証に応答して、ローンに関連するアクションを自動的に引き受けるように構成されてもよい。ローンに関連するアクションは、ローン保証が有効化されないことに応答してもよく、アクションは、差し押さえアクション、先取特権管理アクション、金利調整アクション、デフォルト開始アクション、担保の代替、ローンの呼び出し、およびローンに関わる第2のエンティティへの警告の提供からなるアクションから選択された少なくとも1つのアクションを含む。

ロボティックプロセスオートメーション回路9848は、IoTデータ収集回路との人間のユーザインタラクションを含むトレーニングデータセットに対する反復トレーニングに基づいて、ローンの少なくとも1つの属性に基づいてローン保証パラメータを構成するように構成されてもよい。ローンの少なくとも1つの属性は、ローンを管理するスマートコントラクト回路から取得される。トレーニングデータセット9846は、IoTデータ収集回路によって実行される複数のIoTデータ収集および監視要求からの成果をさらに含み得る。

ロボットプロセス自動化回路9848は、IoTデータ収集回路が適用される少なくとも1つのドメインを決定するようにさらに構成され得る。

トレーニングは、少なくとも1つのアルゴリズムを構成するためにロボットプロセス自動化回路9848をトレーニングすることを含み得る。

図99を参照すると、ローン9900に対する保証の条件を検証するための例示的かつ非限定的な例示的モニタリング方法が描かれている。例示的な方法は、ローン保証パラメータを解釈すること（ステップ9902）と、ローン保証パラメータに応答してローンに関与するエンティティから収集され、ローンに関するIoT情報を監視するように構成された複数のアルゴリズムを使用してデータを収集すること（ステップ9904）と、監視したIoT情報に応答してローンのための保証を検証すること（ステップ9905）を含み得る。

ローン保証パラメータは、エンティティの財務状態に関する情報を取得するように構成されてもよく、ここでエンティティはローンの保証人である（ステップ9908）。少なくとも1つのアルゴリズムは、ローンの担保の状態に関する情報を取得するように構成されてもよく（ステップ9910）、担保は、車両、船舶、飛行機、建物、家、不動産物件、未開発の土地、農場、作物、地方自治体施設、倉庫、在庫のセット、商品からなる項目から選択された少なくとも1つの項目を含む、証券、通貨、有価証券、チケット、暗号通貨、消耗品、食用品、飲料、貴金属、宝石、知的財産、知的財産権、契約上の権利、骨董品、備品、家具、設備、工具、機械、動産；前記融資の担保の状態に対応して、前記融資の保証をさらに有効化すること。

人間のユーザがローン保証パラメータを入力してIoTデータ収集要求を確立するワークフローが有効化される場合がある（ステップ9912）。

検証に応答して、ローンに関連するアクションが自動的に実行される場合がある（ステップ9914）。

ローンに関するアクションは、ローン保証が有効でないことに対応するものであってもよく、アクションは、差し押さえアクションを含んでいる。

ローンに関するアクションは、ローン保証が有効でないことに対応するものであってもよく、アクションは、先取特権管理アクションを含んでいる。

ローンに関するアクションは、ローン保証が有効でないことに対応するものであってもよく、アクションは、金利調整アクションを含んでいる。

ローンに関するアクションは、ローン保証が有効化されないことに応答するものであってもよく、アクションはデフォルト開始アクションを含んでいる。

融資に関するアクションは、融資保証が有効でないことに対応するものであってもよく、アクションは、担保の代替を含んでいる。

ローンに関するアクションは、ローン保証が有効でないことに対応するものであってもよく、アクションは、ローンの呼び出しを含んでいる。

ローンに関するアクションは、ローン保証が有効でないことに応答するものであってもよく、アクションは、ローンに関係する第2のエンティティにアラートを提供することを含んでいる。

ロボティックプロセスオートメーション回路は、ローンの少なくとも1つの属性に基づいてIoTデータ収集および監視アクションを構成するために反復的に訓練され得、ロボティックプロセスオートメーション回路は、複数のアルゴリズムからの結果または複数のアルゴリズムとの人間のユーザーインタラクションの少なくとも1つを含む訓練データセットで訓練される（ステップ9918）。

少なくとも1つのアルゴリズムが適用される少なくとも1つのドメインが決定されてもよい（ステップ9920）。トレーニングは、複数のアルゴリズムを構成するためにロボットプロセス自動化回路をトレーニングすることを含んでもよい。

訓練データセットは、IoTデータの収集および監視要求のセットからの成果をさらに含むことができる。

ここで図100を参照すると、ローン10000を交渉するための例示的かつ非限定的な例示的ロボットプロセスオートメーションシステムが描かれている。例示的なシステムは、コントローラ10001を含んでもよい。コントローラ10001は、データ収集回路10012、評価回路10044、および自動ローン分類回路10032、ロボットプロセス自動化回路10060、スマートコントラクト回路10084、およびクラスタリング回路10082を含むいくつかの人工知能回路10042を含むことができる。

データ収集回路10012は、少なくとも1つのローン取引に関連する少なくとも1つのエンティティ10078からインタラクション10010のトレーニングセットを収集するように構成されてもよい。自動ローン分類回路10032は、少なくとも1つのローン交渉アクションを分類するために、インタラクション10010のトレーニングセットでトレーニングされてもよい。ロボットプロセス自動化回路10060は、自動ローン分類回路10032によって分類された複数のローン交渉アクション10074と複数のローン取引結果10039の訓練セットで訓練されて、新しいローンの当事者に代わって新しいローン10030の条件10024を交渉することができる。

データ収集回路は、IoTシステム、カメラシステム、ネットワーク監視システム、インターネット監視システム、モバイルデバイスシステム、ウェアラブルデバイスシステム、ユーザインターフェースシステム、および対話型クラウドソーシングシステムからなるシステムから選択された少なくとも1つの他のシステム10062をさらに含んでもよい。少なくとも1つのエンティティは、少なくとも1つのローン取引の当事者であってよく、以下のものからなるエンティティから選択され得る：一次貸し手、二次貸し手、貸出シンジケート、企業貸し手、政府貸し手、銀行貸し手、担保付き貸し手、債券発行者、債券購入者、無担保貸し手、保証人、担保提供者、借り手、債務者、引受人、検査者、査定人、監査人、評価専門家、政府職員、会計監査。

自動融資分類回路10032は、機械学習システム、モデルベースシステム、ルールベースシステム、深層学習システム、ハイブリッドシステム、ニューラルネットワーク、畳み込みニューラルネットワーク、フィードフォワードニューラルネットワーク、フィードバックニューラルネットワーク、自己組織化マップ、ファジー論理システム、ランダムウォークシステム、ランダムフォレストシステム、確率論システム、ベイズシステム、及びシミュレーションシステムからなるシステムから選択されたシステムを含んでもよい。

ロボットプロセス自動化回路10060は、複数の貸出プロセスに関与する複数のユーザインターフェースとの当事者の複数の相互作用について、さらに学習させることができる。

スマートコントラクト回路10084は、交渉の結果に基づいて、新規ローン10030のためのスマートコントラクト8を自動的に構成する構造であってもよい。

分散型台帳10080が新規ローン10030と関連付けられてもよく、分散型台帳10080は、交渉の結果および交渉イベントの少なくとも一方を記録するように構造化されている。

新規ローンは、以下からなるローンの種類から選択される少なくとも1つのローンの種類を含むことができる：自動車ローン、在庫ローン、資本設備ローン、履行保証金、資本改善ローン、建物ローン、売掛金担保ローン、インボイスファイナンス、ファクタリング、ペイデイローン、返金予測ローン、学生ローン、シンジケートローン、タイトルローン、住宅ローン、ベンチャーデットローン、知的財産ローン、契約債権ローン、運転資金ローン、小企業ローン、農業ローン、地方債および助成金付ローンを含む。

評価回路10044は、評価モデル10052を使用して、新規ローンのための担保の価値を決定するように構成されてもよい。担保は、以下からなる項目から選択される少なくとも1つの項目を含んでもよい：車両、船舶、飛行機、建物、家、不動産物件、未開発の土地、農場、作物、自治体施設、倉庫、在庫一式、商品、証券、通貨、価値トークン、チケット、暗号通貨、消耗品、食用品、飲料、貴金属、宝飾品、宝石、知的財産、知的財産権、契約上の権利、骨董品、備品、家具、設備、工具、機械、個人資産。

評価回路は、担保の価値に関連する市場情報を監視し報告するように構成された市場価値データ収集回路10048をさらに含むことができる。市場価値データ収集回路10048は、少なくとも1つの公開市場におけるオフセット担保アイテム10034の価格設定または財務データを監視してもよい。担保を評価するためのオフセット担保アイテム10034のセットは、担保の属性に基づいてクラスタリング回路10082を使用して構築されてもよい。属性は、担保のカテゴリ、担保の年齢、担保の状態、担保の履歴、担保の保管状態、および担保のジオロケーションの中から選択されてもよい。新規ローンの条件10024は、債務の元本、債務の残高、固定金利、変動金利、支払額、支払スケジュール、バルーン支払スケジュール、担保の指定、担保の代替性の指定、当事者、保証、保証人、担保、個人保証、先取特権、期間、誓約、差押条件、デフォルト条件、およびデフォルトの結果からなるグループから選択される少なくとも1つのメンバーを含みうる。

ここで図101を参照すると、ローン10000を交渉するための例示的かつ非限定的な例示的ロボットプロセス自動化方法が描かれている。例示的な方法は、少なくとも1つのローン取引に関連する少なくとも1つのエンティティからインタラクションのトレーニングセットを収集すること（ステップ10102）と、インタラクションのトレーニングセット上で自動ローン分類回路をトレーニングして少なくとも1つのローン交渉アクションを分類することと（ステップ10104）、自動ローン分類回路によって分類された複数のローン交渉アクションと複数のローン取引結果のトレーニングセット上でロボットプロセス自動化回路をトレーニングして新しいローンの当事者の代わりに新しいローンの諸条件を交渉することと（ステップ10108）を含み得る。

ロボットプロセス自動化回路は、複数の貸出処理に関与する複数のユーザインターフェースとの当事者の複数の相互作用について学習され得る（ステップ10110）。

交渉の結果に基づいて、新たなローンのためのスマートコントラクトが構成される場合がある（ステップ10112）。

交渉の結果および交渉イベントの少なくとも一方は、新しいローンに関連付けられた分散型台帳に記録され得る（ステップ10114）。

新しいローンのための担保の価値は、評価モデルを用いて決定されるかもしれない（ステップ10118）。

例示的な方法は、担保の価値に関連する市場情報を監視し報告することをさらに含み得る（ステップ10120）。

担保を評価するためのオフセット担保項目のセットは、担保の属性に基づく類似性クラスタリングアルゴリズムを用いて構築されてもよい（ステップ10122）。

図102を参照すると、適応型インテリジェンスおよびロボットプロセス自動化能力10200のための例示的かつ非限定的な例示的システムが描かれている。例示的なシステムは、ローン収集成果10203、支払いの収集10205などを含み得るローン相互作用の訓練セット10204などのデータを収集し得るデータ収集回路10206を含み得る。データは、ローン取引10219、ローンデータ10201、およびエンティティ情報10202などから収集されてもよい。データは、IoTシステム、カメラシステム、ネットワーク監視システム、インターネット監視システム、モバイルデバイスシステム、ウェアラブルデバイスシステム、ユーザインターフェースシステム、および対話型クラウドソーシングシステムなどの様々なソースおよびシステムから収集されてもよい。ローン回収成果10203は、回収連絡イベントへの応答、ローンの支払い、ローンの借り手のデフォルト、ローンの借り手の破産、回収訴訟の成果、一連の回収行動の財務的利回り、回収に関する投資収益、回収に関わる当事者の評判の尺度、などの成果を少なくとも含み得る。

システムはまた、ローン相互作用の訓練セット10204に少なくとも部分的に基づいてローン収集アクションのセット10209を分類するように構成され得る人工知能回路10210を含み得る。人工知能回路10210は、機械学習システム、モデルベースシステム、ルールベースシステム、深層学習システム、ハイブリッドシステム、ニューラルネットワーク、畳み込みニューラルネットワーク、フィードフォワードニューラルネットワーク、フィードバックニューラルネットワーク自己組織化マップ、ファジー論理システム、ランダムウォークシステム、ランダムフォレストシステム、確率システム、ベイズシステム、シミュレーションシステムなどの少なくとも一つのシステムを含んでいてもよい。

システムはまた、ローン相互作用の訓練セット10204およびローン収集結果のセット10203に少なくとも部分的に基づいて、ローン10212の当事者の代わりに少なくとも1つのローン収集アクション10211を実行するように構成されたロボットプロセス自動化回路10213を含み得る。ロボットプロセス自動化回路10213によって引き受けられるローン収集アクション10211は、収集のためのエージェントへのローンの紹介、収集通信の構成、収集通信のスケジューリング、収集通信のためのコンテンツの構成のうちの少なくとも1つであってもよい、ローンを解決するための申し出の構成、回収行為の終了、回収行為の延期、代替支払スケジュールの申し出の構成、訴訟の開始、差し押さえの開始、破産プロセスの開始、差し押さえプロセス、担保への先取特権の配置、等である。ローン10212の当事者は、一次貸し手、二次貸し手、貸し出しシンジケート、企業貸し手、政府貸し手、銀行貸し手、担保付き貸し手、債券発行者、債券購入者、無担保貸し手、保証人、担保提供者、借り手、債務者、引受人、検査者、評価者、監査人、評価専門家、政府職員、会計士などの少なくとも1つを含むことがある。ローン10201は、少なくとも1つの自動車ローン、在庫ローン、資本設備ローン、履行保証金、資本改善ローン、建物ローン、売掛債権担保ローン、請求書金融手配、ファクタリング手配、給料日ローン、返金予測ローン、学生ローン、シンジケートローン、タイトルローン、住宅ローン、ベンチャー債務ローン、知的財産ローン、契約債権ローン、運転資金ローン、小企業ローン、農場ローン、地方債、補助金付きローン等を含み得る。

システムは、エンティティ10202の1つ以上から相互作用10207を受け取るように構造化されたインターフェース回路10208をさらに含むことができる。いくつかの実施形態では、ロボットプロセス自動化回路10213は、インタラクション10207で訓練されることがある。システムは、ローン回収アクション10211の交渉の完了を決定し、否定10217の結果に基づいて契約10216を修正するように構造化されたスマートコントラクト回路10218をさらに含むことができる。

システムは、ローン回収アクション10211に関連する回収結果10220またはイベント10221の少なくとも一方を決定するように構造化された分散型台帳回路10215をさらに含むことができる。分散型台帳回路10215は、ローンに関連する分散型台帳10214に、イベント10221および／または回収結果10220を記録するように構成されてもよい。

図103を参照すると、例示的かつ非限定的な例示的方法10300が描かれている。例示的な方法10300は、一組のローン取引に対するエンティティ間のローン相互作用の訓練セットおよびローン収集結果のセットを収集するためのステップ10301を含み得、ローン相互作用の訓練セットは、一組のローンに対する一連の支払いの収集からなる。ローン相互作用のトレーニングセットに少なくとも部分的に基づくローン収集アクションのセットが分類され得る（ステップ10302）。本方法は、ローン相互作用のトレーニングセットおよびローン収集結果のセットに少なくとも部分的に基づいて、ローンの当事者に代わってローン収集アクションを指定するステップ10303をさらに含むことができる。

方法10300は、ローン回収アクションの交渉の完了を決定するステップ10304をさらに含むことができる。交渉の結果に基づいて、ステップ10305でスマートコントラクトが修正されることがある。本方法はまた、ローン回収アクションに関連する回収結果またはイベントの少なくとも1つを決定するステップ10306を含むことができる。回収結果またはイベントの少なくとも一方は、ステップ10307において、ローンに関連付けられた分散型台帳に記録されてもよい。

図104を参照すると、適応型インテリジェンスおよびロボットプロセス自動化能力10400のための例示的かつ非限定的な例示的システムが描かれている。例示的なシステムは、エンティティ10402間のローン相互作用のトレーニングセットを収集するように構造化されたデータ収集回路10406を含み得、ローン相互作用のトレーニングセットは、ローン借り換え活動のセット10403およびローン借り換え結果のセット10404を含み得る。システムは、ローン借り換え活動のセットを分類するように構造化された人工知能回路10410を含み得、人工知能回路は、ローン相互作用のトレーニングセットでトレーニングされる。システムは、第2のローン10412の当事者の代わりに第2のローン借り換え活動10411を実行するように構造化されたロボットプロセス自動化回路10413を含んでもよく、ロボットプロセス自動化回路は、ローン借り換え活動のセットおよびローン借り換え成果のセットに対して訓練される。例示的なシステムは、エンティティ10402間のローン相互作用のトレーニングセットなどのデータを収集することができるデータ収集回路10406を含み得る。エンティティ10402間のローン相互作用のセットに関連するデータは、ローン借り換え活動10403およびローン借り換え成果10404に関連するデータを含むことができる。データは、ローンデータ10401、エンティティ10402に関する情報等から収集されてもよい。データは、IoTシステム、カメラシステム、ネットワーク監視システム、インターネット監視システム、モバイルデバイスシステム、ウェアラブルデバイスシステム、ユーザインターフェースシステム、および対話型クラウドソーシングシステムなどの様々なソースおよびシステムから収集されてもよい。ローン借り換え活動10403は、借り換えのオファーを開始すること、借り換えのリクエストを開始すること、借り換え金利を構成すること、借り換え支払いスケジュールを構成すること、借り換え残高を構成すること、借り換えのための担保を構成すること、借り換えの収益の使用を管理すること、借り換えに関連する先取特権を除去または配置すること、借り換えのためのタイトルを確認すること、検査プロセスを管理すること、アプリケーションに入力すること、借り換えの条件交渉、借り換えを終了することなど少なくとも一つのアクティビティを含みうる。

システムはまた、ローン相互作用の訓練セット10405に少なくとも部分的に基づいてローン借り換え活動のセット10409を分類するように構成され得る人工知能回路10410を含み得る。人工知能回路10410は、機械学習システム、モデルベースシステム、ルールベースシステム、深層学習システム、ハイブリッドシステム、ニューラルネットワーク、畳み込みニューラルネットワーク、フィードフォワードニューラルネットワーク、フィードバックニューラルネットワーク自己組織化マップ、ファジー論理システム、ランダムウォークシステム、ランダムフォレストシステム、確率システム、ベイズシステム、シミュレーションシステム等の少なくとも一つのシステムを含み得る。

システムはまた、ローン借り換え活動のセット10403およびローン借り換え成果のセット10404に少なくとも部分的に基づいて、第2のローン10412の当事者の代わりに第2のローン借り換え活動10411を実行するように構成されたロボットプロセス自動化回路10413を含むことができる。第2のローン10412の当事者は、一次貸し手、二次貸し手、貸し出しシンジケート、企業貸し手、政府貸し手、銀行貸し手、担保付き貸し手、債券発行者、債券購入者、無担保貸し手、保証人、担保提供者、借り手、債務者、引受人、検査員、評価者、監査人、評価専門家、政府職員、会計士などの少なくとも1を含み得る。

第2のローン10419は、少なくとも1つの自動車ローン、在庫ローン、資本設備ローン、履行保証金、資本改善ローン、建物ローン、売掛債権担保ローン、請求書金融手配、ファクタリング手配、給料日ローン、返金先払いローン、学生ローン、シンジケートローン、タイトルローン、住宅ローン、ベンチャー債務ローン、知的財産ローン、契約債権ローン、運転資金ローン、小企業ローン、農業ローン、地方債、補助ローン等としうる。

システムは、エンティティ10402のうちの1つ以上から相互作用10407を受け取るように構造化されたインターフェース回路10408をさらに含むことができる。いくつかの実施形態では、ロボティックプロセスオートメーション回路10413は、インタラクション10407についてトレーニングされ得る。システムは、第2のローン借り換え活動10411の完了を決定し、第2のローン借り換え活動10411の結果に基づいてスマート借り換え契約10417を修正するように構造化されたスマートコントラクト回路10418をさらに含んでもよい。

システムは、第2のローン借り換え活動10411に関連するイベント10415を決定するように構造化された分散型台帳回路10416をさらに含むことができる。分散型台帳回路10416は、第2のローン10419に関連する分散型台帳10414に、第2のローンの借り換え活動10411に関連するイベント10415を記録するように構成されてもよい。

図105を参照すると、例示的かつ非限定的な例示的方法10500が描かれている。例示的な方法10500は、エンティティ間のローン相互作用のトレーニングセットを収集するためのステップ10501を含み得、ローン相互作用のトレーニングセットは、ローン借り換え活動のセットとローン借り換え結果のセットとを含む。ローン相互作用のトレーニングセットに少なくとも部分的に基づくローン借り換え活動のセットが分類され得る（ステップ10502）。本方法は、ローン借り換え活動のセットおよびローン借り換え結果のセットに少なくとも部分的に基づいて、第2のローンの当事者に代わって第2のローン借り換え活動を特定するステップ10503をさらに含み得る。

方法10500は、第2のローン借り換え活動の完了を決定するステップ10504をさらに含むことができる。第2のローン借り換え活動の結果に基づいて、スマート借り換え契約がステップ10505で修正され得る。本方法はまた、第2のローン借り換え活動に関連するイベントを決定するステップ10506を含むことができる。第2のローン借り換え活動に関連するイベントは、ステップ10507において、第2のローンに関連する分散型台帳に記録されてもよい。

図106を参照すると、適応型インテリジェンスおよびロボットプロセス自動化能力10600のための例示的かつ非限定的な例示的システムが描かれている。例示的なシステムは、ローン連結取引10603のセットなどを含み得るエンティティ間のローン相互作用10604のトレーニングセットなどのデータを収集し得るデータ収集回路10605を含み得る。データは、ローンデータ10601、情報再実体10602などから収集されてもよい。データは、IoTシステム、カメラシステム、ネットワーク監視システム、インターネット監視システム、モバイルデバイスシステム、ウェアラブルデバイスシステム、ユーザインターフェースシステム、およびクラウドソーシングシステムなどの様々なソースおよびシステムから収集されてもよい。

システムはまた、ローン相互作用の訓練セット10604に少なくとも部分的に基づいて、ローンのセットを連結の候補10608として分類するように構成され得る人工知能回路10610を含み得る。人工知能回路10610は、機械学習システム、モデルベースシステム、ルールベースシステム、深層学習システム、ハイブリッドシステム、ニューラルネットワーク、畳み込みニューラルネットワーク、フィードフォワードニューラルネットワーク、フィードバックニューラルネットワーク自己組織化マップ、ファジー論理システム、ランダムウォークシステム、ランダムフォレストシステム、確率システム、ベイズシステム、シミュレーションシステムなどの少なくとも一つのシステムを含み得る。

システムはまた、ローン連結トランザクションの訓練セット10603に少なくとも部分的に基づいて、ローン連結10612の当事者の代わりに、ローンのセット10611の少なくともサブセットの連結を管理するように構成されたロボットプロセス自動化回路10613を含むことができる。連結を管理することは、候補ローンのセットからのローンの識別、連結オファーの準備、連結計画の準備、連結オファーを伝えるコンテンツの準備、連結オファーのスケジュール、連結オファーの伝達、連結オファーの修正交渉、連結契約の準備、連結契約の実行、ローンのセットに対する担保の修正、連結の申請ワークフローの処理、検査の管理、評価の管理、金利の設定、支払い要件の延期、支払い予定の設定、または連結契約の終了を含み得る。

人工知能回路は、ローンが統合10608の候補であることを分類するために使用され得るモデル10609をさらに含み得る。モデル10609は、エンティティの属性を処理してもよく、属性は、当事者のアイデンティティ、金利、支払い残高、支払い条件、支払いスケジュール、ローンのタイプ、担保のタイプ、当事者の財務状態、支払い状況、担保の状態、担保の価値、などを含み得る。

ローン連結10612の当事者は、一次貸し手、二次貸し手、貸し出しシンジケート、企業貸し手、政府貸し手、銀行貸し手、担保付き貸し手、債券発行者、債券購入者、無担保貸し手、保証人、担保提供者、借り手、債務者、引受人、検査員、評価者、監査人、評価専門家、政府職員、会計士などの少なくとも1つを含み得る。

ローン10601は、少なくとも1つの自動車ローン、在庫ローン、資本設備ローン、履行保証金、資本改善ローン、建物ローン、売掛債権担保ローン、請求書金融手配、ファクタリング手配、給料日ローン、返金先払いローン、学生ローン、シンジケートローン、タイトルローン、住宅ローン、ベンチャー債務ローン、知的財産ローン、契約債権ローン、運転資金ローン、小企業ローン、農場ローン、地方債、補助金付きローン等を含みうる。

システムは、エンティティ10602のうちの1つ以上から相互作用10606を受け取るように構造化されたインターフェース回路10607をさらに含むことができる。いくつかの実施形態では、ロボティックプロセスオートメーション回路10613は、インタラクション10606について訓練され得る。システムは、連結の交渉の完了を決定し、交渉の結果10619に基づいて契約10618を修正するように構造化されたスマートコントラクト回路10620をさらに含んでもよい。

システムは、連結に関連する結果10615または交渉イベント10616の少なくとも一方を決定するように構成された分散型台帳回路10617をさらに含むことができる。分散型台帳回路10617は、ローンに関連する分散型台帳10614に、イベント10616および／または結果10615を記録するように構成されてもよい。

図107を参照すると、例示的かつ非限定的な例示的方法10700が描かれている。例示的な方法10700は、エンティティ間のローン相互作用のトレーニングセットを収集するステップ10701を含み得、ローン相互作用のトレーニングセットは、ローン統合トランザクションのセットを含む。ローン相互作用のトレーニングセットに少なくとも部分的に基づいて、連結の候補としてのローンのセットが分類されてもよい（ステップ10702）。本方法は、ローン連結取引のセットに少なくとも部分的に基づいて、連結の当事者に代わってローンのセットの少なくともサブセットの連結を管理するステップ10703をさらに含むことができる。

方法10700は、ローンのセットのサブセットからの少なくとも1つのローンの連結の交渉の完了を決定するステップ10704をさらに含むことができる。交渉の結果に基づいて、ステップ10705でスマートコントラクトが修正される場合がある。本方法はまた、ローンのセットの少なくともサブセットの連結に関連する結果および交渉イベントの少なくとも一方を決定するステップ10706を含み得る。結果および交渉イベントの少なくとも一方は、ステップ10707において、連結に関連付けられた分散型台帳に記録されてもよい。

図108を参照すると、適応型インテリジェンスおよびロボットプロセス自動化能力10800のための例示的かつ非限定的な例示的システムが描かれている。例示的なシステムは、ファクタリングローン10801のセットに関与するエンティティ10802に関するデータ情報、およびファクタリングローン取引10803のセットに対するエンティティ間の相互作用10804のトレーニングセットを収集することができるデータ収集回路10805を含み得る。データは、IoTシステム、カメラシステム、ネットワーク監視システム、インターネット監視システム、モバイルデバイスシステム、ウェアラブルデバイスシステム、ユーザインターフェースシステム、及びクラウドソーシングシステムなどの様々なソース及びシステムから収集されてもよい。

システムはまた、相互作用の訓練セット10804に少なくとも部分的に基づいて、ファクタリングローンのセットに関与するエンティティ10808を分類するように構成され得る人工知能回路10811を含み得る。人工知能回路10811は、機械学習システム、モデルベースシステム、ルールベースシステム、深層学習システム、ハイブリッドシステム、ニューラルネットワーク、畳み込みニューラルネットワーク、フィードフォワードニューラルネットワーク、フィードバックニューラルネットワーク自己組織化マップ、ファジー論理システム、ランダムウォークシステム、ランダムフォレストシステム、確率システム、ベイズシステム、シミュレーションシステムなどの少なくとも一つのシステムを含んでいても良い。

システムはまた、ファクタリングローン取引10803に少なくとも部分的に基づいてファクタリングローン10812を管理するように構成されたロボットプロセス自動化回路10813を含むことができる。ファクタリングローンの管理は、ファクタリングのための資産のセットの管理、候補ローンのセットからのファクタリングのためのローンの識別、ファクタリングオファーの準備、ファクタリング計画の準備、ファクタリングオファーを伝えるコンテンツの準備、ファクタリングオファーをスケジュールすること、ファクタリングオファーを伝えること、ファクタリングオファー変更の交渉、の少なくとも1つを含み得る、ファクタリング契約の準備、ファクタリング契約の実行、ファクタリングローンの担保の変更、売掛金の譲渡、ファクタリングの申請ワークフローの処理、検査の管理、ファクタリング対象資産の評価の管理、金利の設定、支払い要件の延期、支払いスケジュールの設定、またはファクタリング契約の終了。

人工知能回路10811は、ファクタリングローンのセットに関与するエンティティの属性を処理するために使用され得るモデル10809をさらに含み得、属性は、ファクタリングに使用される資産、当事者のアイデンティティ、金利、支払残高、支払条件、支払スケジュール、ローンのタイプ、担保のタイプ、当事者の財務状態、支払状況、担保の状態、または担保の価値を含み得る。ファクタリングに使用される資産は、売掛金のセット10810を含むことができる。エンティティ10802の少なくとも1つのエンティティは、少なくとも1つのファクタリング融資取引10803の当事者となり得る。当事者は、一次貸し手、二次貸し手、貸し出しシンジケート、企業貸し手、政府貸し手、銀行貸し手、担保付き貸し手、債券発行者、債券購入者、無担保貸し手、保証人、担保提供者、借り手、債務者、引受人、検査官、評価者、監査人、評価専門家、政府職員、経理人などの少なくとも1つを含むことができる。

システムは、エンティティ10802の1つ以上から相互作用10806を受信するように構造化されたインターフェース回路10807をさらに含むことができる。いくつかの実施形態では、ロボットプロセス自動化回路10813は、相互作用10806について訓練され得る。

システムは、ファクタリングローンの交渉の完了を判断し、交渉の結果10819に基づいて契約10818を修正するように構成されたスマートコントラクト回路10820をさらに含み得る。

システムは、ファクタリングローンの交渉に関連する結果10815または交渉イベント10816の少なくとも一方を決定するように構成された分散型台帳回路10817をさらに含むことができる。分散型台帳回路10817は、ファクタリングローンに関連する分散型台帳10814に、イベント10816および／または結果10815を記録するように構成されていてもよい。

図109を参照すると、例示的かつ非限定的な例示的方法10900が描かれている。例示的な方法10900は、ファクタリングローンのセットに関与するエンティティに関する情報、およびファクタリングローントランザクションのセットに対するエンティティ間の相互作用のトレーニングセットを収集するステップ10901を含むことができる。ファクタリングローンのセットに関与するエンティティは、ローン相互作用のトレーニングセットに少なくとも部分的に基づいて分類されてもよい（ステップ10902）。本方法は、ファクタリングローン相互作用のセットに少なくとも部分的に基づいてファクタリングローンを管理するステップ10903をさらに含むことができる。

方法10900は、ファクタリングローンの交渉の完了を決定するステップ10904をさらに含むことができる。交渉の結果に基づいて、ステップ10905でスマートコントラクトが修正される場合がある。本方法は、ファクタリングローンの交渉に関連する結果および交渉イベントの少なくとも1つを決定するステップ10906も含み得る。結果および交渉イベントの少なくとも一方は、ステップ10907において、ファクタリングローンに関連付けられた分散型台帳に記録されてもよい。

図110を参照すると、適応型インテリジェンスおよびロボットプロセス自動化能力のための例示的かつ非限定的な例示的システム11000が描かれている。例示的なシステムは、一連の住宅ローン活動11005に関与するエンティティ11002に関するデータ情報、および一連の住宅ローン取引11003のためのエンティティ間の相互作用11004のトレーニングセットを収集し得るデータ収集回路11006を含み得る。データは、IoTシステム、カメラシステム、ネットワーク監視システム、インターネット監視システム、モバイルデバイスシステム、ウェアラブルデバイスシステム、ユーザインターフェースシステム、及びクラウドソーシングシステムなどの様々なソース及びシステムから収集されてもよい。

システムはまた、相互作用の訓練セット11004に少なくとも部分的に基づいて、住宅ローン活動のセットに関与するエンティティ11009を分類するように構成され得る人工知能回路11010を含むことができる。人工知能回路11010は、機械学習システム、モデルベースシステム、ルールベースシステム、深層学習システム、ハイブリッドシステム、ニューラルネットワーク、畳み込みニューラルネットワーク、フィードフォワードニューラルネットワーク、フィードバックニューラルネットワーク自己組織化マップ、ファジー論理システム、ランダムウォークシステム、ランダムフォレストシステム、確率システム、ベイズシステム、シミュレーションシステムなどの少なくとも一つのシステムを含むことができる。

システムはまた、住宅ローン活動11005のセットおよび相互作用11004の訓練セットの少なくとも一方に少なくとも部分的に基づいて住宅ローン11011を仲介するように構成されたロボットプロセス自動化回路11012を含むことがある。住宅ローン活動のセット11005および／または住宅ローン取引のセット11003は、以下からなる群から選択される活動を含み得る：マーケティング活動のうち、見込みのある借り手のセットの識別、物件の識別、担保の識別、借り手の資格、タイトルサーチ、タイトル検証、物件評価、物件検査、物件評価、所得検証、借り手の人口統計学的分析、資本提供者の識別、利用可能な金利の決定、利用可能な支払い条件の決定、既存の住宅ローンの分析、既存と新規の住宅ローン条件の比較分析、申請ワークフローの完成、申請項目の入力、住宅ローン契約の準備、住宅ローン契約のスケジュールの完成、資本提供者との住宅ローン条件の交渉、借り手との住宅ローン条件の交渉、所有権の移転、先取特権の設定、または住宅ローン契約の成立。

人工知能回路11010は、一連の住宅ローン活動に関与するエンティティの属性を処理するために使用され得るモデルをさらに含み得、属性は、住宅ローンの対象となる不動産、担保に用いられる資産、当事者の身元、金利、支払い残高、支払い条件、支払いスケジュール、住宅ローンのタイプ、不動産のタイプ、当事者の財務状況、支払い状況、不動産の状態、または不動産の価値である。実施形態において、住宅ローンを仲介することは、住宅ローンの対象となる不動産を管理すること、借り手の状況のセットから住宅ローンの候補を特定すること、住宅ローンのオファーを準備すること、住宅ローンのオファーを伝えるコンテンツを準備すること、住宅ローンのオファーをスケジュールすること、住宅ローンのオファーを伝えること、住宅ローンのオファーを修正交渉すること、などの少なくとも一つの活動を含んでいる、住宅ローン契約書の作成、住宅ローン契約書の締結、住宅ローン担保の変更、先取特権の譲渡、申請ワークフローの処理、検査の管理、住宅ローンの対象となる資産の評価の管理、金利の設定、支払い要件の延期、支払いスケジュールの設定、住宅ローン契約書の締結など。

実施形態では、エンティティ11002の少なくとも1つのエンティティは、住宅ローン取引11003のセットの少なくとも1つの住宅ローン取引の当事者であってよい。当事者は、一次貸し手、二次貸し手、貸し出しシンジケート、企業貸し手、政府貸し手、銀行貸し手、担保付き貸し手、債券発行者、債券購入者、無担保貸し手、保証人、担保提供者、借り手、債務者、引受人、検査官、評価者、監査人、評価専門家、政府職員、会計士などの少なくとも1つを含むことができる。

システムは、エンティティ11002の1つ以上から相互作用11007を受け取るように構造化されたインターフェース回路11008をさらに含むことができる。いくつかの実施形態では、ロボットプロセス自動化回路11012は、相互作用11007について訓練されることがある。

システムは、住宅ローンの交渉の完了を判断し、交渉の結果11018に基づいてスマートコントラクト11017を修正するように構成されたスマートコントラクト回路11019をさらに含み得る。

システムは、住宅ローンの交渉に関連する結果11014または交渉イベント11015の少なくとも一方を決定するように構成された分散型台帳回路11016をさらに含むことができる。分散型台帳回路11016は、住宅ローンに関連する分散型台帳11013に、イベント11015および／または結果11014を記録するように構成されてもよい。

図111を参照すると、例示的かつ非限定的な例示的方法11100が描かれている。例示的な方法11100は、ステップ11101が、一連のファクタリング・ローン活動に関与するエンティティに関する情報、および一連のファクタリング・ローン取引に関するエンティティ間の相互作用のトレーニング・セットを収集することを含み得る。ファクタリングローンのセットに関与するエンティティは、ローン相互作用のトレーニングセットに少なくとも部分的に基づいて分類されてもよい（ステップ11102）。本方法は、一連の住宅ローン活動および相互作用のトレーニングセットのうちの少なくとも1つに少なくとも部分的に基づいて住宅ローンを仲介するステップ11103をさらに含むことができる。

方法11100は、住宅ローンの交渉の完了を決定するステップ11104をさらに含むことができる。交渉の結果に基づいて、ステップ11105でスマートコントラクトが修正される場合がある。方法はまた、住宅ローンの交渉に関連する結果および交渉イベントの少なくとも一方を決定するステップ11106を含み得る。結果および交渉イベントの少なくとも一方は、ステップ11107において、住宅ローンに関連付けられた分散型台帳に記録されてもよい。

図112を参照すると、適応型知能およびロボットプロセス自動化能力11200のための例示的かつ非限定的な例示的システムが描かれている。例示的なシステムは、一連の債務取引11201に関与するエンティティ11205に関するデータ、エンティティに関連する結果11206のトレーニングデータセット、および債務管理活動11207のトレーニングセットを収集し得るデータ収集回路11208を含み得る。データは、以下のような様々なソースおよびシステムから収集され得る：IoTデバイス、環境条件センサのセット、クラウドソーシングサービスのセット、ソーシャルネットワーク分析サービスのセット、またはネットワークドメインをクエリするためのアルゴリズムのセット、などである。

システムはまた、エンティティ11205の少なくとも1つのエンティティの状態11211を分類するように構造化され得る状態分類回路11214を含み得る。状態分類回路11214は、モデル11212と人工知能回路11213のセットとを含むことができる。モデル11212は、エンティティに関連する結果11206のトレーニングデータセットを使用してトレーニングされてもよい。人工知能回路11213は、機械学習システム、モデルベースシステム、ルールベースシステム、深層学習システム、ハイブリッドシステム、ニューラルネットワーク、畳み込みニューラルネットワーク、フィードフォワードニューラルネットワーク、フィードバックニューラルネットワーク、自己組織化マップ、ファジー論理システム、ランダムウォークシステム、ランダムフォレストシステム、確率システム、ベイズシステム、またはシミュレーションシステムなどの少なくとも一つのシステムを含んでも良い。

システムはまた、債務11215に関連する行動を管理するように構成された自動債務管理回路11216を含み得る。自動化された債務管理回路11216は、債務管理活動11207の訓練セットで訓練されることがある。

実施形態において、一連の負債取引11201の少なくとも1つの負債取引は、自動車ローン、在庫ローン、資本設備ローン、履行保証金、資本改善ローン、建物ローン、売掛金担保ローン、インボイスファイナンス手配、ファクタリング手配を含み得る、ペイデイローン、返金前ローン、学生ローン、シンジケートローン、タイトルローン、ホームローン、ベンチャーデットローン、知的財産ローン、契約債権ローン、運転資金ローン、中小企業ローン、農業ローン、地方債、補助金ローンなど。

実施形態では、一連の債務取引に関与するエンティティ11205は、一連の当事者11202および一連の資産11204のうちの少なくとも1つを含むことができる。資産11204は、自治体資産、車両、船舶、飛行機、建物、家、不動産物件、未開発の土地、農場、作物、自治体施設、倉庫、一連の在庫、商品、セキュリティ、通貨、価値のあるトークン、チケット、暗号通貨を含み得る、消耗品、食用品、飲料、貴金属、宝石、知的財産、知的財産権、契約上の権利、骨董品、備品、家具、設備、工具、機械、または個人財産の項目である。システムは、資産のセットからの少なくとも1つの資産11204上、資産のセットからの少なくとも1つの資産用の容器上、および資産のセットからの少なくとも1つの資産用のパッケージ上に位置付けられたセンサのセット11203をさらに含み得、センサのセットは、センサのセットによって感知されたセンサ情報を資産のセットからの少なくとも1つの資産用の固有識別子に関連付けるように構成される。センサ11203は、画像、温度、圧力、湿度、速度、加速度、回転、トルク、重量、化学、磁場、電場、または位置のセンサを含み得る。

実施形態では、システムは、データ収集回路11208およびセンサ11203のセットから情報を受信し、ブロックチェーン11226に情報を格納するように構成されたブロックチェーン回路11224のセットをさらに含むことができる。ブロックチェーン11226へのアクセスは、安全なアクセス制御インターフェース回路11223を介して提供されてもよい。

自動エージェント回路11225は、資産のセットの少なくとも1つの資産の価値、状態、および所有権の少なくとも1つに関連するイベントを処理し、資産が関連する債務取引に関連する一連のアクションを引き受けるようにさらに構造化されることがある。

システムは、エンティティ11205の少なくとも1つからインタラクション11209を受け取るように構造化されたインターフェース回路11210をさらに含み得る。実施形態では、自動債務管理回路11216は、インタラクション11209について訓練されることがある。いくつかの実施形態では、システムは、資産11204のセットの少なくとも1つの資産の価値に関連する市場情報11217を監視および報告するように構造化された市場価値データ収集回路11218をさらに含むことができる。市場価値データ収集回路11218は、少なくとも1つの公開市場において、資産のセットの少なくとも1つの資産に類似するアイテムの少なくとも1つの価格設定および財務データを監視するようにさらに構造化され得る。資産のセットから少なくとも1つの資産を評価するための類似アイテムのセットは、資産の属性に基づく類似性クラスタリングアルゴリズムを使用して構築されてもよい。実施形態において、資産の属性の少なくとも1つの属性は、資産のカテゴリ、資産の年齢、資産の状態、資産の履歴、資産の保管場所、資産の地理的位置などを含むことができる。

実施形態において、システムは、債務取引11221のためのスマートコントラクト11219を管理するように構造化されたスマートコントラクト回路11222をさらに含むことができる。スマートコントラクト回路11222は、債務取引11221のための条件11220のセットを確立するようにさらに構成されてもよい。条件の少なくとも1つは、債務の元本、債務の残高、固定金利、変動金利、支払額、支払スケジュール、バルーン支払スケジュール、担保の指定、担保の代替性の指定、当事者、保証、保証人、担保、個人保証、先取特権、期間、誓約、差押え条件、デフォルト条件、デフォルトの結果、等を含み得る。

実施形態では、債務11215に関連する少なくとも1つの行動は、債務取引の提供、債務取引の引受け、金利の設定、支払要件の延期、金利の修正、権原の検証、検査の管理、権原の変更の記録、資産の価値の評価、ローンの呼び出し、取引の完了、取引の条件の設定、提供されるべき通知の提供、一連の資産の差押え、条件の修正、事業体の格付けの設定、債務のシンジケーションまたは債務の集約などを含むことがある。債務管理活動のトレーニングセット11207からの少なくとも1つの債務管理活動は、債務取引の提供、債務取引の引受、金利の設定、支払要件の延期、金利の修正、権原の検証、検査の管理、権原の変更の記録、資産の価値の評価、ローンの呼び出し、取引の完了、取引の条件の設定、提供が要求される通知の提供、一連の資産の差し押さえ、条件の修正、事業体の格付け設定、債務シンジケート、または債務統合を含み得る。

図113を参照すると、例示的かつ非限定的な例示的方法11300が描かれている。例示的な方法11300は、一連の債務取引に関与するエンティティに関する情報、エンティティに関連する結果のトレーニングデータセット、および債務管理活動のトレーニングセットを収集するステップ11301を含むことができる。例示的な方法は、エンティティに関連する結果のトレーニングデータセットに少なくとも部分的に基づいて、エンティティの少なくとも1つのエンティティの状態を分類することをさらに含むことができる（ステップ11302）。例示的な方法は、債務管理活動のトレーニングセットに少なくとも部分的に基づいて、債務に関連するアクションを管理することをさらに含むことができる（ステップ11303）。例示的な方法は、少なくとも1つの資産に配置されたセンサのセットから情報を受信することをさらに含み得る（ステップ11304）。例示的な方法は、情報をブロックチェーンに格納することをさらに含み得、ブロックチェーンへのアクセスは、資産のセットからの少なくとも1つの資産を含む債務取引のための当事者のための安全なアクセス制御インターフェースを介して提供される（ステップ11305）。ステップ11306において、方法は、資産のセットの少なくとも1つの資産の値、条件、または所有権のうちの少なくとも1つに関連するイベントを処理することを含むことができる。ステップ11307において、方法は、資産が関連する負債取引に関連する一連のアクションを処理することを含むことができる。実施形態において、方法は、エンティティの少なくとも1つからインタラクションを受信すること（ステップ11308）、資産のセットの少なくとも1つの資産の価値に関連するマーケットプレイス情報を監視および報告すること（ステップ11309）、資産の属性に基づいて類似クラスタリングアルゴリズムを使用して資産のセットから少なくとも1つの資産を評価するための類似項目のセットを構築すること（ステップ11310）、負債取引用のスマートコントラクトを管理し（ステップ11311）、負債取引用のスマートコントラクト用の条件セットを確立する（ステップ11312）ことをさらに含む可能性がある。

図114を参照すると、適応型インテリジェンスおよびロボットプロセス自動化能力11400のための例示的かつ非限定的な例示システムが描かれている。

例示的なシステムは、債券取引の集合11402に関与するエンティティ11403に関する情報およびエンティティ11403に関連する結果のトレーニングデータセットを収集するように構成されたクラウドソーシングデータ収集回路11405を含むことができる。システムは、クラウドソーシングデータ収集回路11405からの情報とモデル11409とを用いて、一組の発行体11408の状態を分類するように構成された状態分類回路11411をさらに含むことができる。モデル11409は、発行者の集合に関連する結果11404のトレーニングデータセットを用いてトレーニングされてもよい。例示的なシステムは、発行者のセットの少なくとも1つの発行者の分類された状態に応答して、債務取引に関連するアクションを実行するように構成された自動エージェント回路11419をさらに含むことができる。実施形態において、少なくとも1つのエンティティ11403は、発行者のセット、債券のセット、当事者のセット、または資産のセットを含むことができる。少なくとも1つの発行体は、自治体、企業、請負業者、政府機関、非政府機関、または非営利団体を含むことができる。少なくとも1つの債券は、地方債、国債、国庫債券、資産担保債券、または社債を含むことができる。

実施形態において、条件分類回路11411によって分類された条件11408は、デフォルト条件、差し押さえ条件、規約違反を示す条件、財務リスク条件、行動リスク条件、政策リスク条件、財務健康条件、身体的欠陥条件、身体健康条件、エンティティリスク条件、エンティティ健康条件などを含み得る。クラウドソーシングデータ収集回路11411は、ユーザが発行者のセットに関する条件に関連する情報のためのクラウドソーシング要求11406を構成することができるユーザインタフェース11407を可能にするように構成され得る。

システムは、発行者のセット11412から少なくとも1つの発行者を監視するように構成された構成可能なデータ収集および監視回路11413をさらに含むことができる。構成可能なデータ収集および監視回路11413は、モノのインターネットデバイス、環境条件センサのセット、ソーシャルネットワーク分析サービスのセット、またはネットワークドメインを照会するためのアルゴリズムのセットのようなシステムを含んでもよい。構成可能なデータ収集および監視回路11413は、自治体環境、企業環境、証券取引環境、不動産環境、商業施設、倉庫施設、輸送環境、製造環境、保管環境、家庭、または車両などの少なくとも1つの環境を監視するように構成される。

実施形態では、一連の債券取引11402に関連する一連の債券は、一連の資産11401によって裏打ちされる場合がある。少なくとも1つの資産11401は、自治体資産、車両、船舶、飛行機、建物、家、不動産物件、未開発の土地、農場、作物、自治体施設、倉庫、在庫のセット、商品、セキュリティ、通貨、価値のあるトークン、チケット、暗号通貨、消耗品、食用品、飲料、貴金属、宝石、知的財産、知的財産権、契約上の権利、骨董品、備品、家具、設備、工具、機械、動産、等々を含み得る。

実施形態において、システムは、発行者セットの少なくとも1つの発行者の価値、状態、または少なくとも1つの資産の所有権の少なくとも1つに関連するイベントを処理し、処理されたイベントの少なくとも1つに応答して、債務取引に関連するアクションを実行するように構成された自動エージェント回路11419をさらに含み得る。

アクション11418は、債務取引のオファー、債務取引の引受、金利の設定、支払要件の延期、金利の修正、権原の検証、検査の管理、権原の変更の記録、資産の価値の評価、ローンの呼び出し、取引の終了、取引の条件の設定、提供されるべき通知の提供、一連の資産の差押え、条件の修正、エンティティに対する評価の設定、債務のシンジケーション、債務の統合、などを含むことがある。条件分類回路11411は、機械学習システム、モデルベースシステム、ルールベースシステム、深層学習システム、ハイブリッドシステム、ニューラルネットワーク、畳み込みニューラルネットワーク、フィードフォワードニューラルネットワーク、フィードバックニューラルネットワーク、自己組織化マップ、ファジー論理システム、ランダムウォークシステム、ランダムフォレストシステム、確率システム、ベイズシステム、またはシミュレーションシステムなどのシステムを含んでよい。

実施形態では、システムは、発行者のセットの少なくとも1つの発行者に関連する債券11424に関連するアクションを管理するように構成された自動債券管理回路11427をさらに含むことができる。自動化された債券管理回路11427は、債券管理活動11426の訓練セットで訓練されることがある。自動債券管理回路11427は、債券取引活動のセットに関与するユーザーインターフェースのセットとの当事者11425の相互作用のセットについてさらに訓練され得る。少なくとも1つの債券取引は、債務取引、債務取引の引受、金利の設定、支払要件の延期、金利の修正、権原の検証、検査の管理、権原の変更の記録、資産の価値の評価、ローンの呼び出し、取引の終了、取引の条件の設定、提供されるべき通知の提供、一連の資産の差押え、条件の修正、事業体の格付けの設定、債務のシンジケーション、債務の集約、などを含み得る。

実施形態では、システムは、発行体または資産のセットの少なくとも一方の価値に関連する市場情報11414を監視して報告するように構成された市場価値データ収集回路11417をさらに含むことができる。報告は、自治体資産、車両、船舶、飛行機、建物、家、不動産物件、未開発の土地、農場、作物、自治体施設、倉庫、一連の在庫、商品、証券、通貨、価値のあるトークン、チケット、暗号通貨、消耗品、食用品、飲料、貴金属、宝飾品、宝石、知的財産、知的財産権、契約権、骨董品、備品、家具、設備、工具、機械、または動産の報告を含むことができる。市場価値データ収集回路11417は、少なくとも1つの公開市場において、資産と類似するアイテムの価格設定11416または財務データ11415を監視するように構成されてもよい。市場価値データ収集回路11417は、さらに、資産の属性に基づく類似クラスタリングアルゴリズムを使用して、資産を評価するための類似アイテムのセットを構築するように構成されていてもよい。属性から少なくとも1つの属性は、資産のカテゴリ、資産の年齢、資産の状態、資産の履歴、資産の保管場所、または資産の地理的位置から選択され得る。

実施形態において、システムは、発行者のセットの少なくとも1つの発行者の分類された条件に応答して、債券取引11422のためのスマートコントラクト11420を管理するように構造化されたスマートコントラクト回路11423をさらに含むことができる。スマートコントラクト回路11423は、債券の条件11421を決定するように構造化されてもよい。少なくとも1つの条件11421は、債務の元本、債務の残高、固定金利、変動金利、支払額、支払スケジュール、バルーン支払スケジュール、債券を裏付ける資産の指定、資産の代替性の指定、当事者、発行者、購入者、保証、保証人、担保、個人保証、先取特権、期間、誓約、差押条件、デフォルト条件、デフォルトの結果、等を含み得る。

図115を参照すると、例示的かつ非限定的な例示的方法11500が描かれている。例示的な方法11500は、一組の債券の債券取引に関与するエンティティに関する情報と、エンティティに関連する結果の訓練データセットとを収集するステップ11501を含むことができる。本方法は、収集された情報およびモデルを用いて、一組の発行体の状態を分類するステップ11502をさらに含み得、ここで、モデルは、一組の発行体に関連する結果のトレーニングデータセットを用いてトレーニングされる。本方法は、資産のセットの少なくとも1つの資産の値、状態、または所有権の少なくとも1つに関連するイベントを処理することをさらに含み得る（ステップ11503）。方法は、資産が関連する債務取引に関連するアクションを実行するステップ11504と、債券管理活動のトレーニングセットに少なくとも部分的に基づいて債券に関連するアクションを管理するステップ11505と、発行者と資産のセットの少なくとも一方の価値に関連する市場情報を監視および報告するステップ11506と、債券取引のスマートコントラクトを管理する11507と、少なくとも一つの債券のスマートコントラクトに対する条件を決定する11508とをさらに含むことができる。

ここで図116を参照すると、債券11600に対する発行者の状態を監視するための例示的かつ非限定的な例示的システムが描かれている。例示的なシステムは、コントローラ11601を含んでもよい。コントローラ11601は、データ収集回路11612、市場価値データ収集回路11656、ソーシャルネットワーキング入力回路11644、ソーシャルネットワークデータ収集回路11632、およびスマートコントラクト回路11622、自動債券管理回路11650、条件分類回路11646、クラスタリング回路11662、およびイベント処理回路11652などの複数の人工知能回路11642を含むことができる。

ソーシャルネットワークデータ収集回路11632は、少なくとも1つの債券を含む少なくとも1つの取引11630に関与する少なくとも1つのエンティティ11664に関する情報を収集するように構成されてもよく、状態分類回路11646は、モデル11674に従って、ソーシャルネットワークデータ収集回路からの情報に基づいて、少なくとも1つのエンティティの状態を分類するように構成してもよく、モデルは、少なくとも1つのエンティティに関する複数の結果のトレーニングデータセット11654を用いて学習される。少なくとも1つのエンティティは、債券発行者、債券、当事者、および資産からなるエンティティから選択されてもよい。債券発行者は、自治体、企業、請負業者、政府機関、非政府機関、および非営利団体からなる債券発行者から選択される場合がある。債券は、地方債、政府債、国庫債券、資産担保債券、および社債からなる事業体から選択されることができる。

状態分類回路11648によって分類された状態は、デフォルト状態、差し押さえ状態、規約違反を示す状態、金融リスク状態、行動リスク状態、ポリシーリスク状態、金融健康状態、身体的欠陥状態、身体健康状態、エンティティリスク状態、またはエンティティ健康状態の少なくとも1つであってよい。

ソーシャルネットワークデータ収集回路11632は、少なくとも1つのエンティティに関する情報のクエリを構成するために使用されるユーザからの入力を受け取るように構成され得るソーシャルネットワーク入力回路11644をさらに含み得る。

データ収集回路11612は、モノのインターネットデバイス、環境条件センサ、クラウドソーシング要求回路、クラウドソーシング通信回路、クラウドソーシング公開回路、およびネットワークドメインへの問い合わせアルゴリズムのうち少なくとも1つを監視する構造であってもよい。

データ収集回路11612は、さらに、自治体環境、企業環境、証券取引環境、不動産環境、商業施設、倉庫施設、輸送環境、製造環境、保管環境、家庭、および車両からなる群から選択される環境を監視するように構成してもよい。

少なくとも1つの債券は、少なくとも1つの資産によって裏打ちされる。少なくとも1つの資産は、自治体資産、車両、船舶、飛行機、建物、家、不動産物件、未開発の土地、農場、作物、自治体施設、倉庫、在庫一式、商品、証券、通貨、価値あるトークン、チケット、暗号通貨、消耗品、食用品、飲料、貴金属、宝飾品、宝石、知的財産、知的財産権、契約上の権利、骨董品、備品、家具、設備、工具、機械、動産からなる資産から選択され得る。

イベント処理回路11652は、少なくとも1つの資産の価値、状態、および所有権のうちの少なくとも1つに関連するイベントを処理し、少なくとも1つの取引に関連するアクションを引き受けるように構成されてもよい。アクションは、債券取引、債券取引の引受、金利の設定、支払要件の延期、金利の修正、所有権の検証、検査の管理、所有権の変更の記録、資産の価値の評価、ローンの呼び出し、取引の終了、取引の条件の設定、提供されるべき通知の提供、一連の資産の差押え、条件の修正、事業体の格付けの設定、シンジケート債、および債券の統合からなるアクションから選択されてもよい。

条件分類回路11648は、機械学習システム、モデルベースシステム、ルールベースシステム、深層学習システム、ハイブリッドシステム、ニューラルネットワーク、畳み込みニューラルネットワーク、フィードフォワードニューラルネットワーク、フィードバックニューラルネットワーク、自己組織化マップ、ファジー論理システム、ランダムウォークシステム、ランダムフォレストシステム、確率論システム、ベイズシステム、及びシミュレーションシステムからなるシステムから選択されたシステムをさらに含んでもよい。

自動債券管理回路11650は、少なくとも1つの債券に関連するアクションを管理するように構成されてもよく、自動債券管理回路は、複数の債券管理アクティビティのトレーニングデータセットで学習される。

自動債券管理回路11650は、複数の債券取引活動に関与する複数のユーザインターフェースとの当事者の複数の相互作用について学習され得る。複数の債券取引活動は、債券取引のオファー、債券取引の引受、金利の設定、支払要件の延期、金利の修正、権原の検証、検査の管理、権原の変更の記録、資産の価値の評価、ローンの呼び出し、取引の完了、取引の条件の設定、提供されるべき通知の提供、資産の集合に対する差押、条件の修正、エンティティに対する格付け設定、シンジケート債、および債券の統合からなる債券取引活動から選択されてもよい。

市場価値データ収集回路11656は、債券発行者、少なくとも1つの債券、および資産のうちの少なくとも1つの価値に関連する市場情報を監視および報告するように構成されてもよい。資産は、自治体資産、車両、船舶、飛行機、建物、家、不動産物件、未開発の土地、農場、作物、自治体施設、倉庫、在庫一式、商品、証券、通貨、価値あるトークン、チケット、暗号通貨、消耗品、食用品、飲料、貴金属、宝飾品、宝石、知的財産、知的財産権、契約上の権利、骨董品、備品、家具、設備、工具、機械、動産からなる資産から選択されてもよい。

市場価値データ収集回路11656は、少なくとも1つの公開市場におけるオフセット資産アイテムの価格設定または財務データを監視するようにさらに構成され得る。

資産を評価するためのオフセット資産項目11658のセットは、資産の属性に基づくクラスタリング回路11662を用いて構築されてもよい。属性は、カテゴリ、資産年齢、資産状態、資産履歴、資産保管場所、およびジオロケーションからなる属性から選択されてもよい。

スマートコントラクト回路11622は、少なくとも1つのトランザクションのためのスマートコントラクトを管理するように構成されてもよい。スマートコントラクト回路は、少なくとも1つの債券の条件を決定するようにさらに構造化されてもよい。

条件は、負債の元本、負債の残高、固定金利、変動金利、支払額、支払スケジュール、バルーン支払スケジュール、少なくとも1つの債券を裏付ける資産の仕様、資産の代替性の仕様、当事者、発行者、購入者、保証、保証人、担保、個人保証、先取特権、期間、約款、差押条件、デフォルト条件、およびデフォルトによる結果からなる群から選択され得る。

ここで、図117を参照すると、債券11700の発行者の状態を監視するための例示的かつ非限定的な例示的方法が描かれている。例示的な方法は、少なくとも1つの債券11702を含む少なくとも1つの取引に関与する少なくとも1つのエンティティに関するソーシャルネットワーク情報を収集することと、モデルに従って、ソーシャルネットワーク情報に基づいて、少なくとも1つのエンティティの状態を分類することであって、モデルが、少なくとも1つのエンティティ11704に関連する複数の結果の訓練データセットを使用して訓練されることと、を含み得る。

少なくとも1つの資産の価値、状態、および所有権の少なくとも1つに関連するイベントが、11708処理される場合がある。少なくとも1つの取引に関連するアクションが、イベント11710に応答して実施されることがある。自動債券管理回路は、少なくとも1つの債券に関連するアクションを管理するために、複数の債券管理活動の訓練セットで訓練されてもよい11712。例示的な方法は、債券発行体、少なくとも1つの債券、および資産11714のうちの少なくとも1つの価値に関連する市場情報を監視および報告することをさらに含むことができる。

ここで図118を参照すると、債券11800に対する発行者の状態を監視するための例示的かつ非限定的な例示的システムが描かれている。例示的なシステムは、コントローラ11801を含むことができる。コントローラ11801は、データ収集回路11812、市場価値データ収集回路11856、モノのインターネット入力回路11844、モノのインターネットデータ収集回路11832、およびスマートコントラクト回路11822、自動債券管理回路11850、条件分類回路11846、クラスタリング回路11862、およびイベント処理回路11852などのいくつかの人工知能回路11842を含んでもよい。

モノのインターネットデータ収集回路11832は、少なくとも1つの債券を含む少なくとも1つの取引11830に関与する少なくとも1つのエンティティ11864に関する情報を収集するように構成されてもよく、状態分類回路11846は、モデル11874に従って、モノのインターネットデータ収集回路からの情報に基づいて、少なくとも1つのエンティティの状態を分類するように構成され、モデルは少なくとも1つのエンティティに関する複数の結果のトレーニングデータセット11854を用いて学習される。少なくとも1つのエンティティは、債券発行者、債券、当事者、および資産からなるエンティティから選択されてもよい。債券発行者は、自治体、企業、請負業者、政府機関、非政府機関、および非営利団体からなる債券発行者から選択される場合がある。債券は、地方債、政府債、国庫債券、資産担保債券、および社債からなる事業体から選択されることができる。

条件分類回路11848によって分類された条件は、デフォルト条件、差し押さえ条件、規約違反を示す条件、金融リスク条件、行動リスク条件、ポリシーリスク条件、金融健康条件、物理的欠陥条件、物理健康条件、エンティティリスク条件、またはエンティティ健康条件の少なくとも1つでありうる。

モノのインターネットデータ収集回路11832は、少なくとも1つのエンティティに関する情報のクエリを構成するために使用されるユーザからの入力を受け取るように構成され得るモノのインターネット入力回路11844をさらに含み得る。

データ収集回路11812は、モノのインターネットデバイス、環境条件センサ、クラウドソーシング要求回路、クラウドソーシング通信回路、クラウドソーシング公開回路、およびネットワークドメインへの問い合わせアルゴリズムのうち少なくとも1つを監視する構造であってよい。

データ収集回路11812は、さらに、自治体環境、企業環境、証券取引環境、不動産環境、商業施設、倉庫施設、輸送環境、製造環境、保管環境、家庭、および車両からなる群から選択される環境を監視するように構成してもよい。

少なくとも1つの債券は、少なくとも1つの資産によって裏打ちされる。少なくとも1つの資産は、自治体資産、車両、船舶、飛行機、建物、家、不動産物件、未開発の土地、農場、作物、自治体施設、倉庫、在庫一式、商品、証券、通貨、価値あるトークン、チケット、暗号通貨、消耗品、食用品、飲料、貴金属、宝飾品、宝石、知的財産、知的財産権、契約上の権利、骨董品、備品、家具、設備、工具、機械、動産からなる資産から選択され得る。

イベント処理回路11852は、少なくとも1つの資産の価値、状態、および所有権のうちの少なくとも1つに関連するイベントを処理し、少なくとも1つの取引に関連するアクションを引き受けるように構成されてもよい。アクションは、債券取引、債券取引の引受、金利の設定、支払要件の延期、金利の修正、所有権の検証、検査の管理、所有権の変更の記録、資産の価値の評価、ローンの呼び出し、取引の終了、取引の条件の設定、提供されるべき通知の提供、一連の資産の差押え、条件の修正、事業体の格付けの設定、シンジケート債、および債券の統合からなるアクションから選択されてもよい。

条件分類回路11848は、機械学習システム、モデルベースシステム、ルールベースシステム、深層学習システム、ハイブリッドシステム、ニューラルネットワーク、畳み込みニューラルネットワーク、フィードフォワードニューラルネットワーク、フィードバックニューラルネットワーク、自己組織化マップ、ファジー論理システム、ランダムウォークシステム、ランダムフォレストシステム、確率論システム、ベイズシステム、及びシミュレーションシステムからなるシステムから選択されたシステムをさらに含んでもよい。

自動債券管理回路11850は、少なくとも1つの債券に関連するアクションを管理するように構成されてもよく、自動債券管理回路は、複数の債券管理アクティビティのトレーニングデータセットで学習される。

自動債券管理回路11850は、複数の債券取引活動に関与する複数のユーザインターフェースとの当事者の複数の相互作用について学習され得る。複数の債券取引活動は、債券取引のオファー、債券取引の引受、金利の設定、支払要件の延期、金利の変更、権原の検証、検査の管理、権原の変更の記録、資産の価値の評価、ローンの呼び出し、取引の終了、取引の条件の設定、通知の提供、からなる債券取引活動から選択されてもよい。

を提供することを要求され、一連の資産の差押え、条件の変更、企業の格付けの設定、債券のシンジケート化、債券の統合を行うことができる。

市場価値データ収集回路11856は、債券発行者、少なくとも1つの債券、および資産のうちの少なくとも1つの価値に関連する市場情報を監視および報告するように構成されてもよい。資産は、自治体資産、車両、船舶、飛行機、建物、家、不動産物件、未開発の土地、農場、作物、自治体施設、倉庫、在庫一式、商品、証券、通貨、価値あるトークン、チケット、暗号通貨、消耗品、食用品、飲料、貴金属、宝飾品、宝石、知的財産、知的財産権、契約上の権利、骨董品、備品、家具、設備、工具、機械、動産からなる資産から選択されてもよい。

市場価値データ収集回路11856は、少なくとも1つの公開市場におけるオフセット資産アイテムの価格設定または財務データを監視するようにさらに構成され得る。

資産を評価するためのオフセット資産項目11858のセットは、資産の属性に基づくクラスタリング回路11862を用いて構築されてもよい。属性は、カテゴリ、資産年齢、資産状態、資産履歴、資産保管場所、およびジオロケーションからなる属性から選択されてもよい。

スマートコントラクト回路11822は、少なくとも1つのトランザクションのスマートコントラクトを管理するように構成されてもよい。スマートコントラクト回路は、少なくとも1つの債券の条件を決定するようにさらに構造化されてもよい。

条件は、負債の元本、負債の残高、固定金利、変動金利、支払額、支払スケジュール、バルーン支払スケジュール、少なくとも1つの債券を裏付ける資産の仕様、資産の代替性の仕様、当事者、発行者、購入者、保証、保証人、担保、個人保証、先取特権、期間、約款、差押条件、デフォルト条件、およびデフォルト結果からなる群から選択され得る。

ここで図119を参照すると、債券11900の発行者の状態を監視するための例示的かつ非限定的な例示的方法が描かれている。例示的な方法は、少なくとも1つの債券11902を含む少なくとも1つの取引に関与する少なくとも1つのエンティティに関するモノのインターネット情報を収集することと、モデルに従って、モノのインターネット情報に基づいて、少なくとも1つのエンティティの状態を分類することであって、モデルが、少なくとも1つのエンティティ11904に関連する複数の結果のトレーニングデータセットを使用してトレーニングされることと、を含み得る。

少なくとも1つの資産の価値、状態、および所有権の少なくとも1つに関連するイベントが、11908処理される場合がある。少なくとも1つの取引に関連するアクションが、イベント11910に応答して実施されることがある。自動債券管理回路は、少なくとも1つの債券11912に関連するアクションを管理するために、複数の債券管理活動の訓練セットで訓練されてもよい。例示的な方法は、債券発行者、少なくとも1つの債券、および資産11914のうちの少なくとも1つの価値に関連する市場情報を監視および報告することをさらに含むことができる。

図120は、補助ローン取引12004に関与するエンティティ12002（例えば、エンティティが補助ローン、当事者、補助金、保証人、補助する当事者、担保などであってもよく、当事者が自治体、企業、請負業者、政府機関、非政府機関、および非営利団体の少なくとも1つであってもよい）についての情報を収集するように構成されたモノのインターネットデータ収集回路12014を含むシステム12000を描写している。実施形態では、モノのインターネットデータ収集回路は、ユーザが少なくとも1つのエンティティに関する情報のクエリを構成できるように構成されたユーザインタフェース12016を含み得る。システムは、モノのインターネットデータ収集回路からの情報に基づいてなど、補助ローン取引に関与する補助ローン12008（例えば、自治体補助ローン、政府補助ローン、学生ローン、資産担保型補助ローン、または企業補助ローン）のパラメータ12006を分類するように構成されたモデル12020を含む可能性のある状態分類回路12018を含み得る。実施形態において、条件分類回路は、機械学習システム、モデルベースシステム、ルールベースシステム、深層学習システム、ハイブリッドシステム、ニューラルネットワーク、畳み込みニューラルネットワーク、フィードフォワードニューラルネットワーク、フィードバックニューラルネットワーク、自己組織化マップ、ファジー論理システム、ランダムウォークシステム、ランダムフォレストシステム、確率論システム、ベイズシステム、シミュレーションシステム等を含み得る。補助ローンは、自治体資産、車両、船舶、飛行機、建物、家、不動産物件、未開発の土地、農場、作物、自治体施設、倉庫、在庫のセット、商品、証券、通貨、価値のトークン、チケット、暗号通貨などの資産によって裏打ちされてもよい、消耗品、食用品、飲料、貴金属、宝石、知的財産、知的財産権、契約権、骨董品、什器、家具、設備、工具、機械、動産など。条件分類回路が分類する条件は、デフォルト条件、差し押さえ条件、約款違反を示す条件、財務リスク条件、行動リスク条件、契約履行条件、契約リスク条件、財務健康状態、身体欠陥条件、身体健康状態、実体リスク条件、実体健康状態等であってもよい。モデルは、補助対象ローンに関連する複数の結果12010の訓練データセットを用いて訓練され得る。例えば、補助対象ローンは学生ローンであってもよく、条件分類回路は、学位取得に向けた学生の進捗、非営利活動への学生の参加、公益活動への学生の参加等を分類してもよい。システムは、条件分類回路からの分類されたパラメータに基づくなど、補助付きローンの条件12012を自動的に修正するように構成されたスマートコントラクト回路12022を含んでもよい。システムは、ソーシャルネットワーク分析回路12030、環境条件回路12032、クラウドソーシング回路12034、およびネットワークドメインに問い合わせるためのアルゴリズム12036をさらに含むなど、エンティティを監視するように構成された構成可能データ収集および回路12024を含んでよく、構成可能データ収集および回路は、環境から選択された環境を監視してよい、例えば、自治体環境、教育環境、企業環境、証券取引環境、不動産環境、商業施設、倉庫施設、輸送環境、製造環境、保管環境、家庭、車両などのような環境である。システムは、資産の価値、状態、および所有権に関連するイベントを処理し、資産が関連する補助付きローン取引に関連するアクションを引き受けるように構成された自動エージェント12026を含み得、アクションは、補助付きローン取引、補助付きローン取引の引受、金利の設定、支払い要件の延期、金利の修正、権利の確認、検査の管理、権利の変更の記録、資産の価値の評価、ローンの呼び出し、取引の完了、取引の条件の設定、提供されるべき通知の提供、一連の資産の差押え、条件の変更、エンティティに対する評価の設定、補助付きローンのシンジケーション、補助付きローンの統合、等。システムは、少なくとも1つの補助付きローンに関連するアクションを管理するように構成された自動補助付きローン管理回路12038を含み得、自動補助付きローン管理回路は、補助付きローン管理アクティビティのトレーニングセットでトレーニングされる。例えば、自動補助ローン管理回路は、複数の補助ローン取引活動に関与する複数のユーザーインターフェースとの当事者の複数の相互作用について訓練されてもよく、複数の補助ローン取引活動は、補助ローン取引の提供、補助ローン取引の引き受け、金利の設定からなる活動から選択されてもよい、支払要件の延期、金利の修正、権原の検証、検査の管理、権原の変更の記録、資産の価値の評価、ローンの呼び出し、取引の完了、取引の条件の設定、提供されるべき通知の提供、一連の資産の差押え、条件の修正、エンティティに対する評価の設定、補助付きローンのシンジケーション、及び補助付きローンの統合。システムは、分散型台帳12042などに、補助対象ローンの修正された条件のセットを記録するように構造化されたブロックチェーンサービス回路12040を含んでもよい。システムは、発行者、補助付きローン、資産などの価値に関連する市場情報を監視および報告するように構造化された市場価値データ収集回路12028を含んでもよく、報告は、自治体資産、車両、船舶、飛行機、建物、家、不動産物件、未開発の土地、農場、作物、自治体施設などから成る資産から選択された資産に関するものであってもよい、倉庫、在庫一式、商品、証券、通貨、有価証券、チケット、暗号通貨、消耗品、食用品、飲料、貴金属、宝石、知的財産、知的財産権、契約上の権利、骨董品、備品、家具、設備、工具、機械、動産。市場価値データ収集回路は、公的市場におけるオフセット資産アイテムの価格設定または財務データを監視するようにさらに構成されてもよい。資産を評価するためのオフセット資産アイテムのセットは、資産の属性に基づくクラスタリング回路を用いて構築されてもよく、属性は、カテゴリ、資産年齢、資産状態、資産履歴、資産保管、ジオロケーションなどであってもよい。スマートコントラクト回路は、補助ローン取引のスマートコントラクトを管理するように構成されてもよく、ここで、スマートコントラクト回路は、補助ローンの条件を設定してもよく、ここで、スマートコントラクト回路によって指定および管理される補助ローンの条件は、債務の元金、債務の残高、固定金利、変動金利、支払額、支払スケジュール、バルーン支払スケジュール、少なくとも1つの補助対象ローンを裏付ける資産の指定、資産の代替性の指定、当事者、発行者、購入者、保証、保証人、担保、個人保証、先取特権、期間、約款、差押条件、デフォルト条件、デフォルトの結果、等々を含む。

図121は、補助付きローン取引12102に関与するエンティティに関する情報を収集することを含む方法12100を描写している。本方法は、少なくとも1つの補助対象ローン12104に関連する複数の結果の訓練データセットで訓練されたモデルを使用して、情報に基づいて補助対象ローン取引に関与する補助対象ローンのパラメータを分類することを含むことができる。本方法は、分類されたパラメータ12108に基づいて、補助対象ローンの条件を自動的に修正することを含み得る。本方法は、資産の価値、状態および所有権に関連するイベントを処理し、資産が関連する補助対象ローン取引に関連するアクションを引き受けること12110を含むことができる。本方法は、補助対象ローンの修正された条件セットを分散型台帳12112に記録することを含むことができる。本方法は、発行者、補助対象ローン、資産などの価値に関連するマーケットプレイス情報を監視し、報告することを含むことができる。

図122は、補助ローン取引12204に関与するエンティティ12202（例えば、エンティティが補助ローン、当事者、補助金、保証人、補助する当事者、担保などであり、当事者が自治体、企業、契約者、政府機関、非政府機関、および非営利団体の少なくとも1つであってもよい）についてのソーシャルネットワーク情報を収集するように構成されたソーシャルネットワーク分析データ収集回路12214を含むシステム12200を描写している。実施形態において、ソーシャルネットワーク分析データ収集回路は、ユーザが少なくとも1つのエンティティに関する情報のクエリを構成できるように構造化されたユーザインターフェース12216を含み得、クエリに応答して、ソーシャルネットワーク分析データ収集回路は、クエリに基づいて少なくとも1つのソーシャルネットワークからデータを検索および取得する少なくとも1つのアルゴリズムを開始し得る。システムは、ソーシャルネットワーク分析データ収集回路からのソーシャルネットワーク情報に基づいてなど、補助ローン取引に関与する補助ローン12208（例えば、自治体補助ローン、政府補助ローン、学生ローン、資産担保補助ローン、または企業補助ローン）のパラメータ12206を分類するように構成されたモデル12220を含むことができる状態分類回路12218を含み得る。実施形態において、条件分類回路は、機械学習システム、モデルベースシステム、ルールベースシステム、ディープラーニングシステム、ハイブリッドシステム、ニューラルネットワーク、畳み込みニューラルネットワーク、フィードフォワードニューラルネットワーク、フィードバックニューラルネットワーク、自己組織化マップ、ファジー論理システム、ランダムウォークシステム、ランダムフォレストシステム、確率システム、ベイズシステム、シミュレーションシステム等を含んでもよい。補助ローンは、自治体資産、車両、船舶、飛行機、建物、家、不動産物件、未開発の土地、農場、作物、自治体施設、倉庫、在庫のセット、商品、証券、通貨、価値のトークン、チケット、暗号通貨などの資産によって裏打ちされてもよい、消耗品、食用品、飲料、貴金属、宝石、知的財産、知的財産権、契約権、骨董品、備品、家具、設備、工具、機械、動産、等々。条件分類回路が分類するパラメータは、デフォルト条件、差し押さえ条件、約款違反を示す条件、財務リスク条件、行動リスク条件、契約履行条件、契約リスク条件、財務健康状態、身体欠陥条件、身体健康状態、実体リスク条件、実体健康状態などであってもよい。モデルは、補助対象ローンに関連する複数の結果12210の訓練データセットを用いて訓練されてもよい。例えば、補助対象ローンは学生ローンであってもよく、条件分類回路は、学位取得に向けた学生の進捗、非営利活動への学生の参加、公益活動への学生の参加などを分類してもよい。システムは、分類されたパラメータに基づくなど、補助付きローンの条件12212を自動的に修正するように構成されたスマートコントラクト回路12222を含んでもよい。システムは、ソーシャルネットワーク分析回路12230、環境条件回路12232、クラウドソーシング回路12234、およびネットワークドメイン12236に問い合わせるためのアルゴリズムをさらに含むなど、実体を監視するように構造化された構成可能データ収集および回路12224を含んでもよく、構成可能データ収集および回路は、環境から選択した環境を監視し得る、例えば、自治体環境、教育環境、企業環境、証券取引環境、不動産環境、商業施設、倉庫施設、輸送環境、製造環境、保管環境、家庭、車両などのような環境である。システムは、資産の価値、状態、および所有権に関連するイベントを処理し、資産が関連する補助付きローン取引に関連するアクションを引き受けるように構成された自動エージェント12226を含み得、アクションは、補助付きローン取引、補助付きローン取引の引受、金利の設定、支払要件の延期、金利の修正．権利の確認、検査の管理、権利の変更の記録、資産の価値の評価、ローンの呼び出し、取引の完了、取引の条件の設定、提供されるべき通知の提供、一連の資産の差押え、条件の変更、エンティティに対する評価の設定、補助付きローンのシンジケーション、補助付きローンの統合、等。システムは、少なくとも1つの補助付きローンに関連するアクションを管理するように構成された自動補助付きローン管理回路12238を含み得、自動補助付きローン管理回路は、補助付きローン管理アクティビティのトレーニングセットでトレーニングされる。例えば、自動補助ローン管理回路は、複数の補助ローン取引活動に関与する複数のユーザーインターフェースとの当事者の複数の相互作用について訓練されてもよく、複数の補助ローン取引活動は、補助ローン取引の提供、補助ローン取引の引受、金利の設定、支払要件の延期、支払要件の変更、支払要件の変更、支払要件の延期、支払要件の変更からなる活動から選択されてもよく、複数の補助ローン取引活動は、複数の補助ローン取引活動に関与する複数のユーザーインターフェースを有する当事者間の複数の相互作用について訓練される、支払要件の延期、金利の修正、権原の検証、検査の管理、権原の変更の記録、資産の価値の評価、ローンの呼び出し、取引の完了、取引の条件の設定、提供されるべき通知の提供、一連の資産の差押え、条件の修正、エンティティに対する評価の設定、補助付きローンのシンジケーション、及び補助付きローンの統合。システムは、分散型台帳12242などに、補助対象ローンの修正された条件のセットを記録するように構造化されたブロックチェーンサービス回路12240を含んでもよい。システムは、発行者、補助付きローン、資産などの価値に関連する市場情報を監視および報告するように構造化された市場価値データ収集回路12228を含んでもよく、報告は、自治体資産、車両、船舶、飛行機、建物、家、不動産物件、未開発の土地、農場、作物、自治体施設などから成る資産から選択された資産に関するものであってもよい、倉庫、在庫一式、商品、証券、通貨、有価証券、チケット、暗号通貨、消耗品、食用品、飲料、貴金属、宝石、知的財産、知的財産権、契約上の権利、骨董品、備品、家具、設備、工具、機械、動産。市場価値データ収集回路は、公的市場におけるオフセット資産アイテムの価格設定または財務データを監視するようにさらに構成されてもよい。資産を評価するためのオフセット資産アイテムのセットは、資産の属性に基づくクラスタリング回路を用いて構築されてもよく、属性は、カテゴリ、資産年齢、資産状態、資産履歴、資産保管、ジオロケーションなどであってもよい。スマートコントラクト回路は、補助ローン取引のスマートコントラクトを管理するように構成されてもよく、ここで、スマートコントラクト回路は、補助ローンの条件を設定してもよく、ここで、スマートコントラクト回路によって指定および管理される補助ローンの条件は、債務の元金、債務の残高、固定金利、変動金利、支払額、支払スケジュール、バルーン支払スケジュール、少なくとも1つの補助対象ローンを裏付ける資産の指定、資産の代替性の指定、当事者、発行者、購入者、保証、保証人、担保、個人保証、先取特権、期間、約款、差押条件、デフォルト条件、デフォルトの結果、などを含む。

図123は、補助付きローン取引12302に関与するエンティティに関するソーシャルネットワーク情報を収集することを含む方法12300を描写する。本方法は、少なくとも1つの補助対象ローン12304に関連する複数の結果の訓練データセットで訓練されたモデルを使用して、補助対象ローン取引に関与する補助対象ローンのパラメータをソーシャルネットワーク情報に基づいて分類することを含むことができる。本方法は、分類されたパラメータ12308に基づいて、補助対象ローンの条件を自動的に修正することを含み得る。本方法は、資産の価値、状態、および所有権に関連するイベントを処理し、資産が関連する補助ローン取引に関連するアクションを引き受けること12310を含むことができる。本方法は、分散型台帳12312に、補助対象ローンの修正された条件セットを記録することを含み得る。本方法は、発行者、補助対象ローン、資産などの価値に関連するマーケットプレイス情報を監視し、報告することを含むことができる。

図124は、一組の補助付きローン取引12404に関与する一組のエンティティ12402に関連する情報を収集するように構成されたクラウドソーシングサービス回路12425を含む補助付きローンの処理を自動化するためのシステム12400を描写している。エンティティのセットは、補助付きローンのセット、当事者のセット12416、補助金のセット、保証人のセット、補助する当事者のセット、担保のセットなどのエンティティを含み得る。一組の補助対象者は、自治体、企業、請負業者、政府機関、非政府機関、および非営利団体などを含み得る。ローンは学生ローンであってもよく、条件分類回路は、学生の学位取得に向けた進捗状況、学生の非営利活動への参加、学生の公益活動への参加等のうち少なくとも1つを分類する。クラウドソーシングサービス回路は、ユーザがエンティティのセットに関する情報のクエリを構成し、クラウドソーシングサービス回路がクエリに基づいてクラウドソーシング要求を自動的に構成することにより、ユーザインターフェース12420をさらに備える構造であっても良い。補助ローンのセットは、資産12412のセット、たとえば、自治体資産、車両、船舶、飛行機、建物、家、不動産物件、未開発の土地、農場、作物、自治体施設、倉庫、在庫のセット、商品、セキュリティ、通貨、価値のあるトークン、チケットによって裏打ちされてもよい、暗号通貨、消耗品、食用品、飲料、貴金属、宝石、知的財産、知的財産権、契約上の権利、骨董品、備品、家具、設備、工具、機械、個人資産などである。例示的なシステムは、クラウドソーシングサービス回路からの情報に基づいて、取引に関与する補助対象ローン12410のセットのパラメータ12406を分類するように構成されたモデル12424および人工知能サービス回路12436を含む条件分類回路12422を含み、ここでモデルは補助対象ローンに関連する成果12414のトレーニングデータセットを使用してトレーニングされ得る。補助付きローンのセットは、自治体補助付きローン、政府補助付きローン、学生ローン、資産担保型補助付きローン、および企業補助付きローンのうちの少なくとも1つを含み得る。条件分類回路によって分類された条件は、デフォルト条件、差し押さえ条件、規約違反を示す条件、財務リスク条件、行動リスク条件、契約履行条件、契約リスク条件、財務健康条件、身体的欠陥条件、身体健康条件、実体リスク条件、実体健康条件等であってもよい。人工知能サービス回路は、機械学習システム、モデルベースシステム、ルールベースシステム、深層学習システム、ハイブリッドシステム、ニューラルネットワーク、畳み込みニューラルネットワーク、フィードフォワードニューラルネットワーク、フィードバックニューラルネットワーク、自己組織化マップ、ファジー論理システム、ランダムウォークシステム、ランダムフォレストシステム、確率的システム、ベイズシステム、シミュレーションシステムなどであってもよい。例示的なシステムは、条件分類回路からのパラメータの分類されたセットに基づいて補助付きローンの条件12418を自動的に修正するためのスマートコントラクト回路12426を含み得る。スマートコントラクトサービス回路は、補助ローン取引のスマートコントラクトの管理、補助ローンの条件の設定などに利用され得る。実施形態において、スマートコントラクトサービス回路によって指定および管理される債務取引の条件のセットは、債務の元本金額、債務の残高、固定金利、変動金利、支払額、支払スケジュール、バルーン支払スケジュール、補助対象ローンを裏付ける資産の仕様、資産の代替性の仕様、当事者、発行者、購入者、保証、保証人、担保、個人保証、先取特権、期間、約款、差押え条件、デフォルト条件、およびデフォルトの結果の中から選択される。例示的なシステムは、モノのインターネットサービスのセット、環境条件センサのセット、ソーシャルネットワーク分析サービスのセット、ネットワークドメインを照会するためのアルゴリズムのセットなどのエンティティを監視するための構成可能なデータ収集および監視サービス回路12428を含み得る。構成可能なデータ収集および監視サービス回路は、自治体環境、教育環境、企業環境、証券取引環境、不動産環境、商業施設、倉庫施設、輸送環境、製造環境、貯蔵環境、家庭、車両などの環境を監視するようにさらに構成されてもよい。例示的なシステムは、資産の価値、状態、および所有権の少なくとも1つに関連するイベントを処理し、資産が関連する補助金付きローン取引に関連する行動を引き受けるように構成された自動エージェント回路12430を含み得るが、例えば、行動は、補助金付きローン取引、補助金付きローン取引の引受、金利の設定、支払い要件の延期、金利の変更、権利の確認、検査の管理、権利の変更の記録、資産の価値の評価、ローンの呼び出し、取引の完了、取引の条件の設定、提供されるべき通知の提供、一連の資産の差押え、条件の変更、エンティティに対する評価の設定、補助付きローンのシンジケーション、補助付きローンの統合などを含む。例示的なシステムは、補助付きローンに関連するアクションを管理するように構成された自動補助付きローン管理回路12438を含み得、自動補助付きローン管理回路は、補助付きローン管理アクティビティのトレーニングセットについてトレーニングされ得る。自動補助ローン管理回路は、補助ローン取引のオファー、補助ローン取引の引き受け、金利の設定、支払い要件の延期、金利の変更、タイトルの検証、検査の管理、タイトルの変更の記録、検査、補助ローン取引活動のセットに関与するユーザーインターフェースのセットと当事者の相互作用のセットについてトレーニングされることがある、検査管理、所有権変更の記録、資産の価値評価、ローンの呼び出し、取引の完了、取引条件の設定、提供されるべき通知の提供、一連の資産の差押え、条件の修正、事業体の格付け設定、補助付きローンのシンジケーション、補助付きローンの統合などを含む。例示的なシステムは、補助対象ローンのセットに対する変更された条件のセットを分散型台帳に記録するように構成されたブロックチェーンサービス回路12440を含むことができる。例示的なシステムは、当事者、補助付きローンのセット、および資産のセットのうちの少なくとも1つの価値に関連する市場情報12434を監視および報告するように構成された市場価値データ収集サービス回路12432を含み得、報告は、自治体資産、車両、船、飛行機、建物、家、不動産物件、未開発の土地、農場、作物、自治体施設、倉庫、在庫の集合、商品、証券、通貨、有価証券、チケット、暗号通貨、消耗品、食用品、飲料、貴金属、宝石、知的財産、知的財産権、契約上の権利、骨董品、備品、家具、設備、工具、機械、動産のうちの1つなどの資産のセットに関するものであり得る。市場価値データ収集サービス回路は、少なくとも1つの公開市場において資産と類似するアイテムの価格設定または財務データを監視するようにさらに構成されてもよい。実施形態において、資産を評価するための類似アイテムのセットは、資産のカテゴリ、資産年齢、資産状態、資産履歴、資産保管、資産のジオロケーションなどの中からなどの資産の属性に基づいて、類似クラスタリングアルゴリズム12442を使用して構築されてもよい。

図125は、補助付きローンの取引のセットに関与するエンティティのセットに関連する情報を収集すること12502と、人工知能サービス、モデル、およびクラウドソーシングサービスからの情報に基づいて、取引に関与する補助付きローンのセットのパラメータのセットを分類し、ここでモデルは補助付きローンに関連する結果のトレーニングデータセットを使用してトレーニングされる12504と、分類されたパラメータのセットに基づいて補助付きローンの条件を変更する12508と、を含む補助付きローンの処理を自動化する方法12500を描写している。エンティティのセットは、補助付きローンのセット、当事者のセット、補助金のセット、保証人のセット、補助する当事者のセット、および担保のセット12510のうちのエンティティを含み得る。補助当事者のセットは、自治体、企業、請負業者、政府機関、非政府機関、および非営利団体12512を含むことができる。補助対象ローンのセットは、自治体補助ローン、政府補助ローン、学生ローン、資産担保型補助ローン、および企業補助ローン12514を含み得る。ローンは、条件分類システムが、学位取得に向けた学生の進捗、非営利活動への学生の参加、および公益活動12518への学生の参加のうちの少なくとも1つを分類する学生ローンであってよい。

図126は、資産の親権を取るように構成された金融エンティティ12622に対応する資産12624を解釈するように構成された資産識別サービス回路12612を含むシステムを描写する（たとえば、銀行が親権を取ることができる資産を識別する）、ID管理サービス回路12614は、資産に関して行動を起こす権利がある行動可能なエンティティ12626（例えば、所有者、受益者、代理人、受託者、保管者等）に対応する識別子12628（例えば、クレデンシャル12630を含む）を認証するように構成され得る。例えば、金融エンティティのグループは、資産に関して取られるべきアクションに関して権限を有することができる。ブロックチェーンサービス回路12616は、複数の資産制御特徴12632をブロックチェーン構造12618に格納するように構成されてもよく、ブロックチェーン構造は分散型台帳構成12620を含んでもよい。例えば、取引イベントは、金融エンティティおよびアクション可能なエンティティが資産イベントを共有および配布するためにブロックチェーン構造を通じて分散アクセスを有するブロックチェーン構造内の分散型台帳に格納されてもよい。金融管理回路12610は、解釈された資産および認証された識別子を、資産制御特徴としてブロックチェーン構造に格納するためにブロックチェーンサービス回路に伝達するように構成されてよく、資産制御特徴は、資産イベント12634として分散台帳構成に記録される（例えば、所有権の移転、所有者の死亡、所有者の障害、所有者の破産、差し押さえ、先取特権の設定、資産の担保としての使用、受益者の指定、資産に対する融資の引き受け、資産に関する通知の提供、資産の検査、資産の評価、課税目的の資産に関する報告、資産の所有権の割り当て、資産の処分、資産の販売、資産の購入、所有状態の指定、等）。データ収集回路12602は、複数の資産の解釈、複数の識別子の認証、および資産イベントの記録を監視するように構成されてもよく、ここで、tデータ収集回路は、モノのインターネットシステム、カメラシステム、ネットワーク監視システム、インターネット監視システム、モバイル装置システム、着用装置システム、ユーザインターフェースシステム、および対話型クラウドソーシングシステムと通信可能に結合され得る。スマートコントラクト回路12604は、資産の保管を管理するように構成されてもよく、複数の資産に関連する資産イベントは、スマートコントラクト構成12606に具体化された条件12608に基づき、データ収集サービス回路によって収集されたデータに基づいてスマートコントラクト回路によって管理されてもよい。実施形態では、資産識別サービス回路、ID管理サービス回路、ブロックチェーンサービス回路、および財務管理回路は、システムの回路間の通信を容易にするように構造化された対応するアプリケーションプログラミングインターフェース（API）コンポーネントを含み得、例えば、回路の対応するAPIコンポーネントがさらにシステムのユーザと対話するように構造化されたユーザインターフェースを含む場合など、システムの回路間の通信を容易にする。

図127は、複数の資産12702の親権を取るように構成された金融エンティティに対応する資産を解釈することを含む方法を示し、例えば、資産の解釈は、金融エンティティが親権を取る責任を負う複数の資産を識別することを含むことができる場合などである。方法は、複数の資産12704に関して行動を起こす権利を有する行動可能なエンティティ（例えば、所有者、受益者、代理人、受託者、および保管者）に対応する識別子（例えば、クレデンシャルを含む）を認証することを含み、例えば、識別子を認証することは、行動可能なエンティティに対応する識別子が資産に関して行動を起こす権利を有することを検証することを含む。方法は、複数の資産制御特徴をブロックチェーン構造（例えば、分散型台帳構成を含む）12708に格納することを含んでもよい（例えば、ブロックチェーン構造は、ブロックチェーンマーケットプレイスと連携して提供されてもよく、自動ブロックチェーンベースの取引アプリケーションを利用してもよく、ブロックチェーン構造は、複数の資産ノードにわたる分散ブロックチェーン構造であってもよく、等々）。方法は、解釈された資産および認証された識別子を資産制御機能としてブロックチェーン構造に保存するために通信することを含み得、資産制御機能は、資産イベント12710として分散型台帳構成に記録され得る。方法は、資産の解釈、識別子の認証、および資産イベント12712の記録を監視することを含み得、例えば、資産イベントは、所有権の移転、所有者の死亡、所有者の障害、所有者の破産、差し押さえ、先取特権の配置、資産を担保として使用することを含み得る、受益者の指定、資産に対する融資の引き受け、資産に関する通知の提供、資産の検査、資産の評価、課税目的のための資産に関する報告、資産の所有権の割り当て、資産の処分、資産の売却、資産の購入、および所有ステータスの指定。実施形態において、監視は、モノのインターネットシステム、カメラシステム、ネットワーク監視システム、インターネット監視システム、モバイルデバイスシステム、ウェアラブルデバイスシステム、ユーザインターフェースシステム、対話型クラウドソーシングシステム等によって実行されてもよい。本方法は、資産の保管を管理することを含んでもよく、複数の資産に関連する資産イベントは、スマートコントラクト構成で具現化された条件に基づいて、データ収集サービス回路12714によって収集されたデータに基づいてもよい。本方法は、資産イベントを複数の行動可能なエンティティ12718と共有および配布することを含んでもよい。本方法は、アクション可能なエンティティ12720間の相互作用に基づいて、ブロックチェーン構造内に資産取引データを格納することを含み得る。資産は、資産を解釈することが仮想資産タグを識別することを含む場合があり（例えば、資産制御機能の格納は、仮想資産タグデータが位置データ、追跡データなどである場合など、仮想資産タグデータを格納することを含む場合がある）、仮想資産タグは、そのような仮想資産タグデータを格納することを含む。例えば、金融エンティティ又は行動可能なエンティティに対応する識別子が、仮想資産タグデータとして記憶される場合がある。

図128は、貸出契約12814を含む貸出契約データ12804を格納するように構造化された貸出契約格納回路12802を含むシステム12800を描写し、ここで、貸出契約は貸出条件データ12816を含むことができる。実施形態では、貸出条件データは、貸出契約の返済義務12828を確保するためなどの担保資産12826に関する担保条件12824を提供する資産12820の差押条件12822に関連する少なくとも1つの貸出契約の条件データ12818を含んでも良い。システムは、貸出条件データを監視し、貸出条件データの変化に基づいてデフォルト条件12808を検出するように構成されたデータ収集サービス回路12806を含むことができる。さらに、データ収集サービス回路は、モノのインターネットシステム、カメラシステム、ネットワーク監視システム、インターネット監視システム、モバイルデバイスシステム、ウェアラブルデバイスシステム、ユーザインターフェースシステム、および対話型クラウドソーシングシステムを含んでもよい。システムは、データ収集サービス回路によってデフォルト状態が検出されると、デフォルト状態12812を解釈し、担保状態に基づいて差し押さえ手続き12832を開始するなどのデフォルト状態表示12830を伝達するように構成されたスマートコントラクトサービス回路12810を含み得る。例えば、差し押さえ手続きは、公開オークションサイトへの担保資産の出品を構成して開始する、担保資産の輸送指示セットを構成して配信する、担保資産を輸送するドローンに対する指示セットを構成する、担保資産を輸送するロボットデバイスに対する指示セットを構成する、代替担保セットを自動的に代替するプロセスを開始する、担保追跡手順を開始する、担保評価プロセスを開始する、借り手に対して差押に関する交渉を開始するメッセージを開始する、等々でも良い。デフォルト状態表示は、担保資産をロックするために、スマートロックおよびスマートコンテナに伝達されてもよい。交渉は、差し押さえ交渉の訓練セットで訓練されたロボットプロセス自動化システムによって管理されてもよく、金利、支払条件、貸出契約の担保などの修正に関連していてもよい。実施形態において、貸出契約記憶回路、データ収集サービス回路、およびスマートコントラクトサービス回路の各々は、システムの回路間の通信を容易にするように構造化された対応するアプリケーションプログラミングインターフェース（API）コンポーネントをさらに含み得、回路の対応するAPIコンポーネントは、システムの複数のユーザと対話するように構造化されたユーザインターフェースを含み得る。

図129は、担保の差し押さえを容易にするための方法12900を示し、この方法は、貸出契約を含む貸出契約データを格納することを含み、ここで、貸出契約は、貸出条件データを含み得、例えば、貸出条件データは、少なくとも一つの貸出契約の返済義務を担保するための担保資産に関する差し押さえ条件に関連する貸出契約の条項および条件データ12902を含む場合。本方法は、貸出条件データを監視することと、貸出条件データへの変化に基づいてデフォルト条件を検出することとを含むことができる12904。本方法は、デフォルト条件12908を解釈することと、担保条件12910に基づいて差し押さえ手順を開始するデフォルト条件表示を伝達することとを含み得る。例えば、差し押さえ手続きは、公開オークションサイトへの担保資産の掲載を構成および開始すること、担保資産の輸送指示セットを構成および配信すること、担保資産を輸送するドローンに対する指示セットを構成すること、担保資産を輸送するロボットデバイスに対する指示セットを構成すること、代替担保セットを自動的に代替するプロセスを開始すること、担保追跡手順を開始すること、担保評価プロセスを開始すること、借り手に対する差し押さえに関する交渉開始メッセージを開始することなど、12914のように構成されると考えられる。デフォルト状態表示は、担保資産をロックするためにスマートロックおよびスマートコンテナに伝達されてもよい12912。交渉は、差し押さえ交渉の訓練セット12918で訓練されたロボットプロセス自動化システムによって管理されてもよく、金利の修正、支払い条件、貸出契約のための担保などに関するものであってもよい。実施形態において、通信は、対応するアプリケーションプログラミングインターフェース（API）12920によって提供されてもよく、対応するAPIは、複数のユーザと対話するように構成されたユーザインターフェースを含んでもよい。

図201を参照すると、本開示は、電子市場取引を促進するように構成されたマーケットプレイスオーケストレーションシステムプラットフォーム20500に関し、本明細書では、代替的に「プラットフォーム」、「システム」等と呼ばれ、このような用語は、本書および参照により本書に組み込まれる文書に記載されるコンポーネント、モジュール、システム、サブシステム、プロセス、サービス、方法および他の要素の種々のセットを伴う種々の代替実施形態を含む。本明細書の実施形態によれば、市場は、資産が買い手と売り手によってリストされ、取引され得る環境を指す場合がある。資産は、商品、物理的資産、デジタル資産、サービス、株式、債券、市場で取引されるファンド（ETF）、ミューチュアルファンド、通貨、外国為替（FX）、アートワークおよび他の著作物、代替資産、リサイクルプラスチック、デジタル3Dデザイン、デジタルゲーム資産、を指す場合がある、仮想商品、不動産、配置権（広告など）、暗号通貨、金属・合金、エネルギー資源、デリバティブ（先物、フォワード、オプション、プット、コール、スワップなど）、3Dプリント能力、デジタルツイン、ストレージ、知的財産（例えば、営業秘密、特許、商標、デザイン、ノウハウ、プライバシー権、パブリシティ権等）、命令セット、ハイブリッド商品、合成商品、資産のトランシェ（類似資産および混合資産のトランシェを含む）、価値の流れ（利息等）、譲渡性預金（CD）等、ならびに上記の一部（分割可能持分および未分割持分等）、上記のハイブリッド、上記の集合体（証券のトランシェ、投資信託、インデックスファンド等を含む）等である。

図202を参照すると、マーケットプレイスオーケストレーションシステムプラットフォーム20500は、取引所スイート20204、インテリジェントサービスシステム20243、デジタルツインシステム20208、インテリジェントエージェントシステム20210、及び量子コンピューティングシステム20214を含み得る。

実施形態では、プラットフォーム20500は、一連の外部システムとプラットフォーム20500との間のデータの転送を容易にするAPIシステム20238を含む。いくつかの実施形態では、プラットフォーム20500は、マーケットプレイスに関連するデータを格納するマーケットプレイスデータベース20216を含み、それによって、マーケットプレイスデータは、交換スイート20204、インテリジェントサービスシステム20243、デジタルツインシステム20208、知的エージェントシステム20210、及び量子コンピューティングシステム20214によって使用される。

本明細書において、量子コンピューティングとは、量子力学的現象（重ね合わせやエンタングルメントなど）を利用して計算を実行することを指す場合がある。量子コンピュータは、量子計算を実行するコンピュータを指す場合がある。量子コンピュータは、従来のコンピュータの数分の一の計算メモリで、整数分解（RSA暗号の基礎となる）などの特定の計算問題を解くように構成される場合がある。

いくつかの実施形態では、取引所スイート20204は、（トレーダーやブローカーなどの）市場参加者によって活用され得る、様々な市場ツールのセットを提供する。マーケットプレイスツールは、戦略ツール20240、取引練習ツール20233、ニュースツール20244、スクリーナーツール20248、市場監視ツール20250、実体プロファイルツール20252、口座管理ツール20254、チャートツール20258、注文要求システム20260、およびスマートコントラクトシステム20262を含み得るが、これらに限定されない。実施形態において、戦略ツール20240は、事前に定義された取引戦略の作成および／またはテストを可能にするように構成される。実施形態において、事前定義された取引戦略は、特定の資産タイプに対して構成され得る。実施形態において、取引練習ツール20233は、ユーザが仮想マネーで資金を供給されたアカウントを使用して戦略をテストおよびシミュレートすることを可能にする。実施形態において、ニュースツール20244は、ライブメディア（例えば、CNBC）、ニュースフィード、および／またはソーシャルメディアフィード（例えば、Twitter）をストリームするように構成されてもよい。実施形態において、ライブメディア、ニュースフィード、および／またはソーシャルメディアフィードのコンテンツは、市場で取引される1つまたは複数の資産（複数可）に関連し得る。実施形態において、ストリーミングされたライブメディアコンテンツ、ニュースフィードコンテンツ、および／またはソーシャルメディアフィードコンテンツは、専門家ユーザーによる選択に基づいて訓練されたもの、および／または成功した取引活動を示す結果や本開示全体を通して指摘された他の結果などの使用結果に基づいて訓練されたものなどのAIシステムによって選択されてもよい。実施形態において、ユーザは、グラフィカルユーザインタフェースを介してニュースツール20244によって表示されるストリームされたライブメディアコンテンツ、ニュースフィードコンテンツ、および／またはソーシャルメディアフィードコンテンツを定義することができる。実施形態において、スクリーナーツール20248は、ユーザがグラフィカルユーザインタフェースを介して基準を設定することにより、資産をフィルタリングすることを可能にする。実施形態において、市場監視ツール20250は、ユーザが市場関連データ、グラフィックス、ヒートマッピング、ウォッチリストなどを表示することを可能にする。実施形態において、エンティティプロファイルツール20252は、ユーザがマーケットプレイスエンティティのプロファイル（例えば、会社プロファイル、資産プロファイル、ブローカープロファイル、トレーダープロファイルなど）を閲覧することを可能にし、プロファイルはそれぞれのマーケットプレイスエンティティに関連する情報を含んでいる。例えば、エンティティプロファイルツール20252は、ユーザが、マーケットプレイスにリストされた資産のアセットプロファイルを見ることを可能にし得る。実施形態において、アカウント管理ツール20254は、ユーザがアカウントを管理し、アカウント情報（例えば、アカウント残高、履歴、注文、およびポジション）を閲覧することを可能にする。実施形態において、チャート作成ツール20258は、ユーザが資産に関連するチャートを構築し、傾向を特定することを可能にする。例えば、チャート作成ツールは、ユーザーが、値動きの傾向を特定するために、資産に関する価格を経時的にチャート作成することを可能にし得る。量子コンピューティングインターフェース20241は、交換スイート20204と量子コンピューティングシステム20214との間のインターフェイスを可能にする。

図203を参照すると、マーケットオーケストレーションシステムプラットフォーム20500は、マーケットプレイス構成システム20302を含み得る。実施形態では、マーケットプレイス構成システム20302は、構成デバイス20304とインターフェースする。構成デバイス20304は、構成パラメータ20306を提供するためにプラットフォーム20500に接続するクライアントアプリケーション20312を実行する任意の適切なコンピューティングデバイス（またはデバイスのセット）で構成されてもよい。構成デバイス20304の例は、モバイルデバイス、デスクトップコンピュータ、人工知能ベースの取引システム、およびマーケットプレイスAPIシステム20238にインターフェースするサードパーティアプリケーションを含み得るが、これらに限定されるものではない。

実施形態では、これらのサードパーティアプリケーションは、様々なバックエンドサービスを接続する異なるAPIのマッシュアップで構成され得る薄い層である。例えば、サードパーティアプリケーションは、マーケットプレイスAPIと、天候が特定の資産の取引に関連すると見なされる場合（例えば、3Dプリントされた雪上スキーの市場において）、天候APIにインターフェースすることができる。実施形態では、これらのマッシュアップ環境は、異なるバックエンドシステムがマッシュアップ環境の知識を必要とすることなく、様々なシステムに接続する。プラットフォーム20500のいくつかの実施形態では、セキュリティは一元的に管理されるか、またはアウトソーシングされる。例えば、Google認証は、マッシュアップが複数のシステムに接続することを提供し、シングルサインオンをサポートするような複数のログインを必要としないOAuth証明書を介して使用され得る。

実施形態において、マーケットプレイスオーケストレーションシステムプラットフォーム20500は、マルチスレッドであってよく、タスクのシームレスなリアルタイム監視および実行を提供する。いくつかの実施形態では、プラットフォーム20500は、SwiftUI（登録商標）およびFlutter（登録商標）を含むがこれらに限定されない、コンパイル言語を使用する高性能デバイス実装をサポートする。

実施形態において、マーケットプレイスオーケストレーションシステムプラットフォーム20500は、自動テストをサポートするように構成され得る。例えば、障害およびエラーの信頼できる処理を構築することで、アプリケーションが取引の途中でクラッシュすることを防ぐことができる。

実施形態において、プラットフォーム20500の内部デバイスストレージは、個人データ、企業秘密および／または機密金融情報などの機密情報を発見およびハッキングから保護するために、暗号化データおよびメモリの暗号化使用に基づいている。いくつかの実施形態では、プラットフォーム20500は、第三者がネットワークトラフィックを監視して主要な取引イベントを発見するのを防ぐために、取引ネットワークパターンの難読化を可能にするように構成される。

実施形態では、プラットフォーム20500は、リテールトレーダー、機関投資家トレーダー、個人トレーダー、流通市場トレーダー、ブローカー、ディーラー、買い手、売り手、マーケットメーカーなどの異なるタイプのトレーダー、ならびに市場取引に対する様々な他の当事者およびカウンターパーティをサポートするように構成される、規制当局、調達担当者、税務当局およびその他の政府関係者、記者、アナリスト、銀行家、保管代理人、受託者、代理人、サービスプロバイダー、格付け機関、監査人、評価者、会計士、コンプライアンス関係者、法律サービスプロバイダー、貸し手、その他多くの人々などである。本開示の全体を通しての例および実施形態における「トレーダー」または「ユーザ」への言及は、文脈がそうでないことを示す場合を除き、これらのいずれかを包含するものと理解されるべきである。異なるタイプのトレーダーおよび他の関係者は、取引システムの実行の待ち時間、データ利用可能性の待ち時間、全体的な利用可能性、サービス品質、帯域幅、スループット、フェールオーバー、障害回避、エラー訂正、和解、災害復旧などに関するようなシステムの性能仕様に関する異なるニーズ、ならびに自動化機能（アルゴリズム実行など）の取り扱いに関する異なるニーズ、および取引タイプおよび資産クラスの取り扱い（例えば、異なる市場環境間の交換および／または仲裁機会の実現）などに対する異なるニーズを持っていると考えられる。

実施形態において、プラットフォーム20500は、一連の原子トランザクションをシーケンスで実行する際に、マーケットプレイス参加者ユーザ機器20218をサポートするように構成される。実施形態において、これらの原子トランザクションは、依存関係を必要とする場合がある（第2の資産を購入する前に第1の資産を売却することなど）。いくつかの実施形態では、原子トランザクションは、シーケンスに依存しない場合がある（可能な限り速く資産を売却することなど）。実施形態において、オーケストレーションは、資産タイプ、取引タイプ、トレーダータイプ、管轄区域などによる許容される取引パターンのセットを定義するポリシー、ルール、ビジネスロジックなどの生成および／または設定を含み得る。実施形態において、これらの要素（簡略化のために「ポリシー」と総称される）は、特定の資産クラス、取引タイプ等に対して取引タイプが定義されるように、取引実行のためのワークロード及び／又はワークフローに取り付けられるコード要素に具体化され得るが、ポリシーは、取引オブジェクトに埋め込まれ、それと統合され、及び／又は包まれる、トランザクションの各インスタンスは、システム依存、管轄依存、時間依存、役割依存などのコンテキスト依存のポリシーを含むポリシーを認識し適用するために必要なコードを持ち運ぶように、トランザクションオブジェクト、エンティティ、状態及びアクションにリンクされ、及びラップする。

実施形態では、プラットフォーム20500は、メッセージ応答システムを含む。マーケットプレイス参加者ユーザーデバイス20218は、リアルタイムのメッセージ（取引、価格変動、資産クラス関連イベントなど、マーケットポジションに関連するイベントの通知など）に一貫して応答することができる。市場参加者ユーザーデバイス20218内の応答機構は、自動取引応答で、および／またはデバイスのユーザーへの表示された通知で、これらのメッセージに応答するように構成される場合がある。

実施形態では、プラットフォーム20500は、自動化されたアルゴリズムのセットを作成、テスト、修正、および／または実行する能力を有するアルゴリズムベースの取引システムを含み、それと統合し、および／またはそれにリンクする。これらの自動化されたアルゴリズムは、市場参加者ユーザーデバイス20218によって制御および管理されてもよく、イベントの変化に応答して、またはユーザーの制御に応答して、リアルタイムで調整されることができる。実施形態では、アルゴリズムベースの取引システムは、実行環境20202の極めて安全な階層で常に実行されてもよく、市場の知識の有無にかかわらず実行されてもよい。実施形態では、アルゴリズムベースの取引システムは、アルゴリズム制御システムを含んでもよい。アルゴリズムが本質的に隠されている場合、アルゴリズム制御システムは、人工知能エンジンが取引活動を引き受けていると判断する実行環境20202の能力を制約するために難読化動作を利用することができる。

実施形態では、プラットフォーム20500は、マーケットプレイスデータベース20216を含む。マーケットプレイスデータベース20216は、ACID準拠であってもよく、このACID準拠は、ACID準拠のデータ管理プラクティスに従ってACID準拠のデータベース内にデータ層を構築することを含んでもよい。ACID準拠のデータ管理プラクティスは、トランザクションの一部として、またはリアルタイムに対して既知の待ち時間を伴うデータの重複または集約の処理、データが重複しない正規化データ構造の構築、システムの過去の状態をシームレスに回復できるようにするためのすべてのデータの厳格なタイムスタンプ、および細粒データのリアルタイムレプリケーションを可能にするトランザクションレプリケーションを含み得るがこれらに限定されない。

実施形態において、データは、異なるタイプのマーケットプレイスに対して異なるように構成されるかもしれない。データベーススキーマの抽象化は、ACID準拠のための実装詳細に影響を与える可能性がある。例えば、高度に抽象化されたストレージは、中間層のACID実装レイヤーを導く可能性がある。実施形態において、マーケットプレイスデータベース20216は、ファイルシステム、正規化スキーマ、非正規化スキーマ、複製されたデータ、および／またはスタースキーマを含む場合がある。実施形態において、マーケットプレイスデータベース20216は、監査証跡を可能にすることができる。実施形態において、マーケットプレイスデータベース20216は、会計レジリエンスのためのブロックチェーンシーケンスを可能にすることができる。

いくつかの実施形態では、マーケットプレイスデータベース20216の記憶レベルは、個々の取引の記憶および／または取引情報の集約の記憶（現在の状態のみ）を含むことができる。実施形態では、過去の取引情報は、監査を可能にするための特定の要求として、および／または取引のより処理されたバージョンとして格納されてもよい。例えば、取引が極めて大量である場合、システムは現在の状態しか保持できないかもしれないが、監査目的のために、すべての過去の要求のログが線形シーケンスで保存され、市場におけるポジションを再構築する能力を提供する。

実施形態では、マーケットプレイス構成システム20302は、ユーザ（例えば、マーケットプレイスホスト）がマーケットプレイスを構成および／または起動し得るインターフェース（例えば、グラフィカルユーザインターフェース（GUI））を提供するものである。マーケットプレイスホストとして説明したが、マーケットプレイスの構成は、ブローカーおよびトレーダー（例えば、買い手および／または売り手）を含むがこれらに限定されない他のユーザによって実行され得る。実施形態では、本開示を通じてより詳細に説明されるように、マーケットプレイスの構成は、自動的に実行されてもよい。

図204を参照すると、本発明のいくつかの実施形態による、新規マーケットプレイスを立ち上げるための方法が提供される。20401で、マーケットプレイス機会識別モジュール20310は、新規マーケットプレイスを促進する機会を識別し、及び／又は新規マーケットプレイスに対する需要を識別する。実施形態において、市場機会識別モジュール20310は、サードパーティの電子取引プラットフォーム（例えば、ショップフロントスタイルの取引を有する売買プラットフォーム）、ソーシャルネットワーク、ニュースソース等とインターフェースし、市場機会についてこれらのソースの連続自動監視および／または人間制御の監視を適用する。例えば、マーケットプレイス機会特定モジュール20310は、ディスカッションボードなどのオンラインソースから、資産クラスのマーケットプレイス（例えば、デジタルツインのマーケットプレイス）の必要性を自動的に検出し得る。本実施例では、市場機会特定モジュール20310は、線形回帰などのモデル、分析、または同様のもの、および／または本開示および参照により本明細書に組み込まれる文書を通して説明されるニューラルネットワークまたは他のAIシステムなどの人工知能システムの適用を通じて、需要および／または潜在的な経済機会を示す他の要因を監視する。本実施例を続けると、市場機会特定モジュール20310が、デジタルツインのための市場（特定のアイテムのデジタルツインの市場など）に対する実質的な需要があることを発見した場合、20310は、かかる需要に対処するために新しい市場を構築する決定を行い、取引者がデジタルツインを購入および販売することを可能にし得る。例では、マーケットプレイス機会特定モジュール20310は、ソーシャルネットワークの監視を介してそのような機器に対する実質的な需要を見つけたときに、改装された運動機器のための新規マーケットプレイスを構築する決定を行うことができる。さらに例を続けると、改装された運動器具は買い手に引き渡されてもよく、または運動器具は買い手に引き渡されることなく取引されてもよく、したがって、市場に流動性を生じさせることができる。実施例では、市場機会識別モジュール20310は、取引プラットフォームのチャットディスカッションから飛行機キット認証サービスの必要性を自動的に検出することができる。あるいは、ユーザ（例えば、マーケットプレイスホスト）は、市場機会を特定し、グラフィカルユーザインタフェースを介して1つまたは複数の資産のための新規マーケットプレイスを立ち上げるよう要求することができる。

20402において、マーケットプレイス構成システム20302は、マーケットプレイス機会データ（資産（複数可）、資産タイプ（複数可）、資産データ、資産需要データ（需要量、需要場所、需要人口統計、需要指標など））をマーケットプレイス機会特定モジュール20310から受け取る。いくつかの実施形態では、ユーザは、マーケットプレイスにリストされ得る資産および／または資産のタイプ（複数可）を定義してもよい。実施形態において、ユーザは、マーケットプレイス構成システム20302によって提示されるGUIを介して、プラットフォーム20500によってマーケットプレイスのためにサポートされる異なる資産および／または資産タイプを選択することができる。例えば、ユーザは、アセットのメニューから異なるアセットを選択し、および／またはアセットタイプのメニューから異なるタイプのアセットを選択し得る。

20403において、マーケットプレイス構成システム20302は、受信した市場機会データに基づいて、マーケットプレイス構成パラメータ20306を、任意で自動的に決定する。実施形態では、マーケットプレイス構成システム20302は、任意で、機械学習および／または人工知能を活用して、効率性、リスク管理、収益性、および／または他の措置のためにマーケットプレイスを最適化するように、マーケットプレイス構成パラメータ20306を自動的に選択する。いくつかの実施形態では、ユーザは、グラフィカルユーザインタフェースを介してマーケットプレイス構成パラメータを入力することができる。マーケットプレイス構成パラメータ20306は、資産、資産タイプ、資産の説明、所有権の検証方法、取引された商品の配達方法、マーケットプレイスの推定サイズ、マーケットプレイスの広告方法、マーケットプレイスの制御方法、規制制約を含み得るが、これらに限定されない、データソース、インサイダー取引検出技術、流動性要件、アクセス要件（ディーラー間取引、ディーラー対顧客取引、顧客対顧客取引のいずれを実施するかなど）、匿名性（取引相手の身元を開示するかどうかの判断など）、注文処理の連続性（例えば、連続的又は定期的な注文処理）、相互作用（例えば、二国間又は多国間）、価格発見、価格決定要因（例えば、注文駆動型価格設定又は相場駆動型価格設定）、価格形成（例えば、価格形成（例えば、集中的な価格形成または断片的な価格形成）、保管要件、許可される注文の種類（例えば、リミット注文、ストップ注文、マーケット注文、オフマーケット注文）、サポートされる市場の種類（例えば、ディーラー市場、オークション市場、絶対オークション市場、最小入札オークション市場、リバースオークション市場、封入入札オークション市場、オランダオークション市場、多段階オークション市場（例えば、取引ルール（ティックサイズ、取引停止、開閉時間、エスクロー要件、流動性要件、地理的ルール、管轄ルール、公表ルール、インサイダー取引禁止、利益相反ルール、タイミングルール（例．スポット市場取引、先物取引などを含む）、資産上場要件（例えば、財務報告要件、監査要件、最低資本要件）、預金最低額、取引最低額、検証ルール、手数料ルール、市場寿命ルール（例えば、タイミング制約のある短期市場対長期市場）、透明性（例えば、情報の発信量および範囲）など、多くのものが挙げられる。）いくつかの実施形態では、マーケットプレイス構成パラメータ20306は、救済措置のない失敗した取引を許可することを含み得る。

いくつかの実施形態では、アセットの各タイプは、デフォルトの構成パラメータの事前定義されたセットを有する。いくつかの実施形態では、各タイプの資産に対する構成パラメータのセットは、（例えば、マーケットプレイスホストによって）カスタマイズされてもよい。これらの実施形態では、ユーザは、資産のタイプのためのマーケットプレイスを支配するマーケットプレイス構成パラメータを定義することができる。

実施形態では、買い手、売り手、ブローカー、エージェントなどのユーザは、ユーザが取引活動に従事する意思があるマーケットプレイス構成パラメータを定義することができ、マーケットプレイス機会識別モジュール20310は、構成好みを共有する当事者の集合体間で活発な取引を奨励する構成を確立する機会を識別するために定義パラメータを使用できる。例えば、買い手は、定義されたタイプのトークンの前日比先物で取引する好みを示し、そのようなトークンを保有する売り手が同様に前日比取引に興味を持っている場合にマッチングされ得る。

20404において、マーケットプレイス構成システム20302は、構築されるマーケットプレイスのセットアップおよび性質に関連する1つまたは複数の決定を行う、または可能にする。このステップでは、マーケットプレイス構成システム20302は、受信したマーケットプレイス機会データおよび／またはマーケットプレイス構成パラメータ20306を評価し、一連の望ましい結果（マーケットプレイスの全体的な収益性、マーケットプレイスの効率、全体の参加および／または望ましいタイプの当事者による参加の閾値レベルの生成、取引活動の閾値レベルの生成など）に基づいてマーケットプレイスの実装を優先する場合がある。構成は、マーケットプレイス開発のモデルまたは計画、例えば、マーケットプレイス開発のフェーズを示し、管理するもの、例えば、マーケット開始（例えば、例えば、マーケット開始（例えば、所望のルールまたはビジネスロジックに従ったトークン、クレジット、取引権などの割り当て）、初期段階のマーケットプレイス開発（例えば、インセンティブ、補助金、プロモーションなどを提供して取引活動を閾値レベルまで促進する）、健全なマーケットプレイス運用（例えば、任意で自動的に調整する、健全なマーケットプレイスの運営（マーケットプレイスが、取引や、希望する人数や種類の取引相手や支援ユーザーによる参加が閾値レベルに達したという指標を受けて、マーケットプレイスの運営に関するパラメータ（スマートコントラクト条件、API、取引ルールなど）を調整することなど）、不健全な運営（マーケット運営に関する一つまたは複数の望ましい特性が、望ましい範囲または閾値を外れている場合など、例えば、取引が薄すぎる場合、ゲーム行為が明らかな場合、不当な市場支配力が明らかな場合（例えば、市場が追い詰められている）、フロントランニングが観察される場合、など）。実施形態では、人工知能システムは、市場の段階を認識または理解し、本開示全体を通して指摘された構成または他の市場パラメータのいずれかを含む、理解された段階に少なくとも部分的に基づいて市場の構成のパラメータを自動的に調整するように訓練されることがある。人工知能システムは、成果に関する深層学習によって、人間のオペレータによる専門家の構成を含むデータの訓練セットの使用によって、上記の組み合わせによって、または本明細書もしくは参照により組み込まれる文書に記載される他の技術、または当業者に知られている他の訓練技術によって訓練され得る。

実施形態では、マーケットプレイス構成システム20302は、新規マーケットプレイスを評価し、実験するが、これは、マーケットプレイスが技術的または経済的に実現可能であるかどうかを判断するためにテスト環境を設定すること、および／またはトレーダーのテストセット、取引規則のテストセット、資産のテストセット、開始パラメータ（インセンティブまたはプロモーションなど）のテストセットなどを用いてマーケットプレイスを評価することが挙げられる。実施形態では、デジタルツインシステム20208によって、提案された市場の実行可能性が評価され得るようにシミュレーションを実行するためにデジタルツインが生成され得る。デジタルツインは、商品（物理的およびデジタル）および他の資産のツイン、ユーザのツイン、環境および施設のツイン、および他のアイテムを含むことができる。例えば、デジタルツインは、マーケットプレイスで取引される所有権のある物品の状態を追跡して表現し、環境条件（例えば、天候、気候、または他の物理的プロセス、および多くの他のもの）の物品への影響を反映するなどして、テスト者がマーケットプレイスの物理的変化の影響を観察できる（例えば、減価または劣化の影響をテストまたはシミュレーションする）ようにしてもよい。ツインは、同様に、取引レベルおよびパターン、価格変化、および他の多くのもののような、市場活動をシミュレートすることができる。実施形態では、マーケットプレイス構成システム20302は、特定のマーケットプレイス構成パラメータ20306が好ましくないことを決定し、その結果、マーケットプレイス構成システム20302は、構成パラメータ20306を更新してマーケットの性能を改善および／または最適化することができる。

20405において、マーケットプレイス構成システム20302は、任意で1つ以上のデータベースを構成することを含む、マーケットプレイスをサポートするためのデータソースを決定する。コアデータベースアーキテクチャの構成は、実施形態において、マーケットプレイスの様々なパフォーマンス能力を促進し得る。実装され得るデータベースタイプは、リレーショナルデータベース、SQLおよびNoSQLデータベース、高度リアルタイムデータベース、グラフデータベース、分散データベース、弾性データベース、オブジェクト指向データベースなどを含み得、上記の様々な組合せを含み得る。

20406において、マーケットプレイス構成システム20302は、マーケットプレイスのアーキテクチャを決定し、これは、マーケットプレイスをサポートするために使用されるツールおよび／またはライブラリの決定を含むことができる。このステップでの決定は、マーケットプレイスによって使用され得るアルゴリズムの慎重な計画、およびシステムに対する主要な要件の周囲を含むことができる。主要なアーキテクチャの考慮事項には、ロギング要件、監査要件、許容できる待ち時間、フェイルオーバー要件、災害復旧要件、一定期間あたりの許容できる入出力量、取引量、複雑な取引に対する要件、より長い期間を要する取引の解決などが含まれる。

20407において、市場構成システム20302は、データモデリングおよびデータフロー設計ツールを使用して、選択されたデータベース環境内のデータの設計を決定する。データモデリングプロセスは、データモデリングツールおよび／またはインテリジェントエージェント20234を利用して、ゼロから新しいスキーマをレイアウトするか、既存のテンプレートスキーマを使用することができる。実施形態では、これらのプロセスは、洗練された自動スキーマ設計ツールを使用して完全に自動化される場合がある。実装され得るデータモデリングツールには、ERWIN（登録商標）、Visio（登録商標）、およびWhereScape RED（登録商標）が含まれるが、これらに限定されるものではない。基礎となるデータベーススキーマのためのアーキテクチャの構築は、ブロック20406とブロック20407を含む反復プロセスで、全体のシステムアーキテクチャを決定することができる。

20408において、マーケットプレイス構成システム20302は、決定されたアーキテクチャ、構成パラメータ20306などに従ってマーケットプレイスオブジェクト20308を構成する。このステップにおける新規マーケットプレイスの確立は、全く新しい種類のマーケットプレイスであっても、既存のマーケットプレイスをパラメータを調整して実装したものであってもよい。マーケットプレイス構成システム20302は、入力されたパラメータを読み込んで、そのシステムにロードする。このステップにおける主要なタスクは、デフォルト値の記入、監視パラメータの決定（市場が設計された性質から外れて動作している場合に判断する）、障害および例外の管理、ならびにハッキングおよびセキュリティの取り扱いを含むことができる。

20409において、マーケットプレイス構成システム20302は、マーケットプレイスオブジェクト20308にデータベースを接続する。実施形態では、基礎となるデータベースのビジネスルールは、バージョン管理され、取引の実行を提供するバージョン管理されたマーケットプレイスオブジェクト20308と重ね合わされる。実施形態では、マーケットプレイスオブジェクト20308は、市場全体の運用パラメータを定義するメタデータのセットを保持し、このオブジェクト内に保持される状態は、バージョンソフトウェア（GITまたはバージョン管理されたデータベースなど）で保持され得る。このバージョン管理されたマーケットプレイスオブジェクト20308は、マーケットプレイスを運用するために実行環境20202によって使用され得る。実施形態において、基礎となるデータベースは、買い手および売り手が保有する資産、取引、および市場ポジションに関する情報を保持するとともに、任意で、上記および買い手、売り手、資産、取引などに影響を与え得る外部要因など、マーケットプレイスに関連する他の要素に関する様々な追加データおよび／またはメタデータを保持するよう設計されている。実施形態では、接続情報は、派生市場の市場に関する情報を含むことができる。例えば、食品配達のためのマーケットプレイスは、監視された温かい食品配達のマーケットプレイスにおいて、トレーダーが商品の将来の価値に賭けているデリバティブ現金決済のマーケットプレイスのトレーダーを含むことができる。マーケットプレイスオブジェクト20308が基礎となるデータベースに接続されると、動作するマーケットのロジックは、生成されるデータに直接結び付けられることがあり、マーケットプレイスオブジェクト20308の将来のリリースが、歴史的データ収集規則を破ることなくシームレスにアップグレードできる必要があるという要件を置く。マーケットプレイスオブジェクト20308の将来のアップグレードは、将来のデータベースの要件に準拠させるために基礎データベースを更新する手順を含むことができるアップグレードロジックを含むことができる。

いくつかの実施形態では、ユーザ（例えば、マーケットプレイスホスト）は、1つまたは複数のデータソース20224をマーケットオーケストレーションシステムプラットフォーム20500に接続し得る。プラットフォーム20500に接続され得るデータソース20224の例は、限定されるものではないが、センサシステム20274（例えば、IoTセンサーのセット）、ニュースソース20278、市場データ20280（レベル1およびレベル2市場データなど）、基礎データ20282、参照データ20284、履歴データ20288、第三者データを格納する第三者データソース20290、エッジデバイス20292、規制データ20294（例えば、SECファイリング）、ソーシャルネットワークデータ20298およびメッセージボードデータ20201。レベル1市場データは、所与の資産のリアルタイムのベストビッド-オファー-ボリュームデータを指す場合があり、レベル2市場データは、各マーケットメーカー（例えば、個々の市場参加者または市場のメンバーファーム）のリアルタイムのクォートを指す場合がある。ファンダメンタルデータは、マーケットプレイス資産の基礎的な価値および将来の成長の可能性に関連するデータを指す場合があります（例えば、利回り生産資産の収益、利益、およびキャッシュフロー、鑑定または評価額など）。参照データは、金融取引の完了および決済に使用されるマーケットプレイスエンティティ識別子を指す場合がある。データソース20224は、本開示の範囲から逸脱することなく、追加または代替のデータソースを含み得る。ユーザが市場の構成を定義し、構成が選択された資産タイプおよび取引ルールを含むと、ユーザは次に、プラットフォーム20500に接続されるデータソース20224を定義することができる。いくつかの実施形態では、データソースの1つ以上からのデータは、プラットフォーム20500に供給される前に融合および／または分析され得る。

20410において、マーケットプレイス構成システム20302は、マーケットプレイスを起動する。実施形態において、マーケットプレイス構成システム20302は、クラスタ管理ツール（TrinityX（登録商標）など）を活用して、インスタンスのランタイムパラメータおよび運用性を変更し、ワークロードの需要に直面した場合の連続運用を可能にすることができる。実施形態において、マーケットプレイス構成システム20302は、ハイパフォーマンスコンピューティング（HPC）クラスタリングを活用することができる。実施形態において、クラスタは、特定のマーケットプレイスまたはシステムのワークロードの要求に基づいて動的に変更可能であってもよい。実施形態において、マーケットプレイス構成システム20302は、ワークロード（過剰または不十分な需要を含む）に応じて、または不適切な取引パターン（例えば、制約のないアルゴリズム取引システムによる市場の暴落またはバブルの誘発）、外来事象（例えば、他の市場の変化、自然災害、内乱など）などの他の要因に対応していくつかのマーケットプレイスを停止させることができる場合がある。いくつかの実施形態では、マーケットプレイス構成システム20302は、需要および他の要因に応答してサービスレベル合意（SLA）を変更することを可能にし得る。実施形態では、マーケットプレイス構成システム20302は、システム上のユーザーを制限したり、環境におけるトレーダーの参入要件を変更したりすることができる。

実施形態において、マーケットプレイス構成システム20302は、ユーザ（例えば、マーケットプレイスホスト）が、マーケットプレイスにアクセスしてもよいユーザ及び／又はアクセスしてはならないユーザを定義することを可能にする。例えば、ユーザは、マーケットプレイスにアクセスすることができないユーザのブラックリストを定義し、及び／又はマーケットプレイスにアクセスすることができるユーザのホワイトリストを定義することができる。例として、ホワイトリストは、業界団体のメンバー、業界コンソーシアムのメンバーのセット、条約のメンバーのセット、企業グループのメンバー、許可された当事者のリストのメンバー（例えば、政府の契約スケジュール上の当事者など）、契約の当事者のセット、またはその他を含むことができる。実施形態において、マーケットプレイス構成システム20302は、マーケットプレイスホストが、マーケットプレイスで取引するために他のユーザーを招待することを可能にする。実施形態では、プラットフォーム20500は、買い手および売り手のためのトレーダーアカウントの作成を可能にするように構成され得る。実施形態において、プラットフォーム20500は、作成された各アカウントに関連するトレーダープロファイルを自動的に生成するように構成され得る。

実施形態では、プラットフォーム20500は、サーバレス環境を含むことができる。これらのサーバレス環境では、アプリケーションソフトウェアは、「ベアメタル」計算インフラストラクチャ上で直接、または実行のために最適化された計算システムで実行され得る。サーバレス環境は、クラウドプロバイダが、応答の待ち時間、全体的なメモリの可用性、バックアップ、災害復旧、負荷分散などのサービスレベルに対して完全に責任を負う、一連のクラウド環境を含んでもよい。実施形態において、クラウド環境は、アプリケーション負荷分散、ネットワーク負荷分散（パスセンシティブまたはルートセンシティブ負荷分散を含む）などを含む弾性負荷分散を採用してもよい。

実施形態において、プラットフォーム20500は、資産がマーケットプレイスにリストアップされるように、ユーザが資産を追加することを可能にすることができる。実施形態において、プラットフォーム20500は、資産がもはやマーケットプレイスにリストされないように、ユーザがマーケットプレイスから資産を削除することを可能にすることができる。実施形態において、プラットフォーム20500は、各資産に関連するプロファイルを自動的に生成するように構成されてもよい。実施形態において、資産を追加することは、資産をデジタル化することを含む場合がある。資産のデジタル化は、デジタル媒体での捕捉（スキャン、写真、ビデオ、音声記録など）、デジタルコンテンツの生成（インターフェースへの記述情報の入力など）などにより実行されてもよい。デジタル化は、資産のクラスに対応する資産のデジタルオブジェクトを入力することを含み得、オブジェクトは、資産クラスのパラメータ及び属性、並びに資産及び市場に適切なデータスキーマを反映する。属性は、アナログデータのデジタル表現（変換、圧縮、または同様のデータなど）、物理データ、論理データ、自然言語処理の出力、メタデータ要素などを含むことができる。デジタル化は、正規化、重複排除、クラスタリング、スケーリング、クレンジング、フィルタリング、リンク（1つまたは複数のIDへのリンクなど）等のステップを含む、データの自動抽出、変換およびロードを含む場合がある。デジタル化は、ロボットプロセス自動化などの人工知能によって実行されてもよく、人工知能システムは、1人または複数の専門家が同じまたは類似のタイプの資産をデジタル化したデータのトレーニングセットに基づいて、データスキーマ、オブジェクトクラスなどに従って資産をデジタル化するように訓練される。実施形態において、資産を追加することは、資産に関連するメタデータをアップロードすることを含み得る。実施形態において、資産を追加することは、1つまたは複数の写真、ビデオ、仮想現実体験、文書、デジタルツインなどをアップロードすることを含むことができる。

実施形態では、ユーザは、1つまたは複数の資産を購入または売却する申し出のための注文要求を作成することができる。実施形態では、ユーザは、新しい注文要求を作成するオプションを選択することができる。これらの実施形態のいくつかでは、ユーザは、1つまたは複数のパラメータ値を提供するためにGUIを提示されることがある。例えば、GUIは、ユーザが1つまたは複数の資産を識別し、要求されたアクション（例えば、買いまたは売り）、資産（複数可）の数量、注文タイプ（例えば、指値注文）、価格、タイムインフォース、特別指示、高度注文エントリなどを定義するためのフィールドを含むことができる。実施形態において、プラットフォーム20500は、注文のキャンセルを可能にするように構成され得る。これらの実施形態のいくつかでは、注文キャンセルは、本明細書または参照により本明細書に組み込まれる文書に記載される1つ以上の監視および／または検出システムなどによるイベントの検出時にトリガされてもよい。キャンセルをもたらすイベントには、市場または別の市場における価格変動、当事者の資格または他のステータスの変化、資産の状態の変化、規制または政策要因の変化、当事者によるキャンセルアクション、および他のものが含まれ得る。

いくつかの実施形態では、プラットフォーム20500は、実行エンジン20228を含むことができる。実施形態では、実行エンジン20228は、マーケットプレイスにリストされた1つまたは複数の資産に対する取引を実行するために、当事者から注文要求を受信するように構成される場合がある。実施形態では、実行エンジン20228は、注文要求に基づいてトランザクションを選択的に実行するように構成される場合がある。たとえば、実行エンジン20228は、要求されたアクション（たとえば、買いまたは売り）、数量、資産（複数）（たとえば、株式記号）、注文タイプ（たとえば、指値注文）、価格、およびタイムインフォースを含み得るが、これらに限定されない注文要求を受け取ることがある。実行エンジン20228は、要求された注文が許容される（例えば、資産が違法ではなく、検出された不正行為がない）と判断すると、この情報を、注文を1つまたは複数の他の注文にマッチングする（例えば、それぞれの価格が適合する同じ資産タイプについて、買い注文を対応する売り注文とマッチングする）知的マッチングシステム20230に供給してもよい。実施形態では、実行エンジン20228は、インテリジェントマッチングシステム20230からマッチした注文を受信し、マッチした注文を実行することができる。実施形態では、実行エンジン20228は、取引確認を生成し、実行された取引に関連する1つまたは複数のトレーダーに取引確認を送信することができる。

スマートコントラクトは、データソースからの関連する入力に対して動作し、適用可能な契約条件のセットを具現化するロジックを適用して出力を生成する、実行可能なコンピュータプログラムである。実施形態において、スマートコントラクトは、分散型台帳または他のデータリポジトリのデータブロックにコンパイルされてもよく、計算資源の適切なプロビジョニング、インターフェース（例えば、API）の定義、およびセキュリティフレームワーク（例えば、ID、役割などに対する許可の設定）により計算基盤上に展開されるように構成され得る。分散型台帳または他の安全な計算プラットフォームに展開されると、スマートコントラクトは、入力を受け入れるため、および出力を提供するためなど、様々な計算システムによるデータ接続によってアクセスされ得る。実施形態では、スマートコントラクトは、スマートコントラクトが悪意のある行為者によって変更されていないという確信を持って実行され得るように、ブロックチェーンを含むような、暗号セキュリティを提供する台帳上に展開される。スマートコントラクトは、暗号通貨の譲渡、物品の売買、および他の種類の資産を含む取引など、様々な当事者間の合意を表し、実装することができるため、「スマートコントラクト」と呼ばれるが、スマートコントラクトは、厳密には、明示的な契約上の取り決めを表す必要はなく、例えば、ワークフローまたはビジネスプロセス内で出力を提供するための入力に応じてビジネス論理を実装できる。

実施形態では、スマートコントラクトは、JavaScript、Solidity、Pythonなどのスクリプト言語、Javaなどのオブジェクトコーディング言語、CやC++などのマシンコーディング言語を使用してプログラムコードで書かれる場合がある。スマートコントラクトが分散型台帳または他の計算システムになどデプロイされるとき、プログラムコードは、参加者によってブロックに処理され、任意の他のデータブロックが分散型台帳またはシステムに書き込まれるのと同じ方法で（例えば、コントラクト／プログラムをコンパイルするノード参加者に支払われる手数料と引き換えに）分散型台帳または他の計算システムに書き込まれ得る。実施形態では、スマートコントラクトを展開するプロセスは、プログラムコードをバイトコード、オブジェクトコード、バイナリコード、または他の何らかの実行可能な形態にコンパイルすることを含み得る。スマートコントラクトが正常に展開されると、スマートコントラクトを含むスマートコントラクト／データブロックにアドレスが割り当てられることがあり、このアドレスは、その後、スマートコントラクトにアクセスし、そこに提供される機能を実行するために使用され得る。実施形態において、スマートコントラクトは、スマートコントラクトが外部のソフトウェアモジュールおよびシステムとインターフェースすることができるように、アプリケーションプログラミングインターフェース（API）への接続または提供、APIに類似するアプリケーションバイナリインターフェース（ABI）への接続または提供、または他のインターフェース（ブリッジ、ゲートウェイ、コネクタ、ポータル、または他のデータ統合インターフェース等）を含むことができる。このようにして、スマートコントラクトは、様々なソフトウェアモジュール（例えば、ウォレットアプリケーション及び／又は他のスマートコントラクト）、データソース（データフィード、イベントストリーム、ログ、検索エンジン、及びその他多数）及び／又はスマートコントラクトのユーザと相互作用し得る。実施形態において、スマートコントラクトは、ユーザーがスマートコントラクトの様々な機能と対話できるように、ユーザーがインターフェースを活用する方法を定義する、それに関連するAPI、ABIまたは他の接続インターフェース情報を有することができる。実施形態では、接続インターフェース情報は、スマートコントラクトの一部として提供される様々な機能及び方法を、ユーザ又はユーザのソフトウェアによってアクセスできるように記述する。

スマートコントラクトがデプロイされると、スマートコントラクトは、その後、オープンアクセス及び／又はプライベートアクセスを含み得る、定義された許可に従ってスマートコントラクトのアドレスにアクセスすることによって使用されることができる。実施形態において、契約、またはその一部を実行することは、契約のステップの一部として要求されない限り、必ずしも料金を発生させない（契約が展開される分散台帳を更新するために要求される料金など）。実施形態では、多くの異なるユーザが、自身の特定の契約又は取引を管理するために、契約／プログラムを同時に利用することができる。

いくつかの実施形態では、スマートコントラクトは、条件付きロジック（例えば、スマートコントラクトの、別のスマートコントラクトのプログラムコードで定義されるように、またはソフトウェアシステムによって実行されている）によって呼び出されることがある。例えば、スマートコントラクトは、外部イベントまたは内部イベントの発生時に起動される場合がある。外部イベントは、スマートコントラクト及びそれに関連する当事者とは無関係に発生するイベントであってよく、内部イベントは、スマートコントラクト及び／又はそれに関連する当事者に関して発生するイベントである。実施形態において、スマートコントラクトは、一組のトリガーに応答し、スマートコントラクトを推進するためにスマートコントラクトによって実行される一組のステップ（例えば、一組のスマートコントラクトアクション）を実行する条件付き論理を含む。これらのアクションは、イベントの文書の記録、資金または資産の送金、政府、規制、または企業エンティティへの文書の提出、ワークフロー（例えば、メンテナンスワークフロー、返金ワークフロー、購入ワークフロー、および／または同様のもの）の開始、および／または他の適切なアクションを含み得る。実施形態において、スマートコントラクトは、例えば、スマートコントラクトのAPI、ABI、または他の接続インターフェースを介して、イベントを示すデータを受信するように構成され得る。実施形態において、スマートコントラクトは、特定のタイプのデータをリスニングするリスニングスレッドを含むことができる。実施形態において、スマートコントラクトは、関連するイベントまたはトリガーを検索するために、該当するログまたは他のデータソースの検索またはクエリなどのアクティブスレッドを採用してもよい。データが受信及び／又は検索されると、スマートコントラクトは、スマートコントラクトに定義された条件付きロジックを使用して、データを処理し、データに対して操作してもよい。例えば、条件付きロジックがイベント又は他のトリガーの発生を検出したことに応答して、スマートコントラクトは、そこに定義されたスマートコントラクトアクションを実行することができる。実施形態において、当事者は、イベントを検証するためにどのデータソースが活用され得るかなど、トリガーが検証される方法について合意し得る。

実施形態において、スマートコントラクト20232は、1つ以上のトリガー条件／イベントの検証時に1つ以上の事前定義されたアクションを実行する、1つ以上のコンピューティングデバイスによって実行されるソフトウェア（例えば、コンピュータ実行可能命令のセット）を指す場合があり、アクションおよびトリガー条件／イベントは、スマートコントラクトの構造に反映されているカウンターパーティ間の合意の条件を具現化している。例えば、スマートコントラクトは、石油バレルの価格を監視し、石油バレルの価格が閾値を下回ったときに、設定された量の石油に対する契約権を売り手から買い手に移転するように構成され、売り手から買い手に契約権を移転することがスマートコントラクトの事前定義アクションであり、石油バレルの価格が閾値を下回ったことが事前定義条件となる。実施形態において、スマートコントラクトは、分散型台帳20222（例えば、ブロックチェーン）に格納されてよく、分散型台帳20222を格納するノードによって実行されてよい。加えてまたは代替的に、プラットフォーム20500は、プラットフォーム20500によって生成されたまたはプラットフォーム20500に関連するスマートコントラクトを実行してもよい。いくつかの実施形態では、プラットフォーム20500および／またはスマートコントラクトをホストする台帳ノードの1つ以上は、スマートコントラクト20232が実行される実行環境を提供してもよい。実施形態において、スマートコントラクトは、1つ以上のコンピューティングプロトコル（例えば、イーサリアムプロトコル）に従って定義されてもよい。いくつかの実施形態では、スマートコントラクト20232は、仮想マシンまたはコンテナ（例えば、Dockerコンテナ）に含まれ、および／または実行されてもよい。

実施形態では、スマートコントラクトは、データストレージ及び計算リソースのセット上で動作してもよく、これらのリソースは、任意で、プラットフォーム20500の他のサービス、コンポーネント、システム、モジュール、サブシステム及び／又はアプリケーションと共有してもよく、例えば、プラットフォーム20500用のアーキテクチャにおけるマイクロサービスのセットの一部であるマイクロサービスのセットをスマートコントラクトシステムが含む又は構成する場合などである。ストレージ、計算、およびワークフローの実行は、例えば、ブロックチェーンベースの分散型台帳のセット上などのブロックチェーンのセット上、スマートコントラクトへの入力接続およびスマートコントラクトから他の様々なシステム、サービス、コンポーネント、モジュール、サブシステム、アプリケーションなどへの出力接続用のAPIなどのアプリケーションプログラミングインターフェイスのセット上で実行されてよい、専用ハードウェアデバイス（ハードウェアウォレット、様々な形式のハードウェアストレージデバイス（ハードディスク、テープ、クラウドベースのハードウェア、データセンターのハードウェア、サーバー、その他多数）を含む）、ウォレットセット、会計システムセット、コンテナ、仮想マシンセット、マーケットプレイスのAPIに組み込まれている、パブリッククラウド、パブリック／プライベートクラウド（例えば、要素が異なる許可／認可の対象になっている場合、インテリジェントスイッチングデバイス上（エッジ計算デバイスや、取引所やマーケットプレイスにプロビジョニング／割り当てられるネットワークデバイスなど）、ローカルエリアネットワーク内の資産の敷地内など、スマートコントラクトが関連する物理資産上および／またはそれと統合された、および／または資産上に物理的に位置する（資産タグ上や、機械のオンボード診断システムや消費者デバイスのランダムアクセスメモリなど、資産の情報技術システムのネイティブストレージシステムに統合されているなど）、スマートコントラクトが関連する資産のデジタルツイン（本明細書に記載されるいずれかのタイプのツインなど）に組み込まれる、ソフトウェアシステム（ERPシステム、CRMシステム、会計システムなど、コラボレーションシステム（共有文書環境（例えば、Dropbox（登録商標）、Google（登録商標）のdoc、シートまたはスライドプレゼンテーションなど）、通信システムの記憶要素（ビデオ会議システムの記憶要素など）に埋め込まれる、マーケットプレイス実行エンジン（支払いエンジン、履行エンジンなど）のストレージに埋め込まれる、および／または前述の組み合わせ、およびその他様々である。

実施形態において、スマートコントラクト20232は、1つまたは複数のトリガーと、トリガー条件またはイベントの1つまたは複数の指示または検証に応答して実行される1つまたは複数のスマートコントラクトアクションとを含む、市場取引の促進に関連する実行可能論理、データ、および／または情報を含む場合がある。実施形態において、トリガー（例えば、トリガーイベントまたは条件）は、1つまたは複数の当事者（売り手、買い手、代理人、第三者など）による活動のパフォーマンスおよび／または当事者のパフォーマンス外のイベントの発生によって満たされ得る条件を定義し得る（例えば、以下のとおり、資産または資産セットの価値が閾値を超える、または下回る、地理的地域内での自然災害の発生、特定の法域による特定の知的財産権の許可、資産の状態の悪化、資産の価値の減価、規制変更など）。トリガーイベントまたは条件の例には、一方の当事者（例えば、買い手）による定義された量の通貨の支払い、マーケットプレイス取引の当事者が定義された地理的領域（例えば、国、都市、州など）内にいることの検証、資産が第三者によって認定されたことの検証、予め定義された市場状態の発生の検証、またはそのようなものが挙げられる。スマートコントラクトのアクションの例は、売主から買主への資産の譲渡を開始すること、分散型台帳に売主から買主への資産の所有権の譲渡を記録すること、取引の当事者が予め定義された地域の内外に位置していると判断することに応答して1以上の条件（例えば、価格、金利、責任の配分または他の好条件）を調整することなど、であり得る。

いくつかの実施形態では、スマートコントラクトは、顧客又はプラットフォーム20500に関連する専門家ユーザ（例えば、スマートコントラクト開発者）によって生成されてもよい。加えて又は代替的に、プラットフォーム20500は、ユーザがスマートコントラクトテンプレートに基づいてスマートコントラクトをパラメータ化することを可能にするグラフィカルユーザインターフェースを提供してもよい。これらの実施形態のいくつかでは、プラットフォーム20500は、異なるタイプの取引及び／又は異なるタイプの資産に使用される、事前定義されたスマートコントラクトテンプレートのセットを含んでもよい。各スマートコントラクトテンプレートは、ユーザがパラメータ化可能な命令をパラメータ化するために1つ以上の値を提供し得るような、パラメータ化可能な命令を含み得る事前定義されたコードを含んでもよい。これらの実施形態において、スマートコントラクト開発者は、スマートコントラクトテンプレートを定義することができ、それにより、スマートコントラクトテンプレートは、パラメータ化可能なフィールドを含む。

加えて又は代替的に、プラットフォーム20500は、1人以上の専門家ユーザーによって作成されたモデル、ルールセット、及び／又はデータのトレーニングセット、又はそれらの組み合わせに基づいて、スマートコントラクト及び／又はスマートコントラクトテンプレートを生成し得る、及び／又はテンプレートによって特徴付けられるスマートコントラクトをパラメータ化し得るロボットプロセスオートメーション又は他の人工知能システムを提供してもよい。例えば、オプション取引を具現化するスマートコントラクトを生成するためのモデルが人工知能システムに提供されてもよく、人工知能システムは、専門家ユーザーが資産クラスを購入するオプションのオプション契約を生成するデータのトレーニングセットに基づいてスマートオプション契約を生成するように訓練され、オプションの期間、オプション自体の価格設定、およびオプションのトリガー時の資産の価格設定を専門家ユーザーによる選択を示す訓練データを含む。

いくつかの実施形態では、スマートコントラクトテンプレートは、特定のマーケットプレイス内で発生する資産のタイプ及び取引のタイプに適したスマートコントラクトを生成するためにテンプレートを使用できるように、マーケットプレイスのタイプに関連付けられることがある。場合によっては、これは、マーケットプレイスの各トランザクションタイプ、各資産タイプ、および／または資産とトランザクションタイプの各組み合わせのためのスマートコントラクトテンプレートを含むことがある。例えば、テンプレートは、商品取引所における定義された量の商品の売買契約のためのスマートコントラクトに関連する場合があり、またはアウトソーシング市場またはリバースオークション市場における定義された製品、提供物またはサービスのための確定価格オファーに関連する場合がある。いくつかの実施形態では、特定のマーケットプレイスのためにパラメータ化され得るスマートコントラクトテンプレートのセットは、マーケットプレイスのタイプによって制限され得る。例えば、金融商品を取引するためのスマートコントラクトの生成をサポートする場合、パラメータ化可能なスマートコントラクトテンプレートのセットは、金融商品の売り、買い、取引、および／またはオプション付けを支配するスマートコントラクトに限定されてもよい。同様に、不動産権利の取引を司るスマートコントラクトの生成をサポートする場合、パラメータ化可能なスマートコントラクトのセットは、不動産に関する販売、リース、購入、取引、またはその他の取引を司るスマートコントラクトテンプレートに限定される可能性がある。この例では、不動産取引を支配するスマートコントラクトテンプレートは、不動産のアドレス、取引に関連する価格、要件（例えば、現金のみ、融資証明、不動産の管轄における市民権／法的地位など）、取引に関連する当事者（例えば、不動産所有者、売り手エージェント、および／または同上）、法的条件（例えば、先取特権、担保、通行権、不動産境界など）または他の適切なパラメータをパラメータ化しても良い。

製品の保証を管理するように構成された保証スマートコントラクトの例示的な実装形態では、保証スマートコントラクトは、製品の購入に応答して起動されるように構成され得る。この例では、顧客が販売者及び／又は生産者のウェブサイト上で製品を登録すること、製品（例えば、スマート製品）がオンになってネットワークに接続すること、製品自体の販売（例えば、マーケットプレイスを介して）及び／又は他の適切なイベントが、スマートコントラクトの呼び出しをトリガすることがある。これに応答して、スマートコントラクトは、分散型台帳の1つまたは複数のノードで実行され、特定のデータをリッスンしたり、積極的に取得したりすることができる。例えば、製品がスマート製品である場合、製品は、使用データ（例えば、製品が使用されるたび、製品がオンにされるたびなど）、エラーデータ（例えば、製品がエラー状態に遭遇するたび）、誤用データ（例えば、デバイスによって収集された加速度計または他の動作データが製品が誤用されたことを示すとき）または他の適切なデータを報告してもよい。トリガーを検出すると、スマートコントラクトは、製品のアクティベーションから90日、購入から30日など、適用可能な保証期間を自動的に計算することができる。実施形態において、スマートコントラクトは、製品が解決できないエラー状態にあると判断することに応答して、返金または交換製品の発行を開始するように構成され得る。例では、保証スマートコントラクトは、スマートコントラクトが、製品の誤用の結果として製品が損傷していることを示す誤用データを受信した場合、保証を無効にするように構成されてもよい。

本明細書の他の箇所に記載されているように、スマートトランザクションは、特に契約の強制力を確立するためなどの、自動化されたスマートコントラクト交渉／レビューを含むことができる。自動化されたスマートコントラクト交渉／レビューは、契約条件が少なくとも強制可能であること、および契約における条件が強制され得ることを確実にするための構成ロジックおよび／または人工ベースのインテリジェンスを含むことができる。スマートコントラクトが構築／交渉されているとき、および／または契約レビューの一部として、契約の条件、参加者の好み、参加者の合意、市場要因、リスク、既存の契約などに基づいて、コンピューティングロジック、インターフェース（コンピュータベースおよび実世界）、および検証機能がインスタンス化されて実行され得る。スマートコントラクトは、契約の条件をトリガーするイベントを考慮し、契約の寿命の間、任意で継続的に、それらを検出し、検証できることを保証することができる。スマートコントラクト生成プロセスは、接触が基づく条件（例えば、条件）を考慮し、それらが検出可能であることを保証し得る。スマートコントラクトは、必要とされる契約アクションを考慮し、それらが正常に実行されることを保証／検証することができる。スマートコントラクトは、契約が動作するドメインなどの契約の「タイプ」を認識し、それ自体を適応させるように構成され得る（例えば、規制された業界内で条件が適合していることを保証する）。スマートコンタクトは、インターフェースのインスタンス化/検証時にリスクを考慮することができる。これは、契約の安定性に有益であり、リスクの高い契約参加者が、リスクの低い参加者と比較して、より厳しい初期（および場合によっては継続的）検証（および結果としてより厳しい条件）を必要とする可能性があることを確実にすることができる。さらに、スマートコントラクトは、リスクを利用して、口座残高を確認する頻度など、契約の側面（または契約の条件に基づく行動）を決定／調整することができる。

実施形態では、スマートコントラクトは、交渉参加者と双方向である可能性がある。提案された契約期間の影響シナリオを参加者に提示し、直接支払いの代わりに条件付きエスクローを提案するなど、代替案を提示することができる。

基本的なスマートコントラクトのネゴシエーション／レビュー／執行可能性の例では、ロイヤルティ条件（例えば、以下のようなもの）の執行可能性を確保する、例えば、（i）ロイヤリティが支払われるAの支払口座を特定し、その口座への入金が確認できるようにする、（ii）Yが売れたときに追跡する販売／ARシステムへのインターフェースを確認する、（iii）BによるYの販売が検出できることを確認する、（iv）Yが売れたときに入金されるBの金融口座へのインターフェースを検出するなど、一つまたは複数のシーケンスで実行可能ないくつかのアクションが含まれる可能性がある。スマートコントラクトは、代わりに、ロイヤリティの受取人Aがロイヤリティの支払いを自発的に行うためにYの販売者Bに依存しないように、（適切な契約条件の下で）ロイヤリティを引き出すことができる中間口座を通過するYの販売の売上金を強制することも可能である。

スマートコントラクトの実装例では、スマートコントラクトは、設定者の死亡時に設定者の遺産の分配を促進するように構成される場合がある。そのような遺産スマートコントラクトは、設定者の子孫などの遺産の相続人、遺産または関連契約（例えば、設定者の遺言など）で定義されたエンティティ、受託者、独立評議員、個人代表などの遺産の管理者を含む遺産の参加者を考慮に入れてもよい。参加者は、「ディセンダント(descendant)」などの用語の使用により、個別に識別および／または定義される場合がある。遺産管理者は、個々に定義されてもよい（例えば、法律事務所などの個人および／または事業体）。さらに、遺産管理者は、そのような管理者を設立および維持するための遺産規則を通じてさらに定義される場合がある。

参加者間および参加者間の遺産の管理および／または分配を目的とする関係は、遺産スマートコントラクトにおいて、または遺産スマートコントラクトに関連して呼び出されることがある。遺産スマートコントラクトが参加者間の関係に対処するように構成され得る方法の一例は、各参加者のための認証契約の自動生成、配信、および検証を含むことができる。遺産スマートコントラクトは、例えば、独立受託者が他の参加者と無関係であり、遺産の義務を負わず、遺産から利益を受けないことを要求する遺産の条件に依拠して、電子証明文書を生成し、その検証のためにデジタル署名システム（例えば、不動産取引および他の契約が実行されるシステムなど）と協働することが考えられる。

遺産スマートコントラクトは、遺産の資産が管理および／または分配される資産管理条件を決定するように構成される場合がある。遺産スマートコントラクトのまたはそのための資産制御条件は、遺産の異なるフェーズ（例えば、設定者が生きている間の第1の遺産フェーズ、設定者の死後の第2の遺産フェーズ、相続人の年齢に基づく第3のフェーズなど）をカバーし、したがって、遺産の現在のフェーズに基づく遺産資産の異なる制御を提供することができる。遺産スマートコントラクト資産制御の一例として、設定者の生存中、金融口座が設定者の制御下に置かれる場合がある。様々な方法で自動化され得る設定者の死亡の検証時に、金融口座の制御は、設定者の遺産の指定された受託者に自動的に変更される場合がある。これは、設定者の死亡証明書の検証（自動化されているか、そうでないか）と、金融口座の所有者として指定される受託者による必要な承認とともに、金融口座の口座管理指定機能へのその提示を含むことができる。遺産スマートコントラクトは、検証された死亡証明書の電子配信などの必要な情報、および／または受託者の法的識別情報が、財務管理変更目的のためにアクセスおよび使用され得る機能および／またはインターフェースを用いて構成され得る。

遺産スマートコントラクトの使用を通じて管理および／または分配され得る遺産の資産は、物理的資産（例えば、物、不動産など）、金融資産（例えば、銀行口座、投資口座、退職口座、個別金融商品、現金など）、および金融債務（例えば、債務、設定者のビジネス債務、遺産税、遺産管理費用、弁護士費用など）を含み得る。遺産スマートコントラクトは、対象物の相続人に自動的に通知し、対象物の処分に関する相続人からの指示を処理し、相続人の指示を現物資産処分サービスと調整することによって、家宝（例えば、サイン入り野球ボール）を相続人（リンク先のスマート遺言契約で定義されてもよい）に配布することを容易にすることができる。

遺産スマートコントラクトは、設定者の遺言、相続人の遺言など、依存条件を有する可能性のある他のコントラクト（スマートまたはその他）とリンクされるように構成される場合がある。したがって、設定者の死亡に伴う遺産の資産の管理及び／又は分配のためのような遺産スマートコントラクトの動作は、そのようなリンクされた契約の条件への依存を自動的に識別し可能にするように構成され得る。遺産資産の分配を容易にするためのスマートコントラクトリンクの例では、設定者の遺言は、設定者の死亡時に遺産に入れる1つまたは複数の資産を定義することができる。遺産スマートコントラクトは、所有者名の変更を行うために郡記録局などの政府機関が必要とする認可を電子的および／または物理的文書として提供することにより、別荘などの資産を遺産の名前に変更することを容易にすることができる。このようなスマートコントラクトの動作は、代わりに、別荘の推定価値が再販閾値を超えたことに応答するなど、遺産に定義された他の条件に基づいて発生することもある。

遺産スマートコントラクトは、遺産の条件に基づいて、遺産管理および／または資産分配を容易にするように構成される場合がある。例示的な条件は、相続人のために遺産スマートコントラクトで指定された遺産の一部が相続人に信託されずに分配され得る最低年齢など、遺産資産分配の年齢制限を含む場合がある。相続人が最低分配年齢に達したことを検出または通知すると（例えば、相続人の出生証明書を検証し、それに基づいて分配の日付を設定することに基づいて）、スマート遺産契約は、遺産受託者と相続人に自動的に資産を通知し、さらに、年齢ベースの分配に指定されたそれらの資産へのアクセス（例えば、証券口座のユーザ名とパスワードを電子メールで送信する）を相続人に提供しても良い。別の例示的な遺産用語は、例えば、相続人の子孫への遺産資産の分配が信託から解放されるように、子孫の世代に関連し得る。遺産スマートコントラクトに構成され得る別の例示的な遺産用語は、遺産の1つまたは複数の段階における1人または複数の受託者の存在の要件に関係し得る。受託者管理を伴う遺産分配を容易にするスマートコントラクトの基本的な例では、遺産スマートコントラクトは、受託者が指定され得る、および／または指定された受託者が指定を拒否し得るポータルを提供してもよい。このようなポータルは、（代替受託者が特定されているか、特定可能である場合）代替受託者を自動的に指定し、及び／又は、設定者の個人的代表者、設定者の子孫等の第三者に受託者を指定する必要があることを通知し得る、遺産スマートコントラクトの受託者管理機能にリンクされてもよい。

遺産スマートコントラクトは、遺産の資産価値に基づいて、遺産を適切な課税指定を有する2つ以上の関連遺産に分割するなどして、1人または複数の相続人に税制上の利益をもたらすように遺産を再構成することができる税最適化ロジックを備えて構成される場合がある。

スマートコントラクトの実装の例では、スマートコントラクトは、契約またはその一部を閉じるように構成される場合がある。契約条件は、契約全体を閉鎖させることなく、契約の1つまたは複数の条件など、契約の一部を閉鎖することを容易にする切断可能性を含み得る。契約条件には、契約を終了させることができる条件を含めることができる。契約又はその一部を閉じることは、契約の1つ又は複数の当事者が、閉じる権利（任意に条件付き権利）を行使することを含むことができる。契約又はその一部を閉じることは、契約の条件が満たされたとき（例えば、納品が確認されたとき、納品物が適時に作られなかったとき等）、自動的に閉じることを含むことができる。

スマートコントラクトは、契約条件の遵守および／または条件の満足度を随時評価することによって、契約またはその一部を閉じることを容易にするように構成される場合がある。例えば、1つ以上のプロセッサ上で実行可能なスマートコントラクトは、契約期間の開始日、終了日、開始条件、終了条件、および／または契約の測定可能な要素（例えば、ローカル流通デポにおける在庫の最低レベル）に基づく派生値などの契約条件の遵守を決定することを容易にする契約の条件を代表するデータを入力として受け取る1つ以上のプロセッサ上で実行可能な論理セットなどの契約期間評価ファシリティで構成されうる。このような契約期間評価設備は、契約における他の条件によって制御されてもよく、したがって、在庫レベルが最小レベルまで補充されなければならない期間など、他の契約条件を代表するデータを処理してもよい。この例では、契約条件評価設備は、契約の状態を「アクティブ」から「終了待ち」に影響させる可能性のある条件評価結果を生成してもよい。スマートコントラクトは、契約の一部が閉鎖を保留しているときに起動される条件に基づいて、在庫記録が補充期間を超えて最低値を下回ったままである場合など、契約状態を「アクティブ」に戻すために必要な条件が満たされない場合に、契約（またはその関連部分）を閉じるために自動的に実行できる取引などを構成するアクションを実行する契約状態処理論理をさらに含み得る。スマートコントラクトによる自動実行のためにロードされ得るトランザクションの例としては、契約の少なくとも関連部分の閉鎖時にエスクロー残高を受け取るために、エスクロー口座から契約に定義された参加者のプライベート口座への資金移動が含まれる場合がある。別の例示的な取引は、クローズされた部分が削除された修正された契約の発行を含み得る。実施形態では、契約の一部を閉じることは、商業契約の場合、支払いスケジュールなど、他の部分の条件に影響を与える可能性がある。したがって、スマートコントラクトは、修正および再修正された契約において、これらの他の条項を自動的に調整することができる。

スマートコントラクトは、手付金を買い手に自動的に返す、少なくとも参加者（および契約終了条件で特定されたその他の当事者）に契約終了を通知する、契約条件を再交渉する、提案依頼施設に信号を送り、納品されなかった契約で定義された作業に対する提案依頼（または第三者とのバックアップ契約の起動）を再開するなど、契約終了条項で定義付けられたアクションを取って契約全体を終了することができる。

スマートコントラクトの実装例では、スマートコントラクトは、修復イベントをトリガーするように構成される場合がある。当事者は、契約、任意で契約条項の遵守に寄与するイベントだけでなく、契約条項などの契約における条項に基づいてトリガーされ得るイベントを定義し得るスマートコントラクトによって記念され得る契約を締結し得る。契約における条件に基づいてトリガされ得るそのようなイベントの1つは、改善イベントである。実施形態では、救済イベントは、契約の別の当事者が契約の条件を遵守しなかった場合に、契約の当事者の一方を丸く収めるために調停行動を指示することができる。実施形態において、救済イベントは、天災、パンデミックなど、契約の当事者の制御の及ばない状況が発生した場合に、救済行動を引き起こす可能性がある。スマートコントラクトは、改善イベントのトリガーを必要とし得る条件を理解するように構成され得る。実施形態において、1つ以上のプロセッサ上で動作可能なスマートコントラクトは、時間の経過とともに、コンプライアンスを確保するためにスマートコントラクトが監視している行動／条件に関する契約の1つ以上の当事者のパターンを特定し得る機械学習ロジックを備えて構成される場合がある。スマートコントラクトは、当事者が、早期支払いを要求しながら、延長された納品猶予期間の終了時に、契約で特定された納品物を一貫して提供することを決定してもよい。この例では、スマートコントラクトは、契約の条件の再交渉を開始することができる是正イベントをトリガーすることができる。スマートコントラクトがトリガーする可能性のある別の改善アクションは、契約の条件の遵守を再優先することであり、契約への影響が小さい他の条件の遵守の欠如を、影響を受ける当事者にフラグを立てるなどして重要度を高め、及び／又は公称契約実行条件の下ではトリガーされないであろう他のアクションをトリガーすることが可能である。

スマートコントラクトの実装例では、スマートコントラクトは、デジタル製品に暗号鍵を配信するように構成される場合がある（プライベートキーイベント）。ネットワーク上で安全なデジタル取引を行うには、特に、そのような取引の参加者をデジタル的に検証できることを保証するために、公開暗号鍵および非公開暗号鍵などの暗号鍵の使用が必要な場合がある。スマートコントラクトは、暗号鍵の配信などにより、ネットワーク上での安全なデジタル取引の実施を促進するために利用される場合がある。スマートコントラクトはさらに、デジタル製品に暗号鍵を配信することなどにより、デジタル製品の使用を容易にするために利用されることがある。スマートコントラクトの例では、2つの当事者が、支払いなどのために当事者間で安全な取引を行うデジタル製品など、自分の代わりに取引を行うデジタル製品の使用に関する契約を締結することを希望する場合がある。この合意は、合意によって定義される取引を、ブロックチェーン等の使用を通じて電子的に実施できるように、参加者の公開暗号鍵を提供するスマートコントラクトとして構築される場合がある。このようなスマートコントラクトは、参加者の公開暗号鍵だけでなく、デジタル製品（複数可）が契約の実行において役割を果たすことを可能にするためのデジタル製品用の暗号鍵（モバイル取引プラットフォームなど）など、取引の実行に必要な他の鍵で構成される場合がある。このような契約に基づいて行われる取引は、スマートコントラクトが、契約の参加者Aが、参加者Bへのデジタル通貨の送信など、契約の参加者Bとの取引の実行を希望することをデジタル製品にシグナリングすることを含む場合がある。スマートコントラクトは、任意で、取引が契約の条件に準拠していることを検証し（例えば、参加者Bへの支払いが契約の条件を満たすことを確認し）、参加者Bの公開暗号鍵を（オプションで取引指示とともに）デジタル製品に転送する場合がある。スマートコントラクトは、デジタル製品の使用も契約に準拠していること（例えば、取引額がデジタル製品の使用に関する最大閾値を超えないこと等）を保証するために処理される条件、条項、およびロジックで構成され得る。

スマートコントラクト実装の例では、スマートコントラクトは、オークションを構成し実行するように構成され得る。実施形態では、確立された最低入札額、入札増分、入札者の財務的または他の資格、アイテムに入札するときの入札者の義務、オークションでアイテムを提供するオークション参加者の義務、支払い形態などのオークションの規則は、スマートオークション契約の特徴として構成されてもよい。入札者は、オークションの出席、プロキシの確立および使用など、彼らの参加のために確立および実施される契約の一連の条件を有するオークションスマートコントラクトの参加者であってもよい。オークションスマートコントラクトは、買い手、売り手、オークションサービス、物品輸送及び倉庫管理プロバイダ等のサードパーティ間の拘束力のある契約の確立及び実施を自動化する、機能的でコンピュータ実行可能な契約から構成されてもよい。オークション調整サービスは、時間、場所、入札プロセス、オークション用アイテムの要求、オークション収益の配分および使用、オークションに参加するサードパーティの条件など、最初のオークション計画からオークションアイテムの配達まで、オークションの運営を容易にする適切な情報でオークションスマートコントラクトを構成し得る。実施形態では、アイテム固有のスマートコントラクトは、最低入札額、許容される支払い形態などの独自の条件を有するオークション用の各アイテムに対して構成される場合がある。各項目別スマートコントラクトは、マスタースマートオークション契約などの1つまたは複数のスマートオークション契約と（例えば、論理的、操作的などに）リンクされてもよい。マスタースマートオークション契約との論理的な項目別スマートコントラクトのリンクの例は、オークションの場所、オークションの支払いプロセッサ、オークションの項目順序（例えば、どの項目が項目別スマートオークション契約が構成される項目の前にオークションされ、どの項目が項目の後にオークションされるか）等の特定の情報の共有を含み得る。項目別スマートオークション契約の例では、最低入札額（参加者が少なくとも最低入札額のオファーを出すまで入札は開始されない）、支払い促進者（クレジットカード取引サービス、デジタル通貨サービスなどのベンダー）、サービス料回収補足額（例えば、入札額に加えて、オークションサービス料、物流業者手数料、慈善寄付金手数料など）、商品ごとの固定額および／または落札価格に対する割合に基づく収益の分配（例えば、オークションサービス料2％、物流手数料5％または25ドルのいずれか少ない方、慈善寄付金ライダー3％など）は、スマートオークション契約の実行により強制される論理条件として構成され得る。

スマートコントラクトの実装例では、スマートコントラクトは、通貨トークンおよび／またはトークン化されたデジタル知識の分配を促進するように構成される場合がある。通貨トークン、デジタル知識トークン、デジタル資産などの配分および分配は、デジタルトークン分配の誰、何、なぜ、およびいつを確立する契約または一連の契約の1つまたは複数の条件に基づいてもよい。通貨トークン、デジタル知識トークンなどのデジタルトークン配布を制御するための典型的な契約は、契約条件内で動作するように構成されたスマートコントラクトとして具現化されてもよい。デジタルトークン配布のために構成されたスマートコントラクトの機能の初歩的な例には、金融市場の動きに基づくなどの連絡条件に基づいて、デジタル契約として具現化された契約の参加者の間でデジタル資産の再割当てを自動化することが含まれる。再割当を行うための合意の条件は、分散型金融取引プラットフォーム（例えば、ブロックチェーンベースの取引プラットフォームなど）などの市場の使用にさらに依存してもよい。スマートコントラクトは、分散型金融取引プラットフォーム上またはそれに関連して合意の参加者を識別し、その関連条件に基づいて、再割当のためにプラットフォーム上で安全な取引を行う、または行わせるインターフェースおよび運用ロジックを備えて構成され得る。このようなスマートコントラクトは、契約のペイヤー参加者（例えば、買い手）及び契約のペイジー参加者（例えば、売り手）のデジタル資産アカウント、当該分配の条件及びタイミング等の通貨分配指示等を用いて構成され得る。スマートコントラクト、またはその一部は、1つまたは複数のサーバ、IoTデバイスなどのプロセッサ上で動作して、通貨分配を効果的に行わせることができる。一例として、IoT対応デジタル通貨キオスクは、IoT対応キオスクのフリートの動作を少なくとも部分的に制御するスマートコントラクトの一部で構成される場合がある。キオスク（または、例えば、IoT対応キオスクのコンピューティングロジックのセットなどのその処理部分）は、スマートコントラクトの取引を行うために他の参加者（例えば、支払者）から入力を受け取ることを許可することができるスマートコントラクトの参加者として定義されてもよい。キオスクのスマートコントラクト参加者を通じて受信された入力は、任意で他のネットワークアクセス可能なコンピューティングシステムによって操作され得るスマートコントラクトの他の部分と共有され、スマートコントラクトとして具体化された基礎的な契約の通貨分配条件に従って処理される可能性がある。

スマートコントラクトの実装例では、スマートコントラクトは、マーケットプレイス、取引所、取引プラットフォームなどにわたるデジタル知識の交換を構成および管理するように構成される場合がある。バリューチェーンネットワークの例では、第1のマーケットプレイスは、原材料の取引を促進することができる。第二のマーケットプレイスは、完成品材料の卸売取引を促進することができる。第3のマーケットプレイスは、完成品の小売取引を容易にすることができる。スマートマーケットプレイス交換契約は、これらのマーケットプレイスのうちのいくつかの間で知識共有／交換契約の条件を処理するためのコンピュータ実行可能な機能で構成される場合がある。一例として、スマートコントラクトは、完成品マーケットプレイス（複数可）で利用可能になった完成品の生産に起因する原材料の廃棄に関する知識の交換を促進するように構成される場合がある。このような例示的なスマートコントラクトは、さらに、他の生産副産物情報（例えば、炭素排出量など）をマーケットプレイス間で共有することを容易にし、完成品の価格設定および／または購入条件がそれに基づいて適合され得るように構成され得る。スマートコントラクトは、ある市場（例えば、流通）から別の市場（例えば、小売）への材料移転の条件（例えば、小売市場による包装材料の適切な再利用／リサイクル）を強制するように構成される場合がある。これは、例えば、包装材料が契約の条件に従ってルーティングされることを保証するためにスマートコントラクトに情報を提供する包装位置追跡装置によって可能になり、当事者がかかる条件を遵守しない場合、包装のために支払われた保証金の保持、自動請求書決済の増加など、スマートコントラクトのアクションがトリガーされる。

スマートコントラクトの実装例では、スマートコントラクトは、同意、同意の範囲、文書アクセスなど、その様々なアクション／要件について電子医療記録（EMR）を管理するように構成される場合がある。電子医療記録へのアクセスおよび電子医療記録の使用は、高度なプライバシー、セキュリティ、および完全性を確保するように設計された規制要件の対象となり得る。プロバイダ、保険会社、請求部門、患者などによるアクセスは、一般に患者の同意に由来する様々な認可に従わなければならない。スマートコントラクトは、例えば、患者の同意に基づく電子医療記録アクセスの一次制御として動作するように構成され得る。救急室の医療スタッフなどが使用する電子記録システムなどのEMRアクセスシステムは、EMRアクセスの要求をEMRスマートコントラクトに誘導し、アクセス要求がその同意要件を満たすことを確認するために処理できる1つ以上の同意ポータルで構成される場合がある。実施形態において、EMRスマートコントラクトは、そのようなアクセス要求（例えば、患者のEMRに一連の医療画像（例えば、MRIなど）を取り込むための医療画像システムによる）を検出するように構成されることができる。リクエストの緊急度、リクエストを行うプロバイダ、記録が閲覧される施設の場所（例えば、患者のホームステート内の国内オフィス、患者のホームステート外の場所、外国の管轄区域など）等のリクエストに含まれる、またはリクエストに関連する情報は、リクエストを処理し得るスマートコントラクトの制御機能への入力、アクセス同意の必要な程度および範囲の決定（例えば、を決定し（例えば、同意有効期間を超えて与えられた明示的な同意は、患者の生命を脅かす状態が要求に伴っている場合を除き、無効な同意とみなされ得る）、それに基づいて、要求するEMRアクセスシステムによるアクセスを承認する。EMRスマートコンタクトは、基礎となるEMRスマートコントラクトの医療記録アクセス管理施設参加者に対して、同意で明示的に許可された記録のみへのアクセスの自動認可を提供してもよい。同意に準拠する要求されたレコードは、スマートコントラクトの操作の結果として、要求の開始者が利用できるようにされることがある。

スマートコントラクトの実装例において、スマートコントラクトは、臨床試験を管理するように構成され得る。スマートコントラクトが管理するように構成され得る臨床試験の側面は、限定されないが、IRB承認の追跡、患者登録およびインセンティブ支払い、医師および施設の連携、製薬関連の側面、臨床試験データアクセス、認証等を含み得る。実施形態では、マスタースマートコントラクトは、臨床試験の一部を制御する他のスマートコントラクトと積極的にリンクするように構成され得る。一例として、医師連携は、医師、施設などが参加するスマートコントラクトによって制御される場合がある。このスマートコントラクトは、臨床試験マスタースマートコントラクトと相互作用し、医師コラボレーションスマートコントラクトの条件下で、参加医師が、そのすべての条件が考慮されたマスター臨床試験スマートコントラクトの参加者になり得るようにすることができる。この例内では、医師は、臨床試験スマートコントラクトへの参加をオプトアウトすることができるが、臨床試験とは別のコラボレーションのための医師コラボレーションスマートコントラクトによって拘束されたままにすることができる。臨床試験スマートコントラクトのマスターは、さらに、臨床試験のために開発された知的財産が所有、管理、および収益化される条件を管理する知的財産開発関与スマートコントラクトとリンクすることができる。

スマートコントラクトの実装例では、スマートコントラクトは、医療補助金を管理するように構成され得る。スマートコントラクトによって管理され得る医療助成金の側面には、助成金資金、助成金リソース、および助成金当事者（患者、プロバイダ、研究機関、助成金プロバイダ、政府機関、助成金所見消費者、医療分野関連会社、ノーベル賞記録保持など）が含まれる。医療助成金管理スマートコントラクトは、政府助成金、産業界助成金、高等教育助成金、民間助成金などの管理を容易にし得る。医療助成金は、助成対象者が資金を提供されるために遵守することに同意しなければならない一連の条件とともに提供される場合がある。これらの条件には、段階的な助成金の払い出しが含まれる場合がある。医療助成金管理スマートコントラクトは、このような契約の参加者が助成金の条件を遵守するための関連情報を提供することができるインターフェースを備えて構成される場合がある。一例として、医療助成金の条件は、助成金の一部の参加候補者が資格アンケートに回答することを要求する場合がある。医療補助金管理スマートコンタクトへのインターフェースは、完了した各アンケートおよび／または完了したアンケートのサマリーを受け取るように構成される場合がある。スマート補助金の補助金期間遵守機能は、このようなインターフェースを監視して、インターフェースに入力されたアンケート関連情報を受信して処理（例えば、カウント／検証／文書化／シリアライズ）してもよい。かかる機能は、受信したアンケート情報を処理した結果に基づいて、アンケート条件の充足に条件付きで基づいている資金を放出するかどうか及びどのように放出するかを決定し得るスマートコントラクトの資金支出機能と協調して動作してもよい。スマートコントラクトのそのような資金支出機能は、監査人の承認（任意に自動化された承認）に基づき、条件付き資金を被授権者口座に支出させることができる資金支出監査機能とさらに相互作用してもよい。

スマートコントラクトの実施例において、スマートコントラクトは、コンサルタントを管理するように構成されてもよい。実施形態において、コンサルタント管理スマートコントラクトは、コンサルタントの支払手配及び実行、コンサルタントの利益相反審査、コンサルタントの作業明細書契約等のコンサルタント管理面の管理を容易にすることができる。コンサルタント管理スマートコントラクトは、利益相反基準（スマートコントラクトの機能用語として具現化され得る）を確立するために使用され得る作業明細書契約（それ自体任意にスマートコントラクト）から情報を受け取り得る。コンサルタントは、そのようなコンサルタント管理用スマートコントラクトに対して、情報衝突審査情報を提供し得る（例えば、現在の仕事の割り当て、仕事の履歴、現在および以前の所属などのリストおよびオプションの記述）。任意で、スマートコントラクトは、一般的なインターネット検索、ソーシャルメディア及びビジネスメディア情報収集プラットフォーム、業界情報プラットフォーム、コンサルタント紹介、類似コンサルタント情報などの公開及び第三者情報収集サービスを採用して、（例えば、人間、人工知能システムなどによる）さらなるフォローアップを必要とする潜在的な紛争項目の決定及び所定のコンサルタントに対して利益相反が存在するか否かの決定の少なくとも一方のための情報を収集及び任意で審査し得る。コンサルタント契約は、コンサルタントが潜在的な利益相反の一部から免除されることを請願することができる利益相反請願プロセスをさらに定義することができる。対応するスマートコントラクトは、利益相反条件免除の提出、処理、及び承認（オプションで人間のレビュー付き）を自動化することができる。例として、利益相反条件は、利益相反として、営利目的の林業会社への雇用またはコンサルティングを特定することができる。スマートコントラクトは、コンサルタント及び／又は請負会社を使用する政府の林業プログラムを調べ、特定のコンサルタントがこれらのプログラムの1つのコンサルタントとして指名されている／されていたと判断することができる。スマートコントラクトは、さらに、関連する政府林業プログラムの支払情報を受信及び／又は取得し、特定のコンサルタントがプログラムに対するサービスの支払先であるかどうかを自動的に判断してもよい。この判定の結果に基づいて、スマートコンサルタント行政管理契約は、権利放棄の申立てを拒絶してもよいし、権利放棄の申立てを許可してもよい。スマートコントラクトは、自動的に、及び／又は、人間の支援を得て、権利放棄の申立てを処理することができる。

スマートコントラクトの実装例では、スマートコントラクトは、出版物の配布、販売価格などの契約条件が確立された出版物などの出版物を追跡するように構成される場合がある。出版物追跡スマートコントラクトは、デジタル出版物、ニュースレター、電子メールキャンペーン、物理的出版物、新聞、ニュースレター、規制出版物、販売／使用条件の更新など、広範な出版物を追跡するように構成されてもよい。出版物契約の条件には、出版物のコンテンツを開発するための著者への前払い金が含まれる場合がある。これらの条件には、契約書に記載された時間枠内で、最小ページ数、編集者との会合など、実証可能なマイルストーンが含まれる場合がある。実施形態では、マイルストーンの成功裏の完了は、さらなる前払い、流通経路の優先順位など、出版契約の他の条件に影響を与える可能性がある。出版追跡スマートコントラクトは、著者が、1つまたは複数のマイルストーンに対する進捗を示すことを意図した成果物を提出することができるポータルを備えて構成される場合がある。任意で出版追跡スマートコントラクトは、キー入力、ファイル更新、成果物（例えば、原稿など）に費やした時間などの成果物に影響を与える活動を監視する、著者の執筆システム（例えば、パーソナルコンピュータ、ブラウザなど）上でまたはそれに関連して実行するモジュールなど、成果物活動を監視する方法およびシステムを含む場合がある。スマートコントラクトの配信側条件は、小売店（例えば、ニューススタンド、書店など）に配信される出版物のコピーの数およびタイミングに基づく配信物を含む場合がある。スマートコントラクトは、様々な出版物の生産、配達、流通、最終読者販売システムとインターフェースし、そのような契約の出版物配達条件に対する満足な進展および／または完了の判断に影響し得る情報を取り込むことができる。出版物追跡の他の形態は、スマートコントラクトのエンドユーザポータルを含み、このポータルを介して顧客のタッチポイント活動（例えば、顧客が出版物の裏表紙のQRコード（登録商標）をスキャンする）がチャネルされ、出版物に関連する第三者協定が維持される場合がある。

スマートコントラクト実装の例では、スマートコントラクトは、メディアライセンスを管理するように構成される場合がある。スマートメディアライセンス契約は、コンテンツライセンス、音楽サンプリング、タレント契約、ロイヤリティ追跡および分配、残留追跡、ペイパープレイ追跡、ビデオゲーム内などのペイアズユーゴー使用など、限定されないメディアライセンス態様の範囲を管理し得る。スマートメディアライセンス契約を構成することは、契約がコンテンツ所有者料金、分配料金、広告主料金などのライセンス条件を定義するコンテンツのリストを、1つまたは複数のデータ構造に構成することを含むことができる。このようなデータ構造内の情報は、契約条件（たとえば、コンテンツのインスタンスに関連する広告配置に対して各広告主が支払わなければならない金額）を表すロジックを、スマートフォン上のビデオレンダリングサービスなどによるコンテンツのインスタンスの配信およびレンダリングなどのコンテンツ活動を表すデータに適用するスマートコントラクトアルゴリズムを実行するコンピューティングシステム（たとえば、プロセッサ、サーバなど）によりアクセス可能となる。スマートメディアライセンス契約は、契約のコンテンツライセンス条項の遵守を更新するために、随時、データ構造から情報を取得することができる。実施形態において、スマートコンテンツライセンス契約、またはその一部は、ゲームシステム、ゲームプログラム、または他のゲーム機能（例えば、仮想現実デバイスなど）にデプロイされ、かつ／またはそれと一緒にデプロイされることがある。スマートコントラクトの展開された部分は、コンテンツおよび関連機能の使用ビュータイムを反映するためにデータセットの一部を更新することなどにより、ユーザによるゲームプレイの範囲内で従量制のコンテンツ使用に対処することができる。

例示的な実装形態では、スマートコントラクトは、供給品又は材料を注文するように構成される場合がある。供給品または材料は、貯蔵、必要、要求、契約などの供給品または材料の量に関連するトリガー条件などの、トリガー条件の充足に応答して注文されることがある。スマートコントラクトは、特定のベンダーなどの所定の供給源から供給品または材料を注文するように構成される場合がある。スマートコントラクトは、顧客の住所、供給者の住所など、所定の場所に供給品または材料を送らせるように構成される場合がある。供給源、コスト、量、品質などの供給品または材料の属性は、スマートコントラクトの作成時に決定されてスマートコントラクトに符号化されてもよく、スマートコントラクトは、スマートコントラクトの作成後に供給品または材料の属性に関する情報を取得するように更新されてもよく、および／またはスマートコントラクトは、スマートコントラクトによって、分散台帳によって、および／または関連システムまたはデータソースによって供給品または材料の属性を決定できるような論理を含んでもよい。供給品または材料は、原材料、部分的に製造された商品、製造された商品、天然資源、計算資源、エネルギー資源、および／またはデータ管理資源など、任意の適切なタイプの供給品または材料を含んでもよい。

例示的な実装形態では、スマートコントラクトは、資金及び／又は資産をパーティに解放するように構成され得る。資金及び／又は資産の当事者への解放は、1つ又は複数の当事者による物品及び／又はサービスの提供などのトリガー条件の充足に応答して実行されてもよい。資金及び／又は資産は、スマートコントラクトの作成時に予め決定されてもよく、及び／又はスマートコントラクトの作成後に決定されることもある。資金は、不換紙幣、デジタル通貨、又は任意の他の適切なタイプの通貨を含むことができる。資産は、財産、資源、供給品、材料、土地、道具、設備、及び／又はこれらに対する所有権などの物理的資産を含むことができる。また、資産は、処理能力、クラウドストレージ機能、デジタル署名、プログラム、ファイル、データなどのデジタル資産を含んでもよい。スマートコントラクトは、資金及び／又は資産の放出に関連するタイミング、量、品質、ソース、又は他の適切な条件若しくは属性を決定するように構成された論理を含むことができる。

例示的な実装形態では、スマートコントラクトは、政府／規制データベースを更新するように構成される場合がある。政府または規制データベースは、1つまたは複数の当事者による1つまたは複数の規制要件の履行または不履行などのトリガー条件の充足に応答して更新される場合がある。政府又は規制データベースは、自治体データベース、州データベース、連邦データベース、外国データベース、政府機関のデータベースなど、任意の適切なデータベースを含むことができる。データベースは、スマートコントラクトの1つ以上の当事者に関連するデータ、分散型台帳の1つ以上のエントリに関連するデータ、1つ以上の通貨量および／または物理的またはデジタル財産の断片に関連するデータなど、任意の適切なデータで更新されてもよい。

例示的な実装形態では、スマートコントラクトは、当事者に対して違反の通知を発行するように構成される場合がある。違反の通知は、契約の1つ以上の当事者による契約の条件に対する重大な不遵守などのトリガー条件の充足に応答して発行される場合がある。スマートコントラクトは、違反に関連する1つ以上の条件を監視することなどにより、当事者による違反を自動的に検出するように構成され得る。違反に関連する条件の一例は、特定の日付及び／又は時間による当事者による不払いであり得る。違反に関連する条件の別の例は、当事者間の合意の1つまたは複数の条件に従って物品および／またはサービスを提供しないか、または適切に提供しないことである場合がある。違反の通知は、電子メール、ファクシミリ、インスタントメッセージ、テキストメッセージ／SMS、ウェブサイトおよび／またはソーシャルメディアへの投稿、従来の郵便、新聞などの出版、プロセスサーバ、および／または違反の通知を発行する他の任意の適切な手段などによる、違反当事者への送信を含むことができる。

例示的な実装形態では、スマートコントラクトは、通貨および／またはトークン間の為替レートを変更するように構成される場合がある。通貨および／またはトークン間の為替レートの変更は、トリガー条件の充足に応答して実行されてもよく、および／または、スケジュールに従ってなど、1つまたは複数の所定の時間に実行されてもよい。スマートコントラクトによる為替レートの変更をトリガーし得るトリガー条件の一例は、1つまたは複数の通貨および／またはトークンの値が変化すること、例えば、その値が閾値を超えることであってもよい。通貨は、不換紙幣、デジタル通貨、または任意の他の適切なタイプの通貨であってもよい。トークンは、デジタル通貨を表すデジタルトークン、1つまたは複数のデジタルおよび／または物理的財の所有権または権利を表すデジタルトークン、プログラムを表すデジタルトークン、分散台帳に格納された情報を表すデジタルトークン、または任意の他の適切なタイプのトークンであってもよい。

例示的な実装形態では、スマートコントラクトは、金利を増加または減少させるように構成される場合がある。金利の増減は、契約の当事者による所定額の債務の支払い、及び／又は契約の当事者による閾値を超える頭金の支払いなどのトリガー条件の充足に応答して実行されてもよい。増減は、任意の適切なタイプのローンまたはセキュリティ契約の金利に対して行われ得る。金利の増減は、分散型台帳上で取引される契約、または銀行や住宅ローン会社など分散型台帳とは別に取引される契約に関連する1つまたは複数の金利を調整することによって行われることがある。

例示的な実装形態では、スマートコントラクトは、担保の一部に対する差し押さえを開始および／または実行するように構成される場合がある。差し押さえは、担保がローンを担保するために使用される契約の当事者によるデフォルトなどのトリガー条件の充足に応答して、開始および／または実行されることがある。差し押さえは、スマートコントラクトに符号化された条件に従って開始および／または実行される場合がある。差し押さえは、スマートコントラクト自体によって開始および実行されてもよく、または金融機関など、スマートコントラクトの外部に開始シグナルを送信することによって開始されてもよい。

例示的な実装形態では、スマートコントラクトは、契約に関与する財産の一部に先取特権を設定するように構成される場合がある。先取特権は、スマートコントラクトの作成時、及び／又は、複数の当事者間でなされた合意の条件を用いてコントラクトを構成する際に置かれることがある。先取特権は、ローン契約を担保するためのデジタル及び／又は物理的な財産の使用など、トリガーとなる条件の充足に応答して配置されることがある。先取特権及び／又は先取特権に関連する条件は、分散型台帳に保存されてもよく、及び／又はスマートコントラクトに符号化されてもよい。先取特権は、分散型台帳に記憶されているデジタルアイテムに置かれることがある。スマートコントラクトは、その履行時に先取特権を解放することに関連する1つ以上の条件を追加的に含むことができる。

例示的な実装形態では、スマートコントラクトは、タイトルの変更を記録するように構成される場合がある。所有権は、デジタル財産の1つ以上のインスタンス、物理財産の1つ以上のインスタンス、不動産の1つ以上のインスタンス、またはそれらの組み合わせに対する所有権であってよい。タイトルの変更は、契約における一方または当事者から他方への財産の移転、または契約の他の当事者による財産と引き換えに契約の一方の当事者による支払いまたはサービスの提供などのトリガー条件の充足に応答して記録される場合がある。権原は、分散型台帳に保存することができる。権原の変更の記録は、郡登録機関やデジタル権原データベースなど、分散型台帳の外部の1つまたは複数の受信者への1つまたは複数の信号および／または文書の送信によって行われる場合がある。

例示的な実装形態では、スマートコントラクトは、UCCファイリングを行うように構成される場合がある。UCCファイリングは、政府機関などの任意の適切な受信者に行われ得る。UCCファイリングは、第1当事者と第2当事者の間の合意に従って第2当事者が第1当事者の財産に対する持分を取得するなどの1つ以上のトリガー条件の充足に応答して行われることがある。合意は、スマートコントラクトに格納されてもよい。UCCファイリングは、1つ以上の信号及び／又は文書を適切な受信者に送信することによって行われることができる。UCCファイリングは、分散型台帳に格納されてもよい。

例示的な実装形態では、スマートコントラクトは、UCC出願を消滅させるように構成される場合がある。UCC出願は、信号、デジタル文書、または他の任意の適切な通知またはデータを、政府機関などの適切な受信者に送信することによって消滅させることができる。UCCファイルは、第1の当事者による第2の当事者への債務の支払いなど、1つまたは複数のトリガー条件の充足に応答して消滅させることができ、債務の支払いは、契約の条件に従って、第1の当事者が所有する不動産に対する第2の当事者の持分を解放することを要求する。合意は、スマートコントラクトに符号化されることがある。

例示的な実装形態では、スマートコントラクトは、複数の当事者間で支払いを割り当てるように構成される場合がある。支払いの割り当ては、支払いが割り振られる当事者間の合意の開始など、1つ以上のトリガー条件の充足に応答して実行される場合がある。スマートコントラクトが複数の当事者間で支払いを配分する原因となり得るトリガー条件の別の例は、支払いが配分される当事者の1つ以上による物品および／またはサービスの引渡しである。支払いは、スマートコントラクトに符号化された条件、分散型台帳に保存された条件、および／または分散型台帳の外部にある条件に従って配分される場合がある。支払いは、スマートコントラクトの作成時に、複数の当事者間の合意時に、又は任意の時期に、又は任意の適切な条件の充足時に、スマートコントラクトに符号化された支払い条件に従って配分されてもよい。

例示的な実装形態では、スマートコントラクトは、参加する所有者間で利益を配分するように構成される場合がある。利益の配分は、スマートコントラクトに符号化され、かつ／またはインポートされ得る所有権および／またはパートナーシップ契約の条件などの公式に従って実行され得る。数式および／または契約は、デジタル台帳に保存されることがある。数式および／または合意は、事業の所有権、1つまたは複数の証券の所有権、1つまたは複数のタイプの有形および／または無形財産および／または証券への共同投資など、任意の適切なタイプであってよい。

例示的な実装形態では、スマートコントラクトは、支払いを行うように構成される場合がある。支払いは、当事者間の合意の支払スケジュールに従ってなど、1つ以上のトリガー条件の充足に応答して行われる場合がある。支払いは、1つまたは複数のデジタル通貨および／またはデジタル台帳に保存された残高を転送することによって行われる場合がある。さらに、または代替的に、支払いは、銀行など分散型台帳ネットワークの外部の受取人に電信送金信号などの信号を送信することによって行われる場合がある。支払いは、スマートコントラクトに符号化された契約の1つ以上の当事者に対して行われてもよく、および／または、分散型台帳に格納された物品の販売、ライセンス、リース、および／または移転のために1つ以上の当事者に対して行われてもよい。

例示的な実装形態では、スマートコントラクトは、ギフトを送信するように構成される場合がある。ギフトは、特定の日付または時間など、1つまたは複数のトリガー条件の充足に応答して送信される場合がある。贈り物は、ある当事者から別の当事者へ、および／または分散型台帳の任意のユーザ、そこに格納された契約の当事者、および／またはそこに格納されたデジタル財産および／または通貨の所有者もしくは賃借人へ、またはそこから送信されてもよい。贈り物は、デジタル通貨および／または財産、フィアット通貨、物理的財産、デジタルおよび／または物理的財産の所有権、または他の適切な贈り物を含むことができる。

例示的な実装形態では、スマートコントラクトは、ゲーミングイベントをトリガーするように構成され得る。ゲームイベントは、スマートコントラクトに符号化された契約に対する1つ以上の当事者による1つ以上のゲームインセンティブ目標の達成などのトリガー条件の充足に応答してトリガーされ得る。例えば、当事者は、スマートコントラクトに符号化された物品販売に関する契約を締結することができ、設定された増分の物品を販売すると、当事者は、デジタルゲームトークンなどの1つまたは複数のゲームインセンティブを受け取ることができる。ゲームイベントは、販売又は契約のゲーミフィケーションなど、任意の適切なゲームに関連することができる。ゲームイベントは、分散型台帳の1人または複数のユーザにデジタル通貨などのゲームインセンティブを授与することを含むことができる。

いくつかの実装形態では、スマートコントラクトは、例えば、配送場所での貨物の受領を確認する、別のスマートコントラクトまたはスマートコントラクトのシーケンスをインスタンス化する、フランチャイズ契約を管理する（フランチャイズ規則の追跡および適用など）、政府契約を管理する、不動産（住宅ローンおよび融資、権利、保険の管理など、など）、輸送資産の管理（所有権、保険、排出量などの管理）、金融契約の管理、企業契約の管理（仕事の声明、購入契約、雇用契約、合併、買収、保険など）、データプライバシーの追跡、遺言または信託の管理、結果依存取引の実行、などがある。

いくつかの実装形態では、スマートコントラクトは、ソーシャルメディアイベント、社会的影響測定（フォロワー数、投稿数、いいね数、ビュー数などを含む）、天候または災害イベント（深刻な天候被害、作物破壊、火災、洪水、パンデミック、地震、ハリケーン、戦争などを含む）、製品またはサービスの購入、担保に関する変更（担保のトークン化、担保の移動、担保へのダメージ、担保の減価を含む、等）、契約イベント（IoTデバイスにリンクされた債券またはローン等）、機械間イベント（互いに契約するデジタルツイン、互いに契約するIoTエージェント、機械間またはデジタルツインの支払いネットワークイベント等を含む）、広告イベント、マーケティングイベント、ゲームイベント、量子サービスイベント、スポーツイベント、賭博イベント、セキュリティイベント、エネルギー市場イベント、製品リリースイベント等のイベントの1つ以上による発生時に呼び出されることがある。

実施形態において、プラットフォーム20500は、新しいスマートコントラクトを生成することを要求するユーザに対してGUIを提示してもよい。実施形態において、プラットフォーム20500は、ユーザが要求した取引のタイプに基づいてユーザが選択することができるスマートコントラクトテンプレートのセットを提供してもよい。例えば、マーケットプレイスが不動産の権益を売買するために構成されている場合、プラットフォーム20500は、不動産取引に関連するスマートコントラクトを生成するための1つまたは複数の選択肢をユーザに提供してもよい。ユーザは、回答すると、プラットフォーム20500がユーザの意図に最適化されたスマートコントラクトテンプレート（例えば、貸付ベースのスマートコントラクトテンプレート、不動産物件の持分の売却を規定するスマートコントラクトテンプレート、先物契約を規定する商品取引スマートコントラクトテンプレート等）を選択する結果となる一連の質問を与えられてもよい。あるいは、利用可能なスマートコントラクトテンプレートのメニューがユーザに提供され、ユーザは、メニューからスマートコントラクトテンプレートのうちの1つを選択することができる。

スマートコントラクトテンプレートを決定すると、プラットフォーム20500は、決定されたスマートコントラクトテンプレートに対応するパラメータ値をユーザが設定することを可能にするインターフェース（例えば、GUI）を提供し得る。例えば、商品に関する先物契約を支配するスマートコントラクトにおいて、ユーザは、商品の種類、単位数（例えば、石油のバレル、小麦のブッシェル、金のオンスなど）、商品に対して支払われる契約価格、先物契約の実行日、契約価格、および他の適切なパラメータ値を設定し得る。例では、現物資産の売却を管理するスマートコントラクトにおいて、売り手は、買い手が米国内に位置している場合は第1の価格を設定し、買い手が米国外に位置している場合は第2の価格を設定し得る。この例では、ユーザは、トリガー、すなわち地理的制限をパラメータ化するために使用されるパラメータ値を設定する。この例では、プラットフォーム20500は、ロケーションセンシティブな価格設定を有するスマートコントラクトを生成することができる。したがって、買い手がスマートコントラクトの条件を受け入れようとするとき、スマートコントラクトは、買い手候補の場所を確認し、買い手候補の場所に基づいて契約の条件（例えば、価格および／または物流情報、場所固有の税情報などの他の適切な条件）を構成してもよい。他の例では、ユーザは、取引に関連する認証プロセスの開始、取引に関連する報告プロセスの開始、取引に関連する物流情報の構成、条件（例えば、プレミアム率、金利、契約価格、納期、支払期日、および／または同種のもの）の再構成などのトリガーアクションに対応するパラメータ値でスマートコントラクトをパラメータ化してもよいことに留意されたい。スマートコントラクトのタイプに応じて、スマートコントラクトをパラメータ化するために使用され得るデータのタイプは異なることが理解される。パラメータ化を伴う他の実施形態と同様に、パラメータ化は、一組の専門家によるパラメータ化を含む訓練セットで訓練されるなど、ロボットプロセスオートメーションまたは他の人工知能システムによって実施され得る。

いくつかの実装形態では、スマートコントラクトは、1つまたは複数のイベントリスナーを含むことができる。実施形態において、イベントリスナーは、トリガー条件が満たされたかどうかなど、特定のイベントがいつ発生するかを決定するために1つまたは複数のデータソースを監視するリスニングスレッドであってよい。実施形態において、イベントリスナーは、データフィードを購読する、APIを問い合わせる、通知を受け取る、データベースまたは他のデータソースを問い合わせる、モノのインターネット（IoT）デバイスのセット（消費者IoTデバイスおよび／または産業IoTデバイスおよび／またはセンサ）からデータを受動的に受け取る、または他の方法で受け取る／受け取ることができる。データソースからデータを取得し、特定のタイプまたはタイプのデータを取得する。例えば、産業施設をカバーする保険契約を管理するスマートコントラクトは、産業施設の所有者がその税金を支払ったことを確認し、所有権、先取特権、または不動産上の担保の変更の存在を特定するために、APIを介してなど、自治体データベースに照会するイベントリスナーを含むことができる。例を続けると、保険契約を管理するスマートコントラクトは、産業施設の産業用モノのインターネット（IoT）センサーシステム（または「センサーシステム」）に接続して、1つまたは複数のセンサーストリームを受信するイベントリスナーを含むことができる。例えば、スマートコントラクトは、センサーシステムからのデータストリームのセットにアクセスするために（例えば、センサーシステムのエッジデバイスのセットを介して）センサーシステムにアクセスするためのIPアドレスおよび認証資格情報のセットでパラメータ化されてもよい。いくつかの実施形態では、センサーシステムのエッジデバイスは、ストリームをフィルタリングし（不要な情報を省略しながらスマートコントラクトのパラメータに関連する情報を配信するような）、および／または1つまたは複数のセンサーのセットから収集したセンサーデータに対して1つまたは複数の分析操作を行い（スマートコントラクトのパラメータとして使用するメトリックを計算するような）、フィルタリングおよび分析に基づいて、スマートコントラクトをホストするシステムに1つまたは複数のデータストリームを伝達し得るインテリジェントシステムを含み得る。スマートコントラクトのイベントリスナーは、1つまたは複数のトリガー条件を検証するために、そのようなストリームをリスニングしてもよい。このようにして、スマートコントラクトは、センサーデータを摂取し、1つまたは複数のトリガーが発生したかどうかを決定することができる。定義された一連のトリガーが発生したことを決定することに応答して、スマートコントラクトは、1つ以上のスマートコントラクトアクションを実行してもよい。例えば、保険契約の文脈では、産業施設に関連するセンサシステムから受信したセンサデータに由来するスマートコントラクトによる警告状態の検出は、被保険者の保険料率を調整するアクションをもたらすことがある。このように、スマートコントラクトは、IoT（例えば、IoT収集されたセンサデータ、IoT収集された健康データ、IoT収集された位置データなど）を受信して1つまたは複数のトリガーを検証し、これに応答して1つまたは複数のスマートコントラクトアクションを開始するように構成され得る。本開示の他の例示的な実施形態によるスマートコントラクトイベントリスナーは、追加のまたは代替のデータソースから得られるデータをリスニングしてもよいことが理解される。

実施形態において、プラットフォーム20500は、多数の異なるタイプのマーケットプレイスのための多数の異なるタイプのスマートコントラクトをサポートすることができる。本明細書で使用される場合、「スマートコントラクトをサポートする」という言及は、プラットフォーム20500がユーザーの代わりにスマートコントラクトを生成および展開すること、ならびにプラットフォーム20500のユーザーによるスマートコントラクトの生成を分散型方法で容易にすること（例えば、スマートコントラクトを分散型台帳に書き込むユーザーデバイスから生成される）、ならびに、プラットフォーム20500内の人工知能システムおよび／またはサービスセット（例えば、ロボットプロセス自動化を含む）によって、またはアプリケーションプログラミングインターフェースなどの1以上のインターフェースを介してなど、プラットフォーム20500にリンクされて、スマートコントラクトを自動的に生成およびデプロイする。プラットフォーム20500によってサポートされ得るマーケットプレイス／取引のタイプの例は、資産ベースの取引、保険取引、サプライチェーン取引、商品／株式ベースの取引、暗号通貨取引、知的財産取引、および／または本明細書または参照によりここに組み込まれる文書に記載される任意の他のタイプの取引を含み得るが、これらに限定されず、マーケットプレイスを特徴付けるコア取引（例えば、．株式市場における債券の購入および売却）、ならびにワークフローまたはプロセスに関与するマイクロトランザクションおよび交換などの他の取引（例えば、優先順位付けシステム内の優先順位と引き換えに価値を移転すること、広告を閲覧するなどの行動を誘発する価値を提供すること、その他多数）、およびその他多数を含む。

いくつかの実施形態では、プラットフォーム20500は、資産を含む取引を管理するスマートコントラクトをサポートし得る。これらの実施形態において、スマートコントラクトは、取引の対象となる資産（例えば、資産識別子、シリアル番号、名前、メーカー／モデルなど）または資産、資産の価格、ユニット数などを定義する情報を含んでもよい。さらに、スマートコントラクトは買い手、ブローカー、マーケットメーカー、売り手などによって生成され得るため、スマートコントラクトは、取引の当事者、または取引を許可される当事者の種類を定義してもしなくてもよい（例えば、規制対象証券の取引については、必要に応じてライセンスを有するブローカー／ディーラーに限定する）。例えば、車両を購入したい買い手は、プラットフォーム20500を介して、1つまたは複数の追加要件（例えば、＜50，000マイル、シングルオーナー、保証中、ピックアップ場所／地域、および／または同類）を有する特定の車両（例えば、メーカー、モデル、および年）を購入する価格を提供する新しいスマートコントラクトを生成し得る。この例では、スマートコントラクトにおいて特定される売り手はいないが、買い手はスマートコントラクトにおいて特定されてもよい。これに応答して、プラットフォーム20500は、車両の販売を完了するためのトリガー条件と、売主から買主への所有権の移転を開始するスマートコントラクトアクションとを含むスマートコントラクトを生成し得る。これは、買い手が車両を購入するための現金および／または適切な融資を持っていることを証明することを要求するイベントリスナーまたは他のスマートコントラクト要素と、売り手が買い手の要件を満たす車両の所有権を持っていることを証明することを要求するイベントリスナーまたは他のスマートコントラクト要素とを含むことができる。実施形態において、プラットフォーム20500は、スマートコントラクトにおいて適用可能なトリガーを満たすために提供される有効な入力と無効な入力とを識別するために、モデルおよび／または人間がラベル付けしたデータの訓練セットを使用するなどして訓練される1つまたは複数の分類システムなどの人工知能などの自動化システムを使用するように構成され得る。例えば、そのようなシステムは、買い手の適切な財務力の妥当性を判断するために口座データを処理し、所有権に対する売り手の主張の妥当性を判断するために所有権記録（例えば、所有権証明書）を処理するように訓練されることがある。分類に使用されるそのような人工知能システムは、リカレントニューラルネットワーク（ゲーテッドリカレントニューラルネットワークを含む）、畳み込みニューラルネットワーク、リカレントニューラルネットワークと畳み込みニューラルネットワークの組み合わせ、または本書もしくは参照により本書に組み込まれる文書に記載されるニューラルネットワークの他のタイプもしくは組み合わせもしくはハイブリッドを含み得る。この例では、購入希望者は、定義された価格をカバーするための融資を確保したことを証明する文書をアップロードすることができ、売り手は、車両のタイトルのコピーだけでなく、他の要件を満たしていることを宣言する認証文をアップロードすることができる。また、車両がコネクテッドカーである場合、売り手は車両データへのアクセスを提供し、車両の保証状況や走行距離を確認することができる。

実施形態において、プラットフォーム20500は、保険契約を管理するスマートコントラクトをサポートしてもよい。実施形態において、保険契約スマートコントラクトは、資産、財産、ビジネス、人などを保険に入れようとする当事者に応答して生成されてもよい。保険契約は、健康保険、生命保険、住宅所有者保険、災害保険（例えば、火災、洪水、ハリケーン、パンデミックなど）、不動産保険、自動車保険、第三者責任保険、事業中断保険、障害保険など、任意の形態の保険を取り得る。具体的な例では、当事者は、保険プロバイダーによって提供される一連の条件に同意することができる。この例では、保険プロバイダは、被保険者が1つ以上の要求されたデータタイプを提供することに同意する限り、保険料率を下げることに同意する場合がある。いくつかの実施形態では、要求されたデータタイプは、被保険者に関連するIoTデバイスのセットからの1つまたは複数のデータストリームであり得る。例えば、産業施設を保険で保護する場合、保険契約を管理するスマートコントラクトは、産業施設内に分散されたIIoTセンサシステムからセンサデータのデータストリームを受信するように構成される場合がある。スマートコントラクト、プラットフォーム20500、第三者サービス、またはセンサーシステムのエッジデバイスのいずれかが、IIoTセンサーシステムから生のセンサーデータを受信してもよく、センサーデータが、施設または施設内の産業機器の一部の劣化状態を示しているかどうかを判定してもよい。実施例では、スマートコントラクトは、劣化状態が（センサーデータによって示されるように）解決されるまで、より高い保険料および／または免責額を提供するように、保険契約の条件を再設定してもよい。例では、健康保険契約を管理するスマートコントラクトは、被保険者のウェアラブルデバイスから健康関連データを受信するように構成される場合がある。この例では、スマートコントラクトは、健康関連データが、ユーザが健康を改善するための行動をとっていることを示す場合、保険料率を下げるように構成される場合がある。例えば、健康関連データが毎日の歩数を含み、一定期間（例えば、6ヶ月間）の毎日の歩数が、ユーザーが1日に少なくとも10，000歩を歩いていることを示す場合、スマートコントラクトは、個人の保険料を合意した金額（例えば、1ヶ月100ドル）だけ引き下げることができる。逆に、スマートコントラクトがネガティブな健康関連データ（例えば、高血圧、低血中酸素、6ヶ月間の1日1000歩未満など）を受信した場合、またはユーザーが健康関連データを提供しない場合（例えば、ウェアラブルデバイスへのアクセスを許可しない）、スマートコントラクトは保険料を合意した金額に増加させてもよい。

いくつかの実施形態では、プラットフォーム20500は、デジタルツインが、プラットフォーム20500と統合される及び／又はプラットフォーム20500とリンクされる、プラットフォーム20500と共有されるインターフェース等を提供する場合等、デジタルツインを介してスマートコントラクトに当事者を結合するように構成される。デジタルツインプラットフォームは、デジタルツインプラットフォームとプラットフォーム20500とがデータソース、リソース、サービス、インターフェース等を共有するように、プラットフォーム20500と統合され、及び／又はリンクされてもよく、スマートコントラクトのトリガーを決定するためにアクセスされるデータソースを含み、それにより、スマートコントラクトによって決定されたアクションに応答してデジタルツインのアクション（及びひいてはデジタルツインによって又はそこから制御されてよい種々のサービス、システム、プロセス等）のトリガー化を促進する。例えば、資産の所有権移転は、スマートコントラクトによって影響を受け、デジタルツインを生成するために使用されるデータスキーマにおけるデータ、メタデータなどの変更によって、資産を表すデジタルツインに自動的に反映され得る。実施形態において、プラットフォーム20500は、APIを介してデジタルツイン（例えば、「インツイン」マーケットプレイス）内のユーザに取引オファーを提供するように構成され得る。ユーザーがオファーされたトランザクションに同意することに応答して、ユーザーはスマートコントラクトにコミットされ得る。いくつかの実施形態では、ユーザーは、スマートコントラクトに従って、追加の情報および／または特定のタイプのデータへのアクセスを提供することを要求される場合がある。

実施形態において、プラットフォーム20500は、資産取引市場（例えば、商品取引市場、株式取引市場など）を介して取引される先渡契約に関連して展開されるスマートコントラクトをサポートしてもよい。実施形態において、取引マーケットプレイスは、先渡契約の仲介を容易にするために作成されるマーケットプレイスを指す場合がある。実施形態において、ユーザは、先渡契約を管理するスマートコントラクトを作成することができる。実施形態において、ユーザは、先渡契約を管理する新しいスマートコントラクトを作成するためのオプションを選択することができる。これらの実施形態のいくつかでは、ユーザは、1つまたは複数のパラメータ値を提供するためにGUIを提示されてもよい。例えば、GUIは、資産（例えば、株式または商品）、ロングパーティ／買い手、ショートパーティ／売り手、契約決済日、および／または価格（例えば、単位当たりの価格または合計価格）を識別するためのフィールドを含むことができる。この例では、先渡契約を設定するユーザは、ショート当事者（例えば、買い手）、ロング当事者（例えば、売り手）、または第三者（例えば、ブローカー）であってもよい。ショート当事者またはロング当事者のいずれかが決定される場合、フィールドはパラメータ化されないままであってもよく、決定されるべき当事者がフォワード契約にコミットするときにパラメータ化されることができる。パラメータ化値を受信すると、プラットフォーム20500は、スマートコントラクトをデプロイしてもよい（例えば、分散型台帳に、および／またはプラットフォーム20500はスマートコントラクトを実行してもよい）。さらに、1つまたは複数の当事者が未解決のままである限り、プラットフォーム20500は、対応するマーケットプレイス（例えば、先渡契約マーケットプレイス、商品マーケットプレイス、または株式マーケットプレイス）を介して、定義された価格を有する将来契約のオファーを公表してもよい。実施形態において、プラットフォーム20500は、プラットフォーム20500内の人工知能システムおよび／またはサービスセット（例えば、ロボットプロセス自動化を伴う）によって、またはアプリケーションプログラミングインターフェースなどの1つ以上のインターフェースを介してなど、プラットフォーム20500にリンクされているように、自動的に未来契約に関連するスマートコントラクトを生成および展開し得る。

いくつかの実施形態では、プラットフォーム20500は、フォワードマーケットプレイスを作成し、ホストすることができる。実施形態において、フォワードマーケットプレイスは、カウンターパーティがフォワード契約を交渉し、従事するための媒体を提供する電子マーケットプレイスを指す場合がある。先渡し契約は、交渉された日付に交渉された価格で交渉された量の資産を購入／売却するための2つの当事者間のカスタマイズされた契約を指す場合がある。先渡契約を使用して販売され得る資産の例としては、農産物（例えば、小麦、トウモロコシ、オレンジ、綿、及び／又はこれらに類するもの）、天然資源（例えば、天然ガス、石油、金、銀、プラチナ、又はこれらに類するもの）、金融商品（例えば、株式、債券、通貨など）、非伝統的資産、および／または他の適切な商品（例えば、燃料、電気、エネルギー、計算資源（例えば、量子計算資源）、暗号通貨、定められた収入ストリーム、データストリーム（センサーデータ、ネットワークデータなど）、知識構造など）。いくつかの実施形態では、将来契約は、（引渡し／保管される物理的資産の場合）資産の引渡し場所および／または保管場所、保証および／または保証（例えば、資産が特定の要件を満たすという保証）等の追加の条件を必要とする場合がある。実施形態では、先渡市場は、当事者が先渡契約の条件を交渉することができるインタフェースを提供することができる。例えば、第一当事者／ユーザーは、一連の条件（例えば、資産、数量、契約満了日、価格、および他の交渉可能な条件）を含む最初のオファーを作成することができる。これに応答して、フォワードマーケットプレイスは、オファーを相手方に提示することができ、相手方はオファーを受け入れるか、オファーを拒否するか、および／またはカウンターオファーを（例えば、1つまたは複数の条件を変更することによって）提出することができる。当事者は、オファーまたはカウンターオファーが受け入れられるか、取引が拒否されるまで、この方法でフォワードマーケットプレイスを介して反復することができる。当事者がフォワード契約に合意する（例えば、一方の当事者が他方の当事者の入札を受け入れる）ことに応答して、プラットフォーム20500は、交渉された条件に基づいてフォワード契約を生成してもよい。いくつかの実施形態では、先渡契約は、入札プロセスを介して先渡市場を使用して当事者間で形成されてもよい。これらの実施形態では、当事者は、設定された日付に設定された価格で設定された量の資産を購入／売却するオファーを生成することができる。例えば、売り手は、2020年11月5日に1ブッシェル5ドルで10000ブッシェルの小麦を売却することを申し出ることができる。フォワード市場は、潜在的な取引相手がオファーを見ることができるように、オファーを公表することができる。フォワード市場は、オファーに関連して、オファーを生成した当事者の格付けなどの追加情報を提供することができることが理解される。潜在的な取引相手がオファーを受け入れた場合、プラットフォーム20500は、当事者間で先渡契約を生成することができる。入札プロセスのバリエーションにおいて、上場当事者は、提案された日付に完了する特定の資産の特定の数量を定義することができ、カウンターパーティは、契約の価格を示す入札を提供することができる。例えば、買い手は、2020年11月5日に10000ブッシェルの小麦を購入することを申し出ることができる。これに対して、潜在的な売り手は、要求された資産に対して異なる価格を提示することができる。この例を続けると、第1の売り手は1ブッシェル4ドルの価格を提示し、第2の売り手は1ブッシェル5ドルを提示するかもしれない。その後、リスティングパーティは、入札のうちの1つを受け入れることができる（例えば、買い手は1ブッシェル4ドルの価格を受け入れることができる）。オファーが受け入れられたことに応答して、プラットフォーム20500は、交渉された条件に基づいて将来の契約を生成し得る。実施形態において、プラットフォーム20500は、プラットフォーム20500内の人工知能システムおよび／またはサービスセット（例えば、ロボットプロセス自動化を含む）によって、またはアプリケーションプログラミングインターフェースなどの1つ以上のインターフェースを介してなど、プラットフォーム20500にリンクされているように、自動的に先物市場を作成およびホストしてもよい。

実施形態において、先渡マーケットプレイスオーケストレーションシステムプラットフォーム20500は、先渡市場を介した交渉プロセスの完了に応答して、先渡契約を管理するスマートコントラクトを生成するように構成される。議論されたように、上場当事者は、交渉プロセス中に、オファーを公表し、一連のオファーおよびカウンターオファーに関与し、および／または資産に関連する先渡契約に対するオファーを要求することができる。オファーが両当事者（または契約のパラメータに応じて3つ以上）によって受け入れられると、プラットフォーム20500は、スマートコントラクトを生成してもよく、受け入れられたオファーで定義されたパラメータ（例えば、入札を行った当事者、入札を受け入れた当事者、問題となっている資産、資産の量、契約価格、契約決済日、および他の任意の適切なパラメータ）に基づいてスマートコントラクトをパラメータ化してもよい。いくつかの実施形態では、プラットフォーム20500は、一旦生成されたスマートコントラクトを（例えば、分散型台帳および／または内部へ）デプロイしてもよい。実施形態において、スマートコントラクトは、先渡契約に関連するイベントをリスニングし、それに基づいてアクションをトリガーするイベントリスナーを備えるように構成されてもよい。例えば、イベントリスナーは、日付をリスニングするように構成されてもよく、日付が契約決済日に達すると、スマートコントラクトは、買い手から売り手への資金の移転及び／又は売り手から買い手への資産の移転を開始することができる。加えて又は代替的に、イベントリスナーは、買い手から売り手への支払い及び／又は売り手から買い手への資産の引渡しをリスニングするように構成され得る。スマートコントラクト内で定義された期間パラメータ内など、条件のいずれかが満たされない場合、スマートコントラクトは、デフォルトシナリオを処理するプロセス（例えば、デフォルト当事者の口座から取引相手への資金の自動転送）を開始するよう構成されてもよい。

取引マーケットプレイスは、本開示の範囲から逸脱することなく、オプション、スワップ（例えば、クレジット／デフォルトスワップ、現物交換など）、先物、デリバティブなど、他の金融取引商品を支配するスマートコントラクトをサポートしてもよいことが理解される。実施形態では、オプションを支配するスマートコントラクトを生成する際に、スマートコントラクトは、オプションに関連するイベントをリスニングするように構成され得る。例えば、特定の商品、金融商品、またはインデックスの価格がトリガー値に達したときにオプションがトリガーされる場合、オプションは自動的に実行されてもよい。同様に、オプションは、本明細書で指摘したトリガーのいずれかを含むトリガー条件により自動的に権利確定（すなわち、行使可能になる）することができる。価格トリガーをリスニングするスマートコントラクトの例では、オプションを管理するスマートコントラクトのイベントリスナーは、商品または株式市場からデータを受信し、商品の現在の価格をトリガー値と比較するように構成され、現在の価格がトリガー値に達すると、スマートコントラクトはオプション契約の合意した条件に従ってオプションを行使する一つ以上の行動を実行できる。

実施形態において、インテリジェントサービスシステム20243は、プラットフォーム20500に代わって、機械学習、人工知能、インテリジェント注文マッチング、取引先発見、取引先知能、分析タスク、および／または他の任意の適切なタスクを実行する。実施形態において、インテリジェントサービスシステム20243は、ロボットプロセス自動化、予測および予測、分類（行動分類、タイプ決定などを含む）、プロセス制御、状態の監視、翻訳（言語翻訳など）、自然言語処理、処方的分析などを含むインテリジェントタスクを実行するためにプラットフォーム20500の様々なシステムによって用いられる機械学習モデルを訓練する機械学習システムを含む。実施形態において、プラットフォーム20500は、自動意思決定、ロボティックプロセスオートメーションなどの様々なAIタスクを実行する人工知能システムを含む。実施形態において、プラットフォーム20500は、市場の状態、市場の資産、トレーダーなどに関連する洞察を特定するために、市場のデータにわたって異なる分析を実行する分析システムを含む。例えば、実施形態では、分析システムは、物理的資産に関する性能データ、状態データ、センサデータなどを分析して、資産が優れた状態、満足できる状態、または悪い状態であるかどうかを判定することができる。実施形態では、分析システムは、データが様々なデータソースから取り込まれ、市場資産の1つ以上の状態を更新するように、リアルタイムで分析を実行してもよい。実施形態において、インテリジェントサービスシステム20243は、それぞれのユーザの行動を学習し、学習した行動に基づいてユーザに代わって1つ以上のタスクを自動化するロボティックプロセスオートメーションシステムを含む。これらの実施形態のいくつかでは、ロボットプロセス自動化システムは、マーケットプレイスホスト、トレーダー、ブローカーなどに代わってインテリジェントエージェント20234を構成することができる。ロボットプロセス自動化システムは、一連の刺激を与えられて、行動を支配するもの、または他のシステムへの入力を提供するものなどの出力を生成するように動作する機械学習モデルおよび／またはAI論理を構成してよい。実施形態において、ロボットプロセス自動化システムは、専門家による対話の訓練データセットを受け取り、訓練データセットに基づいて機械学習モデルおよび／またはAIロジックを構成する。実施形態において、インテリジェントサービスシステム20243は、テキスト／音声を受信し、テキストのコンテキストを決定する、および／またはテキストを生成する要求に応答してテキストを生成する、自然言語処理システムを含む。インテリジェントサービスは、本開示および参照により本明細書に組み込まれる文書を通じて、より詳細に議論される。

実施形態において、インテリジェントサービスシステム20243は、プラットフォーム20500に代わって機械学習、人工知能、および分析タスクを実行する。実施形態において、インテリジェントサービスシステム20243は、ロボットプロセス自動化、予測、分類、自然言語処理などを含むいくつかの知能タスクを実行するためにプラットフォーム20500の様々なシステムによって使用される機械学習モデルを訓練する機械学習システムを含む。実施形態では、プラットフォーム20500は、自動意思決定、ロボティックプロセスオートメーションなどの様々なAIタスクを実行する人工知能システムを含む。実施形態において、プラットフォーム20500は、エンタープライズデータなどのデータソースにわたって異なる分析を実行し、市場の様々な状態に対する洞察を特定する、分析システムを含む。例えば、実施形態では、分析システムは、資産の財務データを分析して、資産が財務的に安定しているか、危機的な状態にあるか、または望ましい状態にあるかを判断することができる。実施形態において、分析システムは、マーケットプレイスオーケストレーションデジタルツインの1つまたは複数の状態を更新するために様々なデータソースからデータが取り込まれると、リアルタイムで分析を実行することができる。実施形態において、インテリジェントサービスシステム20243は、それぞれのユーザの行動を学習し、学習した行動に基づいてユーザに代わって1つまたは複数のタスクを自動化するロボティックプロセスオートメーションシステムを含む。これらの実施形態のいくつかでは、ロボットプロセス自動化システムは、ユーザ、ホストのセット、サービスプロバイダ、インフラストラクチャプロバイダ、情報技術プロバイダ、情報プロバイダなどのマーケットプレイスおよび／またはマーケットプレイスのエンティティに代わってエキスパートエージェントを構成することができる。ロボットプロセス自動化システムは、一組の刺激を与えられて、行動を支配するものまたは他のシステムへの入力を提供するものなどの出力を生成するように動作する機械学習モデルおよび／またはAI論理を構成することができる。実施形態において、ロボットプロセス自動化システムは、専門家による対話の訓練データセットを受け取り、訓練データセットに基づいて機械学習モデルおよび／またはAIロジックを構成する。実施形態において、インテリジェントサービスシステム20243は、テキスト／音声を受信し、テキストのコンテキストを決定する、および／またはテキストを生成する要求に応答してテキストを生成する、自然言語処理システムを含む。インテリジェントサービスは、本開示を通じてより詳細に議論される。

いくつかの実施形態では、インテリジェントサービスシステム20243は、マーケットプレイスオーケストレーションシステムプラットフォーム20500に代わって、機械学習および人工知能関連タスクを実行する。実施形態において、インテリジェントサービスシステム20243は、様々なタイプのニューラルネットワーク、回帰モデル、ランダムフォレスト、決定木、隠れマルコフモデル、ベイズモデルなどを含むがこれらに限定されない、任意の適切なタイプのモデルを訓練してよく、本明細書に記載され、文書において、参照により組み込まれるエキスパートおよび／または人工知能例のうちの任意のものが含まれる。実施形態において、インテリジェントサービスシステム20243は、デジタルツインシミュレーションシステム20804（図208）またはプラットフォーム20500に含まれる、統合される、もしくはリンクされる他のシミュレーションシステムによって実行されたシミュレーションの出力を使用して、機械学習モデルを訓練する。これらの実施形態のいくつかでは、シミュレーションの成果は、現実の環境および／またはプロセスから収集されたトレーニングデータを補足するために使用され得る。実施形態において、インテリジェントサービスシステム20243は、機械学習されたモデルを活用して、予測、識別、分類、および推奨を行い、プロセスを自動化し、市場の構成および制御を行い、および／またはそれぞれのデジタルツインによって表される市場および／またはプロセスに関連する決定支援を提供する。

例えば、機械学習モデルのセットは、ある将来の時点における資産の価格を予測するために使用されることがある。実施形態において、機械学習モデルの「セット」は、1つのメンバーを有するセットを含んでもよい。実施形態において、機械学習モデルの「セット」は、複数のメンバーを有するセットを含んでもよい。実施形態において、機械学習モデルの「セット」は、異なるタイプのモデルのハイブリッド（例えば、RNNとCNNのハイブリッド）を含むことができる。この例では、インテリジェントサービスシステム20243mayは、資産データ、過去の価格データ、ディスカッションボードデータ、およびニュースデータを受信し、受信したデータに基づいて特徴ベクトルのセットを生成することができる。インテリジェントサービスシステム20243は、将来の時点における資産の価格を予測するために、（例えば、シミュレーションデータおよび実世界データの組み合わせを使用して）資産に対して特別に訓練された機械学習モデルのセットに特徴ベクトルを入力してもよい。実施形態において、特徴ベクトルは、人間の専門家によるもの、他のシステムによるもの、および／または他のモデルによるものなどの予測のセットを含み得る。本実施例および本開示全体を通して説明される他の実施例において）予測に使用されるそのような人工知能システムは、リカレントニューラルネットワーク（ゲーテッドリカレントニューラルネットワークを含む）、畳み込みニューラルネットワーク、リカレントニューラルネットワークと畳み込みニューラルネットワークとの組み合わせ、または本書もしくは参照により本書に組み込まれる文書において説明される他のタイプのニューラルネットワークもしくはニューラルネットワークのタイプ同士の組み合わせもしくはハイブリッドを含み得る。

実施例では、一組の機械学習モデルが、注文に対する注文実行の確率を予測するために使用されてもよい。この例では、インテリジェントサービスシステム20243は、市場参加者ユーザ機器20218の注文データ、履歴注文データ、および位置データを受信してもよく、受信したデータに基づいて一組の特徴ベクトルを生成してもよい。インテリジェントサービスシステム20243は、結果の訓練データセットに基づくなど、注文に対する注文実行の確率を予測するために（例えば、シミュレーションデータと実世界データの組み合わせを使用して）訓練された機械学習モデルに特徴ベクトルを入力してもよい。実施形態において、システム20243は、人間の専門家のセットによる、および／または他のシステムまたはモデルによる予測または注文実行の確率を表す訓練データの入力セットを含み得る。

実施例では、機械学習モデルのセットは、マーケットプレイスの収益性を予測するために使用されてもよい。この例では、インテリジェントサービスシステム20243は、マーケットプレイス構成パラメータデータ（例えば、資産タイプ（複数可）、手数料、匿名性設定など）を受信してもよく、受信したデータに基づいて一組の特徴ベクトルを生成してもよい。インテリジェントサービスシステム20243は、結果の訓練データセットに基づくなど、市場の収益性を予測するために（例えば、シミュレーションデータと実世界データの組み合わせを使用して）訓練された機械学習モデルに特徴ベクトルを入力してもよい。実施形態では、インテリジェントサービスシステム20243は、人間の専門家のセットによる、および／または他のシステムもしくはモデルによる、市場の収益性に関連する予測を表すトレーニングデータの入力セットを含み得る。

さらに他の例では、機械学習モデルのセットを使用して、所定の時点におけるマーケットプレイスの実行速度を予測することができる。この例では、インテリジェントサービスシステム20243は、マーケットプレイス構成パラメータデータおよびマーケットプレイス運用データを受信してもよく、受信したデータに基づいて特徴ベクトルを生成してもよい。実施形態では、特徴ベクトルは、実行速度が依存し得る情報技術要素を特徴付けるデータなどの他のデータを含んでもよく、ネットワーク経路情報（例えば、．固定及び／又は無線ネットワークの種類、どのようなネットワークプロトコルが使用されているか、物理層パスの距離など）、計算リソース情報（サーバ及び他のデータセンターリソースの種類及び処理能力など、該当する場合、マルチコア及び／又はマルチスレッド処理、量子計算及び／又は量子アルゴリズム実行などの利用可能性を含み、マーケットプレイス実行に関わる構内で、マーケットプレイス実行用クラウド計算をサポートするデータセンターで、マーケットプレイス実行用ローカル及びテレコムネットワークで利用できる周辺計算能力）、データ保存及び検索情報（データベース及び他の記憶資源の入出力性能仕様、キャッシュ性能能力、データ位置情報（例えば、ジオロケーションおよびデータリソースのフェデレーション）、クエリ性能情報など）、およびその他多数である。インテリジェントサービスシステム20243は、所定の場所（例えば、ジオロケーション、ネットワークアドレスなど）にいるシステムの視点から、所定の時点におけるマーケットプレイスの実行速度を予測するために（例えば、シミュレーションデータと実世界データの組み合わせを使用して）訓練された機械学習モデルに特徴ベクトルを入力し得る。実行速度の予測は、本明細書、ならびに参照により本明細書に組み込まれる文書に記載されるシミュレーション方法およびシステムを使用するような、テストおよびシミュレーションを含み得る。これは、1つの非限定的な例において、現在のネットワーク速度、実行速度などの指標を提供する試験信号を任意に自動的に送信することなどにより、待ち時間、帯域幅、アップロード速度、ダウンロード速度、往復速度、ピング(Ping)、または他のネットワーク性能特性を試験することを含む場合がある。

例において、機械学習モデルのセットは、マーケットプレイスにリストされた不正なおよび／または違法なアイテムおよび／またはサービスを検出するために使用され得る。この例では、インテリジェントサービスシステム20243は、資産リストデータを受信してもよく、受信したデータに基づいて特徴ベクトルを生成してもよい。インテリジェントサービスシステム20243は、マーケットプレイスに掲載された不正および／または違法なアイテムおよび／またはサービスを検出するために（たとえば、シミュレーションデータおよび実世界データの組み合わせを使用して）訓練された機械学習モデルに特徴ベクトルを入力してもよい。実施形態において、不法および／または違法アイテムの検出は、法律または規制を含む管轄要因（例えば、合法性を意識して訓練する）、文化的要因（例えば、アイテムが不法とみなされるかどうかは文化規範に基づいて異なる）、宗教的要因（例えば、禁忌アイテムを意識してモデルを訓練する）などに特有の訓練データセットおよび／または特徴ベクトルの入力に基づいてそれぞれ訓練される一連の異なるモデルを含み得る。例えば、アイテムがコーシャであるかどうか、他の文化的および／または宗教的要件を満たすかどうか、などを検出するようにモデルが訓練される場合がある。実施形態において、訓練は、人間の専門家などを通じて、売り手または他のユーザが違法または不法な品目を提供するために採用する可能性のある代替用語などに関する情報（コードワード、婉曲表現など）の提供を含む場合がある。実施形態において、モデルは、違法または不法なアイテムの認識および／またはそれらを特徴付けるために使用される単語、画像、または他の要素の認識を容易にするように、単語または他の特徴のワードクラウドまたはクラスタを提供するように訓練される場合がある。非限定的な一例として、自己組織化マップ（SOM）が、エンティティ、クラス、オブジェクト、ワークフローなどを管轄、トピック、互いなどにマッピングするような、エンティティのマッピングを生成するために採用される場合がある。

さらに他の例では、機械学習モデルのセットは、市場におけるトレーダーの取引パターンを検出するために使用されてもよい。この例では、インテリジェントサービスシステム20243は、トレーダーデータおよび注文データを受信してもよく、受信したデータに基づいて特徴ベクトルを生成してもよい。インテリジェントサービスシステム20243は、マーケットプレイスにおける特定のトレーダーの取引パターンを検出するために（例えば、シミュレーションデータと実世界データの組み合わせを使用して）訓練された機械学習モデルに特徴ベクトルを入力してもよい。実施形態において、取引パターンは、モデルが、トレーダー又は取引の他の取引相手の統治戦略、ヒューリスティック、モデル、ルール、又は他の統治原則（便宜上「戦略」と総称される）のセットを決定するために使用され得るように、戦略にリンクされ得る。したがって、機械学習モデルは、市場活動に関連する様々な特徴ベクトルを取り込み、ユーザーまたは取引相手などの当事者の戦略の決定を出力することができる。そのような決定は、データリソース、モデル、予測など、定義された戦略と一致する、および／またはそれをサポートもしくは可能にするリソースの、ユーザーへの特定および任意での自動推薦を容易にすることができる。他の実施形態では、このような判定は、相補的戦略（例えば、2つの当事者が同じタイプの取引の反対側を求めている場合）および／または競合戦略（例えば、取引相手の戦略が取引戦略に対して取引相手を脆弱にする場合）を特定するために取引相手を支援するなど、取引相手ユーザへの特定および任意に自動化された推奨を促進することがある。モデルは、裁定取引戦略（例えば、取引相手の戦略が特定の状況下で資産クラスを過大評価または過小評価する可能性が高い場合）、スクイーズ戦略（例えば、取引相手が資産が過大評価されていることを予想して大量の「ショート」ポジションを取っており、価格が上昇する大量の注文によって、リスクが高まるため取引相手にショートポジションを放棄させるショートスクイズ）、マーケットコーナリング戦略など）、様々な戦略を認識するように訓練されても良い。取引パターンおよび戦略を特定するために機械学習モデルを訓練するために使用され得る特徴ベクトルは、取引サイズ、シーケンス（例えば、所定のシーケンスにおける買い注文および売り注文の組み合わせ）、ポジションサイズ（資産、オプション、先物、デリバティブなどのショートおよびロングポジションを含む）、取引量メトリクス、ポジションの相対サイズ（例えば、市場全体のポジションのシェア）、市場メトリクス（例えば、全体のP／Eレシオ）、外部データ（例えば、一般的な経済状況、天候、地政学的要因などに関するもの）、および他の多くのものである。実施形態では、自動化された機械学習による戦略認識により、取引の自動推奨、補完的および競合的な戦略の自動推奨を含む、市場戦略のさらなる自動化（人間の専門家の戦略決定について訓練したようなロボットプロセス自動化によるものを含む）が可能となる。これは、カウンターパーティ戦略エンジンと呼ばれることがあり、かかる用語は、プラットフォーム20500が、カウンターパーティのパターンおよび戦略の理解に基づいて、補完的および／または競争的な取引戦略を促進するために機械学習および／または他の知能機能を採用し得る様々な機能を包含している。本明細書に記載される機械学習モデルなどの人工知能を使用して生成、検出、管理、または対抗され得る取引戦略は、（a）買い持ち、または「基本」戦略（入力データソースおよび結果の特徴ベクトルが、資産クラスの価値の傾向、資産関連の収入源（例えば、以下の通り）に関するデータソースなどの長期基本性能に関するものが求められ得る、賃料、ロイヤルティ、金利など）、価格設定および関連指標（P/E比など）、原価計算情報、税務情報、為替レート情報、マクロ経済情報（インフレ情報、失業情報、国内総生産情報など）などに関連するデータソースなど）、(b)ロング／ショート株式戦略、例えば、計算されたアルファファクターに基づいて証券をロングとショートのバケットに切り分け、相対的に有利なアルファ資産または資産クラスでロングポジションを取り、相対的に不利なアルファ資産または資産クラスでショートポジションを取るもの（入力データソースおよび特徴ベクトルは、バイ＆ホールド戦略に用いられるものと同じ要素の多くを含み、特に相対PER、過去の資産クラスの相対パフォーマンスなど証券または他の資産間の相対パフォーマンスの指標に関心がある）、(c）当事者が、当事者にとって好適な相対的なリスク／リターン比に基づいて、資産クラス間でポートフォリオのポジションを割り当てる資産配分戦略、（d）ベットを伴う時間間ポートフォリオ選択戦略（例えば、ケリー基準（ここで、ベットサイズは、富の対数の期待値を最大化することによって計算される）を使用するなど、富の定義された割合に従って構成されるベット（トレード）サイジング、例えば、データソース及び特徴ベクトルは、特定された当事者によって行われたトレードを示す情報及び当事者の総資産又は資本を示す情報を含む場合がある、、類似の銘柄をペアにして、上の（潜在的に価格が高い）資産にショートポジションを取り、下の（潜在的に価格が低い）資産にロングポジションを取るペア取引戦略（これは、任意に、類似の銘柄をペアにして、それらの価格の線形結合（または他の組み合わせ）を使用して、定常時系列を生成することを含む場合がある、入力データソースと特徴ベクトルは、類似の資産のペアにおける類似のサイズとタイミングの取引を示す取引データを含むことができる、(f)ボラティリティを利用しようとするスイングトレード戦略。入力データソースおよび特徴ベクトルは、価格情報およびパターン、ならびにボラティリティに影響を与える可能性のある要因（地政学的データ、社会データ、マクロ経済データなど）に関連する場合がある、(g)スキャルピング戦略（資産の買値と売値の間のスプレッドに基づいて各取引から小さな利益を集約するために、取引セッション中に非常に多くの取引を行うなど）。入力データソースおよび特徴ベクトルは、取引量およびサイズ、平均ビッド／アスクスプレッドのサイズ、ならびに上述の他の多くのソースおよび特徴に関連することがある、(h)同じ取引セッション内で買いと売りを行い、それによって市場が稼働していない期間にポジションを解消するデイトレード戦略であって、補完的なペア（例えば、以下のもの）を示すデータソースと特徴ベクトルを含む可能性がある。(i)ニュースイベントやその他の新しい情報が資産価格に与える影響を迅速に予測する、ニュースベースまたは情報ベースの取引戦略です、予測モデルを使用）、リアルタイムで関連イベントを特定するのに役立つ（モノのインターネットソース、クラウドソース、ソーシャルデータサイト、ウェブサイト、ニュースフィードなど）、同じまたは類似の資産クラスを含む過去の取引における同様のニュースまたはイベントに対する反応など、過去の傾向を示すデータソースを含む、(j)市場シグナルに基づいて資産クラスの売買タイミングを計る、シグナルベースの取引戦略、モメンタム取引戦略等を含むマーケットタイミング戦略。これは、シグナルプロバイダーが使用する様々なソースを使用して、市場シグナルの総計予測や、新しい情報やイベントに対する市場の反応パターンを示す他の情報を作成することができる、(k)取引相手の行動モデルに基づく取引を含む社会的取引戦略。この戦略には、取引量データ、価格パターンデータなど、市場の状況、イベント、刺激に応じた取引行動を反映するデータソースおよび特徴ベクトルが含まれる場合があり、本書に記載したデータソースおよび特徴ベクトルの多くを含みます、(l)フロントランニング戦略（取引相手による取引意図の指標を検出し、その意図が取引相手による実際の取引の形で実現する前に迅速に取引を実行することを含む）、(m)チャートベースまたはパターンベース戦略（取引が、セッションまたは一連のセッションにわたる取引の価格の傾向などのチャートの分析に基づくもので、過去の動きのパターンに基づいて将来の価格の動きを予測しようとするもの（例えば、カップウィズハンドル」価格パターンの後の上昇波動を予測する）、これらは、典型的には、市場におけるトレーダーの集合の総取引行動に関する何らかの基礎となる行動モデルに基づいており、トレンドチャートおよびパターンに関する他の視覚情報など、市場行動および市場結果のパターンを示すデータソースまたは特徴ベクトルを使用する場合がある、(n)遺伝的プログラミング、深層学習、または他のコンピュータ科学に基づく戦略（例えば、データソース、特徴ベクトル、フィードバックソース、重み付け、ニューラルネットワークのタイプの変化など、取引アルゴリズムまたはモデルにある程度のランダムまたは非ランダムな変化を導入することを含むものである、人工知能システムで使用されるもの、取引パターン（サイズ、タイミング、価格、数量）の変動、資産クラスの変動、戦略の変動など）、例えば、市場取引データ内の上記のいずれかのパターン、傾向または変化に関連する特徴ベクトルのデータソースが特定される場合がある、(o)自動化またはアルゴリズム取引戦略（前述の戦略および他の戦略のいずれかを実施するために使用され得る）であって、市場取引データソースが、非常に迅速な実行を示す取引パターンまたはアルゴリズム実行の指標となる他のパターンを識別するために使用され得るもの、(p)前述の種々のハイブリッドおよび組み合わせ、ならびに本書に記載される広範囲の資産クラスおよび市場のいずれかにおいて用いられる種々の他の取引戦略を含む多種多様な戦略を含み得る（限定されない）。本実施例および本開示全体を通して説明される他の実施例において）検出または識別に使用されるそのような人工知能システムは、リカレントニューラルネットワーク（ゲーテッドリカレントニューラルネットワークを含む）、畳み込みニューラルネットワーク、リカレントニューラルネットワークと畳み込みニューラルネットワークとの組み合わせ、または本明細書または参照により本書に組み込まれる文書で説明されるニューラルネットワークの他のタイプまたは組み合わせもしくはタイプのハイブリッドを含み得る。

さらに他の例では、一組の機械学習モデルが、新しい市場の機会を検出するために使用されてもよい。例えば、インテリジェントサービスシステム20243は、本書および参照により本書に組み込まれる文書全体を通して説明される様々なソースからデータを受信してもよく、受信したデータに基づいて一連の特徴ベクトルを生成してもよい。インテリジェントサービスシステム20243は、新しい市場の機会を検出するために（例えば、シミュレーションデータと実世界データの組み合わせを使用して）訓練された機械学習モデルに特徴ベクトルのセットを入力してもよい。特徴ベクトルのセットを生成するために使用されるデータソースは、例えば、ディスカッションボード（マーケットプレイスに編成され得る取引、取引、資産タイプ、価値の流れなどに関するチャット、コメントスレッドなどを含む）、ソーシャルメディアサイト（取引され得る資産、取引などを含む投稿またはスレッドを含む）、ウェブサイト（製品、サービス、提供物、イベントなどを発表するなど）、およびその他を含み得る。つの非限定的な例として、イベント（イベント主催者、イベント参加者、ファン、フォロワー、およびその他によって主催されるものなど）を含むウェブサイトおよびソーシャルメディアサイトのセットからのコンテンツは、ニューラルネットワーク（RNN、CNN、SOMまたはハイブリッドなど、他の多くの選択肢のうちの）を使用して、特徴ベクトルを操作して、イベントに対する権利に対する偶発先物市場の候補として適しているイベントの候補セットを出力するなど、機械学習モデルへ与えられる可能性がある。このモデルは、例えば、非常に人気がありそうなイベント（人気タレント、人気チームなどを含む）を識別し、タイミング、場所、実際の参加者など、イベントの何らかの側面が偶発的なままである場合を識別するように訓練することができ、これは、偶発性を、前方市場での権利（例えば、出席権、宿泊権、輸送権、その他多数）に対して設定できることを意味している。モデルからの出力は、このように、偶発的なフォワードマーケット運営者のための候補セットとして使用することができる。例では、製品ウェブサイトのコンテンツがモデルに供給されることがあり、このモデルは、特定の購買者のコホートに関連する新しい製品またはサービスの提供を識別するように訓練されることがあり、これらの製品は、モデル（または別のモデル）によって、同様の購買者のコホートを対象としたマーケットプレイスに自動的にグループ化されることがある。

例では、機械学習モデルのセットは、最適な取引機会を特定するために使用され得る。例えば、インテリジェントサービスシステム20243は、本書および参照により本書に組み込まれる文書を通して説明される様々なソースからデータを受信してもよく、受信したデータに基づいて、特徴ベクトルのセットを生成してもよい。インテリジェントサービスシステム20243は、結果の訓練データセットに基づくなど、最適な取引機会を特定するために（例えば、シミュレーションデータと実世界データの組み合わせを使用して）訓練された機械学習モデルに、特徴ベクトルのセットを入力してもよい。実施形態では、インテリジェントサービスシステム20243は、人間の専門家のセットによる、および／または他のシステムもしくはモデルによる、最適な市場の取引機会に関連する識別を表すトレーニングデータの入力セットを含み得る。特徴ベクトルを生成するために使用され得るデータソースは、例えば、時間帯、価格の位置、移動平均、相関する資産のパフォーマンス、指数のパフォーマンス、ディスカッションボード（取引、取引、トレンドなどに関するチャット、コメントスレッドなどを含む）、ウェブサイト（製品、サービス、提供物、イベントなどを発表するなど）、および他の多くのものを含んでもよい。

例では、機械学習モデルのセットは、詐欺的な資産リストを検出するために使用され得る。例えば、インテリジェントサービスシステム20243は、本書および参照により本書に組み込まれる文書を通して説明される様々なソースからデータを受信してもよく、受信したデータに基づいて一連の特徴ベクトルを生成してもよい。インテリジェントサービスシステム20243は、結果の訓練データセットに基づいてなど、不正な資産リストを検出するために（例えば、シミュレーションデータと実世界データの組み合わせを使用して）訓練された機械学習モデルに、特徴ベクトルを入力してもよい。実施形態において、インテリジェントサービスシステム20243は、人間の専門家のセットによる、および／または他のシステムもしくはモデルによる不正なリスティングに関連する検出を表す訓練データの入力セットを含むことができる。実施形態において、訓練は、不正に複製された可能性のある同一および／または類似の資産リスティングに関連する情報を提供することを含むことができる。実施形態では、不正なリスティングの認識および／またはそれらを特徴付けるために使用される単語、画像、または他の要素の認識を容易にするように、単語群または他の特徴のクラスタを提供するようにモデルが訓練される場合がある。特徴ベクトルを生成するために使用され得るデータソースは、例えば、ウェブサイト（資産、製品、サービス、提供物などをリストアップするウェブサイトなど）、価格設定データ（異常に低い価格設定など）、資産説明データ（過度に一般的な資産説明または非文字の資産説明など）、および他の多くのものを含み得る。

例では、一組の機械学習モデルが、資産の市場行動を検出するために使用されてもよい。例えば、インテリジェントサービスシステム20243は、本書および参照により本書に組み込まれる文書を通じて説明される様々なソースからデータを受信してもよく、受信したデータに基づいて、一組の特徴ベクトルを生成してもよい。インテリジェントサービスシステム20243は、結果の訓練データセットに基づくなど、特定の資産の周りの市場行動を検出するために（例えば、シミュレーションデータと実世界データの組み合わせを使用して）訓練された機械学習モデルに、特徴ベクトルを入力してもよい。実施形態において、インテリジェントサービスシステム20243は、人間の専門家のセットによる、および／または他のシステムもしくはモデルによる市場行動に関連する検出を表すトレーニングデータの入力セットを含み得る。特徴ベクトルを生成するために使用され得るデータソースは、取引サイズ、シーケンス（例えば、所定のシーケンスにおける買い注文および売り注文の組み合わせ）、ポジションサイズ（資産、オプション、先物、デリバティブなどのショートおよびロングポジションを含む）、取引量メトリクス、ポジションの相対サイズ（例えば、市場全体のポジションに対するシェア）、市場メトリクス（例えば、全体のP／Eレシオ）などの多くのものを含むことができる。

例では、機械学習モデルは、トレンド資産を識別するために使用されてもよい。例えば、インテリジェントサービスシステム20243は、本書および参照により本書に組み込まれる文書を通して説明される様々なソースからデータを受信してもよく、受信したデータに基づいて一連の特徴ベクトルを生成してもよい。インテリジェントサービスシステム20243は、結果の訓練データセットに基づくなど、傾向資産を識別するために訓練された（例えば、シミュレーションデータおよび実世界データの組み合わせを使用して）機械学習モデルに特徴ベクトルを入力してもよい。実施形態では、インテリジェントサービスシステム20243は、人間の専門家のセットによる、および／または他のシステムもしくはモデルによる、傾向のある資産に関連する検出を表す訓練データの入力セットを含み得る。特徴ベクトルのセットを生成するために使用されるデータソースは、例えば、ディスカッションボード（チャット、資産などを含むコメントスレッドなど）、ソーシャルメディアサイト（資産などを含む投稿またはスレッドなど）、ウェブサイト（資産などを含むニュースなど）、およびその他を含むことができる。

例では、一組の機械学習モデルが、特定の資産の市場センチメントを決定するために使用されてもよい。例えば、インテリジェントサービスシステム20243は、本書および参照により本書に組み込まれる文書を通じて説明される様々なソースからデータを受信してもよく、受信したデータに基づいて一組の特徴ベクトルを生成してもよい。インテリジェントサービスシステム20243は、結果の訓練データセットに基づくなど、資産の市場センチメントを決定するために（例えば、シミュレーションデータおよび実世界データの組み合わせを使用して）訓練された機械学習モデルに特徴ベクトルを入力してもよい。実施形態において、インテリジェントサービスシステム20243は、人間の専門家のセットによる、および／または他のシステムもしくはモデルによる、市場センチメントに関連する決定を表すトレーニングデータの入力セットを含み得る。特徴ベクトルのセットを生成するために使用されるデータソースは、例えば、ディスカッションボード（チャット、資産などを含むコメントスレッドを含むなど）、ソーシャルメディアサイト（資産などを含む投稿またはスレッドを含むなど）、外部（資産などを含むニュースなど）、およびその他を含むことができる。本実施例および本開示全体を通じて説明される他の実施例において）意思決定または他の決定に使用されるそのような人工知能システムは、リカレントニューラルネットワーク（ゲーテッドリカレントニューラルネットワークを含む）、畳み込みニューラルネットワーク、リカレントニューラルネットワークと畳み込みニューラルネットワークの組み合わせ、または本書もしくは参照により本書に組み込まれる文書に記載されるニューラルネットワークの他のタイプもしくは組み合わせまたはタイプのハイブリッドなどを含み得る。

例では、機械学習モデルのセットは、補完的な取引ポジション及び／又は戦略を有するカウンターパーティを識別するために使用され得る。例えば、インテリジェントサービスシステム20243は、本書および参照により本書に組み込まれる文書を通じて説明される様々なソースからデータを受信してもよく、受信したデータに基づいて一組の特徴ベクトルを生成してもよい。インテリジェントサービスシステム20243は、結果の訓練データセットに基づくなどして、補完的な取引ポジションおよび／または戦略を有するカウンターパーティを識別するために（例えば、シミュレーションデータおよび実世界データの組み合わせを使用して）訓練された機械学習モデルに特徴ベクトルを入力してもよい。実施形態において、インテリジェントサービスシステム20243は、人間の専門家のセットによる、および／または他のシステムもしくはモデルによる、補完的な取引ポジションおよび／または戦略を有するカウンターパーティに関連する識別を表すトレーニングデータの入力セットを含み得る。実施形態では、自動化された、機械学習されたカウンターパーティ認識は、市場戦略のさらなる自動化（人間の専門家の戦略的決定に訓練されたような、ロボットプロセス自動化によるものを含む）を可能にする。カウンターパーティ戦略エンジンは、カウンターパーティのパターンおよび戦略の理解に基づくカウンターパーティの発見を促進するために、機械学習および／または他のインテリジェンス機能を採用することができる。特徴ベクトルのセットを生成するために使用されるデータソースは、例えば、取引データ（多くの市場をスキャンして、資産クラスまたは類似の資産クラスで取引したことのある当事者を見つける）、戦略を示すデータ（「バイ＆ホールド」、「裁定取引」、「デイトレード」などのトレーダーの一般戦略の指標、トレーダーのプロファイルデータ、および他の多くのものを含み得る。

例では、機械学習モデルのセットは、マーケットプレイス募集目的のために潜在的なマーケットプレイス参加者を検出するために使用されてもよい。例えば、インテリジェントサービスシステム20243は、本書および参照により本書に組み込まれる文書を通して説明される様々なソースからデータを受信してもよく、受信したデータに基づいて一連の特徴ベクトルを生成してもよい。インテリジェントサービスシステム20243は、結果の訓練データセットに基づくなどして、潜在的な市場参加者を検出するために（例えば、シミュレーションデータおよび実世界データの組み合わせを使用して）訓練された機械学習モデルに、特徴ベクトルを入力してもよい。実施形態では、インテリジェントサービスシステム20243は、人間の専門家のセットによる、および／または他のシステムもしくはモデルによる、潜在的な市場参加者に関連する検出を表す訓練データの入力セットを含み得る。特徴ベクトルのセットを生成するために使用されるデータソースは、例えば、取引データ（多くの市場をスキャンして、資産クラスまたは同様の資産クラスで取引したことのある当事者を見つける）、焦点を示すデータ（例えば、資本配分担当者のウェブサイトは、重点分野を示している）、戦略を示すデータ（「バイアンドホールド」、「裁定取引」、「デイトレード」などのトレーダーの一般的な戦略の指標であり、資産クラスの挙動（例えば、デイトレーダーの高いセッション内変動性に対してバイアンドホールドの長期の基本価値集約（例えば、収入源の拡大））を好む当事者を募集するのに使用できる）など多くのものがある。

例では、機械学習モデルのセットは、市場の構成に関連する意思決定サポートを提供するために使用され得る。実施形態では、決定サポートは、マーケットプレイス構成決定サポートプラットフォームによって提供されてもよい。例えば、インテリジェントサービスシステム20243は、本書および参照により本書に組み込まれる文書を通して説明される様々なソースからデータを受信してもよく、受信したデータに基づいて一連の特徴ベクトルを生成してもよい。インテリジェントサービスシステム20243は、結果の訓練データセットに基づくなど、市場の構成に関連する意思決定支援を提供するために（例えば、シミュレーションデータおよび実世界データの組み合わせを使用して）訓練された機械学習モデルに特徴ベクトルを入力してもよい。実施形態では、インテリジェントサービスシステム20243は、人間の専門家のセットによる、および／または他のシステムもしくはモデルによる、市場の構成に関連する意思決定支援を表すトレーニングデータの入力セットを含み得る。いくつかの実施形態では、決定サポートは、マーケットプレイスの匿名性設定、手数料設定、取引タイプ（例えば、バイセル、オークション、逆オークションなど）、上場要件、サポートされる取引タイプなどに関するガイダンスに関連し得る。特徴ベクトルのセットを生成するために使用されるデータソースは、例えば、以下を含み得る。本実施例では、インテリジェントサービスシステム20243は、資産データ（任意で、資産需要データ、供給データ、コストデータ、ボラティリティデータ、価格パターンデータ、取引サイズデータ、取引量データ、地理取引データ、取引当事者プロファイルデータ、および／または他の多くのタイプの資産関連データを含む）、市場の収益データ、法律または規制（例えば、合法性を認識した訓練）および多くの他のものを受け取り得る。

例では、機械学習モデルのセットは、1つまたは複数の資産の価格設定に関連する意思決定支援を提供するために使用されてもよい。例えば、インテリジェントサービスシステム20243は、本書および参照により本書に組み込まれる文書を通して説明される様々なソースからデータを受信してもよく、受信したデータに基づいて一連の特徴ベクトルを生成してもよい。インテリジェントサービスシステム20243は、結果の訓練データセットに基づくなどして、1つまたは複数の資産の価格設定に関連する決定支援を提供するために（例えば、シミュレーションデータと実世界データの組み合わせを使用して）訓練された機械学習モデルに特徴ベクトルを入力してもよい。実施形態では、インテリジェントサービスシステム20243は、人間の専門家のセットによる、および／または他のシステムまたはモデルによる、資産の価格設定に関連する意思決定支援を表す訓練データの入力セットを含み得る。特徴ベクトルのセットを生成するために使用されるデータソースは、資産データ（任意に、資産需要データ、供給データ、コストデータ、ボラティリティデータ、価格設定パターンデータ、取引サイズデータ、取引量データ、地理的取引データ、取引当事者プロファイルデータ、および／または他の多くのタイプの資産関連データを含む）、議論ボード（チャット、資産などに関わるコメントスレッドを含むなど）、ソーシャルメディアサイト（資産などに関わるポストまたはスレッドを含むなど）、外部（資産などに関わるニュースなど）、その他が挙げられるがそれだけに限らない。

例では、機械学習モデルのセットは、注文要求パラメータ（例えば、価格、数量、アクションタイプなど）に関連する決定サポートを提供するために使用されてもよい。例えば、インテリジェントサービスシステム20243は、本書および参照により本書に組み込まれる文書を通して説明される様々なソースからデータを受信してもよく、受信したデータに基づいて一連の特徴ベクトルを生成してもよい。インテリジェントサービスシステム20243は、結果の訓練データセットに基づくなど、注文要求パラメータに関連する決定支援を提供するために（例えば、シミュレーションデータおよび実世界データの組み合わせを使用して）訓練された機械学習モデルに特徴ベクトルを入力してもよい。実施形態では、システム20243は、人間の専門家のセットによる、および／または他のシステムもしくはモデルによる、注文要求パラメータに関連する意思決定支援を表す訓練データの入力セットを含み得る。特徴ベクトルのセットを生成するために使用されるデータソースは、価格データ、収益性データ、運用データ、製品またはサービス性能データ、責任データ、当事者性能データ、市場データ（例えば、価格動向、ボラティリティ、その他）、およびその他を含み得るが、これらに限定されない。

例では、機械学習モデルのセットは、注文をキャンセルすることに関連する意思決定サポートを提供するために使用されてもよい。例えば、インテリジェントサービスシステム20243は、本書および参照により本書に組み込まれる文書を通して説明される様々なソースからデータを受信してもよく、受信したデータに基づいて一連の特徴ベクトルを生成してもよい。インテリジェントサービスシステム20243は、結果の訓練データセットに基づくなど、注文キャンセルに関連する意思決定支援を提供するために（例えば、シミュレーションデータおよび実世界データの組み合わせを使用して）訓練された機械学習モデルに特徴ベクトルを入力してもよい。実施形態では、インテリジェントサービスシステム20243は、人間の専門家のセットによる、および／または他のシステムもしくはモデルによる注文のキャンセルに関連する意思決定支援を表すトレーニングデータの入力セットを含んでもよい。特徴ベクトルのセットを生成するために使用されるデータソースは、資産データ（任意で、資産需要データ、供給データ、コストデータ、ボラティリティデータ、価格パターンデータ、取引サイズデータ、取引量データ、地理的取引データ、取引当事者プロファイルデータ、および／または他の多くのタイプの資産関連データを含む）、外部データ（資産などに関わるニュースなど）を含み得るが、これらに限定されない。

例では、機械学習モデルのセットは、スマートコントラクトのパラメータ（例えば、価格設定、数量、配送など）の設定に関連する意思決定サポートを提供するために使用され得る。さらに例を挙げると、機械の交換部品に関連するスマートコントラクトの場合、インテリジェントサービスシステム20243は、機械および／またはそれが配置されている施設から、または機械に関する履歴および現在のデータを受信してもよく、受信したデータに基づいて、一連の特徴ベクトルを生成してもよい。インテリジェントサービスシステム20243は、スマートコントラクトパラメータの設定に関連する意思決定サポートを提供するために（例えば、シミュレーションデータと実世界データの組み合わせを使用して）訓練された機械学習モデルに、特徴ベクトルのセットを入力してもよい。実施形態では、モデルまたはモデルのセットは、交換部品およびサービス市場の専門家によって訓練され、履歴および現在のデータに基づいて、機械の部品の交換のための適切な価格、サービスおよび配送条件を構成することができる。スマートコントラクト構成は、価格データ、収益性データ、運用データ、製品またはサービス性能データ、責任データ、故障率を示すデータ（例えば、製品の故障、サービスの故障、配送の故障、その他多数）、当事者性能データ、市場データ（例えば、価格動向、変動率、その他多数）、その他を含む過去の契約性能データを使用するか、そこから得られる特徴ベクトルのセットを含む場合がある。

さらに他の例では、機械学習モデルのセットは、市場、トレーダー、ブローカー、取引、資産上場、内部情報の保有者などの規制遵守を判断するために使用されてもよい。例えば、インテリジェントサービスシステム20243は、本書および参照により本書に組み込まれる文書全体を通して説明される様々なソースからデータを受信してもよく、受信したデータに基づいて一連の特徴ベクトルを生成してもよい。インテリジェントサービスシステム20243は、規制遵守を決定するために（例えば、シミュレーションデータおよび実世界データの組み合わせを使用して）訓練された機械学習モデルに特徴ベクトルを入力してもよい。つの非限定的な例として、規制遵守は、内部情報の保有者が自分の利益のために取引活動の前に市場に信号を送ることを禁止する規制への遵守を含み得る。実施形態では、このような例に関連して、機械学習モデルは、シグナリングのインスタンスを見つけるように、プレスリリース、ポッドキャスト、インタビューなどの大規模な資料のボディを解析することができる。実施形態では、公開または半公開のコミュニケーション、取引活動、および証券提出のコンテンツの間で、類似のコンテンツ、およびそれぞれのタイミングの自動識別を実行して、取引の後に取引の価値に影響を与える公開声明があった場合など、疑わしいシーケンスを識別することができる。例では、機械学習モデルは、取引、および取引タイミングを、当事者関係の証拠（例えば、ソーシャルメディア接続）とともに解析して、内部の当事者が家族、仕事仲間、同僚などの外部の当事者に情報を提供したインサイダー取引の兆候を見つけることができる。実施形態は、インサイダー取引が禁止されていないが、インサイダー取引が行われていることが発覚すると嫌われるようなマーケットプレイス、例えば、当事者がその内部取引活動の程度に基づいて評価されるような、政策遵守にも及ぶ。

さらに他の例では、機械学習モデルのセットは、取引戦略を生成するために使用されてもよい。例えば、インテリジェントサービスシステム20243は、本書および参照により本書に組み込まれる文書を通して説明される様々なソースからデータを受信してもよく、受信したデータに基づいて一連の特徴ベクトルを生成してもよい。インテリジェントサービスシステム20243は、特徴ベクトルを、取引戦略を生成するために（例えば、シミュレーションデータと実世界データの組み合わせを使用して）訓練された機械学習モデルに入力してもよい。取引戦略の生成は、取引戦略の性能を示す様々な測定基準、任意でリスク調整された戦略の性能を含む、シャープレシオ、投下資本に対する倍率、投資収益率（IRR）、コスト調整された収益指標、ベンチマーク比較（例えば、インデックスファンドに対するベンチマーク）および他の多くのものの使用によって、結果について訓練されてもよい。

本明細書に記載される機械学習モデルなどの人工知能を使用して生成、検出、管理、または対策され得る取引戦略には、（a）買い持ち、または「基本」戦略（入力データソースおよび結果の特徴ベクトルが、資産クラスの価値の傾向、資産関連収入源（例えば、賃料、ロイヤルティ、金利など）、価格設定および関連指標（P/E比など）、原価計算情報、税務情報、為替レート情報、マクロ経済情報（インフレ情報、失業情報、国内総生産情報など）などに関連するデータソースなど）、(b)ロング／ショート株式戦略、例えば、計算されたアルファファクターに基づいて証券をロングとショートのバケットに切り分け、相対的に有利なアルファ資産または資産クラスでロングポジションを取り、相対的に不利なアルファ資産または資産クラスでショートポジションを取るもの（入力データソースおよび特徴ベクトルは、バイ＆ホールド戦略に用いられるものと同じ要素の多くを含み、特に相対PER、過去の資産クラスの相対パフォーマンスなど証券または他の資産間の相対パフォーマンスの指標に関心がある）、(c)当事者に適した相対的なリスク／リターン比に基づいて、当事者が資産クラス間でポートフォリオのポジションを配分する資産配分戦略(d)ベット（例えば、トレード）のサイジングを含む時間軸間ポートフォリオ選択戦略。ケリー基準（ここで、ベットサイズは、富の対数の期待値を最大化することによって計算される）を使用するなど、富の定義された割合に従って構成されるベット（例えば、トレード）サイジングを含む時間間ポートフォリオ選択戦略、例えば、データソース及び特徴ベクトルが、特定された当事者によって行われたトレードを示す情報及び当事者の総富又は資本を示す情報を含み得る。類似の銘柄をペアにして、上の（潜在的に価格が高い）資産にショートポジションを取り、下の（潜在的に価格が低い）資産にロングポジションを取るペア取引戦略において（これは、任意に、類似の銘柄をペアにして、それらの価格の線形結合（または他の結合）を使用して定常時系列を生成することを含むことができる、入力データソースと特徴ベクトルは、類似の資産のペアにおける類似のサイズとタイミングの取引を示す取引データを含むことができる、(f)ボラティリティを利用しようとするスイングトレード戦略。入力データソースおよび特徴ベクトルは、価格情報およびパターン、ならびにボラティリティに影響を与える可能性のある要因（地政学的データ、社会データ、マクロ経済データなど）に関連する場合がある、(g)スキャルピング戦略（資産の買値と売値の間のスプレッドに基づいて各取引から小さな利益を集約するために、取引セッション中に非常に多くの取引を行うなど）。入力データソースおよび特徴ベクトルは、取引量およびサイズ、平均ビッド／アスクスプレッドのサイズ、ならびに上述の他の多くのソースおよび特徴に関連することがある、(h)同じ取引セッション内で買いと売りを行い、それによって市場が稼働していない期間にポジションを解消するデイトレード戦略であって、補完的なペア（例えば、以下のもの）を示すデータソースと特徴ベクトルを含む可能性がある。(i)ニュースイベントやその他の新しい情報が資産価格に与える影響を迅速に予測する、ニュースベースまたは情報ベースの取引戦略です、予測モデルを使用）、リアルタイムで関連イベントを特定するのに役立つ（モノのインターネットソース、クラウドソース、ソーシャルデータサイト、ウェブサイト、ニュースフィードなど）、同じまたは類似の資産クラスを含む過去の取引における同様のニュースまたはイベントに対する反応など、過去の傾向を示すデータソースを含む、(j)市場シグナルに基づいて資産クラスの売買タイミングを計る、シグナルベースの取引戦略、モメンタム取引戦略等を含む市場タイミング戦略、これは、シグナルプロバイダーが市場シグナルの総計予測や、新しい情報や事象に対する市場の反応パターンを示す他の情報を作成するために使用する様々な情報源を使用することができる、(k)取引相手の行動モデルに基づく取引を含む社会的取引戦略。この戦略には、取引量データ、価格パターンデータなど、市場の状況、イベント、刺激に応じた取引行動を反映するデータソースおよび特徴ベクトルが含まれる場合があり、本書に記載したデータソースおよび特徴ベクトルの多くを含みます、(l)フロントランニング戦略（取引相手による取引意図の指標を検出し、その意図が取引相手による実際の取引の形で実現する前に迅速に取引を実行することを含む）、(m)チャートベースまたはパターンベース戦略（取引が、セッションまたは一連のセッションにわたる取引の価格の傾向などのチャートの分析に基づくもので、過去の動きのパターンに基づいて将来の価格の動きを予測しようとするもの（例えば、カップウィズハンドル」価格パターンの後の上昇波動を予測する）、これらは、典型的には、市場におけるトレーダーの集合の総取引行動に関する何らかの基礎となる行動モデルに基づいており、トレンドチャートおよびパターンに関する他の視覚情報など、市場行動および市場結果のパターンを示すデータソースまたは特徴ベクトルを使用する場合がある、(n)遺伝的プログラミング、深層学習、または他のコンピュータ科学に基づく戦略（例えば、データソース、特徴ベクトル、フィードバックソース、重み付け、ニューラルネットワークのタイプの変化など、取引アルゴリズムまたはモデルにある程度のランダムまたは非ランダムな変化を導入することを含むものである、人工知能システムで使用されるもの、取引パターン（サイズ、タイミング、価格、数量）の変動、資産クラスの変動、戦略の変動など）、例えば、市場取引データ内の上記のいずれかのパターン、傾向または変化に関連する特徴ベクトルのデータソースが特定される場合がある、(o)自動化またはアルゴリズム取引戦略（前述の戦略および他の戦略のいずれかを実施するために使用され得る）であって、市場取引データソースが、非常に迅速な実行を示す取引パターンまたはアルゴリズム実行の指標となる他のパターンを識別するために使用され得る、(p)前述の様々なハイブリッドおよび組み合わせ、ならびに本書に記載する広範な資産クラスおよび市場のいずれかにおいて使用する他の種々の取引戦略を含む多様な戦略が含まれ得る（限定されない）。

さらに他の例では、機械学習されたモデルのセットは、取引相手のセットのような取引戦略を検出するために使用されてもよい。インテリジェントサービスシステム20243は、様々なソースからデータを受信してもよく、受信したデータに基づいて一連の特徴ベクトルを生成してもよい。インテリジェントサービスシステム20243は、取引戦略を検出し、取引戦略を分類する出力を生成するように訓練された機械学習モデルに特徴ベクトルのセットを入力してもよい。実施形態において、モデルは、専門家トレーダーがデータソースに基づいて、および／または結果（分類に基づいて選択された対抗戦略の結果など、および／または1人以上の当事者が分類の正確さを検証した結果）に基づいて取引戦略を分類する訓練データセットで訓練されてもよい。実施形態において、モデルは、ディープラーニングによって生成されてもよい。実施形態において、モデルは、教師あり、教師なし、または半教師ありであり得る。実施形態において、モデルは、リカレントニューラルネットワーク、任意選択で、老化データに逓減する重みを置く結果として改善された性能を提供し、複合エラーの問題を緩和するゲーテッドリカレントニューラルネットワークを使用することができる。実施形態では、モデルは、取引パターン（例えば、価格パターン、ボラティリティパターン、ボリュームパターンなど）の画像がモデルへの入力データソースとして提供される場合など、畳み込みニューラルネットワーク（単独またはリカレントニューラルネットワークなどの別のタイプのニューラルネットワークとの組み合わせ）を採用することができる。取引戦略が分類されると、前述のようなさらなる機械学習モデルが、検出された戦略に対する適切な対抗戦略である適切な取引戦略を生成し得る。

さらに他の例では、機械学習モデルのセットは、本書および／または参照により本書に組み込まれる文書に記載される戦略のいずれかを含む取引戦略のセットから取引戦略を選択するために使用され得る。例えば、インテリジェントサービスシステム20243は、本書および参照により本明細書に組み込まれる文書を通して説明される様々なソースからデータを受信してもよく、受信したデータに基づいて特徴ベクトルのセットを生成してもよい。インテリジェントサービスシステム20243は、結果の訓練データセットに基づくなどして、取引戦略のセットから取引戦略を選択するために（例えば、シミュレーションデータおよび実世界データの組み合わせを使用して）訓練された機械学習モデルに、特徴ベクトルを入力してもよい。実施形態では、インテリジェントサービスシステム20243は、人間の専門家のセットによる、および／または他のシステムまたはモデルによる、取引戦略の選択に関連する意思決定支援を表す訓練データの入力セットを含むことができる。取引戦略の選択は、シャープレシオ、投下資本に対する倍率、投資収益率（IRR）、コスト調整された収益指標、ベンチマーク比較（例えば、インデックスファンドに対するベンチマーク）および他の多くのようなリスク調整された戦略パフォーマンスを任意に含む取引戦略パフォーマンスを示す様々な指標の使用によるものを含む結果に対して訓練されてもよい。管理に使用されるデータソースおよび特徴ベクトルは、本明細書に記載される多くのタイプの市場データ、ならびに取引行動および市場パターンの予測を支援し得る外部データソースを含み得る。

さらに他の例では、機械学習モデルのセットは、本書および／または参照により本書に組み込まれた文書に記載された戦略のいずれかを含む取引戦略を管理するために使用され得る。例えば、インテリジェントサービスシステム20243は、本書および参照により本明細書に組み込まれる文書を通じて説明される様々なソースからデータを受信してもよく、受信したデータに基づいて一連の特徴ベクトルを生成してもよい。インテリジェントサービスシステム20243は、特徴ベクトルのセットを、取引戦略を管理するために（例えば、シミュレーションデータと実世界データの組み合わせを使用して）訓練される機械学習モデルに入力してもよい。取引戦略の管理を行うモデルは、戦略を管理する専門家のセットによる管理決定の訓練セットに基づいて訓練されてもよく、実施形態では、取引戦略を管理する管理インターフェースの専門家による入力のセットで訓練することにより、ロボットプロセス自動化を採用してもよい。モデルは、深層学習モデル、教師ありモデル、教師なしモデルおよび／または半教師ありモデルであってもよく、本明細書および／または参照により組み込まれる文書に記載される人工知能技術およびシステムのうちのいずれかを採用してもよい。実施形態では、管理モデルは、本明細書に記載の1つ以上のパフォーマンスメトリクス、例えば、シャープレシオまたはモデルパフォーマンスの他のメトリックなどの成果／フィードバックで訓練される。管理に使用されるデータソースおよび特徴ベクトルは、本明細書に記載される多くのタイプの市場データ、ならびに取引行動および市場パターンの予測を支援し得る外部データソースを含むことができる。戦略管理モデルは、極端な状況で取引の停止を要求するもの、文脈や市場の状況に基づいて代替戦略に移行するものなど、一連のルールまたはポリシーを実装するように構成される場合がある。例えば、一連のルールは、一次戦略と、一連のトリガーの決定によりトリガーされる偶発的戦略のセットを提供することができ、これにより、管理モデルは、トリガーの検出により自動的に偶発的戦略に移行する。例えば、バイアンドホールド戦略は、市場の価格／収益比の合計が定義された値を超えた（例えば、資産クラス全体が過大評価されていることを示唆する）ことを検出すると、アクティブな取引（例えば、売り、または空売り）戦略に移行するように構成され得る。別の例として、デイトレード戦略は、セッション内の価格変動が定義された閾値メトリックを下回ることが検出された場合、ロング／ショート戦略に自動的に移行するように構成され、取引コストのためにデイトレードがコストおよびリスク調整ベースで利益を上げにくいことを示唆することが挙げられる。実施形態において、取引戦略のセットは、階層、フロー図、グラフ（任意で有向非循環グラフ）などで構成されてもよく、これは、トリガーの決定に応答して取引戦略のシーケンスを決定するために機械学習型戦略管理モデルによって解析され得るデータスキーマ（任意でグラフデータベースまたは同様のデータリソースに格納される）において構成されてよい。実施形態において、取引戦略のセットを捕捉するデータスキーマは、取引戦略のシフトをトリガーするためのトリガー（状態、条件、閾値など）、ならびに各戦略またはセットまたは戦略のセットの管理のためにモデルを構成するために必要なルール、構成パラメータ、および他のデータおよびメタデータを含むことができる。

例では、トレーダーを分類または区分するために、機械学習モデルのセットが使用されてもよい。例えば、インテリジェントサービスシステム20243は、本書および参照により本書に組み込まれる文書全体を通して説明される様々なソースからデータを受信してもよく、受信したデータに基づいて、特徴ベクトルのセットを生成してもよい。インテリジェントサービスシステム20243は、結果のトレーニングデータセットに基づくなど、トレーダーを分類するために（例えば、シミュレーションデータおよび実世界データの組み合わせを使用して）トレーニングされた機械学習モデルに、特徴ベクトルのセットを入力してもよい。実施形態では、インテリジェントサービスシステム20243は、人間の専門家のセットによる、および／または他のシステムまたはモデルによるトレーダーの分類または分類を表す訓練データの入力セットを含み得る。トレーダーの分類または分類に使用されるデータソースおよび特徴ベクトルは、本明細書に記載される多くのタイプのマーケットプレイスデータ、トレーダープロファイルデータ、ならびにトレーダーの分類または分類を支援し得る外部データソース（トレーダーに由来または関連するソーシャルメディアコンテンツ、トレーダーに由来または関連する掲示板コンテンツなどからのデータ）を含むことができる。本実施例および本明細書に記載される他の実施例において、分類に使用されるそのような人工知能システムは、リカレントニューラルネットワーク（ゲーテッドリカレントニューラルネットワークを含む）、畳み込みニューラルネットワーク、リカレントニューラルネットワークと畳み込みニューラルネットワークの組み合わせ、または本明細書または参照により本明細書に組み込まれる文書に記載されるニューラルネットワークの他のタイプまたはタイプの組み合わせもしくはハイブリッドを含み得る。

さらに他の例では、一組の機械学習モデルが、資産を分類またはカテゴライズするために使用されてもよい。例えば、インテリジェントサービスシステム20243は、本書および参照により本書に組み込まれる文書を通して説明される様々なソースからデータを受信してもよく、受信したデータに基づいて一連の特徴ベクトルを生成してもよい。インテリジェントサービスシステム20243は、結果の訓練データセットに基づくなど、資産を分類するために（例えば、シミュレーションデータおよび実世界データの組み合わせを使用して）訓練された機械学習モデルに特徴ベクトルを入力してもよい。実施形態では、インテリジェントサービスシステム20243は、人間の専門家のセットによる、および／または他のシステムもしくはモデルによる、資産の分類または分類を表す訓練データの入力セットを含み得る。資産の分類または分類に使用されるデータソースおよび特徴ベクトルは、価格データ、収益性データ、運用データ、製品またはサービス性能データ、責任データ、故障率を示すデータ（例えば、製品の故障、サービスの故障、配送の故障、およびその他多数）、当事者性能データ、市場データ（例えば、価格動向、ボラティリティなど）、資産データ（資産の説明、資産プロファイル、資産に関連するコンテンツ（画像、映像、音声など）を含む）、資産の分類やカテゴライズを支援する外部データソース（資産に関連するウェブサイトなど）、その他多数がある。

例では、機械学習モデルのセットは、市場を自動的に構成するために使用されてもよい。例えば、インテリジェントサービスシステム20243は、本書および参照により本書に組み込まれる文書を通して説明される様々なソースからデータを受信してもよく、受信したデータに基づいて一連の特徴ベクトルを生成してもよい。インテリジェントサービスシステム20243は、結果の訓練データセットに基づくなど、市場を自動的に構成するために（例えば、シミュレーションデータおよび実世界データの組み合わせを使用して）訓練された機械学習モデルに特徴ベクトルを入力してもよい。実施形態では、インテリジェントサービスシステム20243は、人間の専門家のセットによる、および／または他のシステムもしくはモデルによる市場の構成を表す訓練データの入力セットを含み得る。マーケットプレイスの構成に使用されるデータソースおよび特徴ベクトルは、資産データ（任意で、資産需要データ、供給データ、コストデータ、ボラティリティデータ、価格パターンデータ、取引サイズデータ、取引量データ、地理的取引データ、取引当事者プロファイルデータ、および／または他の多くのタイプの資産関連データを含む）、マーケットプレイスの収益データ、マーケットプレイスの効率データ、待ち時間データ、ならびにマーケットプレイス構成を支援し得る外部データソース（法律または規制からなど）を含むことができる。本実施例および本明細書に記載される他の実施例において、構成に使用されるそのような人工知能システムは、リカレントニューラルネットワーク（ゲーテッドリカレントニューラルネットワークを含む）、畳み込みニューラルネットワーク、リカレントニューラルネットワークと畳み込みニューラルネットワークの組み合わせ、または本明細書または参照により本明細書に組み込まれる文書に記載されるニューラルネットワークの他のタイプまたはタイプの組み合わせもしくはハイブリッドを含み得る。

例では、機械学習モデルのセットは、市場効率を最適化するために使用されてもよい。例えば、インテリジェントサービスシステム20243は、本書および参照により本書に組み込まれる文書を通して説明される様々なソースからデータを受信してもよく、受信したデータに基づいて一連の特徴ベクトルを生成してもよい。インテリジェントサービスシステム20243は、結果の訓練データセットに基づくなど、市場の効率を最適化するために（例えば、シミュレーションデータおよび実世界データの組み合わせを使用して）訓練された機械学習モデルに特徴ベクトルを入力してもよい。実施形態では、インテリジェントサービスシステム20243は、人間の専門家のセットによる、および／または他のシステムもしくはモデルによる、市場の効率の最適化を表すトレーニングデータの入力セットを含み得る。市場効率の最適化に使用されるデータソースおよび特徴ベクトルは、市場効率の最適化を支援し得る、本明細書に記載される多くのタイプの市場データ（任意で、取引マッチング速度データを含む）を含み得る。本実施例および本明細書に記載された他の実施例において、最適化に使用されるそのような人工知能システムは、リカレントニューラルネットワーク（ゲーテッドリカレントニューラルネットワークを含む）、畳み込みニューラルネットワーク、リカレントニューラルネットワークと畳み込みニューラルネットワークとの組み合わせ、または本明細書または参照により本明細書に組み込まれる文書に記載されたニューラルネットワークの他のタイプまたはタイプの組み合わせもしくはハイブリッドを含むことができる。

例では、機械学習モデルのセットは、市場の収益性を最適化するために使用されてもよい。例えば、インテリジェントサービスシステム20243は、本書および参照により本書に組み込まれる文書を通して説明される様々なソースからデータを受信してもよく、受信したデータに基づいて一連の特徴ベクトルを生成してもよい。インテリジェントサービスシステム20243は、結果の訓練データセットに基づくなど、市場の収益性を最適化するために（例えば、シミュレーションデータおよび実世界データの組み合わせを使用して）訓練された機械学習モデルに特徴ベクトルを入力してもよい。実施形態では、インテリジェントサービスシステム20243は、人間の専門家のセットによる、および／または他のシステムもしくはモデルによる、市場の収益性の最適化を表すトレーニングデータの入力セットを含み得る。マーケットプレイス収益性の最適化に使用されるデータソースおよび特徴ベクトルは、マーケットプレイス収益性の最適化を支援し得る、本明細書に記載される多くのタイプのマーケットプレイスデータ（任意で、取引データ、手数料データ、または手数料データを含む）を含むことができる。

さらに他の例では、機械学習されたモデルのセットは、取引活動を自動化するために使用されてもよい。例えば、インテリジェントサービスシステム20243は、本書および参照により本書に組み込まれる文書を通して説明される様々なソースからデータを受信してもよく、受信したデータに基づいて一連の特徴ベクトルを生成してもよい。インテリジェントサービスシステム20243は、結果の訓練データセットに基づくなど、取引活動を自動化するために（例えば、シミュレーションデータおよび実世界データの組み合わせを使用して）訓練された機械学習モデルに特徴ベクトルを入力してもよい。実施形態では、インテリジェントサービスシステム20243は、人間の専門家のセットによる、および／または他のシステムもしくはモデルによる取引活動を表す訓練データの入力セットを含み得る。特徴ベクトルのセットを生成するために使用されるデータソースは、資産データ（任意で、資産需要データ、供給データ、コストデータ、ボラティリティデータ、価格パターンデータ、取引サイズデータ、取引量データ、地理的取引データ、取引当事者プロファイルデータ、および／または他の多くのタイプの資産関連データを含む）、議論ボード（チャット、資産などに関わるコメントスレッドを含むなど）、ソーシャルメディアサイト（資産などに関わるポストまたはスレッドを含むなど）、外部（資産などに関わるニュースなど）、その他が挙げられるがそれだけに限らない。本実施例および本明細書に記載された他の実施例において、自動化のために使用されるそのような人工知能システムは、リカレントニューラルネットワーク（ゲーテッドリカレントニューラルネットワークを含む）、畳み込みニューラルネットワーク、リカレントニューラルネットワークと畳み込みニューラルネットワークの組み合わせ、または本明細書または参照により本明細書に組み込まれる文書に記載された他のタイプのニューラルネットワークまたはニューラルネットワークのタイプの組み合わせもしくはハイブリッドなどを含み得る。

例では、機械学習モデルのセットは、取引相手の取引意欲を決定するために使用されてもよい。例えば、インテリジェントサービスシステム20243は、本書および参照により本書に組み込まれる文書を通じて説明される様々なソースからデータを受信してもよく、受信したデータに基づいて一組の特徴ベクトルを生成してもよい。インテリジェントサービスシステム20243は、結果の訓練データセットに基づくなどして、取引相手の取引を行う意思を決定するために（例えば、シミュレーションデータと実世界データの組み合わせを使用して）訓練された機械学習モデルに特徴ベクトルを入力してもよい。実施形態では、インテリジェントサービスシステム20243は、人間の専門家のセットによる、および／または他のシステムもしくはモデルによる、取引の意思を表すトレーニングデータの入力セットを含み得る。取引相手の取引意思を決定するために使用されるデータソースおよび特徴ベクトルは、取引相手の取引意思の決定を支援し得る、本明細書に記載される多くのタイプの取引者プロファイルデータ、取引相手の過去の取引データ、外部データ（取引者／取引相手に関するソーシャルメディアデータまたは掲示板データ等）、またはマーケットプレイスデータを含み得る。

例では、機械学習モデルのセットは、取引のための公平性スコアを生成するために使用され得る。例えば、インテリジェントサービスシステム20243は、本書および参照により本書に組み込まれる文書を通して説明される様々なソースからデータを受信してもよく、受信したデータに基づいて一組の特徴ベクトルを生成してもよい。インテリジェントサービスシステム20243は、結果の訓練データセットに基づくなどして、取引の公正スコアを生成するために（例えば、シミュレーションデータおよび実世界データの組み合わせを使用して）訓練された機械学習モデルに特徴ベクトルを入力してもよい。実施形態では、インテリジェントサービスシステム20243は、人間の専門家のセットによる、および／または他のシステムもしくはモデルによる公平性スコアを表すトレーニングデータの入力セットを含み得る。公平性スコアの生成に使用されるデータソースおよび特徴ベクトルは、トレーダーデータ、市場参加者デバイス位置データ、待ち時間データ、過去の取引データ、または公平性スコアの生成を支援し得る本明細書に記載される多くのタイプの市場データを含んでもよい。本実施例および本明細書に記載の他の実施例において、生成（スコアの生成またはコンテンツの生成など）に使用されるそのような人工知能システムは、リカレントニューラルネットワーク（ゲートリカレントニューラルネットワークを含む）、畳み込みニューラルネットワーク、リカレントニューラルネットワークと畳み込みニューラルネットワークとの組み合わせ、または本明細書または参照により本明細書に組み込まれる文書に記載されているニューラルネットワークの他のタイプまたはニューラルネットワークのタイプの組み合わせもしくはハイブリッドなどを含むことができる。

例では、機械学習モデルのセットは、トレーダーがより少ないレイテンシで取引していた場合に経験したであろう金融上の利点を計算するために使用されてもよい。例えば、インテリジェントサービスシステム20243は、本書および参照により本書に組み込まれる文書を通じて説明される様々なソースからデータを受信してもよく、受信したデータに基づいて一組の特徴ベクトルを生成してもよい。インテリジェントサービスシステム20243は、結果の訓練データセットに基づくなど、トレーダーがより少ない待ち時間を経験していたならば経験したであろう金融的優位性を計算するために（例えば、シミュレーションデータおよび実世界データの組み合わせを使用して）訓練された機械学習モデルに特徴ベクトルを入力してもよい。実施形態において、インテリジェントサービスシステム20243は、人間の専門家のセットによる、および／または他のシステムもしくはモデルによる財務的優位性の計算を表すトレーニングデータの入力セットを含み得る。財務的優位性を計算するために使用されるデータソースおよび特徴ベクトルは、トレーダーデータ、市場参加者デバイス位置データ、遅延データ、またはトレーダーがより少ない遅延を経験していたならば経験したであろう財務的優位性を計算することを支援し得る、本明細書に記載される多くのタイプの市場データを含むことができる。本実施例および本明細書に記載の他の実施例において、計算に使用されるそのような人工知能システムは、リカレントニューラルネットワーク（ゲーテッドリカレントニューラルネットワークを含む）、畳み込みニューラルネットワーク、リカレントニューラルネットワークと畳み込みニューラルネットワークとの組み合わせ、または本明細書または参照により本明細書に組み込まれる文書に記載されるニューラルネットワークの他のタイプまたはタイプの組み合わせもしくはハイブリッドを含み得る。

例では、機械学習モデルのセットは、トレーダーのリスク許容度を決定するために使用されてもよい。例えば、インテリジェントサービスシステム20243は、本書および参照により本書に組み込まれる文書を通じて説明される様々なソースからデータを受信してもよく、受信したデータに基づいて一組の特徴ベクトルを生成してもよい。インテリジェントサービスシステム20243は、トレーダーのリスク許容度を決定するために（例えば、シミュレーションデータと実世界データの組み合わせを使用して）訓練された機械学習モデルに特徴ベクトルを入力してもよい。実施形態では、インテリジェントサービスシステム20243は、人間の専門家のセットによる、および／または他のシステムもしくはモデルによる、トレーダーのリスク許容度を表す訓練データの入力セットを含むことができる。トレーダーのリスク許容度を決定するために使用されるデータソースおよび特徴ベクトルは、トレーダーのリスク許容度の決定を支援し得る、本明細書に記載される多くのタイプのトレーダープロファイルデータ、トレーダーの過去の取引データ、外部（トレーダーに関連するソーシャルメディアのコンテンツを含む）、またはマーケットプレイスデータを含む場合がある。

前述の例は非限定的な例であり、インテリジェントサービスシステム20243は、産業施設に関して実行される他の任意の適切なAI／機械学習関連タスクに使用することができる。

実施形態において、プラットフォーム20500は、AI駆動型オーダーマッチングを実行するためのインテリジェントマッチングシステム20230を含む。実施形態において、インテリジェントマッチングシステム20230は、オーダーマッチングアルゴリズムを活用してもよい。実施形態において、注文マッチングアルゴリズムは、割り当て、FIFO、LMM付きFIFO、トップオーダーおよびLMM付きFIFO、プロラタ、構成可能、閾値プロラタ、およびLMM付き閾値プロラタアルゴリズムを含み得るが、これらに限定されない。

実施形態では、プラットフォーム20500は、実行エンジン20228を監視し、取引の公平性を計算する公平性エンジン20268を含む。実施形態では、公平性計算は、インテリジェントマッチングシステム20230が将来の取引の公平性を最適化するように、インテリジェントマッチングシステム20230の動作を調整するために使用され得る。

実施形態において、公平性計算は、トレーダーのための個々の公平性スコアを生成するために使用され得る。いくつかの実施形態では、公平性スコアは、価値を有し、システム全体の一部として取引可能な累積スコアであってよい。例えば、市場参加者（例えば、トレーダー）は、負の取引公平性スコアを有し、自分の取引公平性スコアを増加させるために取引することができる。実施形態において、公平性スコアは、ビッドまたはアスクの（受信時刻ではなく）配置時刻に基づくことができる。実施形態では、公平性エンジン20268は、トレーダーがより少ないレイテンシで取引していたら経験したであろう利点（ドルまたは他の尺度など）を計算するように構成される場合がある。いくつかの実施形態では、ローカルマーケットメーカー（LMM）取引は、（例えば、価格を上昇させることによって）取引の質を低下させることがある。実施形態において、公平性は、トレーダーにとっての不利の値に基づくか、またはその測定値を含み、その値は時間とともに蓄積され、インテリジェントマッチングシステム20230は、将来の有利な取引で公平性の不利の値を低減するように動作することができる。

実施形態において、公平性エンジンは、トレーダーなどのユーザの集合に対する待ち時間の測定値の集合を決定または受信し、（フロントランニング、出現する情報に基づく取引の迅速な実行などに起因する不公平感など）異なる待ち時間によって引き起こされ得る不公平感を緩和する設定パラメータまたは他の機能の集合を自動的に編成し得る実行タイミング公平性エンジンを含み得る。実施形態では、遅延は、エッジ計算ネットワークデバイスの処理性能、データパケットのセットが通過するネットワーク経路、データパケットを伝送するために使用されるネットワークプロトコル、タイプおよび物理的特性（例えば、データパケットを伝送するために使用される物理層のタイプおよび物理的特性（例えば、光ファイバー線の長さ）、データ経路に存在する結合ノードの数、データベースおよび他のデータリポジトリの性能（例えば、入力／出力性能）、取引などの行動を決定するアルゴリズムの実行に用いられるシステムの計算性能である。実施形態では、待ち時間は、ピング(Ping)、アップロード速度、ダウンロード速度などを決定することによって、ネットワークの戻り時間をテストすることによって、例えば、それらのパラメータをテストするための一般に利用可能なシステムを使用して決定することができる。他の実施形態では、待ち時間は、一組の刺激に対するシステム（アルゴリズム取引システムなど）の応答を観察することによって、例えば、ビッド／アスクイベント、ニュースイベントなどのイベントに応答してシステムがどれだけ迅速に取引を実行するかを観察することによって、システムの応答性をテストすることによって決定されてもよい。実施形態では、公平性エンジンは、量子計算システム、量子アルゴリズムなどの使用を検出し、量子計算または量子アルゴリズム実行の利点を考慮するように実行を調整してもよい。これは、量子計算またはアルゴリズム技術によってのみ解決可能な刺激のセットを提供すること、および識別された取引システムからの応答を検出することを含む場合がある。実施形態において、検出は、プラットフォーム20500によって支配され得る異なるマーケットプレイスにわたって同時に実行される取引を含むなど、もつれ状態の利用の証拠を含む取引動作の検出を含むことができる。

実施形態において、構成またはオーケストレーションは、前述の待ち時間の原因のいずれかに起因する待ち時間の利点を軽減するように設計された任意の一連の技法を含むことができる。例えば、実施形態では、構成または編成は、トレーダを同様の待ち時間を経験するコホートにグループ化し、取引がコホートのメンバ間でのみ実行されるようにすることを含むことができる。構成またはオーケストレーションは、低レイテンシの命令に自動的に遅延を与えることを含み、そのような命令は、平均レイテンシ、最小閾値レイテンシなどで実行されるようにすることができる。構成またはオーケストレーションは、ネットワーク符号化技術（例えば、ランダム線形ネットワーク符号化、極性符号化など）、パスベースルーティング技術、キャッシュ技術、負荷分散技術などを使用して、高遅延ユーザの遅延を改善する計算またはネットワークリソースを配備し、遅延の平均レベル、遅延の最小閾値レベルなどに減少させることを含むことができる。構成またはオーケストレーションは、低遅延トレーダーに追加の取引コストを課すこと、および／または高遅延トレーダーに報酬またはインセンティブを課すことなど、インセンティブおよび／またはペナルティを適用することを含み得る。インセンティブまたはペナルティは、実施形態では、不換紙幣で、暗号通貨で、および／または、公正不利の結果として蓄積されたトークンが市場で価値取引され得るような、市場特有のトークンなどのトークンで蓄積され得る。実施形態では、構成パラメータは、ユーザーのコホート全体の平均待ち時間に基づいてもよく、25％以上増えない待ち時間、50％以上増えない待ち時間、75％以上増えない待ち時間、2倍以上の待ち時間、3倍以上の待ち時間など、平均から定められた差以内の待ち時間を経験するユーザーのサブセットへの不利益を減少させるか除去するために適用してもよい。公平性エンジンの適用可能性に制限を設けることは、ユーザーが意図的に低性能システムを使用してシステム内の利点を獲得することを回避または緩和することができる。構成またはオーケストレーションは、公平性の不利を完全に排除するためのパラメータ設定を含むこともあれば、公平性の不利をある程度まで緩和しつつ、より高速なシステムが何らかの利点を経験することを可能にするためのパラメータ設定を含むこともある。

実施形態では、実行公正タイミングエンジンは、オンラインゲームまたはユーザーが行動を起こすことを競い、結果が行動の相対的なタイミングに依存する他の環境におけるプレーヤー間の公正な実行を保証するなど、他の領域で採用されることがある。

実施形態では、プラットフォーム20500は、実行エンジン20228のデータ生成器を監視して、いつ非キャンセル注文が出されるかを決定するためのロイヤリティシステム20270を含み得る。実施形態において、ロイヤルティシステム20270は、市場における当事者の存在感が増すにつれて、取引のためのボリューム量が増大することを可能にする。実施形態において、ロイヤルティシステム20270は、取引が行われるにつれてポイントが蓄積されることを可能にする。これらの実施形態において、ポイント蓄積は、効率的なアプリケーション構築を可能にするような遅延（1分遅延、5分遅延、10分遅延、1時間遅延など）で行われ得る。実施形態では、行われた取引の全体的な価値が捕捉され、ポイントは、総量、市場への総価値などの指標に基づいて計算され得る。インテリジェントマッチングシステム20230のマッチングアルゴリズムは、トレーダーの忠誠度に基づいて、より有利な結果を提供するように調整されることがある。さらに、マーケットプレイスへの新しい取引者は、既存のビジネスを新規マーケットプレイスに移動させることに基づいて、より高いロイヤリティステータスを要求することができる。ポイントは、暗号的に安全なトークンなど、トークンで具現化されてもよく、実施形態では、市場で価値と交換可能であるなどであってもよい。

実施形態において、プラットフォーム20500は、ユーザのレイテンシを計算するためのレイテンシ係数モジュール20239を含むことができる。このレイテンシー係数は、より遠隔のトレーダーに対してよりバランスのとれた取引位置を提供するために、インテリジェントマッチングシステム20230によって受信されることがある。

実施形態において、インテリジェントマッチングシステム20230は、ユーザが秘密のアルゴリズムを使用して取引を行うことを可能にし得る。実施形態において、トレーダーは、プラットフォーム20500によって提供されるGUIを介して、取引のための時間窓と関連する秘密アルゴリズムとを提供することができる。例えば、ユーザは、第2のピーク価格または48.100を超える価格を入力することができる。この例を続けると、インテリジェントマッチングシステム20230は、最初の価格48.100のみを公表し、その後、ビッドまたはアスクは、関連する秘密のアルゴリズムに基づいて価格を調整することになる。このアルゴリズムは取引システム上で実行されるため、地理的な優位性は取り除かれる。動作が多面的であるため、他のトレーダーは、市場取引に対応してビッドまたはアスクが何をすることを期待しているかを知ることができない。

いくつかの実施形態では、インテリジェントマッチングシステム20230は、量子オーダーマッチングをサポートするように構成される。量子オーダーマッチングは、カウンターパーティなどのユーザが、地理的に分散した市場で起こる同時売買活動などの活動を調整することを可能にし得る。これは、当事者が、その後、ポートフォリオのリスクを管理するための洗練されたメカニズムの一部として使用することができる同一の（しかし、互いに知られていない）ポジションを有することを可能にする。実施形態において、量子コンピューティングシステム20214は、他の量子コンピューティングシステムともつれた状態を有する。これらのもつれた状態は、所定の時点で既知の状態に解決されてもよく、これは、取引行動の結果を決定するために使用されてもよい。そして、これらのポジションは、遠隔で調整されていると考えられる。これにより、個々の市場がポジションの全体的な変化を予見することなく、同時に大きなポジションを複数の場所で（例えば、入札、依頼、購入、売却などにより）移動させることができる。

いくつかの実施形態では、プラットフォーム20500は、決定論的状態実行マシンを含む。売りと買いのシーケンスは、決定論的状態実行マシンの周りに構築されてもよい。この決定論的状態実行マシンは、同一の入力が与えられた場合に、同一の出力を提供することができる。決定論的プロセスは、インテリジェントマッチングの線形スケーリングを提供するために、並列市場実行および取引決定プロセス（キャンセルを含む）を可能にする。実施形態では、インテリジェントマッチングシステム20230は、組織的かつ決定論的な方法で注文データ（オーダーブックからなど）を読み取る。有限状態機械、単純割り当てエンジン、または他の非ランダムプロセスのようなシステムを使用して決定論的プロセスに従うことにより、実行プロセスは常に並列に実行され、複数のマッチングエンジンが存在し、冗長性および並列性を処理できるようになる。

実施形態では、プラットフォーム20500は、ステートマシンを含む。実施形態では、市場の状態は、このステートマシンに保持され、このステートマシンは、決定論的および非決定論的な状態プロセスを受け得る。これにより、取引実行における複雑な数の要因（忠誠心やランダムな結果など）を管理することができる。全体的な状態遷移のプロセスは、規制当局が常に結果が起こった理由を判断できるように、プロセスの監査を可能にするために記録される。

実施形態では、プラットフォーム20500は、キャンセルされた注文を受信して処理するためのキャンセル注文エンジンを含む。実施形態では、キャンセルされた注文は、実行エンジン20228によって処理され得る。実施形態において、プラットフォーム20500は、パッシブマッチングエンジンを含む。実施形態では、受動的マッチングエンジンは、マーケットプレイス参加者ユーザーデバイス20218によって提出されたメッセージを識別し、インテリジェントマッチングシステム20230のバックアップとして一次エンジンの同一状態マシンおよび同一コードを実行するように構成されてもよい。実施形態では、機械学習および／またはAIアルゴリズムが、どのマッチングエンジンを使用するかの決定を生成するために活用されてもよい。実施形態では、プラットフォームは、オーダーブックを含み、これは、マーケットプレイスが資産を売買するオファーを記録するために使用する注文のリストを指す場合がある。

実施形態において、量子コンピューティングシステム20214は、量子回路モデル、量子チューリング機械、断熱量子コンピュータ、一方向量子コンピュータ、量子アニーリング、および様々な量子セルオートマトンを含むがこれらに限定されない、多くの異なる量子モデルをサポートしてもよい。量子回路モデルでは、量子回路は、古典計算におけるビットに幾分類似している量子ビット、すなわち「量子ビット」に基づくことができる。量子ビットは、1または0の量子状態である場合もあれば、1と0の重ね合わせの状態である場合もある。しかし、量子ビットが測定の結果を測定した場合、量子ビットは常に1か0のいずれかの量子状態になる。この2つの結果に関連する確率は、量子ビットが測定直前にどのような量子状態にあったかに依存する。計算は、古典的な論理ゲートに類似した量子論理ゲートで量子ビットを操作することによって行われる。

実施形態において、量子計算システム20214は、アナログアプローチまたはデジタルアプローチを用いて物理的に実装され得る。アナログアプローチには、量子シミュレーション、量子アニーリング、および断熱的量子計算が含まれ得るが、これらに限定されない。実施形態において、デジタル量子コンピュータは、計算のために量子論理ゲートを使用する。アナログアプローチおよびデジタルアプローチの両方が、量子ビットまたは量子ビットを使用してもよい。

プラットフォーム20500によって実行されるマーケットプレイスオーケストレーションプロセスは、資産（製品、サービスなど）が取引可能な形態に導入されるプロセスであってよい。伝統的な市場の実施形態では、資産は、本明細書および／または参照により本明細書に組み込まれる文書に記載される多種多様なもののいずれかを含む、債券、株式、現金などを指す場合がある。非伝統的な市場の実施形態では、資産は、3Dプリント製品、3Dプリント命令および他の命令セット、リソース（エネルギー、計算、ストレージなど）、注意または他のユーザ行動、サービス（コンピュータプログラミングサービス、マイクロサービス、プロセス自動化サービス、人工知能サービスなど）、およびこれらを参照することができ、これらは、本書および／または参照により本書に組み込まれた文書に記載されている他の多くの例も含む。実施形態において、量子コンピューティングシステム20214を介した量子最適化を用いたマーケットプレイスオーケストレーションプロセスは、伝統的および非伝統的な資産市場に等しく適用され得る。さらに、実施形態は、伝統的な市場を非伝統的およびハイブリッド市場モジュールに拡張するために、非伝統的な資産と伝統的な資産とを組み合わせてもよい。

実施形態において、量子コンピューティングシステム20214は、量子アニーリングモジュール20203を含み、量子アニーリングモジュールは、量子揺らぎを使用して、候補解（例えば、候補状態）の所定のセットにわたって所定の目的関数のグローバル最小または最大を見つけるように構成されることがある。本明細書で使用する場合、量子アニーリングは、古典的計算の代わりに量子ゆらぎベースの計算を使用して、可能な解のおそらく非常に大きいが有限のセットの中から、サイズ、長さ、コスト、時間、距離、または他の尺度などの絶対最小または最大を特定する手順を見つけるためのメタ手順を指す場合がある。量子アニーリングモジュール20203は、スピングラスの基底状態を見つけることや巡回セールスマン問題など、多くのローカルミニマムを有する探索空間が離散的である問題（例えば、組み合わせ最適化問題）に対して活用され得る。

実施形態において、量子アニーリングモジュール20203は、等しい重みを有する全ての可能な状態（候補状態）の量子力学的重ね合わせから開始する。その後、量子アニーリングモジュール20203は、システム（例えば、物理システム、論理システムなど）の自然な量子力学的進化である時間依存シュレーディンガー方程式に従うように、進化してよい。実施形態では、すべての候補状態の振幅が変化し、横場の時間依存的な強さに従って量子並列性が実現され、状態間の量子トンネルが生じる。横磁場の変化率が十分に遅い場合、量子アニーリングモジュール20203は、瞬時ハミルトニアンの基底状態に近い状態に留まる可能性がある。横場の変化速度が加速される場合、量子アニーリングモジュール20203は、一時的に基底状態を離れるかもしれないが、最終的な問題エネルギー状態またはハミルトニアンの基底状態で終結する可能性がより高くなることを生じる。

いくつかの実装形態では、量子コンピューティングシステム20214は、トラップドイオン量子コンピュータモジュール20205を含み、これは、複雑な問題を解決するためにトラップドイオンを適用する量子コンピュータであってよい。トラップドイオン量子コンピュータモジュール20205は、低い量子デコヒーレンスを有し、大きな解決状態を構築することができる場合がある。イオン、すなわち荷電原子粒子は、閉じ込められ、電磁場を用いて自由空間に浮遊することができる。各イオンの安定した電子状態にキュービットが格納され、共有トラップ内のイオンの集団的量子化運動（クーロン力による相互作用）を通じて量子情報が伝達されることがある。レーザーは、量子ビット状態間の結合（単一量子ビット演算）または内部量子ビット状態と外部運動状態間の結合（量子ビット間のエンタングルメント）を誘導するために適用することができる。

実施形態において、量子コンピューティングシステム20214は、任意に多数の量子ビットを含み得、イオンをイオントラップのアレイ内の空間的に異なる位置に輸送し、遠隔でエンタングルしたイオンチェーンの光接続ネットワークを介して大規模でエンタングルした状態を構築し得る。

本発明のいくつかの実施形態では、プロセッサ、メモリ、及びグラフィカルユーザインターフェース（GUI）を含む従来のコンピュータが、設計、コンパイル、及び実行からの出力の提供に使用されてもよく、量子コンピューティングシステム20214は、機械語命令の実行に使用されてもよい。本発明のいくつかの実施形態では、量子コンピューティングシステム20214は、従来のコンピュータによって実行されるコンピュータプログラムによってシミュレートされてもよい。そのような実施形態では、量子コンピューティングシステム20214の状態の重ね合わせは、初期条件からの入力に基づいて準備され得る。量子コンピュータで利用可能な初期化操作は、量子ビットを｜0＞または｜1＞状態のいずれかに初期化することしかできないので、状態の重ね合わせへの初期化は物理的に非現実的である。しかし、シミュレーションの目的では、初期化プロセスをバイパスして、量子コンピューティングシステム20214を直接初期化することが有用である場合がある。

本明細書の実施形態によれば、量子コンピューティングシステム20214は、量子取引オーケストレーションを実行してもよく、これは、量子コンピューティングの使用を通じて一緒に加えられると、個別の市場体験を構成する、相関が難しい、関連するクロスチェーンおよびクロスチャネルの相互作用を最適化するように構成されてもよい。

実施形態において、量子コンピューティングシステム20214は、量子入力フィルタ20209を含むことができる。実施形態において、量子入力フィルタ20209は、量子コンピューティングシステム20214上でモデルを実行するか、古典コンピューティングシステム上でモデルを実行するかを選択するように構成されてもよい。いくつかの実施形態では、量子入力フィルタ20209は、古典的なコンピュータ上で後にモデリングするためのデータをフィルタリングしてもよい。典型的には、クロスマーケットプラットフォームインタラクションは、複数のマーケットプラットフォームにわたるインタラクションである。動的なマーケットプレイスオーケストレーション取引の雰囲気では、サービスプロバイダおよび市場プラットフォームは、様々な配信デバイスから、従来および革新的な両方の様々なプラットフォームまで、あらゆるレベルのエージェントとエンゲージすることができなければならない。エンゲージメントは、真の透明性と個別対応で、リアルタイムで提供される必要がある場合がある。実施形態において、量子コンピューティングシステム20214は、この相互作用の不可欠な部分となり、サービスプロバイダが最適化され効率的な方法で市場プラットフォームと接続することを可能にし得る。実施形態において、量子コンピューティングシステム20214は、分散型プラットフォームシステムに流れる不要な情報をフィルタリングしながら、従来のコンピューティングプラットフォームに入力を提供することができる。いくつかの実施形態では、プラットフォーム20500は、インテリジェントエージェントのためのフィルタリングされた指定された経験を通じて信頼することができる。

量子コンピュータは商業的に利用可能であるが、依然として高価で容量が限られており、量子アルゴリズムは、それらが適用され得る問題のホストのサブセットに対してのみ利用可能である。したがって、プラットフォーム20500内での量子計算の使用の利点（コストに対する利点）は、エピソード的であると考えられる。実施形態において、マーケットプレイスオーケストレーションシステムプラットフォーム20500または他のプラットフォームは、一連の入力に基づいて、マーケットプレイス活動（取引設定など）に量子計算リソースまたは量子アルゴリズムリソースを配備するか、従来の計算リソースおよびアルゴリズムを配備するか、またはそれらのハイブリッドまたは組み合わせを適用するかどうかを自動的に決定するためのモデルまたはシステムを含み得る。実施形態において、モデルまたは自動化システムへの入力は、取引パターン、エネルギーコスト情報、計算資源の資本コスト、開発コスト（アルゴリズムなど）、運用コスト（人件費およびその他のコストを含む）、利用可能な資源（量子および従来の）の性能情報、市場価格および出来高情報などを含み得る、市場ボラティリティ、および他の多くのデータセットのいずれかを使用して、取引戦略から量子最適化された結果と非量子最適化された結果との間の結果の違いをシミュレーションし（例えば、本書および／または参照により本書に組み込まれる文書に記載される多種多様なシミュレーション技術のいずれかを使用して）および／または予測し得るものである。機械学習モデルは、結果に関する深層学習によって、または人間の専門家の決定からのデータセットによって、所与の市場に関する入力データを与えられて展開するリソースのセットを決定するように、訓練されてもよい。モデルは、それ自体が量子計算リソース上に展開されてもよく、および／または、量子アニーリングなどの量子アルゴリズムを使用して、量子システム、従来システム、および／またはハイブリッドもしくは組み合わせを使用するかどうか、どこで、いつ使用するかを決定することができる。

本発明のいくつかの実施形態において、量子コンピューティングシステム20214は、量子出力フィルタ20211を含む。実施形態において、量子出力フィルタ20211は、複数のニューラルネットワークの解から解を選択するように構成されることがある。例えば、複数のニューラルネットワークは、特定の問題（入力データのセットを与えられた、マーケットプレイス内および／またはマーケットプレイスのセットにわたる最適な取引戦略など）に対する解を生成するように構成されてもよく、量子出力フィルタ20211は、解のセットから最適解を選択することができる。

いくつかの実施形態では、量子コンピューティングシステム20214は、ニューラルネットワークの開発または選択プロセスを接続し、指示する。この実施形態では、量子コンピューティングシステムM20214は、ニューラルネットワークが所望の出力を与えるように、ニューラルネットワークの重みを直接プログラムすることができる。この量子プログラムされたニューラルネットワークは、その後、量子コンピューティングシステム20214の監視なしに動作してもよいが、所望の計算エンジンの期待されるパラメータ内で動作することになる。

実施形態では、量子コンピューティングシステム20214は、量子データベースエンジン20213を含む。実施形態において、量子データベースエンジン20213は、相互作用およびタッチポイントにわたって有効な単一のアイデンティティを確立することによって、市場プラットフォームにわたる個人およびアイデンティティの認識を支援することができる。トレーダーの取引経路に合わせ、デバイスや市場プラットフォーム間のエンティティを「つなぎ合わせる」ことで、強力な基礎データセットの構築を促進することができる。量子データベースエンジン20213は、役割間の個々のデータ要素をマッチングさせるために、データマッチングの最適化とインテリジェントな従来の計算の最適化を実行するように構成され得る。マッチングは、取引タイプ、タイミング、地理的位置などを含む多くのデータ入力に基づくような、取引のパターンをマッチングすることなどによって、取引相手のアイデンティティを確立するために使用されてもよい。

量子ルールベースの予測的な取引経路の選択は、粒度の細かいエージェントレベルの対話及び行動データを有することに基づいている場合がある。その知識は、内部システムおよびサードパーティのデータソースから来る可能性があり、特定の買い手の行動に反応するように設定された自動トリガーによって実行可能にされるかもしれない。これらの個々のトリガーとレベルは、プロセス全体を監視できる量子最適化エンジンの適用によって監視され、最適化されるかもしれません。

量子コンピューティングシステム20214は、アナログ量子コンピュータ、デジタルコンピュータ、および／またはエラー訂正量子コンピュータを含むことができるが、これらに限定されるものではない。アナログ量子コンピュータは、これらの動作を原始的なゲート操作に分解することなく、量子ビット間の相互作用を直接操作することができる。実施形態において、アナログ機械を実行してもよい量子コンピュータは、量子アニーラー、断熱量子コンピュータ、および直接量子シミュレータを含むが、これらに限定されるものではない。デジタルコンピュータは、物理的な量子ビットの原始的なゲート演算を使用して関心のあるアルゴリズムを遂行することによって動作してもよい。エラー訂正型量子コンピュータは、量子エラー訂正（QEC）の導入により、ゲートベースの量子コンピュータをより堅牢にしたものであり、ノイズの多い物理量子ビットが安定した論理量子ビットをエミュレートできるため、コンピュータがあらゆる計算に対して信頼性の高い動作をする。さらに、量子情報製品には、計算能力、量子予測、量子発明が含まれるが、これらに限定されるものではない。

実施形態では、プラットフォーム20500は、1つ以上のインテリジェントエージェント20234が、電子マーケットプレイス資産に関する調査を行い、異なる市場で買い物及び／又はスキャンを行い、マーケットプレイス及び資産を比較し、資産及び市場の利益を議論し、市場の円滑化に主体的に関わり、質問を行い、レビューを読み、マーケットプレイスの円滑化を開始する前に種々の媒体及び経路を織り交ぜながら、市場の円滑化を促進する。いくつかの実施形態では、インテリジェントエージェント20234は、電子市場を構築するプロセスに従事する自動化されたシステムであってよい。実施形態において、インテリジェントエージェント20234は、類似の資産、類似の構成パラメータ20306、類似のルール、類似のトレーダーなどのために、マージすることで利益を得る可能性があるマーケットプレイスを識別するように構成されてもよい。実施形態において、インテリジェントエージェント20234は、識別されたマーケットプレイスをマージするように構成されてもよい。いくつかの実施形態では、インテリジェントエージェント20234は、複数のマーケットプレイスに分割することから利益を得る可能性があるマーケットプレイスを識別するように構成されてもよい。いくつかの実施形態において、インテリジェントエージェント20234は、特定されたマーケットプレイス（複数可）を分割するように構成されてもよい。実施形態において、量子コンピューティングシステム20214は、選択されたデータストリームが一緒になって、自動化されたマーケットプレイスプロセスに対する最適化された方向を生成することを可能にするように構成されてもよい。

いくつかの実施形態では、量子コンピューティングシステム20214は、従来のコンピュータを最適化し、市場における取引コストを最小化し、裁定取引機会に作用するシステムを特定して設定し、および／または複数のソースからのデータを意思決定プロセスに結合するために使用され得るエンジンとして構成される。

マーケットプレイスオーケストレーションのプロセスにおいて収集されるデータは、取引に直接関連する、及び取引に間接的に関連する、広範な追跡機能による対話データのリアルタイムの捕捉及び管理を含むことができる。実施形態において、量子コンピューティングシステム20214は、クッキー、電子メールアドレスおよび他のコンタクトデータ、ソーシャルメディアフィード、ニュースフィード、イベントおよびトランザクションログデータ（トランザクションイベント、ネットワークイベント、計算イベント、および他の多くを含む）、イベントストリーム、ウェブクローリングの結果、分散台帳情報（ブロックチェーン更新および状態情報を含む）、データソースの分散または連携クエリの結果、チャットルームおよび議論フォーラムからのデータストリーム、および他の多くのものを受け入れるよう構成されることがある。

実施形態では、量子コンピューティングシステム20214は、複数の量子ビットを有する量子レジスタ20215を含む。さらに、量子計算システム20214は、量子レジスタ内の量子ビットの各々に基本演算を実施するための量子制御システム20219と、必要な演算を調整するための制御プロセッサを含むことができる。

実施形態において、量子コンピューティングシステム20214は、マーケットプレイス及び／又はマーケットプレイスにおける資産の価格設定を最適化するように構成される。一態様において、量子コンピューティングシステム20214は、市場を横断して非常に大きく裁定に関連する最適化問題を解決するように構成される。例えば、量子コンピューティングシステム20214は、市場間の理想的な資産価格設定を解決することができる。実施形態において、量子コンピューティングシステム20214は、最適化された資産価格設定を提供するために量子アニーリングを利用してもよい。実施形態において、量子コンピューティングシステム20214は、資産価格設定を最適化するためにqビットベースの計算方法を使用してもよい。いくつかの実施形態では、量子コンピューティングシステム20214は、市場間の裁定関連最適化問題を解決するように構成される。

実施形態では、プラットフォーム20500の量子コンピューティングシステム20214および／または人工知能システムは、市場のセットを含む一連の取引活動をシミュレートすることなどにより、異なるフィアット通貨、暗号通貨、トークン、現物価値（例えば、サービスの交換）、または他の交換単位で取引するものを含む市場のセットの間、間、または横断的に、交換レートを決定するために使用できる。例えば、交換レートは、再生可能エネルギークレジット市場と暗号通貨市場（例えば、Bitcoin（登録商標）の場合）の間、汚染クレジット市場と広告市場の間、株式市場と債券市場の間、異なるフィアット通貨の間、様々なフィアットと暗号通貨の間、広告市場とロイヤルティ市場の間など、任意に、本書および／または参照により本書に組み込まれる文書に記載されている市場の種類のいずれかのペアまたは他の組み合わせを含めて決定されて良い。最適な為替レンジを決定することにより、マーケットオーケストレータが為替レートを調整して最適に近づけることができ、かつ／またはマーケットプレイス（複数可）で提供されている最適ではない為替レートから生じる裁定機会および／または通貨取引機会を識別するために使用することができる。

実施形態において、量子コンピューティングシステム20214は、ポートフォリオを最適化するように構成される。量子強化されたポートフォリオ最適化は、リスクの量を最小限に抑えながら、またはリスク許容度を維持しながら、可能な限り最大のリターンをもたらすために資産のポートフォリオを構築することを含み得る。量子強化は、リスク／リターンのバランスが量子コンピューティングシステム20214の内部で計算される最適化のより正確な方法を提供することができる。実施形態において、量子コンピューティングシステム20214は、ポートフォリオの適切なレベルの分散を提供するために、多種多様な資産タイプおよびクラスに投資する。実施形態において、量子強化は、ボラティリティ、特に、関連する市場エンティティのカオス的挙動（エンティティの挙動が初期条件に非常に敏感である場合など）から出現し得るボラティリティを意識して行われ、最適解がカオス的挙動の結果としてサブ最適挙動に急速に発展しにくい状況に（オプションで自動的に）最適化が適用されるようにする。例えば、量子強化は、初期条件の測定におけるわずかな誤差が急速に伝播する可能性のある、非常に急速に変化するエンティティ間の相互作用ではなく、比較的ゆっくりと変化するエンティティの非常に多数の相互作用を含む戦略を最適化するために、より効果的である場合がある。実施形態では、取引戦略、裁定取引戦略、為替レート最適化、および他の多くのモデルは、初期条件、実体のカオス／フラクタル挙動などに対する感度の理解に基づく誤差推定係数を含むことができ、この誤差検出および感度推定エンジンは、量子最適化モデルまたは本書に記載の他のモデルの、状態情報またはモデルの入力に用いられる他の情報に対する潜在誤差を推定および／またはシミュレーションするように構成され得る。

実施形態において、投資のための資産クラスを決定するための量子コンピューティングシステム20214の使用は、リスク軽減戦略である。資産クラスは、有価証券、負債及び株式等のタイプを含み得（本開示全体を通しての他の例と同様に、文脈がそうでないことを示す場合を除き、本開示全体を通しての資産クラスの言及は、本書及び／又は参照により本書に組み込まれる文書に記載されるタイプのいずれかを指し得る）、各資産クラスはかなり異なるリターンとリスク特性を有し得る。実施形態において、膨大に異なるタイプの資産クラスは、効率的なポートフォリオを提供するために一緒に組み合わされ得る。例として、量子最適化は、全体的なリスクを軽減するために、相互に反循環的な性質を有する様々なペアおよび組み合わせを含むなど、商品、株式、暗号通貨、債券、および他の資産の混合物を含むことができる。

実施形態において、量子コンピューティングシステム20214またはプラットフォーム20500の他のシステムは、伝統的な資産と非伝統的な資産との混合物を含む、資産クラスにわたってその投資を拡散することができる。実施形態において、伝統的な資産は、債券、所得創出債券、株式、商品、契約、現金、および現金同等物、ならびにサイバー通貨を含み得るが、これらに限定されない。実施形態において、非伝統的な資産には、三次元印刷製品市場、民間企業の資金調達施設、貿易サービス、およびプログラミングサービスが含まれ得るが、これらに限定されるものではない。

いくつかの実施形態では、量子コンピューティングシステム20214またはプラットフォーム20500の他のシステムは、債券および商品市場で取引し、買い手および売り手をより高いレベルのセキュリティにさらし、投資信託に似たリスクプロファイルを有する市場を提供するように構成される場合がある。

いくつかの実施形態では、量子コンピューティングシステム20214またはプラットフォーム20500の他のシステムは、資産および／または市場のボラティリティを予測するように構成され、投資戦略のためのより低いリスクプロファイルを可能にすることができる。実施形態において、プラットフォーム20500の量子コンピューティングシステム20214または他のシステムは、定義されたリスク要因を管理するために適用され、買い手および売り手がより高いまたはより低いレベルのリスクで動作する市場を提供し得る。

本発明のいくつかの実施形態において、量子コンピューティングシステム20214またはプラットフォーム20500の他のシステムは、市場で取引される各資産クラス（および各クラス内のすべての資産）に対して最適化ウェイトを割り当てることができる。実施形態では、重みは、任意の特定のクラス内に集中するポートフォリオの割合として定義され得る。例えば、量子コンピューティングシステム20214またはプラットフォーム20500の他のシステムは、株式に10％の重み付けを適用し、債券に20％の重み付けを適用してもよい。この重み付けは、ポートフォリオにおいて債券が株式よりも2倍重要であることをもたらす。実施例では、量子コンピューティングシステム20214またはプラットフォーム20500の他のシステムは、低成長株式および高成長株式にそれぞれ20％および10％でサブウェイトを割り当ててもよい。プラットフォーム20500の量子コンピューティングシステム20214または他のシステムと関連する古典コンピューティングシステムとの実装は、これらの資産ウェイトの継続的な維持を可能にすることができる。実施形態において、量子コンピューティングシステム20214又はプラットフォーム20500の他のシステムは、ポートフォリオ全体の所望のリスクプロファイルを生成するために重みを調整するように構成され得る。

本明細書の実施形態によれば、ユーザは、自分のリスクとリターンの許容度に基づいて、資産の重みを割り当てることができる。ユーザがリスクを最小化することを望む場合、ユーザは、低リスク、低成長の資産に大きなウェイトを割り当てるだろう。上記の例では、量子コンピューティングシステム20214またはプラットフォーム20500の他のシステムは、安全な投資に収益性の高い投資の2倍の重みを割り当てることによって、同様の手順を実行した。

いくつかの実装形態では、量子コンピューティングシステム20214またはプラットフォーム20500の他のシステムは、トレーダーの投資目標、トレーダーのリスク許容度を決定するなど、複数の特定の評価を実行し得る。特定の評価を実行すると、量子コンピューティングシステム20214またはプラットフォーム20500の他のシステムは、リスクとリターンの好みの間のバランスを維持するために、異なる資産クラスに重みを割り当てることができる。量子コンピューティングシステム20214またはプラットフォーム20500の他のシステムは、効率的フロンティアを求めてもよく、これは、確立されたリスクレベルを与えられた投資が獲得できる最大量を指すことがある。

例えば、量子コンピューティングシステム20214d又はプラットフォーム20500の他のシステムが、20％の損失リスクがトレーダーのリスク許容度であると判断した場合、量子コンピューティングシステム20214又はプラットフォーム20500の他のシステムは、そのリスク閾値を超えないで可能な限り多くのお金を稼ぐことができるポートフォリオを構築することになる。例を続けると、プラットフォーム20500の量子コンピューティングシステム20214または他のシステムは、それぞれの約束されたリターンに基づいて、そのポートフォリオのために以下の資産を選択することができる、債券ABC（リスク10％）、株式XYZ（リスク50％）、および株式TUV（リスク30％）である。

実施形態では、量子計算システム20214は、重みを計算するための量子計算モジュール20221を含む。典型的には、最適化されていないポートフォリオでは、ユーザは、債券ABCに資金を置きすぎて、可能なリターンが減少したり、株式XYZに過剰投資して、リスクが高くなりすぎたりする可能性がある。そこで、量子計算モジュール20221は、各銘柄がユーザーにとってどの程度必要であるかを正確に計算する。

従来の計算モジュールは、オプションの順列数が多いため、以下の方程式を解くことができないが、量子計算システム20214は、所望の最終使用パラメータを満たすことに基づいて、投資決定を行うことができる。

(方程式 1) Weight(ABC) + Weight(XYZ) + Weight(TUV) = 1

(方程式 2) .1*Weight(ABC) + 0.5*Weight(XYZ) + 0.3*Weight(TUV) = 0.2

いくつかの実施形態では、プラットフォーム20500の量子コンピューティングシステム20214または他のシステムは、特定の市場で所望のポジションを構築するために取引を選択するように構成される。プラットフォーム20500の量子コンピューティングシステム20214または他のシステムは、可能な取引を評価し、各取引の結果を考慮することによって、市場における所望のポジションを構築し得る。

実施形態では、量子コンピューティングシステム20214またはプラットフォーム20500の他のシステムは、成功した取引からの未実現リターンを使用してマージンを増加させるピラミッティング法を利用する。ピラミッティング法は、利益を上げており、継続的な強さのシグナルを示しているポジションにのみ追加することを指す場合がある。これらのシグナルは、資産価格が新高値に達するか、または資産価格が以前の安値に後退することで継続される可能性がある。ピラミッド法はトレンドを利用し、そのトレンドの各波でユーザーのポジションサイズを追加する。さらに、量子化されたピラミッド法は、利益を上げている既存のポジションに追加することで、リスク（最大損失額）を増加させる必要がないことも利点である。つまり、新しいポジションの潜在的な損失は、以前のエントリーによって相殺されるのである。

実施形態において、プラットフォーム20500の量子コンピューティングシステム20214または他のシステムは、資産のランク付けされたリストを生成するように構成される。実施形態において、プラットフォーム20500の量子コンピューティングシステム20214または他のシステムは、資産リターンの違いを説明することができる定量化可能な要因を標的とすることを含む要因投資アプローチを利用し得る。ロングオンリーポートフォリオにおいて、系統的な要因投資戦略は、特定の要因で高くランク付けされた資産をオーバーウェイトし、その要因で低くランク付けされた資産をアンダーウェイトする。ファクターは、ポートフォリオがそのように配置されている理由と、リターンのドライバーが何であるかを毎回正確に説明する。

実施形態において、量子コンピューティングシステム20214またはプラットフォーム20500の他のシステムは、それらの本質的または簿価よりも低い価格で取引されているように見える株式を選ぶためのバリュー投資アプローチを利用し得る。バリュー投資では、株式の評価は、基本的なアンカーである簿価、利益、またはキャッシュフロー-オーバー価格の比率によって定量化され得る。実施形態において、量子コンピューティングシステム20214またはプラットフォーム20500の他のシステムは、資産または資産のセットの評価を実行するように構成され得る。

いくつかの実施形態では、量子コンピューティングシステム20214またはプラットフォーム20500の他のシステムは、過去3～12ヶ月間に高いリターンを得た資産を購入し、同じ期間に悪いリターンを得た資産を売却するためのモメンタム投資アプローチを利用する。モメンタム投資アプローチでは、最近アウトパフォームした資産は、最近アンダーパフォームした資産よりも良い結果を出す傾向がある。いくつかの実施形態では、モメンタムは、資産の過去12ヶ月の価格リターンについて計算される。

実施形態において、量子コンピューティングシステム20214又はプラットフォーム20500の他のシステムは、企業のランク付けされたリストを生成するように構成される。いくつかの実施形態では、取引戦略の構築において、与えられたランキングは、関連または比較可能な資産および／または企業のセットの性能の信頼区間に基づく。

実施形態において、プラットフォーム20500またはプラットフォーム20500の他のシステムは、上位または下位の資産の単純な選択よりも深い比較根拠を可能にするために、一連の企業のランキングを適用してもよい。一例として、プラットフォーム20500は、企業ランキングに基づいて10個の資産に投資することを課される場合がある。例を続けて、資産Xがこれらの10個の資産の中にあり、2位と6位との間のランキングを有することが予測されるとする。実施形態において、量子コンピューティングシステム20214またはプラットフォーム20500の他のシステムは、最適なランキングを見つけるためにランキングモデルを活用する。いくつかの実施形態において、ランキングモデルは、不確実性セット内のランキングの最悪の実現に対してさえ、目的関数を最大化するためにポートフォリオ重みを使用する。

実施形態において、プラットフォーム20500の量子コンピューティングシステム20214または他のシステムは、潜在的取引のランク付けされたリストを生成するように構成される。実施形態において、プラットフォーム20500の量子コンピューティングシステム20214または他のシステムは、ポートフォリオをリバランスするために潜在的な取引のランク付けされたリストを適用する。プラットフォーム20500の量子コンピューティングシステム20214または他のシステムは、取引に関連する明示的（例えば手数料）および暗黙的（例えばビッド／アスクスプレッドおよび影響）コストを最小化することを目標にリバランスを実施するように構成され得る。

いくつかの実施形態では、取引コスト及び制約は、ポートフォリオ構築内で明示的に考慮される場合がある。例えば、あるアルファ源へのエクスポージャーを最大化しようとするポートフォリオ最適化は、取引コストの明示的な尺度を組み込むか、または任意の与えられたリバランスで発生することが許される取引数を制約することができる。

いくつかの実施形態では、ポートフォリオ構築及び取引最適化は、2段階のプロセスで行われる。例えば、取引制約及びコストの考慮を無視して、「理想的な」ポートフォリオを作成するポートフォリオ最適化が行われ得る。次に、量子コンピューティングシステム20214またはプラットフォーム20500の他のシステムは、コストを最小化するかまたは取引制約を尊重しながら、現在のポートフォリオを目標ポートフォリオに「できるだけ近く」移動させる取引を特定しようとする、第2のステップとして取引最適化を行うことができる。

実施形態において、プラットフォーム20500の量子コンピューティングシステム20214又は他のシステムは、カウンターパーティマッチングを最適化するように構成される。実施形態において、量子ベースのマッチングは、カウンターパーティーの相補的な取引戦略に少なくとも部分的に基づいている。いくつかの実施形態では、取引は、多くのカウンターパーティを含むことができる。取引を完了するための資金、商品、及びサービスの各市場は、一連のカウンターパーティとして考慮され得る。例えば、購入者が自宅に配送される小売製品をオンラインで購入する場合、購入者と小売業者はカウンターパーティであり、購入者と配送サービスも同様である。実施形態では、複雑な多段階プロセスにおけるカウンターパーティーの管理を最適化することで、当事者間の効率的な資金移動を可能にすることができる。カウンターパーティとの市場取引では、関係する当事者や事業体のいずれかが義務を果たさないというリスクが生来的に存在する。これは、特に店頭取引において顕著である。OTC取引リスクの例としては、支払いが処理された後にベンダーが財又はサービスを提供しないこと、財が先に提供された場合に買い手が義務を支払わないこと、及び取引が実行される前に、しかし最初の合意に達した後に一方の当事者が取引から手を引くことが挙げられるが、これらに限定されるものではない。実施形態では、量子コンピューティングシステム20214またはプラットフォーム20500の他のシステムは、取引先リスクの領域を特定するように構成され、特定されたリスクのこれらの領域は、次に、全体的な量子マーケットプレイスオーケストレーションの一部として管理される。

取引上のカウンターパーティはいくつかの方法で分類することができ、存在／注文／取引および他の類似スタイルのトレーダーに基づいて、市場がどのように行動する可能性が高いかについての洞察を提供することができる。実施形態では、カウンターパーティーの例として、小売業者、マーケットメーカー、流動性トレーダー、テクニカルトレーダー、モメンタムトレーダー、およびアービトラージャーが挙げられるが、これらに限定されるものではない。

小売業者とは、一般の個人投資家など、プロではないトレーダーのことを指す。彼らは、E-Tradeのようなオンラインブローカーまたは音声ブローカーを通じて取引しているかもしれない。量子コンピューティングシステム20214またはプラットフォーム20500の他のシステムは、取引においてカウンターパーティとして機能する自動化されたトレーダーを提供することができる。

実施形態において、プラットフォーム20500の量子コンピューティングシステム20214または他のシステムは、市場に流動性を提供するための参加者である自動マーケットメーカー（AMMs）を提供する。実施形態において、AMMsは、実質的な市場影響力を有する可能性があり、しばしば、オーダーブックに表示される可視ビッドおよびオファーの実質的な部分となるであろう。AMMは、流動性を提供し、電子通信ネットワーク（ECN）リベートを収集することによって利益を得ることができ、また、状況によって利益を得ることができると判断された場合には、キャピタルゲインのために市場を動かすことができる。

実施形態では、量子コンピューティングシステム20214またはプラットフォーム20500の他のシステムは、一般に非常に低い手数料を有し、流動性を追加し、電子通信ネットワーク（ECN）クレジットを捕捉することによって日々の利益を獲得する非マーケットメーカーを指す場合がある、自動流動性取引モジュールを含む。AMMと同様に、自動流動性取引モジュールは、ビッド（オファー）で満たされ、その後、インサイド価格または現在の市場価格の外側でオファー（ビッド）に注文を出すことによってもキャピタルゲインを得ることができる。

いくつかの実施形態では、マーケットプレイスオーケストレーションシステムプラットフォーム20500は、量子対応テクニカルトレーダーインテリジェントエージェントを含む。実施形態において、量子対応テクニカルトレーダーインテリジェントエージェントは、市場指標、サポート、レジスタンス、トレンドライン、またはチャートパターンからであるかどうかにかかわらず、チャートレベルに基づいて取引するように構成される。量子対応テクニカルトレーダーインテリジェントエージェントは、ポジションに踏み込む前に、特定の条件が発生するように市場のチャートを監視するように構成され得る。

実施形態において、マーケットプレイスオーケストレーションシステムプラットフォーム20500は、量子対応モメンタムトレーダーインテリジェントエージェントを含む。実施形態において、量子対応モメンタムトレーダーインテリジェントエージェントは、異なるタイプであってよい。量子化対応モメンタムトレーダーインテリジェントエージェントの中には、（日中しか取引しないにもかかわらず）モメンタム銘柄に複数日間留まるように構成されているものもあれば、「動いている銘柄」を検索し、ニュースイベント、出来高、または価格スパイク時に銘柄の迅速な急変動を捕らえようとし続けるようなものもある。量子力学を利用したモメンタムトレーダーのインテリジェントエージェントは、動きが鈍くなる兆しが見えたら終了するように設定することができる。

実施形態において、マーケットプレイスオーケストレーションシステムプラットフォーム20500は、量子対応アービトレジャーインテリジェントエージェントを含む。いくつかの実施形態では、量子対応アービトラージャインテリジェントエージェントは、複数の資産、市場、および統計ツールを使用して、市場または市場全体の非効率性を利用するように構成される。

実施形態において、量子コンピューティングシステム20214またはプラットフォーム20500の他のシステムは、オーダーマッチングを最適化するように構成される。いくつかの実施形態において、量子コンピューティングシステム20214は、量子オーダーマッチングシステムを含む。実施形態において、量子注文マッチングシステムは、量子注文マッチングアルゴリズムを使用して、市場の売買注文をマッチングする電子システムである。量子オーダーマッチングシステムは、市場の参加者からの注文を実行する。

実施形態では、注文はトレーダーによって入力され、マーケットプレイスに属する中央システムによって実行される。注文をマッチングするために使用される量子注文マッチングアルゴリズムは、システムごとに異なる場合があり、最良執行に関するルールを使用する場合がある。さらに、量子注文照合システムおよび注文要求システム20260は、決済システム20241および電子取引プラットフォームによってアクセスされる中央証券保管所を含むことができる、より大きな電子取引システムの一部であることがある。

量子オーダーマッチングアルゴリズムは、量子オーダーマッチングシステム20231の効率と堅牢性を決定し得る。実施形態において、マーケットプレイスは、注文が直ちにマッチングされる連続取引及び／又はマッチングが一定の間隔で行われるオークション取引をサポートするように構成されてもよい。いくつかの実施形態では、量子オーダーマッチングシステム20231は、多数のオーダーが蓄積されたマーケットオープンでオークション状態に機能する。

いくつかの実装形態では、量子コンピューティングシステム20214またはマーケットプレイスオーケストレーションシステムプラットフォーム20500の他のシステムは、マイニングおよび発見のプロセスを通じて機会発見を行うように構成される。マイニングおよび発見は、予測モデルおよび／またはテキストベースのデータマイニングモジュールを使用する従来のデータマイニングを含み得る。実施形態では、量子コンピューティングシステム20214またはマーケットプレイスオーケストレーションシステムプラットフォーム20500の他のシステムを使用する従来のデータマイニングは、取引活動を通じてポートフォリオの最適化のための機会を見つけるために適用される。

テキストマイニングとは、自然言語著作物（論文、書籍など）をテキストをデータとして解析することを指す場合がある。データ作品（出願書類や報告書など）を数値で分析するデータマイニングと一緒にされることが多く、「テキストデータマイニング」または単に「TDM」と呼ばれることがある。

いくつかの実施形態では、TDMは、コンピュータが人間よりもはるかに効率的に情報のデジタル深い洞察を読み取って消化することを可能にする量子計算または量子TDMエンジン（QTDM）20223を適用することによって達成され得る。QTDMエンジン20223は、デジタル情報を生データおよびテキストに分解し、それを分析し、新しいつながりを決定するように構成され得る。例えば、QTDMエンジン20223は、気象パターンの微妙なシフトが小麦の価格の低迷に関係すると判断してもよい。実施形態では、量子コンピューティングシステム20214は、次に、QTDMエンジン20223を適用して、ニュースフィード、ソーシャルメディアフィード、および／またはディスカッションボードをマイニングし、国債からコモディティまでのあらゆるものの市場の動きを予測する。

実施形態では、量子コンピューティングシステム20214またはマーケットオーケストレーションシステムプラットフォーム20500の他のシステムは、スマートコントラクト構成機会を自動的に発見するように構成される。スマートコントラクト構成機会の自動発見は、マーケットプレイスへの公開されたAPIと、ステークホルダー、資産、およびトランザクションタイプの機械学習（例えば、ロボティックプロセスオートメーション（RPA）による）に基づくことができる。

実施形態において、量子コンピューティングシステム20214は、量子取引エンジン20225を含む。実施形態において、スマートコントラクトは、量子取引エンジン20225によって提供され、スマートコントラクトのコードから生じるアクションのシーケンスに合意するために合意プロトコルを使用するコンピュータネットワークによって実行される。その結果、当事者が条件に合意し、エラーや操作のリスクを低減して自動的に実行されることを信頼することができる方法である。

実施形態において、量子確立または他のブロックチェーンベースのスマートコントラクトアプリケーションは、融資適格性の検証、および子会社間の移転価格契約の実行を含み得るが、これらに限定されない。実施形態において、量子確立または他のブロックチェーン対応スマートコントラクトは、当事者のネットワーク間で発生する頻繁な取引を可能にし、手動または重複するタスクは、各取引について相手方によって実行される。量子確立または他のブロックチェーンは、共有データベースとして機能し、安全な単一真実源を提供し、スマートコントラクトは、承認、計算、およびラグとエラーが発生しやすい他の取引活動を自動化する。

スマートコントラクトは、タスクを自動化するためにソフトウェアコードを使用することができ、いくつかの実施形態では、このソフトウェアコードは、極めて高度な最適化結果を可能にする量子コードを含むことができる。

実施形態において、マーケットプレイスオーケストレーションシステムプラットフォーム20500の量子コンピューティングシステム20214または他のシステムは、プロスペクトターゲティングを実行するように構成された、量子対応または他のプロスペクトターゲティングモジュールを含む。実施形態において、プロスペクトターゲティングモジュールは、市場参加者のニーズに適したプロスペクトを見出すための様々な戦略を特定する。実施形態において、プロスペクトターゲティングモジュールは、オンラインコミュニティに参加し、Twitter（登録商標）、LinkedIn（登録商標）、Reddit（登録商標）などのサイトの監視を通じて、新しいプロスペクトを特定することを可能にする。

いくつかの実施形態では、見込み客ターゲティングモジュールは、ローカルハッシュタグを生成し、これらのハッシュタグを適用して、関心のある特定のトピックに関連する見込み客を見つける。

実施形態において、見込み客ターゲティングモジュールは、コミュニティイベント（デジタルイベント又は物理的イベント等）を後援する。いくつかの実施形態では、見込み客ターゲティングモジュールは、特定のオンライン広告を特定する。これらの特定の広告は、地理的特異性、年齢層、職種、必須キーワード、及び社会的関与の性質などの要因を含み得る。

実施形態では、マーケットプレイスオーケストレーションシステムプラットフォーム20500の量子コンピューティングシステム20214または他のシステムは、評価タスクを実行するように構成された量子対応または他の評価モジュールを含む。評価は、資産または証券の公正価値を決定しようとするときに適用され得るが、これは、両当事者が進んで取引を開始すると仮定して、買い手が売り手に支払うことを望むものによって決定される。ある資産が市場で取引されるとき、買い手と売り手がその資産の市場価値を決定する。しかし、本源的価値の概念は、将来の収益または資産の市場価格とは無関係な他の属性に基づく資産の知覚価値を指す。実施形態において、評価モジュールは、資産の本質的価値を決定するために使用される。この本源的価値は、資産の過大評価または過小評価の指標となり得る。

実施形態において、評価モジュールは、絶対評価モデル及び相対評価モデルを活用することができる。実施形態において、量子絶対評価モデルは、ファンダメンタルズのみに基づいて、投資の本質的価値または「真の」価値を見出そうとすることがある。ファンダメンタルズは、配当、キャッシュフロー、成長率などを指す場合がある。絶対評価モデルは、配当割引モデル、割引キャッシュフローモデル、残余利益モデル、および資産ベースモデルなどを含み得る。実施形態において、相対評価モデルは、当該資産を他の類似の資産と比較することによって動作する。これらの方法は、当該資産を類似のタイプの他の資産と比較するために、収益に対する価格比や成長数などの定量的入力データに基づいて相対的パフォーマンスを決定するための量子計算または他の計算を含み得る。

実施形態において、量子コンピューティングシステム20214またはマーケットプレイスオーケストレーションシステムプラットフォーム20500の他のシステムは、リスク識別および／または軽減を行うように構成された量子対応または他のリスク識別モジュールを含むことができる。リスク識別モジュールによって取られ得るステップは、リスク識別、影響評価、および戦略策定を含み得るが、これらに限定されない。いくつかの実施形態では、リスク識別モジュールは、リスクタイプのセットからリスクタイプを決定する。実施形態において、リスクは、予防可能なリスク、戦略的なリスク、および外部リスクを含み得るが、これらに限定されるものではない。予防可能なリスクとは、内部から発生するリスクであって、運用手順の監視や従業員や管理者の指導や指示を採用するなど、通常、ルールベースのレベルで管理できるリスクを指す場合がある。戦略リスクとは、より大きな報酬を得るために自発的に取るリスクのことである。外部リスクとは、外部で発生し、企業がコント役割できないリスク（自然災害など）を指す。外部リスクは、予防することができないし、望ましいものでもない。実施形態において、リスク識別モジュールは、任意のカテゴリのリスクについてコストを決定することができる。リスク識別モジュールは、全体的なリスクプロファイルに対する現在及び潜在的な影響の計算を実行することができる。

実施形態では、リスク識別モジュールのステップは、特定のイベントの確率及び重要性を決定することができる。さらに、リスク識別モジュールは、事象を予期するように構成されてもよい。

実施形態において、量子コンピューティングシステム20214またはマーケットプレイスオーケストレーションシステムプラットフォーム20500の他のシステムは、資産価格設定のためのリスク中立確率尺度からサンプリングするように構成されてもよい。実施形態において、二項価格決定式は、割引期待値として解釈され得る。リスク中立的価格設定では、所与のノードにおけるオプション値は、リスク中立的確率を用いて計算されたオプションへの割引期待ペイオフであり、割引は無リスク金利を用いて行われる。オプションの価格は、二項木の末尾から前方へ逆算して算出することができる。実施形態では、導出されたリスク中立確率は、量子コンピューティングシステム20214またはマーケットプレイスオーケストレーションシステムプラットフォーム20500の他のシステムによって計算され、全体の資産価格計算においてより精度を提供する。

実施形態において、マーケットプレイスオーケストレーションシステムプラットフォーム20500の量子コンピューティングシステム20214または他のシステムは、資産配分を最適化するために構成される。マーケットプレイスオーケストレーションシステムプラットフォーム20500の量子コンピューティングシステム20214または他のシステムは、投資家の要件に基づいて投資のタイプおよび性質を最適化するように構成され得る。例えば、投資家の要件は、来年度の新車購入のための貯蓄であってもよい。本実施例では、投資家は、現金、譲渡性預金（CD）、および短期債券の非常に保守的な組み合わせで、自動車貯蓄資金を投資するかもしれない。別の例では、数十年先の老後のために貯蓄する場合、より長期的なポジションや税制上の最適化された投資で保有資産を運用することが必要な場合がある。

ライフサイクル、またはターゲットデートファンドとも呼ばれる資産配分型投資信託は、投資家の年齢、リスク許容度、および投資目的に対応するポートフォリオ構造を、資産クラスの適切な配分で提供することができ、これは量子計算の適用、人工知能システム、または市場編成システムプラットフォーム20500の他のシステムによって達成され得る。

いくつかの実施形態では、量子コンピューティングシステム20214またはマーケットプレイスオーケストレーションシステムプラットフォーム20500の他のシステムは、暗号通貨マイニングにおけるプルーフ・オブ・ワークのためのハッシュコリジョンのために構成され得る。ビットコインの価値は、SHA-256の反転または類似の計算を見つけることの難しさに由来し、これにより「仕事の証明」が得られる。現在、SHA-256を反転できる効率的な古典的アルゴリズムは存在しないと考えられる。したがって、唯一の方法は、ブルートフォースサーチであり、古典的には、満足のいく解が見つかるまで異なる入力を試すことを意味する。量子コンピューティングシステム20214は、SHA-256の反転を解決するように解決構成されてもよく、したがって、暗号通貨マイニングに関する「プルーフ・オブ・ワーク」要件を破ることができる。

実施形態において、量子コンピューティングシステム20214は、デリバティブ価格付けのための量子駆動モンテカルロ用に構成される。量子モンテカルロ（QMC）評価は、リスク中立的な評価に依拠する。QMC評価において、オプションの価格は、その割引期待値である。実施形態において、QMC評価技法は、シミュレーションを介して原資産（または原資産）のすべての価格パスを組み合わせた量子状態を作成し、QMCを解決して最適な関連行使値／パスを計算し、ペイオフを今日に割り引くことを含む。

実施形態において、量子コンピューティングシステム20214は、信用評価調整のための量子駆動モンテカルロ用に構成される。カウンターパーティ信用リスク（CCR）は、デリバティブ契約の当事者が契約の満了前にデフォルトし、必要な契約上の支払いを行わない可能性があるリスクを指す場合がある。量子モンテカルロ法カウンターパーティ信用リスク（CCR）推定フレームワーク推定器は、平均二乗誤差（MSE）低減技術の量子実装などの量子応用に基づいて開発することができる。

実施形態において、量子コンピューティングシステム20214は、マルチアセットブラックショールズ方程式のための虚数時間伝搬のために構成される。ブラックショールズ方程式は、量子力学から、自由粒子の虚数時間シュレーディンガー方程式として解釈され得る。コスト、データ難、短期変動、不連続性、系列相関などの市場の不完全性に関連する量子的平衡状態の逸脱を考慮すると、ブラックショールズモデルの古典的非裁定前提が破られ、非リスクのポートフォリオを意味する。裁定取引環境は、ブラックショールズオプションプライシングモデルをより一般的な量子物理学の設定に組み込むための必要条件である。

いくつかの実施形態では、量子コンピューティングシステム20214またはプラットフォーム20500の他のシステムは、リスク分析のための確率過程からの加速サンプリング用に構成される。実施形態において、量子シミュレートされた加速試験は、加速劣化試験および時間変化するストレス負荷を含む、一定のストレス負荷を有する加速寿命試験を保持するために初期化される。この量子加速試験の結果、製品の信頼性にアクセスし、保証ポリシーの設計を支援する。

実施形態において、量子コンピューティングシステム20214またはマーケットプレイスオーケストレーションシステムプラットフォーム20500の他のシステムは、異常および不正検出のためのグラフクラスタリング解析のために構成される。実施形態において、量子コンピューティングシステムM20214またはマーケットプレイスオーケストレーションシステムプラットフォーム20500の他のシステムは、不正なアカウントアプリケーションを識別するために構成されている。実施形態において、不正な口座申請を特定することは、複数のアイデンティティ関連フィールドを含む新しい口座申請を受信することと、新しい口座申請と関連付けられたアイデンティティ関連フィールドを、複数の過去の口座申請と関連付けられたアイデンティティ関連フィールドとリンクすることとを含み得る。実施形態では、この量子化可能な不正検出は、新しいアカウント申請が不正である可能性を決定する。

いくつかの実施形態では、量子コンピューティングシステム20214は、将来の市場動向を正確に予測することを可能にする量子予測モジュールを含む。さらに、量子予測モジュールは、特に外国市場（FX）のための予測金融時系列を生成するように構成されてもよい。さらに、量子予測モジュールは、市場動向をさらに予測するために古典的な予測エンジンを構築することができ、従来のコンピュータと比較して実質的であり得る継続的な量子計算コストの必要性を低減することができる。

実施形態において、量子主成分分析（QPCA）アルゴリズムは、量子力学的形式で与えられるベクトルに関する特定の仮定の下、データの共分散行列が密度行列として効率的に得られる場合、入力ベクトルデータを処理してもよい。ユーザは、量子メモリ内の学習ベクトルデータに量子的にアクセスすることができると仮定してもよい。さらに、各トレーニングベクトルは、クラス平均からの差の観点から量子メモリに格納されていると仮定することができる。そして、これらのQPCAを適用して、量子法の計算上の利点を利用した次元削減を提供することができる。

実施形態では、量子コンピューティングシステム20214またはマーケットプレイスオーケストレーションシステムプラットフォーム20500の他のシステムは、プルーフ・オブ・ステーク ブロックチェーンのための認定ランダムネス用のグラフクラスタリング分析のために構成される。量子暗号スキームは、その設計において量子力学を利用することができ、これにより、そのようなスキームは、そのセキュリティのために推定上破れない物理法則に依存することができる。量子暗号方式は、そのセキュリティがいかなる非基本的な仮定にも基づかないように、情報理論的に安全である場合がある。ブロックチェーンシステムの設計では、情報理論的な安全性は証明されない。むしろ、古典的なブロックチェーン技術は、典型的には、攻撃者のリソースの限界について仮定するセキュリティ議論に依存する。実施形態では、ブロックチェーンおよび分散型台帳技術は、暗号通貨、保険、および証券の発行、取引、および販売を含む市場のオーケストレーションに応用される。量子暗号スキームは、音楽産業、分散型IIoT、偽造防止ソリューション、インターネットアプリケーション、および分散型ストレージを含むが、これらに限定されない非伝統的な市場を可能にし得る。

実施形態において、量子コンピューティングシステム20214またはマーケットプレイスオーケストレーションシステムプラットフォーム20500の他のシステムは、敵対的畳み込みニューラルネットワークを含む敵対的ニューラルネットワークなどの敵対的システムを検出するように構成される。例えば、マーケットプレイスオーケストレーションシステムプラットフォーム20500の量子コンピューティングシステム20214または他のシステムは、偽の取引パターンを検出するように構成され得る。

実施形態では、マーケットプレイスオーケストレーションシステムプラットフォーム20500は、「マーケットプレイスオーケストレーションデジタルツイン」を生成するように構成される。デジタルツインという用語は、モノまたはモノの集合のデジタル表現を指す場合がある。マーケットオーケストレーションデジタルツインは、マーケット（マーケットプレイス、アセット、ワークフロー、トレーダー、マーケットプレイスホスト、ブローカー、サービスプロバイダー、エージェントなどのデジタルツインを含む）に関連する任意のデジタルツインを指すことができる。本明細書に記載の他のシステム、サービス、アプリケーション、およびコンポーネントと同様に、マーケットオーケストレーションデジタルツインは、参加者向けアプリケーション（本明細書に記載の様々なタイプのユーザーを含む）およびマーケットプレイスのホストによってまたはそのために使用するためのアプリケーションなどの幅広い用途に使用することができる。これらは、任意で、研究開発アプリケーション（本開示全体を通して説明されるような、マーケットプレイスまたはその参加者のための新しい機能、コンポーネントおよびアプリケーションの設計を含む）、分析アプリケーション（取引活動、マーケットプレイス運営、および他の多くのトピックに関連する洞察を提供するためなど）、シミュレーション、AIベースのモニタリング、予測／予測アプリケーション、および自動化アプリケーション（ロボットプロセス自動化を伴うなど、監視付き、半監視および完全自律アプリケーションなど）など多くのアプリケーションを含み得る。マーケットプレイスオーケストレーションデジタルツインは、資産デジタルツイン、企業デジタルツイン、市場デジタルツイン、トレーダー（例えば、買い手および売り手）デジタルツイン、市場ホストデジタルツイン、仲介者デジタルツイン、知的エージェントデジタルツイン、取引ワークフローデジタルツイン、市場ワークフロー／プロセスデジタルツイン、環境デジタルツインおよび／または同様のものを含み得るが、これらは開示を通じてより詳細に議論されている。

実施形態において、デジタルツインは、ビジュアルデジタルツイン及び／又はデータベースデジタルツインであり得る。ビジュアルデジタルツインは、従来の2Dディスプレイ、3Dディスプレイ、拡張現実ディスプレイ、または仮想現実ディスプレイなどのディスプレイに描かれることが可能なデジタルツインを指す場合がある。データベースのデジタルツインは、モノまたはモノのグループの状態を表すためにパラメトリック化されたパラメータのセットを含むデータ構造を指すことがある。本明細書で使用されるように、用語「描写」は、事物の視覚的表示、および／またはデータ構造における事物のデジタル表現（例えば、データベースデジタルツインにおいて）を指す場合がある。実施形態において、ビジュアルデジタルツインは、データベースデジタルツインであってもよく、その逆もまた然りである。

いくつかの実施形態では、デジタルツインは、デジタルツインがモノまたはモノの集合の状態をリアルタイムで反映するように、リアルタイムのデータで更新される場合がある。例えば、不動産用のマーケットプレイスに掲載されている住宅の資産デジタルツインは、住宅の物理的構造（例えば、壁、床、天井、部屋など）、および環境に現れるオブジェクト（例えば、家電製品、備品など）を描写することができる。さらに、このデジタルツインが構成される態様によっては、住宅のデジタルツインが、配管、電線、基礎などのようなものを含むこともある。いくつかの実装形態では、住宅のデジタルツインは、センサおよびデバイス（例えば、スマートホームセンサ、住宅内または周辺に配備された他のセンサ、住宅内の家電またはデバイス、住宅の居住者が着用する着用デバイス、および／または他の適切なデータソース）から受信したデータで更新される場合がある。デジタルツインがプロセス又はワークフローのシナリオでは、デジタルツインは、グラフ、フロー図、ガントチャート、シーケンスリスト、又は他の表現など、プロセス又はワークフローを描写することができ、有向及び／又は非周期フローを含む実施形態、並びに、ループを含むもの、例えばフィードバックループ、反復最適化、その他の多くのものを含むことができる。例えば、マーケットプレイスのワークフローの文脈では、ワークフローのデジタルツインは、ワークフロー内の異なるステージの状態及び／又は結果、各ステージへの入力、各ステージからの出力、各ステージの処理動作等を描写することができる。いくつかの実装形態では、マーケットプレイスオーケストレーションシステムプラットフォーム20500は、様々なソース（例えば、IIoTセンサ、ビデオ、スマートホームデバイスからのデータ、コンピューティングデバイスなど）からデータを受信してもよく、受信したデータを反映するためにプロセスに関わるまたは関連するデジタルツインを更新してもよい。例えば、マーケットオーケストレーションシステムプラットフォーム20500は、出荷施設に配備されたセンサからデータを受信してもよく、マーケットプレイスから購入した資産の配送プロセスのデジタルツインを、アイテムが出荷されたかどうかに条件付けられた取引条件をトリガするために使用するなど、受信したデータを反映させるために更新することができる。

実施形態において、マーケットプレイスオーケストレーションシステムプラットフォーム20500は、1つまたは複数のデジタルツインを使用して、および／またはそれに関してシミュレーションを実行するように構成され得る。実施形態において、デジタルツインは、自然法則、物理法則、機械的特性、材料特性、経済原則、化学的特性などの制約のセットに従って動作するように構成されてもよい。このように、マーケットプレイスオーケストレーションシステムプラットフォーム20500は、デジタルツインの1つまたは複数のパラメータを変化させてもよく、実語条件に適合するデジタルツイン内でシミュレーションを実行してもよい。実施形態において、マーケットオーケストレーションシステムプラットフォーム20500は、ユーザがマーケットプレイスのエンティティ（例えば、資産またはマーケットプレイス）においてシミュレーションを実行することを可能にする。例えば、マーケットプレイスに掲載されている自動車部品に入札するかどうかを検討している潜在的な買い手は、購入を行う前に、自動車部品のデジタルツインに様々なシミュレーションを施すことができる。例を続けると、マーケットオーケストレーションシステムプラットフォーム20500は、自動車部品の環境の条件（例えば、異なる温度、湿度、運動、力など）を変化させてもよい。このように、シミュレーションは、ユーザが入札を行うかどうかを決定するのに役立つように実行されてもよい。さらに、いくつかの実施形態では、デジタルツインを活用して、モノまたはモノのグループの将来の状態を予測するためのシミュレーション、および／またはモノまたはモノのグループの状態を外挿するためのモデリングビヘイビアを実行してもよい。例えば、マーケットプレイスオーケストレーションシステムプラットフォーム20500は、経済条件（例えば、労働市場条件、経済信頼度など）を変化させることによって、異なる経済条件下での資産または資産のセットのパフォーマンスをシミュレーションすることをユーザに可能にする。例では、マーケットプレイスオーケストレーションシステムプラットフォーム20500は、環境が温度に敏感な材料の物理的保管のための市場に上場されている環境全体に配備された温度センサ、湿度センサ、およびファン速度センサからのセンサ測定値を受け取ることができる。マーケットプレイスオーケストレーションシステムプラットフォーム20500は、受信したセンサ読み取り値および環境の寸法に1つまたは複数の熱力学方程式を適用して、環境の熱力学的挙動をモデル化して、温度センサを有しない領域における温度を決定してもよい。

デジタルツインは、システムの現状を可視化したり、システム上でシミュレーションを実行したり、行動をモデリングしたりするなどの用途に役立つことがある。しかし、デジタルツインの構成によっては、デジタルツインによって描写／可視化されるデータが規定されるため、異なるユーザにとって有用でない場合がある。したがって、いくつかの実施形態では、マーケットプレイスオーケストレーションシステムプラットフォーム20500は、役割ベースのデジタルツインを生成するように構成される。役割ベースのデジタルツインは、市場の1つまたは複数の側面のデジタルツインを指すことがあり、ここで、1つまたは複数の側面および／または役割ベースのデジタルツインによって表されるデータの粒度は、市場内の特定の役割に調整される。実施形態において、役割ベースのデジタルツインは、トレーダーデジタルツイン、マーケットプレイスホストデジタルツイン、及びブローカーデジタルツインを含む。

これらの実施形態のいくつかでは、マーケットオーケストレーションシステムプラットフォーム20500は、マーケットプレイス内で異なる役割を有するユーザーのために、異なるタイプのマーケットオーケストレーションデジタルツインを生成する。これらの実施形態のいくつかでは、マーケットプレイスオーケストレーションデジタルツインの各タイプのそれぞれの構成は、デフォルトデジタルツインデータタイプおよびデフォルト粒度を用いて予め定義され得る。いくつかの実施形態では、ユーザは、異なるタイプのマーケットオーケストレーションデジタルツインに描かれるデータのタイプ及び／又は異なるタイプのマーケットオーケストレーションデジタルツインの粒度を定義してもよい。粒度は、特定のタイプのデータまたはデータのタイプがデジタルツインで表現される/される詳細レベルを指す場合がある。例えば、マーケットプレイスホストデジタルツインは、執行品質、価格改善された注文の割合、注文あたりの純改善、流動性倍率、執行速度、相場スプレッドに対する有効スプレッドなどに関連する情報を描写することができるが、任意で資産ウォッチリストの描写を省くことができる。例では、トレーダデジタルツインは、口座残高情報、資産ウォッチリスト、およびマーケットプレイスに上場されている資産のパフォーマンスデータを描写することができる。前述の例は、本開示の範囲を限定することを意図していない。異なるマーケットオーケストレーションデジタルツインの追加の例および構成は、本開示を通じて説明される。

いくつかの実施形態では、マーケットオーケストレーションデジタルツインは、ユーザー（例えば、トレーダー、マーケットプレイスホスト、ブローカーなど）が、デジタルツインに描かれた特定の状態の粒度を上げる（デジタルツインの状態を「ドリルダウンする」とも呼ばれる）ことができる。例えば、トレーダーデジタルツインは、アセットウォッチリストの様々な粒度のスナップショットを描写することができる。例を続けると、トレーダーデジタルツインは、株式の市場における株式シンボル、時価総額、および株価を描写することができる。実施形態において、ユーザ（例えば、マーケットプレイスにおける買い手）は、トレーダーデジタルツインを描写するクライアントアプリケーション20312を介して、アセットウォッチリストデータにドリルダウンすることを選ぶことができる。例えば、株式のマーケットプレイスにおけるトレーダーは、アセットウォッチリスト上の資産に関連するシンボルを選択することができる。これに応答して、マーケットプレイスオーケストレーションシステムプラットフォーム20500は、始値、高値、安値、出来高、P／E／時価総額、52週高値、52週安値、平均出来高などの、特定の銘柄に対するより高い解像度のウォッチリストデータを提供してもよい。実施形態において、マーケットオーケストレーションデジタルツインは、マーケットプレイスおよび／またはマーケットプレイスエンティティの異なる状態の視覚的指標を含むことができる。例えば、赤のアイコンは警告状態を示し、黄色のアイコンは中立状態を示し、緑のアイコンは満足状態を示すことができる。別の例として、色または他の指標の変化は、価格、取引量、取引サイズなどのボラティリティを含む、時間毎、日毎、週毎、月毎、四半期毎、年毎などの一連の定義された時間期間のボラティリティ測定値の変化を示す場合がある。例えば、デイトレーダーは高ボラティリティの資産クラスを求め、ファンダメンタル投資家はボラティリティに注意する（例えば、ボラティリティの異なる資産クラス間の資産配分を使用する）場合があるなど、ユーザーの戦略の文脈ではボラティリティが望ましい場合とそうでない場合がある。したがって、ボラティリティ指標（または他の指標）の指標は、デイトレーダーまたは他のボラティリティを求める戦略のためのインターフェースではよりボラティリティの高い資産クラスを緑色で示し、ボラティリティに慎重な戦略または役割のためのインターフェースでは黄色で示すなど、ユーザーの特定された取引戦略または役割に基づいて（任意で自動的に）構成されうる。実施形態において、デジタルツインは、デジタルツインにおける表示要素として、戦略認識指標（例えば、ボラティリティ）を描写することができる。実施形態において、デジタルツインは、それぞれのデータ項目の状態（例えば、現在及び／又は予測される状態）を区別するために、異なる色のアイコンを描写することができる。例えば、マーケットプレイスホストデジタルツインは、実行速度が遅い場合に警告状態を示すために、実行速度データで赤いアイコンを描写することができる。これは、ユーザーの取引システム、マーケットプレイス全体などの実行速度情報を含むことができる。これに応答して、マーケットプレイスホストデジタルツインは、選択されたデータアイテムに関連する1つ以上の異なるデータストリームを描写することができる。例では、トレーダーデジタルツインは、トレンド資産を持つ緑色のアイコンを描写することができる。さらに他の例では、トレーダーデジタルツインは、購入が推奨される資産で緑色のアイコンを強調表示および／または描写し、売却が推奨される資産で赤色のアイコンを強調表示および／または描写することがあり、推奨は、結果に基づいて訓練された、および／または教師あり、半教師あり、または教師なし学習によるような、機械学習および／または人工知能によって生成されることがある。

いくつかの実施形態では、マーケットオーケストレーションシステムプラットフォーム20500は、役割アップリアルタイムレポートをサポートする。これらの実施形態のいくつかでは、IoTシステム、エッジおよびネットワークデバイス（事業運営の様々な敷地内または他の使用ポイントに位置し、マーケットプレイスまたは他の事業運営をサポートするデータセンターに位置し、電気通信ネットワークに位置し、および／または他の場所に位置するなど）、着用デバイス、企業ソフトウェアシステム、フィードからのデータ、本明細書または参照により本明細書に組み込まれる文書に記載される様々なタイプのイベントストリームおよび／または他のデータソースは、（プラットフォームおよび／またはエッジデバイスにおいて）1つまたは複数のデータ融合操作を受け、AIベースの知的エージェント20234は、機械学習、決定支援、自動化、制御操作、または本明細書に記載される他の使用のためなど、融合データ上で実行された分析の結果を報告し、および／または融合データタイプを処理してもよい。例えば、機械または機器に配備されたセンサのセットは、機械または機器の様々なコンポーネントの特性を報告することができる。エッジデバイスは、環境（例えば、工場）からのセンサデータを、環境に関して収集された他のデータと融合させるように構成されてよく、それにより、融合されたデータは、デジタルツインに供給される。マーケットプレイスオーケストレーションシステムプラットフォーム20500は、次に、融合されたデータでデジタルツインを更新してもよく、AIシステムは、デジタルツイン及び／又は融合されたデータを分析して、報告すべきデータ項目を特定してもよい。

実施形態において、マーケットオーケストレーションシステムプラットフォーム20500は、ユーザ（例えば、買い手、売り手、ブローカーなど）間の通信／交渉を可能にするマーケットプレイスツールのセットを提供するように構成される。いくつかの実施形態では、マーケットプレイスツールは、ユーザが、1つまたは複数のマーケットオーケストレーションデジタルツインに関して、および／またはその中で通信することを可能にする。いくつかの実施形態では、ユーザーは、同じデジタルツインまたは複数のデジタルツインを見ながら、通信／交渉することができる。実施形態において、ツイン、またはそのインターフェースは、各ユーザーがユーザーの特定の役割、組織、タイプ、カテゴリなどに関連する情報を見ることができるような構成を提供しながら、基礎データを共有することができる。例えば、鑑定士は、取引の対象となる不動産の鑑定に関連する情報（物理的状態データ、位置データ、比較対象資産の過去の価格情報など）を表すビューを提供され、買い手は、取引の提案条件（価格、金利、タイミング、エスクロー要件、保険要件など）を設定する情報などの追加情報を提示されることがある。

実施形態において、マーケットプレイスツールは、ビデオ会議サービスを含む。いくつかの実施形態では、ビデオ会議サービスは、ユーザがデジタルツイン内のビデオ会議に参加することを可能にする。実施形態において、ビデオ会議からの情報は、注文要求を入力するために使用され得る。実施形態において、ビデオ会議からの情報は、スマートコントラクトを入力するために使用されてもよい。例えば、ユーザは、VRヘッドセットを介して環境デジタルツインにアクセスしてもよく、それにより、参加者は、環境デジタルツインを表示し、「ツイン内」ビデオ会議内の他の参加者のアバターを見ることができる。

実施形態において、マーケットプレイスツールは、チャットおよび／またはインスタントメッセージングサービスを含む。実施形態において、チャットおよび／またはインスタントメッセージングサービスからの情報は、注文要求を入力するために使用され得る。実施形態では、チャットおよび／またはインスタントメッセージングサービスからの情報は、スマートコントラクト要求を入力するために使用され得る。

実施形態において、ユーザ（例えば、マーケットプレイスホスト）は、デジタルツインシステム20208によって生成され得るマーケットオーケストレーションデジタルツインの種類を定義し得る。実施形態では、ユーザは、マーケットプレイス構成システム20302によって提示されるGUIを介して、マーケットオーケストレーションシステムプラットフォーム20500によってマーケットプレイスのためにサポートされる異なるタイプのデジタルツインを選択することができる。例えば、ユーザは、デジタルツインタイプのメニューから異なるタイプの役割ベースのデジタルツインを選択してもよく、異なるタイプの役割ベースのデジタルツインは、資産デジタルツイン、マーケットプレイスホストデジタルツイン、トレーダーデジタルツイン、会社デジタルツイン（例えば、資産に関連する会社）、エージェントデジタルツイン、鑑定人デジタルツイン、評価者デジタルツイン、広告主デジタルツイン、および／またはブローカーデジタルツインなどを含み得る。実施形態において、トレーダーデジタルツインは、買い手及び／又は売り手デジタルツインを含み得る。いくつかの実施形態では、各タイプのマーケットプレイスオーケストレーションデジタルツインは、それぞれのマーケットプレイスオーケストレーションデジタルツインに描かれる状態の事前定義されたセットと、状態のセットのそれぞれの状態に対する事前定義された粒度レベルとを有する。いくつかの実施形態では、マーケットオーケストレーションデジタルツインに描かれる状態のセットおよび／または各状態の粒度は、（例えば、ユーザーによって）カスタマイズされ得る。これらの実施形態において、ユーザーは、各タイプのマーケットオーケストレーションデジタルツインで表現される異なる状態、および／またはデジタルツインで描かれる各状態の粒度を定義してもよい。例えば、市場のトレーダーは、トレーダーデジタルツインにおいて、過去の市場データがより高い粒度で表示されるように、より多くの過去の市場データが描かれることを望む場合がある。この例では、トレーダーデジタルツインは、ユーザによって定義された粒度レベルで所望の歴史的市場データフィールドを描写するように構成され得る（例えば、歴史的市場データは、過去の契約変更データ、過去の時間および販売データなどを含み得る）。例では、マーケットプレイスホストは、より低い粒度レベルでマーケットプレイスパフォーマンスデータを閲覧することを望むことができる。この例では、マーケットプレイスホストデジタルツインは、状態のいずれかが臨界状態、例外状態、または満足状態にあるかどうかを示す視覚的指標を表示するように構成されることがある。例えば、実行速度が遅い場合、マーケットプレイスホストデジタルツインは、マーケットプレイスパフォーマンス状態が臨界レベルにあることを描写することができる。この構成では、マーケットプレイスホストは、マーケットプレイスパフォーマンス状態をドリルダウンすることを選択し、そこで執行速度、価格が改善された注文の割合、注文あたりの正味改善、流動性倍率などを見ることができる。

実施形態では、ユーザは、1つまたは複数のデータソース20224をマーケットオーケストレーションシステムプラットフォーム20500に接続することができる。マーケットプレイスオーケストレーションシステムプラットフォーム20500に接続され得るデータソース20224の例は、センサシステム20274（例えば、IoTセンサのセット）、ニュースソース20278（例えば、ニュースウェブサイトまたはCNBCプログラミング）、市場データ20280（例えば、レベル1およびレベル2データ）、基本データ20282（例えば、．資産パフォーマンスデータ）、参照データ20284（例えば、マーケットプレイス識別子）、履歴データ20288（例えば、履歴契約変更データ）、第三者データソース20290、ディスカッションフォーラムデータ20235、ソーシャルネットワークデータ20298、規制データ20294、及びネットワーク／エッジデバイス20292。データソース20224は、本開示の範囲から逸脱することなく、追加または代替のデータソースを含み得る。ユーザがそれぞれのそれぞれのマーケットオーケストレーションデジタルツインの構成を定義したら、ここで構成は、描写されるべき選択された状態および／または各状態の粒度を含み、ユーザは次に、それぞれのマーケットオーケストレーションデジタルツインに供給されるデータソース20224を定義し得る。いくつかの実施形態では、1つ以上のデータソースからのデータは、それぞれのデジタルツインに供給される前に、融合および／または分析され得る。

いくつかの実施形態において、ユーザは、アセットデジタルツイン、環境デジタルツイン及び／又はプロセスデジタルツインを含む、マーケットプレイスにサポートされる他のタイプのマーケットオーケストレーションデジタルツインを選択してもよい。これらの実施形態のいくつかにおいて、ユーザは、これらのデジタルツインを生成及び／又は更新するために使用されるデータソースを定義することができる。実施形態において、ユーザは、環境デジタルツインとして表現される任意の物理的位置を定義することができる。例えば、ユーザは、取引所、ジオフェンス、管轄、製造施設（例えば、工場）、資産場所（例えば、出荷施設、倉庫など）、事業運営の場所（例えば、オフィスビル）、消費者使用の場所、小売場所などを定義してもよい。それぞれは、場所識別子と名前または他の論理的指標を与えられてもよい。実施形態において、マーケットプレイス構成システム20302は、各アイテムに識別子を割り当て、アイテムのロケーションを識別子と関連付けてもよい。実施形態では、ユーザは、環境に含まれ、かつ／または環境内で発見され得るオブジェクトの種類を定義してもよい。例えば、ユーザは、環境内にある機械（例えば、工場機械、ロボットなど）のタイプ、環境内で作られ、環境内で保管され、環境内から販売され、および／または環境内で受け取られる製品のタイプ、環境を監視するために用いられるセンサ／センサキットのタイプ、環境内で用いられるネットワーキングまたはエッジデバイスのタイプ、およびこれらを定義することができる。

実施形態において、デジタルツインシステム20208は、マーケットプレイス20226のマーケットオーケストレーションデジタルツインを生成し、更新し、提供するように構成される。いくつかの実施形態では、デジタルツインシステム20208は、マーケットプレイスに代わって役割ベースのデジタルツインを生成して提供するように構成され、役割ベースのデジタルツインをマーケットプレイス参加者ユーザデバイス20218（例えば、モバイルデバイス、タブレット、パーソナルコンピュータ、ノートパソコンなど）に提供してもよい。議論されたように、構成段階において、ユーザは、異なるタイプのマーケットオーケストレーションデジタルツインのうち、それぞれのそれぞれのタイプを生成および維持するために使用される異なるタイプのデータおよび対応するデータソースおよびデータセットを定義し得る。最初に、デジタルツインシステム20208は、それぞれのマーケットオーケストレーションデジタルツインによって取り込まれるデータを格納する任意の基礎データベースまたは他のデータソース（例えば、SQLデータベース、分散データベース、グラフデータベース、リレーショナルデータベース、オブジェクトデータベース、ブロックチェーンベースのデータベースなど）を含むマーケットオーケストレーションデジタルツインのそれぞれのタイプをサポートするデータ構造を構成し得る。デジタルツインをサポートするデータ構造が構成されると、デジタルツインシステム20208は、1つまたは複数のデータソース20224からデータを受信する。実施形態では、デジタルツインシステム20208は、受信したデータを1つ以上のデータベースで構造化および／または保存することができる。特定のデジタルツインが要求されると（例えば、クライアントアプリケーション20312を介してユーザによって、またはマーケットオーケストレーションシステムプラットフォーム20500のソフトウェアコンポーネントによって）、デジタルツインシステムは、要求されたデジタルツインで表されるビューを決定してもよく、構成されたデータベースからのデータおよび／またはAPIを介して受信したリアルタイムデータに基づいて要求されたデジタルツインを発生してもよい。デジタルツインシステム20208は、要求されたデジタルツインを要求者（例えば、クライアントアプリケーション20312またはマーケットオーケストレーションシステムプラットフォーム20500のバックエンドソフトウェア構成要素）に提供してもよい。マーケットオーケストレーションデジタルツインが提供された後、いくつかのマーケットオーケストレーションデジタルツインは、APIシステム20238を介して受信したリアルタイムデータでその後更新されてもよい。

実施形態において、デジタルツインシステム20208は、マーケットプレイスオーケストレーションデジタルツインに関してシミュレーション及びモデリングを実行するように更に構成され得る。実施形態において、デジタルツインシステム20208は、デジタルツインを使用してデータシミュレーション及び／又は環境シミュレーションを実行するように構成される。例えば、ユーザは、クライアントデバイスを介して、デジタルツインシステム20208に、デジタルツインに描かれた1つ以上の状態に関してシミュレーションを実行するように指示してもよい。デジタルツインシステム20208は、デジタルツインに表された1つ以上のアイテムに関してシミュレーションを実行してもよく、シミュレーションの結果をデジタルツインに描写してもよい。この例では、デジタルツインは、要求された環境シミュレーションを実行するときに信頼できるデータがあるように、環境のシミュレーションを実行するために使用されるデータの少なくとも一部をシミュレートする必要がある場合がある。デジタルツインシステム20208は、本開示を通してより詳細に議論される。

実施形態では、交換スイート20204は、マーケットプレイスの様々なユーザによって活用され得る様々なマーケットプレイスツールのセットを提供する。マーケットプレイスツールは、「インツイン」コラボレーションツール（例えば、「インツイン」ビデオ会議ツール、「インツイン」チャットサービスなど）、「インツイン」戦略ツール、「インツイン」取引実践ツール、「インツイン」ニュースツール、「インツイン」スクリーナーツール、「インツイン」市場モニタリングツール、「インツイン」実体プロファイルツール、「インツイン」口座管理ツール、「インツイン」チャート化ツール、「インツイン」注文リクエストツール、及び「インツイン」スマートコントラクトツールのうちのいずれかが挙げられる。実施形態において、「インツイン」コラボレーションツールは、複数のユーザがデジタルツイン内を閲覧し、コラボレーションすることを可能にする。例えば、複数のユーザは、インツインコラボレーションツールを介して、マーケットプレイスでリース可能なトラクターを表す資産デジタルツインを閲覧するアクセスを付与され得る。トラクターのデジタルツインを閲覧した後、ユーザは、トラクターのデジタルツインに描かれたトラクターの1つ以上の特徴を変更することができ、及び／又はデジタルツインシステムにシミュレーションの実行を指示することができる。この例では、シミュレーションの結果は、デジタルツイン内のユーザに提示されることがある。買い手がシミュレーションの結果に満足した場合、買い手は、「インツイン」スマートコントラクト要求ツールを介して、トラクターをリースするスマートコントラクトを生成することができる。「インツイン」スマートコントラクト要求ツールは、ユーザ（例えば、買い手）が、リースタイプ（例えば、キャピタルリース又はオペレーティングリース）、リース期間、財務条件、賃貸人への支払い、機器の市場価値、納税責任、及びキャンセル条項を含むトラクターのリース条件を定義することを可能にし得る。ユーザは、本開示を通じて議論されるように、デジタルツインに関して追加の様式で協働することができる。いくつかの実施形態では、交換スイート20204は、第三者アプリケーションとインターフェースし、それにより、データは、第三者アプリケーションへ及び／又は第三者アプリケーションからインポートされ得る。例えば、第1のユーザ（例えば、マーケットプレイスにおける買い手）は、第1のユーザ（例えば、トレーダーデジタルツイン）のために構成されたマーケットオーケストレーションデジタルツインを介して、第2のユーザ（例えば、マーケットプレイスにおける売り手）に特定の情報（例えば、マーケットプレイスに掲載された資産の追加の写真またはビデオ、センサ情報（例えば、1以上のスキャンシステムからのもの）、等）を要求し得る。これに応答して、第2のユーザは、要求されたデータをデジタルツインシステム20208にアップロード／エクスポートしてもよく、その後、第1のユーザのために構成されたトレーダーデジタルツイン内の資産情報を更新してもよい。交換スイート20204及び基礎となるコラボレーションツールの追加の例及び説明は、本開示を通して議論される。

実施形態では、マーケットオーケストレーションシステムプラットフォーム20500は、「インツイン(intwin)」マーケットプレイスをサポートする。実施形態において、インツインマーケットプレイスは、ビジュアルマーケットオーケストレーションデジタルツイン（例えば、マーケットプレイスデジタルツイン、アセットデジタルツイン、トレーダーデジタルツイン、ブローカーデジタルツイン、および企業デジタルツイン）を介してアクセスすることができる。実施形態において、インツインマーケットプレイスは、第三者組織のビジュアルデジタルツインを介してアクセス可能であり得る。これらの実施形態では、ビジュアルデジタルツインは、APIを介してマーケットオーケストレーションシステムプラットフォーム20500にアクセスしてもよく、それぞれのビジュアルデジタルツインを閲覧しているユーザが1つまたは複数のマーケットプレイス取引に参加することを許可してもよい。実施形態において、ユーザは、サードパーティデジタルツインを介して資産および／またはサービスの購入オファーを発行し（例えば、資産またはサービスの購入要求）、サードパーティデジタルツインを介して資産および／またはサービスを購入し（例えば、他の当事者によってなされたオファーを受け入れる）、第三者デジタルツインを介して利用可能なトランザクションを表示する、第三者デジタルツインを介して交渉する、デジタルツインにおいてトランザクションの条件案を設定する（任意でスマートコントラクト構成によるものを含む）、トランザクションを実行する（例えば、取引の受け入れを実行することである、スマートコントラクトによって構成されたものを含む）、デジタルツインにおける取引のオファーを検索する、デジタルツインにおける取引のオファーを配置する、デジタルツインにおけるカウンターパーティを検索する、デジタルツインにおける資産、資産タイプ、資産クラスなどを検索する、デジタルツインにおけるアカウント情報を見る、などである。実施形態において、デジタルツイン内の特定のタイプのデータを閲覧する、及び／又は組織を代表して取引に従事するユーザーの能力は、ユーザーのクリアランスのレベルによって支配される。実施形態において、ユーザのクリアランスは、データアクセス権（例えば、ユーザがマーケットプレイスに関与する第三者資産の詳細な資産データを閲覧できるかどうか、及び付与された許可（例えば、アイテム又はサービスを注文する許可）を含むことができる。例えば、マーケットプレイスのデジタルツインに関して、十分なクリアランスを有する従業員／ユーザ（例えば、マネージャ）は、取引（または取引または担保など）で使用され得る利用可能なインベントリ資産を含む特定のタイプのデータを閲覧するデータアクセス権を有し、様々な資産のステータスを閲覧し得る。この例では、マネージャは、定義された資産のサブセットについて取引を行う権限を有するが、より高いランクの幹部の承認がなければ、そのサブセットを超えることはできない。例では、ワークフローのデジタルツインに関して、従業員／ユーザ（例えば、マネージャ）は、ワークフローに関与するエンティティから得られたデータを閲覧するアクセス権を有する場合がある。上記は、特定のタイプのデジタルツインに関して定義された、異なるタイプの従業員のクリアランスレベルの例である。理解できるように、ユーザの役割、特定のタイプのデジタルツインで利用可能なデータタイプ、および／またはデジタルツインを介してアクセス可能なマーケットプレイスのタイプに応じて、異なるクリアランスレベルが異なるユーザに付与され得る。さらに、いくつかの実施形態では、クリアランスまたはパーミッションを必要としないデジタルツインを介してアクセス可能なマーケットプレイスもある。これらの実施形態では、任意のユーザが、特定のデジタルツインで同じタイプのデータにアクセスし、デジタルツインでサポートされる任意のタイプの取引に従事することができる。例えば、ショッピングモールのデジタルツインでは、ユーザ（例えば、顧客）は、ショッピングモール内のすべての商品を調べることができ、それらの商品に対する取引に従事することができる。

いくつかの実施形態では、マーケットオーケストレーションシステムプラットフォーム20500は、デジタルツインプラットフォームが、開発者が特定のマーケットプレイスをそれぞれのタイプのデジタルツインに組み込むことを可能にすることができるSDKを含む。これらの実施形態のいくつかでは、デジタルツイン（デジタルツインを提示するアプリケーションに対して）は、デジタルツインのそれぞれのビューからアクセス可能なマーケットプレイス（複数可）を定義し（例えば、URLまたは他のメカニズムを介して）、デジタルツインのそれぞれのビューを見るときに利用できる1つまたは複数の機能を定義することによって、1つまたは複数のマーケットプレイスの1つまたは複数の機能にアクセスできるように構成される場合がある。いくつかの実施形態では、デジタルツインは、マーケットオーケストレーションシステムプラットフォーム20500にマーケットプレイスデータを要求することができ、それにより、要求は、デジタルツインで提示されているデータのタイプ、及びデジタルツインに提供すべきどの取引に関する追加の洞察を提供するパラメータ（例えば、製品仕様、マーケットプレイス仕様、許可及び／又は不許可取引相手、認証要件等）など、最も関連するマーケットプレイスデータを特定するためにマーケットオーケストレーションシステムプラットフォーム20500が用いるパラメータを含み得る。これに応答して、マーケットオーケストレーションシステムプラットフォーム20500は、関連するマーケットプレイスデータ（例えば、関連する資産またはサービスを売るためのオファー、および／またはそれぞれの資産またはサービスを買うためのオファーを受け取ることができる関連する資産またはサービスのプロバイダ）を特定し、関連するマーケットプレイスデータをデジタルツインに提供することができる。デジタルツインは、マーケットプレイスデータを受信し、デジタルツイン内で（例えば、デジタルツインの対応する部分に近接して）マーケットプレイスデータを提示してもよい。次に、ユーザは、マーケットプレイスデータを使用して、マーケットプレイスを介して取引を開始することができる。例えば、ユーザは、資産又はサービスの購入を開始してもよく、資産又はサービスの購入のオファーを提供してもよく、資産又はサービスの交渉を開始してもよく、等々である。また、デジタルツイン技術では複雑なシミュレーションが可能であるため、組織の実環境やプロセスに対応したシミュレーションを実行することができる。このように、ユーザはデジタルツインの予測／シミュレーションされた将来の状態を見ることができ、それを使って取引に関する意思決定を行うことができる。例えば、異なる購買戦略のシミュレーションを実行する際に、ユーザは、組織の購買プロセス（例えば、複数市場購買）に関連する異なる購買戦略（例えば、様々なサイズのトランシェの購買の異なる組み合わせ及びシーケンスからのシミュレーション結果）を見ることができる。それぞれの異なる戦略に対応して、デジタルツインは、戦略の少なくとも一部を満たす商品またはサービスを提供するベンダー、および利用可能な場合は商品またはサービスを提供するベンダーからのオファー（価格およびタイムライン、認証、ライセンスなどの追加データを含む場合がある）を含む、それぞれのそれぞれの戦略に対応する市場データを取得および提示してもよい。サービス提供者からのオファーがない場合、ユーザは、商品またはサービス（ならびに、タイムライン、認証、ライセンスなどの要件）の見積もりを要求する、またはサービス提供者にオファーを提供するためのインターフェースを提供される場合がある。このように、ユーザは、異なる戦略の結果を見ることができ、その後、購買プロセスのデジタルツインから選択された戦略を実行するためのトランザクションを開始することができる。

インツインマーケットプレイスの非限定的な例では、製造工場のデジタルツイン（または「工場ツイン」）は、特に、原材料（板金、塗料など）、単一コンポーネント部品（例えば、ネジ、バネ、ベルト、チェーン、タイヤなど）、および／または、異なる場所で製造され、および／またはサードパーティから購入されて工場に出荷される組立済み部品（エンジン／電気モーター、ストラット、ショック、アクセル、インフォテインメントシステムなど）である。この例では、デジタルツインは、マーケットプレイスオーケストレーションシステムプラットフォーム20500のAPIを介して部品を発注するためのマーケットプレイスにアクセスするように構成され、サプライヤーは、それぞれの部品を販売することを申し出ることができ、かつ／またはそれぞれの部品を販売する申し出を受けることができる。この例では、デジタルツインは、指定されたマーケットプレイス（例えば、マーケットオーケストレーションシステムプラットフォーム20500によって機能する部品供給マーケットプレイス）に、部品の仕様（例えば、製品タイプ、製品識別子、製品寸法、材料タイプ、必要な証明書、承認されたベンダー、必要なユニット数、および／または他の適切な仕様）を示し、マーケットプレイス（例えば、マーケットオーケストレーションシステムプラットフォーム20500を介して）は、部品（例えば、1以上の異なるサプライヤーおよび／またはそれぞれの部品を生産する異なるサプライヤーによって現在販売中の部品）に対する取引オプションを返す場合がある。実施形態において、それぞれのサプライヤーに関する取引オプションは、それぞれのサプライヤーによって製造された部品の説明、それぞれのサプライヤーからの利用可能な部品の量、それぞれのサプライヤーからの部品の推定出荷時間、サプライヤーの評価、サプライヤーからの部品に対する価格（例えば、合計価格および／または単位あたりの価格）（販売の申し出の場合）、および／または他の適切な属性などの取引オプションの種々の属性を示すことがある。このようにして、特定の部品の既存の在庫を閲覧し、さらに在庫を注文するのに十分な権限を有するユーザは、特定の部品の既存の在庫レベルを閲覧し、在庫レベルが低い場合は、特定の部品の取引オプションを閲覧することができる。次に、ユーザは、取引オプションの1つ以上を選択することによって取引を開始することができる。例えば、ユーザは、定義された価格で定義された数のユニットを販売する売り手によるオファーを選択してもよいし、定義された価格で設定された数のユニットを購入するオファーを生成してもよい。販売または購入の申し出には、提案された納期、納品タイプ、製品仕様、補償、保証、免責事項、またはその他の適切な情報などの追加情報を含めることができることに留意されたい。この例に引き続き、ユーザーはデジタルツインを活用して製造プロセスのシミュレーションを行い、工場の処理能力、予測売上、予測ダウンタイムなどを考慮して、特定の部品がいつ補充される必要があるかを判断することができる。このように、ユーザは様々な取引オプションを評価し、ある部品の出荷が必要なときに、利用可能な最良の取引を見つけることができる。

実施形態において、個々の機器または他の資産のステータスは、機器または資産の一部であり、機器または資産に貼り付けられ、および／または近接しているセンサのセットから得られるセンサデータから決定されてもよい。さらに、いくつかの実施形態では、機器のステータスは、シミュレーションを実行することによって導出されてもよい。実施形態において、機器の状態は、機器の一部が現在サービスを必要とするか、サービスを必要とする可能性があるか、または動作状態にあるかどうかを、視聴者／ユーザに示すことができる。実施形態において、デジタルツインは、機器の一部がサービスを必要とする、またはサービスを必要とする可能性があるという判断に応答して、マーケットプレイスオーケストレーションシステムプラットフォーム20500から取引オプションを自動的に要求するように構成される場合がある。実施形態において、ツインは、機器または他の資産の場所、機器のタイプ、解決する必要がある問題のタイプなど、取引要求を得るための情報を示す要求を生成してもよい。これに応答して、マーケットプレイスオーケストレーションシステムプラットフォーム20500は、リクエストで提供された情報と一致する又は最もよく対応するトランザクションリクエストを識別する。例えば、マーケットプレイスオーケストレーションシステムプラットフォーム20500は、機械の種類および／または問題の種類に特化したサービス／技術者からのトランザクションオプションを返すことができる。この例では、ツインは、機器の一部と関連してユーザに取引オプションを提示し、それにより、ユーザは、工場のツインから取引を開始することができる。

実施形態において、マーケットプレイスオーケストレーションデジタルツインは、ロジスティクスデジタルツインと対話することができる。一例では、物流ツインは、倉庫スペースなどの物流スペースをサブリースするオプションを提示することができる。この例では、物流ツインは、指定されたマーケットプレイスを介して一定期間にわたって倉庫スペースをサブリースするオファーを生成するために、マーケットオーケストレーションシステムプラットフォーム20500に要求を発行することができる。これに応答して、マーケットプレイスオーケストレーションシステムプラットフォーム20500は、オファーを生成し、指定されたマーケットプレイス上にオファーを掲示する。同様の例において、デバイス製造者は、出荷前にプレセールされた10個のコンテナを追加出荷した可能性がある。輸送中、購入者は契約を破棄し、それによって一時的な保管スペースが必要となる。この例では、マーケットプレイスデジタルツインは、物流ツインまたは他の物流システムからの情報に基づいて、10個のコンテナの売れ残り出荷が、現在、保管計画がないまま米国に輸送中であるという警告をユーザーに提供することができる。ツインはさらに、一時的な保管スペース、配送条件の改訂、保険の変更など、マーケットプレイスオーケストレーションシステムプラットフォーム20500に取引オプションを要求してもよく、それによって、要求は、これらに関連する情報を示すことができる。これに応答して、マーケットプレイスオーケストレーションシステムプラットフォーム20500は、入港地の近くの一時的な倉庫スペースのための一連の取引オプションを特定してもよく、取引オプションをツインに提供してもよい。これに応じて、ツインは、ツインを介してユーザにオプションを提示してもよく、それにより、ユーザは、取引オプションのうちの1つ以上を選択することができる。このようにして、ユーザは、デバイスの出荷がコスト効率の良い方法で到着時に保管されるようにするなど、リアルタイムで問題を解決することができる。

実施形態において、マーケットオーケストレーションシステムプラットフォーム20500は、インツインスマートコントラクトをサポートする。インツインスマートコントラクトは、デジタルツインを介してアクセスしコミットすることができる、デジタルツインとデータ構造を共有することができる、デジタルツインシステムのデータによってパラメータ化することができる、デジタルツイン内で提示および／または構成することができる、デジタルツインのワークフローと統合されている、などのスマートコントラクトを指す場合がある。これらの実施形態において、取引オプションは、デジタルツインを介してユーザーに提示され得、取引オプションの1つ以上は、それぞれのスマートコントラクトと関連付けられる。これらの実施形態では、ユーザは、デジタルツインを介して取引にコミットすることができる。例えば、ユーザは、ユーザを取引にコミットさせるデジタルツイン内のユーザインターフェイス要素を選択することができる。ユーザの選択に応答して、マーケットオーケストレーションシステムプラットフォーム20500は、ユーザをスマートコントラクトにコミットさせることができる。いくつかの実施形態では、マーケットオーケストレーションシステムプラットフォーム20500は、ユーザから取得した情報を用いてスマートコントラクトをパラメータ化することにより、ユーザをスマートコントラクトにコミットしてもよい。例えば、マーケットプレイスオーケストレーションシステムプラットフォーム20500は、当事者の識別子、取引における通貨の量／種類、および任意の他の必要な情報（例えば、実行されるべき配達またはサービスのための場所、配達日／契約満了日／完了日、開始日、および／または同様のもの）を提供してもよい。

実施形態では、マーケットオーケストレーションシステムプラットフォーム20500は、マーケットプレイスユーザーの代理としてインテリジェントエージェントを訓練し、展開する。実施形態において、インテリジェントエージェントは、定義されたマーケットプレイスの役割を有するそれぞれのユーザーに代わってタスクを実行し、および／またはアクションを提案する、ボットの形態などのロボットプロセス自動化を採用するような、AIベースのソフトウェアシステムである。実施形態において、インテリジェントエージェントは、マーケットオーケストレーションデジタルツインに関してユーザが取ったアクション、センサーデータとの相互作用、またはマーケットオーケストレーションシステムプラットフォーム20500が収集した他のデータなど、クライアントアプリケーション20312とのユーザの相互作用に基づいてマーケットオーケストレーションシステムプラットフォーム20500が訓練することができる、マーケットプレイス関連タスクを実行または可能にする1つまたは複数のソフトウェアシステム（取引システム、分析システム、価格設定システム、スマートコントラクト構成システム、テンプレートベースの契約システム、支払いシステム、注文システム、電子商取引システム、暗号通貨システム、財布、レジスタまたは他の販売時点システム、履行システム、および他の多くなど）、ハードウェアまたは物理システムなどとのインタラクションとのインタラクション、などなど。訓練は、教師なし訓練（取引活動、購買活動、貸出活動、販売活動、および多くの他のものの収益性を示す結果データなど、多種多様なフィードバックメトリクスを用いた結果データに基づくなど）、教師あり訓練、または半教師あり訓練であり得る。実施形態において、インテリジェントエージェントは、有利な取引戦略または取引機会（裁定機会など）の特定、入札の発注、入札の受け入れ、契約（スマートコントラクトなど）の構成および／または交渉、取引サイズの設定、注文（リミット注文、コール注文、ポジションカバー注文、ヘッジベース注文およびその他多くを含む）の設定などのトレーダーの役割およびワークフロー（本書または参照により本書に組み込まれる文書に記載されている役割およびワークフローのいずれも含む）について訓練したトレーダーエージェントとし得る。実施形態において、インテリジェントエージェントは、資産クラス内の買い機会の特定、戦略的ルールまたは基準（資産配分基準など）を満たすために必要な注文のセットの決定、契約の条件交渉（スマートコントラクトなど、価格、数量、タイミング、配送条件、保険適用範囲、保証、および他の多くのものに関連するような）、割安なアイテム、掘り出し物、または同様のものを見つけるおよび／または実行すること、および他の多くのもので、本書または参照により本書に組み込まれる文書に記載されている役割およびワークフローのいずれかを含む。実施形態において、インテリジェントエージェントは、買い手候補の特定、契約条件（スマートコントラクトの場合、オークションルール、価格、オファーサイズ、オファータイミング、オファーボリューム、プロモーション、インセンティブ、割引（例えば、ボリュームまたはタイミングに基づく）、配送条件、履行条件、メンテナンスおよびアップデート条件、保証および責任条件、保険適用、ならびに、本書または参考として本書に組み込まれる文書に記載される役割およびワークフローのうちのいずれかを含むその他多数）を構成するなど、売り手役割およびワークフロー用に訓練された売り手エージェントでもある。実施形態において、インテリジェントエージェントは、売り手の特定、買い手の特定、買い手と売り手のマッチング、手数料および他の契約条件の交渉（スマートコントラクトなど）、サービスプロバイダーの特定、および他の多くのようなブローカー役割のために訓練されたブローカーエージェントであってよく、本書または参照により本書に組み込まれる文書に記載されているブローカー役割およびワークフローのいずれかを含む。実施形態において、インテリジェントエージェントは、マーケットプレイス参加規則の設定、取引の構成に関する規則の設定（オークション規則、ビッド／アスク規則、注文タイプ、資産タイプ、およびその他多数）、マーケットプレイス参加のための契約の設定および／または交渉（スマートコントラクトなど、許可された取引活動、許可された参加者、およびその他を規定する契約など）、交換レートの設定、交換媒体（フィアットまたは暗号通貨、トークン、ポイント、およびその他など）の設定および／または構成、およびその他多数（本書または参照により本書に組み込まれる文書に記載されるホスト役割およびワークフローの任意のものを含む）が挙げられる。実施形態では、マーケットプレイスオーケストレーションシステムプラットフォーム20500は、評価役割、アナリスト役割、配達役割、資産検査役割など、市場内の他の役割のためにインテリジェントエージェント20234を訓練する。

実施形態において、マーケットオーケストレーションシステムプラットフォーム20500は、ユーザによって取られたアクションおよびアクションを取り巻く状況に関連する特徴（例えば、取られたアクションのタイプ、アクションを促したシナリオなど）を含むトレーニングデータに基づいて、インテリジェントエージェント20234を学習する。実施形態において、マーケットオーケストレーションシステムプラットフォーム20500は、特定のユーザに関連するクライアントアプリケーション20312から遠隔測定データを受信し、遠隔測定データおよび周囲の状況に基づいて特定のユーザによって実行されるワークフローを学習する。例えば、ユーザは、資産デジタルツインを提示されるマーケットプレイスにおける買い手であってもよい。買い手の行動の中には、資産デジタルツインでシミュレーションを実行することがあり、資産デジタルツインは市場で販売される資産を表している。資産デジタルツインに描かれる状態は、1つ以上のシミュレーションの結果としての資産デジタルツインの状態を含み得る。この例では、買い手は、1つ以上のシミュレーションの結果として資産デジタルツインが第1の状態（例えば、良好な状態）にあると判断された場合に、資産デジタルツインを介して資産を購入し、1つ以上のシミュレーションの結果として資産デジタルツインが第2の状態（例えば、危機的状態）にあると判断された場合に資産の購入を拒否して他の販売用の資産を検索してもよい。知的エージェントは、買い手の資産デジタルツインとの以前の相互作用に基づいて買い手の傾向を特定するように訓練され得る。訓練されると、インテリジェントエージェントは、1つ以上のシミュレーションの結果として特定の資産のデジタルツインが第1の状態にあると判定された場合、販売用の資産を自動的に購入し、1つ以上のシミュレーションの結果として資産のデジタルツインが第2の状態にある場合、資産の購入を自動的に拒否して他の資産を検索してもよい。実施形態において、シミュレーションは、資産の挙動を予測する行動モデル（物理的条件を予測する物理モデル（物理的、化学的、生物学的原理に基づくものなど）、経済的挙動を予測する経済モデル（購入者、販売者、価格などの挙動を予測するモデルなど）に基づいて、および／または組み込んでよい、取引パターンなど）、人間の行動モデル（心理学的モデル、人口統計学的モデル、人口モデル、社会学的モデル、ゲーム理論的モデル、その他多数など）、その他多数であり、本書または参照により本書に組み込まれる文書に記載されるモデルのいずれか、および前述のハイブリッドおよび組合せを含む。多くの可能なモデルのうちの一例として、ワイン（または時間とともに改善または劣化し得る他の資産）の市場において、シミュレーションは、ユニットの保管環境からのセンサデータを使用する物理モデル、感知された保管条件下での時間の経過の影響を予測する化学モデル、および類似商品の過去の価格設定パターンに基づいて所定の品質レベルのユニットの価値を予測する経済モデルなどを含むことができる。この結果は、資産の期待値、及び異なる時点における資産の価格のシミュレーションをもたらし、知的エージェントは、現在の価格及び／又は予測される将来の価格との比較において参照情報として使用することができ、例えば、（同様の比較を行うユーザの一連の相互作用に基づいて訓練した後）保持、購入、又は売却を自動的に決定することができる。インテリジェントエージェントが特定のユーザのために訓練されることに言及したが、インテリジェントエージェントは、1人以上の異なるユーザの行動を使用して訓練され、インテリジェントエージェントの訓練に関与しなかったユーザとの関連で使用され得ることが理解される。インテリジェントエージェントの更なる議論は、本開示を通して提供される。

実施形態では、インテリジェントエージェントシステム20210は、ユーザに代わってアクションを実行／推奨するインテリジェントエージェント20234を訓練する。インテリジェントエージェントは、人工知能サービスを実装し、および／または活用して、ユーザに代わってまたはユーザの代わりにアクションを実行／推奨するソフトウェアモジュールであってもよい。実施形態において、インテリジェントエージェントは、定義された役割に関連して機械学習タスクを実行する1つ以上の機械学習システムまたはモデル（例えば、ニューラルネットワーク、予測モデル、分類モデル、ベイズモデル、ガウスモデル、決定木、ランダムフォレストなど、本明細書に記載または参照によりここに組み込まれるものを含む）を使用、リンク、統合し、および／または含む場合がある。加えて又は代替的に、知的エージェントは、定義された役割に関連して行動を決定する人工知能ルールで構成され得る。人工知能ルールは、ユーザによってプログラムされてもよいし、インテリジェントエージェントシステム20210によって生成されてもよい。インテリジェントエージェントは、マーケットプレイス参加者ユーザデバイス20218で実行されてもよく、および／またはマーケットオーケストレーションシステムプラットフォーム20500で実行されてもよい。後者の実施形態では、インテリジェントエージェントは、サービスとして（例えば、APIを介して）アクセスされ得る。インテリジェントエージェントがクライアントデバイスで少なくとも部分的に実行される実施形態では、マーケットプレイスオーケストレーションシステムプラットフォーム20500は、インテリジェントエージェントを訓練してもよく、訓練されたインテリジェントエージェントをクライアントアプリケーション20312に提供してもよい。実施形態において、インテリジェントエージェントは、クライアントデバイス20340またはマーケットオーケストレーションシステムプラットフォーム20500で実行され得るコンテナ（例えば、Dockerコンテナ）として実装されてもよい。実施形態において、インテリジェントエージェントは、インテリジェントエージェントシステム20210にデータを収集し報告するようにさらに構成され、インテリジェントエージェントシステム20210は、インテリジェントエージェントを訓練／強化／再構成するためにこれを使用する。実施形態において、インテリジェントエージェントは、データリソースの共有セット、計算リソースの共有セット、人工知能リソースの共有セット、共有データスキーマ、共有ユーザーインターフェース、ワークフローの共有セット、アプリケーションまたはサービスの共有セットなどを含むような、マーケットプレイスオーケストレーションデジタルツインシステムに統合されるかまたはそれと統合される。実施形態において、統合は、共有マイクロサービスアーキテクチャ内にあり、インテリジェントエージェントサービス及びデジタルツインサービスは、共通のマイクロサービスフレームワーク内で管理される。

いくつかの実施形態では、インテリジェントエージェントシステム20210（インテリジェントサービスシステム20243と関連して動作する）は、それぞれのエージェントに代わって1つまたは複数の実行行動を行うために、ロボットプロセス自動化技術を使用してインテリジェントエージェント20234（例えば、トレーダーエージェント、買い手エージェント、売り手エージェント、仲介エージェント、市場ホストエージェント、規制エージェント、および他のインテリジェントエージェント）を訓練してもよい。これらの実施形態のいくつかでは、クライアントアプリケーション20312は、ユーザ（例えば、買い手、売り手、ブローカー、役割ベースの専門家、マーケットプレイスホスト、または任意の他の適切なアフィリエイト）に関連するマーケットプレイス参加者ユーザデバイス20218（例えば、タブレット、VRヘッドセット、モバイルデバイス、またはラップトップなどのユーザデバイス、組み込みデバイスなど）上で実行され得る。実施形態において、クライアントアプリケーション20312は、クライアントアプリケーション20312とユーザのインタラクションを記録してもよく、インタラクションをインテリジェントエージェントシステム20210に報告してもよい。これらの実施形態において、クライアントアプリケーション20312は、ユーザに提示された任意の刺激または刺激のセット、ユーザが対話の時に閲覧していたもの、対話のタイプ、ユーザの役割、対話を要求した個人の役割など、対話に関連する特徴をさらに記録および報告し得る。インテリジェントエージェントシステム20210は、相互作用データ及び関連する特徴を受信してもよく、それに基づいてインテリジェントエージェントを訓練することを生成してもよい。実施形態において、相互作用は、マーケットプレイスオーケストレーションデジタルツイン（例えば、資産デジタルツイン、トレーダーデジタルツイン、ブローカーデジタルツイン、市場デジタルツイン、環境デジタルツイン、プロセスデジタルツインなど）とのユーザによる相互作用であり得る。実施形態において、インタラクションは、センサデータ（例えば、振動データ、温度データ、圧力データ、湿度データ、放射線データ、電磁放射線データ、運動データ、および／または同類）および／または物理エンティティ（例えば、機械、建物、輸送容器、または同類）を形成して収集したデータストリームとのユーザによるインタラクションであってよい。例えば、ユーザは、特定の機器の一部からのセンサデータを提示され、それに応答して、スマートコントラクト要求アクションが機器の一部に関して取られることを決定することができる。この例では、インテリジェントエージェントは、ユーザが資産を売却するスマートコントラクトを生成する原因となる条件だけでなく、ユーザが資産を売却する契約を生成しなかったインスタンスについても訓練される場合がある。この例では、インテリジェントエージェントは、スマートコントラクト要求アクションが取られる状況について学習してもよい。実施形態において、インテリジェントエージェントシステム20210は、他のマーケットプレイスエンティティ（ネットワークエンティティおよび計算エンティティなど）とのユーザインタラクションに基づいてインテリジェントエージェントを訓練してもよい。例えば、インテリジェントエージェントシステム20210は、トレーダーがカウンターパーティを識別し、エンゲージする方法を学習するためにインテリジェントエージェントを訓練してもよい。この例では、インテリジェントエージェントは、取引相手を特定し、取引相手と関わり、取引相手との取引を追求するために取引相手によって行われる任意のアクションを学習するように訓練され得る。

実施形態において、インテリジェントエージェントは、資産検査アクション、資産検索アクション、支払いアクション、資産配送アクション、資産サービスアクション、資産テストアクション、資産評価アクション、資産テストアクションなどを実行するロボットとして実装することができる。

実施形態において、インテリジェントエージェントが実行／推奨するように訓練され得るアクションのタイプは、資産の選択、資産の価格設定、マーケットプレイスへの資産のリストアップ、資産に関連する情報のアップロード、取引相手の特定、取引相手の選択、機会の特定、機会の選択、マーケットプレイスの特定、資産のデジタル検査、資産の物理的検査、資産の物理的配達、資産の物理的回収、マーケットプレイスの構成、デジタルツインの構成、注文要求、スマートコントラクトの生成、、オーダーマッチング、戦略の選択、タスクの選択、パラメータの設定、オブジェクトの選択、ワークフローの選択、ワークフローのトリガー、製品の注文、プロセスの注文、ワークフローの注文、ワークフローの停止、データセットの選択、設計選択の選択、設計選択のセットの作成、問題の特定、人的資源の選択、人的資源への命令の提供、とりわけ他の可能なタイプの行動を含む。実施形態において、知的エージェントは、以下のような他のタイプのタスクを実行するように訓練され得る、資産に関する報告、取引相手に関する報告、トレーダーに関する報告、ステータスに関する報告、イベントに関する報告、コンテキストに関する報告、条件に関する報告、取引に関する報告、モデルの決定、モデルの構成、モデルの入力、システムの設計、製品のエンジニアリング、システムの保守、装置を維持する、プロセスを維持する、ネットワークを維持する、計算資源を維持する、機器を維持する、ハードウェアを維持する、システムを修復する、装置を修復する、ネットワークを修復する、計算資源を修復する、機器を修復する、ハードウェアを修復する、システムを組み立てる、装置を組み立てること、システムを組み立てる、デバイスを組み立てる、ネットワークを組み立てる、計算資源を組み立てる、機器を組み立てる、ハードウェアを組み立てる、価格を設定する、システムを物理的に確保する、デバイスを物理的に確保する、プロセスを物理的に確保する、ネットワークを物理的に確保する、計算資源を物理的に確保する、機器を物理的に確保する、ハードウェアを物理的に保護する、システムをサイバーセキュアする、デバイスをサイバーセキュアする、プロセスをサイバーセキュアする、ネットワークをサイバーセキュアする、計算資源をサイバーセキュアする、機器をサイバーセキュアする、ハードウェアをサイバーセキュアする、脅威を検出する、障害を検出する、システムを調整する、デバイスを調整する、プロセスを調整する、ネットワークを調整すること、計算機資源のチューニング、機器のチューニング、ハードウェアのチューニング、システムの最適化、機器の最適化、プロセスの最適化、ネットワークの最適化、計算機資源の最適化、機器の最適化、ハードウェアの最適化、システムの監視、機器の監視、プロセスの監視、ネットワークの監視、システム構成、デバイス構成、プロセス構成、ネットワーク構成、計算機資源構成、機器構成、ハードウェア構成、監視技術、データの複製と分割、基礎データベースへのインデックス作成、実行時パラメータの変更、仮想環境および物理環境における追加のCPU、メモリ、ディスクの割り当て、追加のマーケットプレイスオーケストレーションエンジンの割り当て、環境のクラスタリング、環境の分散、物理的な場所間での環境の調整、ダークウェブの監視、規制インターフェースの管理、第三者インターフェースの管理および拡張、ローカル市場の地理的設定、リモート管理ツールの管理、サーバレスコンポーネントの構築、代替フロントエンド取引ツール（組み込みクライアント、代替プラットフォーム、SMS取引ツール、電話取引ツール）などである。

議論されたように、インテリジェントエージェントは、アクションを決定するように構成され、アクションをクライアントアプリケーション20312に出力することができる。インテリジェントエージェントの出力の例は、推奨、分類、予測、制御命令、入力選択、プロトコル選択、通信、警告、通信のターゲット選択、データ記憶選択、計算選択、構成、イベント検出、予測、などを含み得る。さらに、いくつかの実施形態では、インテリジェントエージェントシステム20210は、アクションを出力することに加えて、またはその代わりに、むしろトレーニングおよび／またはガイダンスを提供するためにインテリジェントエージェント20234を訓練してもよい。これらの実施形態では、訓練および／または指導は、特定の個人または役割のために特定されてもよく、または他の個人のために使用されてもよい。

実施形態において、インテリジェントエージェントシステム20210は、インテリジェントエージェント20234の訓練に参加する専門家に利益を提供するように構成される。いくつかの実施形態では、利益は、専門家のユーザによって訓練されたインテリジェントエージェントのユーザに由来する成果に基づいて提供される報酬である。いくつかの実施形態では、利益は、インテリジェントエージェントの生産性に基づいて提供される報酬である。いくつかの実施形態では、利益は、インテリジェントエージェントの専門性の尺度に基づいて提供される報酬である。いくつかの実施形態では、利益は、インテリジェントエージェントによって生産された仕事によって生成された収益又は利益の共有である。いくつかの実施形態では、利益は、インテリジェントエージェントが関与する一連の行動及びイベントに関連する情報を捕捉する分散台帳（例えば、ブロックチェーン）を使用して追跡される。これらの実施形態のいくつかでは、スマートコントラクトが、エキスパートユーザへの報酬の管理を支配することができる。

いくつかの実施形態では、インテリジェントエージェントシステム20210及び／又はクライアントアプリケーション20312は、ユーザのインタラクションに関連する結果を監視し、結果に基づいてインテリジェントエージェントの訓練を強化することができる。例えば、ユーザが購入アクションを実行するたびに、インテリジェントエージェントシステム20210は、結果（例えば、結果が正の結果であるか負の結果であるか）を決定することができる。その後、インテリジェントエージェントシステム20210は、結果に基づいてインテリジェントエージェントを再トレーニングしてもよい。結果の例は、財務結果、収益性結果、運用結果、注文キャンセル結果、故障結果、成功結果、パフォーマンス指標結果、出力結果、消費結果、エネルギー利用結果、資源利用結果、行動結果（注意行動、移動行動、購買行動、販売行動など）、コスト結果、利益結果、収益結果、販売結果、保証請求結果、保険請求結果、貸付結果（例えば、デフォルトまたは返済結果）、担保設定結果、および生産結果である。これらの実施形態において、インテリジェントエージェントシステム20210は、結果（例えば、利益が増加／減少し、どのくらい増加したか、購入資産状態、購入資産性能、所望の取引先行動が誘発されたか、など）を決定するために行動が取られた後に様々なデータ源から得られたデータを監視してもよい。インテリジェントエージェントシステム20210は、結果をもたらしたユーザによって行われたアクションに関連するトレーニングデータセットに、結果を含めることができる。

いくつかの実施形態において、インテリジェントエージェントシステム20210は、それぞれのインテリジェントエージェント20234に関するユーザからのフィードバックを受け取る。例えば、いくつかの実施形態では、インテリジェントエージェントを活用するクライアントアプリケーション20312は、ユーザがインテリジェントエージェントによって出力されたアクションに関するフィードバックを提供することができるインターフェースを提供し得る。実施形態では、ユーザは、インテリジェントエージェントによる任意のエラーを識別し特徴付けるフィードバックを提供する。これらの実施形態のいくつかでは、ユーザが遭遇したエラーのセットを示すレポートが（例えば、クライアントアプリケーション20312またはマーケットプレイスオーケストレーションシステムプラットフォーム20500によって）生成されてもよい。レポートは、インテリジェントエージェントを再設定／再教育するために使用されてもよい。実施形態において、インテリジェントエージェントを再構成／再訓練することは、エラーの原因である入力を除去すること、人工知能システムのノードのセットを再構成すること、人工知能システムの重みのセットを再構成すること、人工知能システムの出力のセットを再構成すること、人工知能システム内の処理フローを再構成する（例えば、リカレントニューラルネットワークにゲートを配置して、爆発するエラー問題を避けるために特定の入力を減少させる必要性と学習のバランスを取るゲートRNNとレンダーする）ことが挙げられる、人工知能システムのタイプを変更する（例えば、畳み込みニューラルネットワーク、リカレントニューラルネットワーク、フィードフォワードニューラルネットワーク、長期／短期記憶（LSTM）ニューラルネットワーク、自己組織化ニューラルネットワーク、または他の多くのタイプおよび組み合わせからニューラルネットワークタイプを変更する）、および／または人工知能システムへの入力のセットを増強することである。

実施形態において、インテリジェントエージェントは、少なくとも部分的に、マーケットプレイス内で役割を有するユーザの二重として動作するように構成され得る。これらの実施形態では、インテリジェントエージェントシステム20210は、マーケットプレイス内でのそれぞれの役割の実行中の特定のユーザによる一連のインタラクションを含む訓練データセットに基づいて、インテリジェントエージェントを訓練する。例えば、インテリジェントエージェントを訓練するために使用され得る一連の相互作用は、マーケットプレイスのエンティティとのユーザの相互作用、マーケットプレイスの他のユーザとのユーザの相互作用、マーケットプレイスにリストされた資産とのユーザの相互作用、デジタルツインとのユーザの相互作用、センサシステムから得られたセンサデータとのユーザの相互作用、物理エンティティによって生成されたデータストリームとのユーザの相互作用、マーケットプレイスの計算エンティティとのユーザの相互作用、および同様のものを含んでよい。いくつかの実施形態では、インテリジェントエージェントシステム20210は、インタラクションのトレーニングデータセットを解析して、インタラクションのセットに対するユーザの推論の連鎖を特定する。これらの実施形態のいくつかでは、推論の連鎖は、インテリジェントエージェントを構成／訓練するための基礎として使用され得る、ユーザの推論のタイプを識別するために解析され得る。例えば、推論の連鎖は、推論の演繹的連鎖、推論の帰納的連鎖、推論の予測的連鎖、推論の分類連鎖、推論の反復連鎖、推論の試行錯誤連鎖、推論のベイズ連鎖、推論の科学方法連鎖などであってもよい。いくつかの実施形態では、インテリジェントエージェントシステム20210は、インタラクションのトレーニングデータセットを解析して、インタラクションのセットを分析する際にユーザによって行われる処理の種類を特定する。例えば、処理の種類は、可聴情報を分析する際の音声処理、物理的センサ情報を分析する際の触覚または「タッチ」処理、テキストを分析する際のテキスト情報処理、運動情報を分析する際の運動処理、視覚情報を分析する際の視覚処理、時空間情報を処理する際の時空間処理、数値データを数学的に操作する際の数学処理、代替オプションを導き出す際の創造的処理、オプションセットからの選択時の分析的処理、等を含み得る。実施形態において、推論のタイプおよび／または処理のタイプの識別は、機能的MRIまたは他の磁気イメージング、脳波（EEG）、または他のイメージングなどの脳イメージングを実施することによって知らされ、例えば、幅広い脳活動（例えば、デルタ波、シータ波、アルファ波、ガンマ波などの活動の波帯）、インテリジェントエージェントの訓練に使用されるユーザの一連の相互作用の間に活性化及び／又は不活性化される一連の脳領域（例えば、新皮質の領域、例えば、Fp1（判断と意思決定に関与）、F7（想像と模倣に関与）、F3（分析的演繹に関与）、T3（発話に関与）、C3（事実の記憶に関与）、T5（仲介と共感に関与）、P3（戦術ナビゲーションに関与）、O1（視覚工学に関与）、Fp2（プロセス管理）、F8（信念体系に関与）、F4（専門家の分類に関与）、T4（傾聴と直感に関与）、C4（芸術的創造性に関与）、T6（予測に関与）、P4（戦略ゲームに関与）、O2（抽象化に関与する、）及び／又は前述の組み合わせ）、又は他の神経科学的、心理学的、又は類似の技術によって、インテリジェントエージェントが訓練された人間が、インテリジェントエージェントが配置されるワークフローに関与する特定のタイプの問題をどのように解決しているかについての洞察を提供する。実施形態において、インテリジェントエージェントは、インテリジェントエージェントが訓練されるべき一連の活動を実行している人間の専門家の脳領域の活動に類似する処理活動を複製またはシミュレートするように選択されるニューラルネットワークタイプ、またはタイプの組み合わせで構成され得る。可能な多くの中の1つの例として、トレーダーは、成功した取引を行うときに新皮質の視覚処理領域O1および戦略的ゲーム領域P4を使用することが示され、ニューラルネットワークは、視覚パターン認識の効果的な複製を提供する畳み込みニューラルネットワークおよび戦略的ゲームを複製するゲートリカレントネットワークで構成されることが挙げられる。実施形態では、新皮質の活動を模倣またはシミュレートするニューラルネットワークタイプの組み合わせを表すニューラルネットワークリソースのライブラリは、ロボットプロセス自動化を伴うなど、知的エージェントの開発対象である様々な活動を行うために人間の専門家が使用する組み合わせを複製するモジュールの選択および実装を可能にするように構成され得る。実施形態において、ライブラリからの様々なニューラルネットワークタイプは、処理フローを表すために直列および／または並列構成で構成されてもよく、これらは、自動化の主題である活動に関与するときの脳の時空間イメージングに基づくなど、脳内の処理のフローを模倣または複製するように配置されてもよい。実施形態において、エージェント開発のためのインテリジェントソフトウェアエージェントは、ニューラルネットワークリソースタイプのセットを選択すること、処理フローに従ってニューラルネットワークリソースタイプを配置すること、ニューラルネットワークリソースのセットのための入力データソースを構成すること、および／または所望のインテリジェントエージェント／自動化ワークフローを実行するために構成済みのニューラルネットワークリソースのセットの訓練を開始するために利用できる計算リソース上にニューラルネットワークタイプのセットを自動的に展開することなど、ここで説明した訓練技術のいずれかを使用して訓練されてよい。実施形態において、エージェント開発に使用されるインテリジェントソフトウェアエージェントは、さらなる開発の対象となるワークフローを実行している専門家などの人間の脳の時空間画像データの入力データセット上で動作し、時空間画像データを使用して、学習を開始するためにニューラルネットワークタイプのセットの選択および配置を自動的に選択および構成する。したがって、インテリジェントエージェントを開発するためのシステムは、エージェントが訓練されるワークフローに関与するヒトユーザの時空間新皮質活動パターンに基づいて、ニューラルネットワークタイプ及び／又は配置を（オプションで自動的に）選択するように構成され得る。一旦開発されると、得られるインテリジェントエージェント／プロセス自動化システムは、本開示全体を通して説明されるように訓練され得る。

実施形態において、インテリジェントエージェント20234を開発するためのシステム（前述のインテリジェントエージェントの開発のためのエージェントを含む）は、インテリジェントエージェントの入力としてどのようなデータソースが選択されるべきかを推論するために（任意に自動的に）、人間のユーザの脳イメージングからの情報を使用し得る。例えば、大脳新皮質領域O1が高度に活性化されている（視覚処理を伴う）プロセスについては、視覚入力（カメラからの利用可能な情報、又は多くのものの中でも価格パターンのような情報の視覚表現など）が、好ましいデータソースとして選択され得る。同様に、領域C3を含む処理（事実の保存と検索を伴う）については、信頼できる事実情報を提供するデータソース（ブロックチェーンベースの分散型台帳など）が選択される場合がある。このように、知的エージェントを開発するためのシステムは、エージェントが訓練されるワークフローに関与する人間のユーザーの時空間的な新皮質の活動パターンに基づいて、入力データの種類とソースを（任意で自動的に）選択するように構成される場合がある。

実施形態において、インテリジェントエージェント20234は、トレーダー、買い手、売り手、ブローカー、マーケットプレイスホスト及び／又は買い手、売り手、ブローカー、又はマーケットプレイスホストの関連会社に代わって行動を出力するように訓練される。これらの実施形態では、特定のマーケットプレイスの役割のユーザがそれぞれの役割を実行することによってインテリジェントエージェントを訓練することができるように、インテリジェントエージェントはマーケットプレイスの役割のために訓練され得る。例えば、インテリジェントエージェントは、マーケットプレイス内の特定の役割のユーザに代わってアクションを実行する、またはアクションを推奨するために訓練されることがある。これらの実施形態のいくつかでは、クライアントアプリケーション20312は、マーケットオーケストレーションシステムプラットフォーム20500の機能性を提供し得る。例えば、いくつかの実施形態では、ユーザは、クライアントアプリケーション20312を介して、マーケットオーケストレーションデジタルツインを見ることができ、および／または取引所スイートツールを使用することができる。クライアントアプリケーション20312の使用中、買い手は、グラフィカルユーザインタフェースを介して基準を設定することによって資産をフィルタリングするためにスクリーナーツールを使用することができる。ユーザがクライアントアプリケーション20312と相互作用するたびに、クライアントアプリケーション20312はユーザのアクションを監視し、インテリジェントエージェントシステム20210にアクションを報告することができる。時間の経過とともに、インテリジェントエージェントシステム20210は、特定のユーザが特定の状況に対してどのように反応するかを学習することができる。例えば、ユーザが売り手であり、資産の価格が特定の範囲内にあるたびに、売り手が資産を売却する注文要求を行う場合、インテリジェントエージェントシステム20210は、それらの資産の価格設定が特定の範囲内にあるときに自動的に資産を売却することを学習することができる。インテリジェントエージェントシステム20210の更なる実装は、本開示において更に議論される。

実施形態では、マーケットオーケストレーションシステムプラットフォーム20500は、マーケットプレイスに代わってデータを保存するマーケットプレイスデータベース20216を含む。実施形態では、各マーケットプレイスは、様々なデータソース20224からデータを受信する関連データレイク、分散型台帳のセットなど、取引データを格納するブロックチェーンの関連セット、またはそのようなものを有することができる。いくつかの実施形態では、マーケットプレイスデータベース20216は、1つまたは複数のAPIシステム20238を介してデータを受信する。例えば、実施形態では、APIは、1つまたは複数のセンサシステム20274からリアルタイムのセンサデータを取得するように構成されてもよい。センサデータは、データレイク、ブロックチェーンのセット、またはマーケットプレイスに関連する同種のものに収集されてもよい。デジタルツインシステム20208およびインテリジェントサービスシステム20243は、データリソース内のデータを構造化してもよく、収集されたデータに基づいて1つまたは複数のそれぞれのマーケットオーケストレーションデジタルツインをポピュレートしてもよい。いくつかの実施形態では、データソース20224は、センサシステム20274および／または他の適切なIoTデバイスからセンサデータを収集するエッジデバイス20292を含むことができる。これらの実施形態のいくつかでは、エッジデバイス20292は、企業の「ネットワークエッジ」で収集されたセンサデータ（または他の適切なデータ）を処理するように構成されてもよい。企業データのエッジ処理は、センサフュージョン、データ圧縮、データ構造化、および／またはそのようなものを含むことができる。いくつかの実施形態において、エッジデバイス20292は、収集されたセンサデータを分析し、収集されたセンサデータの内容に基づいてセンサデータストリームを調整するように構成され得る。例えば、エッジデバイス20292は、異常と考えられるセンサデータを圧縮せずにストリーミングしてもよく、許容範囲内と考えられるセンサデータを圧縮してストリーミングしてもよい。このように、エッジデバイス20292は、半感覚的なデータストリームを提供することができる。実施形態において、マーケットオーケストレーションシステムプラットフォーム20500は、データストリームをデータレイクに保存してもよく、および／または受信したデータの一部または全部で1つまたは複数のマーケットオーケストレーションデジタルツインを更新してもよい。

実施形態において、マーケットプレイス参加者ユーザデバイス20218は、マーケットオーケストレーションシステムプラットフォーム20500とインターフェースする1つまたは複数のクライアントアプリケーション20312を実行してもよい。実施形態において、クライアントアプリケーション20312は、1つまたは複数のマーケットオーケストレーションデジタルツインを要求し、表示してもよい。これらの実施形態のいくつかにおいて、クライアントアプリケーション20312は、ユーザの役割に対応するマーケットオーケストレーションデジタルツインを描写することができる。例えば、ユーザがトレーダーである場合、マーケットオーケストレーションシステムプラットフォーム20500は、トレーダーデジタルツインをユーザに提供してもよい。これらの実施形態のいくつかでは、マーケットオーケストレーションシステムプラットフォーム20500および／またはクライアントデバイスに格納されたユーザデータは、ユーザの役割および／またはユーザがアクセスするマーケットオーケストレーションデジタルツインの種類を示すことができる。

実施形態において、クライアントアプリケーション20312は、要求されたマーケットオーケストレーションデジタルツインを表示し、マーケットオーケストレーションデジタルツインおよびそこに描かれた状態に対応する1つまたは複数のそれぞれの操作を実行する1つまたは複数のオプションを提供することができる。実施形態において、操作は、特定の状態への「ドリルダウン」、状態または状態のセットの共同文書へのエクスポート（例えば、ワードプロセッサ文書、スプレッドシート、PowerPoint文書、年次報告書などへの）、シミュレーションの実行、資産の検査などのうちの1つまたは複数を含むことがある。例えば、マーケットプレイスホストは、マーケットプレイスホストデジタルツインを見ることができる。マーケットプレイスホストデジタルツインに描かれ得る状態の中には、マーケットプレイスのパフォーマンスに関する潜在的な問題の通知が含まれる場合がある。マーケットプレイスホストデジタルツインを閲覧する際、ユーザは、マーケットプレイスパフォーマンス情報に「ドリルダウン」することを望む場合がある。この例では、マーケットプレイスホストデジタルツインを描写するクライアントアプリケーション20312は、ユーザが、執行速度、価格改善された注文の割合、注文あたりの正味改善、流動性倍率などを含む、より粒度の高いマーケットプレイスパフォーマンス情報を閲覧することを可能にする場合がある。

図208を参照すると、実施形態では、デジタルツインシステム20208は、1つ以上のプロセッサを含む処理システム20802、1つ以上のコンピュータ可読媒体を含むストレージシステム20834、およびネットワーク（例えば、インターネット、プライベートネットワークなど）と通信する1つ以上の通信ユニットを含むネットワークインターフェース20860を含み得るコンピューティングシステム（例えば1つ以上のサーバ）により実行される。実施形態では、処理システム20802は、デジタルツイン構成システム20810、デジタルツインI／Oシステム20812、データ構造化システム20814、デジタルツイン生成システム20818、デジタルツイン観点構築器20820、デジタルツインアクセスコントローラ20822、デジタルツイン対話マネージャ20824、環境シミュレーションシステム20828、データシミュレーションシステム20830、デジタルツイン通知システム20832、及びデジタルツインシミュレーションシステム20804から成る1以上のシステムを遂行してもよい。処理システム20802は、本開示の範囲から逸脱することなく、追加または代替のコンポーネントを実行してもよい。実施形態において、ストレージシステム20834は、マーケットプレイスデータレイク20858、デジタルツインデータストア20838、および／または行動データストア20840などのマーケットプレイスデータを記憶してもよい。ストレージシステム20834は、本開示の範囲から逸脱することなく、追加のデータストアまたは代替のデータストアを記憶してもよい。実施形態において、デジタルツインシステム20208は、マーケットプレイス構成システム20302、交換スイート20204、インテリジェントエージェントシステム20210、および／またはインテリジェントサービスシステム20243などのマーケットオーケストレーションシステムプラットフォーム20500の他の構成要素とインターフェースしてもよい。

実施形態において、デジタルツイン構成システム20810は、マーケットオーケストレーションデジタルツインおよびマーケットオーケストレーションデジタルツインの関連メタデータを設定および管理し、マーケットオーケストレーションデジタルツインを動かすデータ構造およびデータリスニングスレッドを構成するように構成される。実施形態において、デジタルツイン構成システム20810は、マーケットプレイスのためにサポートされるデジタルツインのタイプ、ならびにデジタルツインの各タイプにおいて描写される異なる状態／オブジェクトを受け取る。デジタルツインの各タイプについて、デジタルツイン構成システム20810は、デジタルツインのそれぞれのタイプで描写される各状態を供給するか、または他の方法でサポートするデータのタイプを特定し、特定されたデータのタイプをサポートするために必要な内部または外部のソフトウェア要求を決定し得る。いくつかの実施形態では、デジタルツイン構成システム20810は、特定の状態／粒状性に対応する異なるタイプのデータ間の関係を分析することによって、特定されたデータタイプをサポートする内部および／または外部のソフトウェア要求を決定する。実施形態では、デジタルツイン構成システム20810は、デジタルツインの各タイプをサポートするために必要なデータ構造を決定し、管理する。例えば、マーケットプレイスにリストされた不動産を表す資産デジタルツインの場合、デジタルツイン構成システム20810は、データベース（例えば、不動産と不動産内に存在する（または潜在的に存在する）オブジェクトとその間の関係をオントロジーとして定義するグラフデータベース）をインスタンス化してもよく、それにより、インスタンス化されたデータベースは、不動産デジタルツインを力づける基礎データ（センサデータおよび分析、3Dマップ、物理資産ツイン等）を含み、および／または参照する。いくつかの実施形態では、異なるタイプのマーケットオーケストレーションデジタルツインは、プリファレンス設定およびタクソノミー設定のセットに従って構成され得る。いくつかの実施形態では、デジタルツイン構成システム20810は、事前定義されたプリファレンス（例えば、異なるタイプのマーケットオーケストレーションデジタルツインのためのデフォルトプリファレンステンプレート）およびタクソノミー（例えば、異なるタイプのマーケットオーケストレーションデジタルツインのためのデフォルトタクソノミー）を利用し、および／または構成ユーザからカスタムプリファレンス設定およびタクソノミーを受信し得る。役割ベースのデジタルツインを構成するために使用される役割固有のテンプレートの例は、トレーダーテンプレート、ブローカーテンプレート、およびマーケットプレイスホストテンプレートを含み得る。同様に、異なるタイプの役割ベースのデジタルツインを構成するために使用されるタクソノミーの例は、トレーダータクソノミー、ブローカータクソノミー、およびマーケットプレイスホストタクソノミーを含むことができる。

実施形態において、デジタルツイン構成システム20810は、デジタルツインデータストア20838に格納され得る、それぞれのそれぞれのマーケットオーケストレーションデジタルツイン（例えば、役割ベースのデジタルツイン、資産デジタルツイン、マーケットオーケストレーションデジタルツインなど）をサポートするデータベースを構成することができる。実施形態では、各データベース構成について、デジタルツイン構成システム20810は、それぞれのそれぞれのデータ型についてデータを収集するために必要な任意の外部リソースを識別し、接続してもよい。例えば、1つ以上のエッジデバイス20292からデータを収集するために、構成システム20810は、マーケットオーケストレーションシステムプラットフォーム20500のAPIへのアクセスをエッジデバイス20292に付与するプロセスを開始することができる。

実施形態において、デジタルツインI／Oシステム20812は、一組のデータソースからデータを取得するように構成される。いくつかの実施形態では、デジタルツインI／Oシステム20812（または他の適切なコンポーネント）は、マーケットプレイスに所属するユーザが、マーケットオーケストレーションデジタルツインを生成するために活用され得る様々なタイプのデータをアップロードすることを可能にするグラフィカルユーザインタフェースを提供し得る。例えば、ユーザは、3Dスキャン、画像、LIDARスキャン、設計図、3Dフロアプラン、オブジェクトタイプ（例えば、製品、センサ、機械、家具など）、オブジェクト特性（例えば、材料、物理特性、説明、価格など）、出力タイプ（例えば、センサユニット）などをアップロードしてもよい。実施形態において、デジタルツインI／Oシステム20812は、マーケットプレイスまたはマーケットプレイスエンティティに代わって、データストリーム（例えば、RSSフィード、センサシステムストリームなどの公開データストリーム）を購読し、または他の方法で自動的に受信し得る。加えてまたは代替的に、デジタルツインI/Oシステム20812は、接続されたデータソースからデータを定期的に照会および／または受信してもよく、例えば、施設（例えば、製造施設、出荷施設、農業施設、資源抽出施設、コンピューティング施設など）および／または他の物理的エンティティ、金融データベース、調査、第三者データソース、および／または第三者データを格納する第三者データストア、および物理的資産（例えば、スマート機械／製造装置、センサキット、自律走行車、着用可能デバイスなど）に関するデータを報告するエッジデバイス20292など、である。実施形態では、デジタルツインI／Oシステム20812は、データを取得するために一組のウェブクローラを採用することができる。実施形態では、デジタルツインI／Oシステム20812は、それぞれのデータソースからの新しいデータをリッスンするリスニングスレッドを含むことができる。

いくつかの実施形態では、デジタルツインI／Oシステム20812は、クライアントデバイスまたはマーケットオーケストレーションシステムプラットフォーム20500によって実行されるマーケットオーケストレーションデジタルツインのインスタンス（デジタルツインを人口化するために使用される）に、得られたデータを提供するように構成される。実施形態では、デジタルツインI／Oシステム20812は、マーケットプレイスでデータストリームフィードおよび／または代行収集し、ストリームの少なくとも一部をマーケットプレイスに関連するデータレイクまたは他のデータリソースに格納する。

実施形態において、データ構造化システム20814は、マーケットオーケストレーションデジタルツインによって消費され得るフォーマット及び粒度にデータを構築する。実施形態において、データ構造化システム20814は、ETL（抽出、変換、ロード）ツール、データストリーミング、および他のデータ統合ツールを活用してデータを構造化し得る。実施形態では、データ構造化システム20814は、デジタルツイン構成システム20810および／またはユーザによって定義され得るデジタルツインデータモデルに従って、データを構造化する。データモデルは、マーケットプレイス関連データの要素を組織化し、それらの要素が互いに関連し、デジタルツインエンティティのプロパティに関連する方法を標準化する抽象モデルを指す場合がある。例えば、車両群（例えば、マーケットプレイスにリストされた車両群）のデジタルツインデータモデルでは、車両を表すデータ要素が、車両のサブ要素または属性（車両の色、車両の寸法、車両のエンジン、車両のエンジン部品、車両の所有者など）を表す多数の他の要素で構成されることを指定できる。この例では、デジタルツインモデルコンポーネントは、物理的属性が車両上のそれぞれの物理的位置にどのように結び付けられるかを定義し得る。実施形態において、デジタルツインモデルは、特定のアプリケーションドメインで見出されるオブジェクトおよび関係の形式化を定義することができる。例えば、デジタルツインモデルは、資産コンポーネントと、それらが様々なデジタルツイン内で互いにどのように関連しているかを表すことができる。加えてまたは代替的に、デジタルツインデータモデルは、データまたはメタデータのそのような形式化を定義する際に使用される一連の概念（例えば、エンティティ、属性、関係、テーブル、および／または同類）を定義してもよい。例えば、バンキングアプリケーションに関連して使用される「デジタルツインデータモデル」は、エンティティ-リレーションシップ「データモデル」を使用して定義され、その後どのように様々なマーケットオーケストレーションデジタルツインビューに関連付けられるかである。

実施形態において、デジタルツイン生成システム20818は、マーケットオーケストレーションデジタルツインを提供する。いくつかの実施形態では、デジタルツイン生成システム20818は、マーケットプレイス参加者ユーザーデバイス20218によって実行されているクライアントアプリケーション20312から（例えば、APIを介して）、特定のタイプのデジタルツインの要求を受信する。さらにまたは代替的に、デジタルツイン生成システム20818は、マーケットオーケストレーションシステムプラットフォーム20500のコンポーネント（例えば、デジタルツインシミュレーションシステム20804）から、特定のタイプのデジタルツインの要求を受信する。要求は、市場、デジタルツインのタイプ、およびユーザ（そのアクセス権は、デジタルツインアクセスコントローラ20822によって検証または決定され得る）を示し得る。いくつかの実施形態では、デジタルツイン生成システム20818は、データ構造、メタデータ、オントロジー、およびデータフィードへのフックに関する情報だけでなく、デジタルツイン構成体を決定し、クライアントデバイス20340に提供してもよい。この情報は、エンドユーザーデバイス（例えば、ARデバイスまたはVRデバイスなどの没入型デバイス、タブレット、パーソナルコンピュータ、モバイルなど）においてデジタルツインを生成するためにクライアントによって使用されてもよい。実施形態において、デジタルツインシステム20208は、要求されたデジタルツインのための適切な視点（例えば、視点ビルダー20820を介して）、ユーザが有することができる任意のデータ制限（例えば、デジタルツインアクセスコントローラ20822を介して）を決定してもよく、視点およびデータ制限に応答して、要求されたデジタルツインを生成してもよい。いくつかの実施形態では、要求されたデジタルツインを生成することは、視点を与えられた適切なデータ構造を識別することと、デジタルツインをパラメータ化するデータ、ならびにマーケットオーケストレーションデジタルツインとともに提供される任意の追加のメタデータを取得することとを含み得る。

実施形態において、デジタルツイン生成システム20818は、マーケットオーケストレーションデジタルツインを要求クライアントアプリケーション20312に配信することができる。実施形態において、デジタルツイン生成システム20818（または別の適切なコンポーネント）は、リアルタイムデータが受信され、マーケットプレイスオーケストレーションシステムプラットフォーム20500によって潜在的に分析、外挿、派生、予測、および／またはシミュレーションされると、リアルタイムデータ（またはリアルタイムデータから派生するデータ）で送達デジタルツインを更新し続ける場合がある。

いくつかの実施形態では、デジタルツイン生成システム20818は、環境における運用および報告ツールの基礎となる、リレーショナルデータベース、オブジェクト指向データベース、分散データベース、ブロックチェーン、Hadoopファイルストア、グラフデータベースなどの様々なデータソースからデータストリームを取得してもよい。実施形態において、デジタルツイン生成システム20818は、施設内のレイアウトおよび3Dオブジェクト、または勘定システムの階層設計など、データの構造的側面に関連するデータストリームを取得し得る。実施形態では、データストリームは、データの性質に関連付けられるメタデータストリームと、一次データ（例えば、センサデータ、販売データ、IoTデバイスデータ、販売時点データ、行動データ、調査データ、および他の多くのデータ）を含むデータストリームとを含むことができる。たとえば、物理的な施設に関連するメタデータは、管理されているデータのタイプおよびレイヤーを含む場合があり、一次データは、各レイヤー内に入るオブジェクトのインスタンスを含む場合がある。

実施形態において、デジタルツイン観点構築者20820は、メタデータ、人工知能、及び／又は他のデータ処理技術を活用して、デジタルツイン生成システム20818におけるデジタルツインの生成に必要な情報の定義を生成する。いくつかの実施形態では、異なる関連データセットが、適切な粒度レベルでデジタルツイン（例えば、資産デジタルツイン、トレーダーデジタルツイン、市場デジタルツイン、市場ホストデジタルツインなど）にフックされ、それによってデータの構造的側面（例えば、口座システム、価格データ、センサー読み取りなど）がデータ分析プロセスの一部となるようにする。視点を機能させることの1つの側面は、ユーザが、将来の事象または構造への変化を潜在的に予測して制御を誘導しながら、構造的な見方またはデータの粒を変更することができることである。実施形態では、「データの粒」という用語は、データの1つの行を指すことがある。データの粒」の例としては、取引に関する詳細記録や、振動センサからの単一の振動読み取りが挙げられる。粒度とは、データを組み合わせて異なる集計を形成する方法をある程度規定する特性である。例えば、データが丸一日単位で集計されている場合、時間帯によって高い精度で分解することは容易ではない。一般的に、役割ベースやその他のマーケットオーケストレーションのデジタルツインは、より細かいレベルのデータから恩恵を受けることができ、そのようなデータの集計は本質的に動的であることができるからである。異なるタイプのデジタルツイン、またはその中のワークフローは、異なる「大きさの」データ粒を含む可能性があることに留意されたい。例えば、マーケットプレイスホストデジタルツインに供給するデータ粒は、関係する特定のワークフローに応じて、トレーダーデジタルツインに供給するデータ粒よりも高い粒度レベルにある可能性があり、またはその逆もある。しかし、いくつかの実施形態では、マーケットプレイスホストは、マーケットプレイスホストデジタルツインの状態にドリルダウンすることができ、選択された状態に対する粒度は増加することができる。

実施形態において、デジタルツイン観点構築者20820は、デジタルツイン生成システム20818に提供されるデジタルツインの基礎となるデータに、関連する観点を追加する。例えば、トレーダーデジタルツインは、様々な他のタイプのファジーデータを市場データとリンクさせ、シミュレートされたデジタルツインに対する市場力または他の力の潜在的影響を描写することができる。デジタルツイン視点ビルダー20820によって生成されたこれらの異なる視点は、データシミュレーションシステム20830と組み合わせて、資産、資産クラス、ワークフローなどを含むものなど、シナリオベースの未来状態がどのように扱われるかもしれない関連シミュレーションをレンダリングしてもよい。デジタルツインシミュレーションシステム20804は、予想される未来状態のニーズを満たすように、デジタルツインで表現されたエンティティを強化することに関連する推奨事項を提供する。

実施形態では、デジタルツインモデルは、データとデジタルツイン環境及び／又はプロセスとの関係の組み合わせに基づく。実施形態において、異なるデジタルツインは、同じデータを共有することができ、異なるデジタルツインの視点は、デジタルツインデータモデルまたはデータ環境の上に構築されたメタデータのセットの結果となり得る。実施形態において、デジタルツインデータモデルは、格納される情報の詳細を提供し、それは、最終的なコンピュータソフトウェアコードが、使用されるデジタルツインの観点に適した形式で下位レベルの情報を表現することができる、層状システムを構築するために使用される。

実施形態において、デジタルツインアクセスコントローラ20822は、デジタルツインを閲覧できるユーザの役割に関する特定の制約をデジタルツイン生成システム20818に通知するとともに、各ユーザの役割に固有のデータの閲覧を制約または解放するように適応できる、動的に調整可能なデジタルツインを提供する。例えば、マーケットオーケストレーションデジタルツインを閲覧する際に、機密性の高いマーケットプレイスパフォーマンスデータはほとんどのユーザから難読化されるかもしれないが、マーケットプレイスホストはマーケットプレイスパフォーマンス情報を直接閲覧するアクセスを許可されるかもしれない。実施形態において、デジタルツインアクセスコントローラ20822は、ユーザ識別子および1つまたは複数のデータ型を受信し得る。これに応答して、デジタルツインアクセスコントローラ20822は、ユーザ識別子によって示されるユーザが1つ以上のデータ型にアクセスできるかどうかを決定してもよい。これらの実施形態のいくつかにおいて、ユーザの許可および制限は、ユーザデータベースにおいて示され得る。

実施形態において、デジタルツイン相互作用マネージャ20824は、マーケットオーケストレーションデジタルツインにおけるデータの構造ビュー（例えば、クライアントアプリケーション20312によって描写／表現されるもの）と、基礎となるデータストリームおよびデータソースとの間の関係を管理する。実施形態において、この相互作用層は、デジタルツインを、データの構造のレンズを通して基礎となるデータストリームへの窓とする。実施形態において、デジタルツイン相互作用マネージャ20824は、インスタンスがクライアントアプリケーション20312によって実行されている間、マーケットオーケストレーションデジタルツインのインスタンスに供給されているデータの種類を決定する。別の言い方をすれば、デジタルツインインタラクションマネージャ20824は、使用中のデジタルツインのためのデータを決定し提供する。実施形態において、デジタルツインインタラクションマネージャ20824は、データソースから受信した生データをデジタルツインに供給する。例えば、マシン容量のマーケットプレイスにリストされたマシンの振動センサーの読み取り値は、マシンの実行中のデジタルツインに直接供給され得る。実施形態において、デジタルツインインタラクションマネージャ20824は、マーケットオーケストレーションシステムプラットフォーム20500の別のコンポーネントによって導出されるデータおよび／または命令を取得する。例えば、デジタルツインインタラクションマネージャ20824は、インテリジェントサービスシステム20243から、入ってくる金融データ、市場データ、取引データ、資産パフォーマンスデータ、運用データ、センサデータ等から得られる分析データを得ることができる。この例では、デジタルツインインタラクションマネージャ20824は、次に、分析データをマーケットプレイスオーケストレーションデジタルツイン（例えば、トレーダーデジタルツイン）に供給してもよく、それによって、分析データがユーザに伝達され得る。例では、デジタルツインインタラクションマネージャ20824は、異なる資産に関する価格設定を伝えるために、デジタルツインシミュレーションシステム20804から模擬価格設定データを受信してもよく、それにより、模擬データは、過去の市場データを使用して導出される。この例では、デジタルツインインタラクションマネージャ20824は、マーケットオーケストレーションデジタルツインを描写するクライアントデバイス20340から異なる資産に対する要求を受信してもよく、資産の各々に対するシミュレーションを開始してもよい。デジタルツインインタラクションマネージャ20824は、その後、シミュレーションの結果を要求しているクライアントアプリケーション20312に提供してもよい。

実施形態において、デジタルツインインタラクションマネージャ20824は、マーケットオーケストレーションデジタルツインを介して実行される1つまたは複数のワークフローを管理し得る。例えば、マーケットオーケストレーションシステムプラットフォーム20500は、マーケットプレイスワークフローのセットを記憶してもよく、各マーケットプレイスワークフローは、マーケットプレイス内の役割に対応し、1つまたは複数のステージを含む。ワークフローは、マーケットプレイス設計ワークフロー、マーケットプレイス設定ワークフロー、マーケットプレイス実行ワークフロー、価格設定および／または割引ワークフロー、取引ワークフロー、通貨変換ワークフロー、支払処理ワークフロー、履行ワークフロー、広告およびプロモーションワークフロー、鑑定ワークフロー、ガバナンスワークフロー、取引ワークフロー（スマートコントラクトワークフローなど）、コンプライアンスワークフロー、ポリシーワークフロー、認証ワークフロー、レポートワークフロー、および他の多くのものを含み得る。実施形態において、デジタルツインインタラクションマネージャ20824は、ワークフローを実行する要求を受信し得る。要求は、ワークフロー及びユーザ識別子を示すことができる。応答として、デジタルツインインタラクションマネージャ20824は、要求されたワークフローを取得し、クライアントデバイス20340に特定の指示及び／又はデータを提供してもよい。

実施形態において、デジタルツインシミュレーションシステム20804は、1つまたは複数のデジタルツインを使用してシミュレーションを実行する要求を受信する。実施形態において、要求は、変化させるべきパラメータのセットおよび／または出力すべき1つまたは複数のシミュレーション結果を示すことができる。実施形態において、デジタルツインシミュレーションシステム20804は、デジタルツイン生成システム20818から1つまたは複数のデジタルツインを要求してもよく、シミュレーションのための異なるパラメータのセットを変化させてもよい。実施形態では、デジタルツインシミュレーションシステム20804は、新しいデジタルツインおよび既存のデジタルツイン内の新しいデータストリームを構築してもよい。実施形態において、デジタルツインシミュレーションシステム20804は、環境シミュレーション及び／又はデータシミュレーションを実行してもよい。環境シミュレーションは、基礎となるデータストリームではなく、デジタルツインオントロジーのシミュレーションに焦点を当てる。実施形態において、データシミュレーションシステム20830は、それぞれのデジタルツイン環境に適したシミュレートされたデータストリームを生成する。このシミュレーションは、デジタルツインが、資産価格の変化及び／又は資産の需要の変化などの特定の事象にどのように反応するかを実世界でシミュレーションすることを可能にする。

実施形態において、デジタルツインシミュレーションシステム20804は、データ及びデジタルツインの応答が異なる状況刺激又は刺激のセットに応答してシミュレーションできる枠組みを開発するモデルのセット（例えば、物理的数学予測、論理表現、又はプロセス図）を実施する。実施形態において、デジタルツインシミュレーションシステム20804は、データ及び／又は入力データに対するデジタルツインの応答のいずれかの予測された将来の状態を構築するコンピュータ化モデルビルダを含むか又は活用することができる。いくつかの実施形態では、コンピュータ化されたモデルライブラリは、経済的および／または科学的な公式またはプロセスを定義する1つまたは複数の動作モデルを格納する動作データストア20840から取得されてもよい。コンピュータ化されたデジタルツインモデルは、モデルの結果を計算して、ユーザが、システム全体が環境の特定の変化にどのように反応するかを見て、シミュレートされた環境を操作することができるインタラクティブな環境を構築することができる。

実施形態において、デジタルツイン動作モデルは、実際の実験および実世界のイベントの結果を使用して更新および改善され得る。このようなデジタルツイン数学モデルおよびそのシミュレーションの使用は、コストと時間のかかる実際の実験を回避することができる。その代わりに、数学的知識と計算能力を用いて、現実世界の問題を安価で時間効率の良い方法で解決することができる。このように、デジタルツインシミュレーションシステム20804は、実際に実世界でシステムをテストすることなく、市場行動の理解を促進することができる。

実施形態において、シミュレーション環境は、将来の状態を予測することができるモデルを用いて構築され得る。これらのモデルには、ディープラーニング、回帰モデル、量子予測エンジン、および履歴データを使用して将来の状態予測を構築する他の形態のモデリングエンジンが含まれる。いくつかの実施形態では、デジタルツインモデルの機能を作る際の考慮事項は、透視に基づくデジタルツイン構造要素の応答、（例えば、異なるサイズの負荷に応答するトラクターの車軸の変形を定義する）をも示すことができることである。例えば、結果として得られるデジタルツイン表現は、その後、特定のパースペクティブがそのデジタルツインの形で示される仮想現実または拡張現実環境においてユーザに提示することができる。

実施形態において、デジタルツイン通知システム20832は、それぞれのユーザーに関連するマーケットオーケストレーションデジタルツインを介して、ユーザーに通知を提供する。いくつかの実施形態では、デジタルツイン通知は、全体的な相互作用の重要な部分である。デジタルツイン通知システムは、通知の透視図が、通知が一般的なデジタルツイン表現オントロジーにどのように適合するかを啓発できるように特別に設定されるように、デジタルツイン設定のコンテキスト内でデジタルツイン通知を提供し得る。

実施形態において、エグゼクティブデジタルツインは、トレーダーデジタルツイン20842、ブローカーデジタルツイン20844、マーケットプレイスホストデジタルツイン20850、マーケットプレイスデジタルツイン20852、資産デジタルツイン20854などを含むことができるが、これらに限定されるものではない。異なるタイプのデジタルツインの議論は、例示のために提供され、本発明の範囲を限定することを意図していない。いくつかの実施形態において、ユーザは、市場のニーズ、市場の報告構造などに基づいて、様々なマーケットプレイスオーケストレーションデジタルツインの構成を変更することができることが理解される。

実施形態において、マーケットプレイスオーケストレーションデジタルツインは、異なるデータソースから収集された様々なタイプのデータを使用して生成される。議論されたように、データは、市場データ20280、基礎データ20282、履歴データ20288、参照データ20284、センサシステム20274、ニュースソース20278、第三者データソース20290、エッジデバイス20292、分析データ20227、シミュレーション／モデリングデータ20229、および市場データベース20280を含み得る。実施形態において、センサデータは、1つまたは複数のIIoTセンサシステム（これは、企業のエッジデバイスによって最初に収集されてもよい）から収集されてもよい。実施形態において、履歴データ20288は、過去にマーケットプレイスおよび／またはマーケットプレイスエンティティの代わりに収集された任意のデータを指す場合がある。これは、センサシステムから収集されたセンサデータ、アカウントデータ、取引データ、価格設定データ、スマートコントラクトデータ、注文データ、参照データ、基礎データ、市場データ、メンテナンスデータ、購入データ、資産データ、リースデータ、およびそのようなものを含み得る。分析データ20227は、市場によっておよび／または市場のために収集されたデータに対して1つまたは複数の分析処理を実行することによって得られるデータを指す場合がある。シミュレーション／モデリングデータ20229は、1つまたは複数のデジタルツインに関して実行されるシミュレーションおよび／または行動モデリングプロセスから導出される任意のデータを参照し得る。マーケットプレイスデータベース20216は、任意の数のソースから収集されたデータを含むデータレイクであってもよい。実施形態において、マーケットデータ20280は、マーケットプレイスに関するまたはマーケットプレイスに関連する異種のデータソースから収集されるデータを含み得る。市場データ20280は、多くの異なるソースから収集されてもよく、構造化または非構造化であってもよい。実施形態では、市場データ20280は、そのような市場データ20280に依存するデジタルツインに描かれ得る不確実性の要素を含んでいてもよい。上記で強調された異なるタイプのデータは、重複する可能性があることが理解される。例えば、履歴データ20288は、市場データ20280から取得されてもよく、および／または市場データベース20216は、分析データ20227、シミュレーション／モデル化データ20229、および／または市場データ20280を含んでもよい。追加または代替タイプのデータは、マーケットプレイスオーケストレーションデジタルツインをポピュレートするために使用されてもよい。

実施形態において、データ構造化システム20814は、マーケットプレイスおよび／またはマーケットプレイスエンティティによって、および／またはマーケットプレイスエンティティの代わりに収集された様々なデータを構造化し得る。実施形態において、デジタルツイン生成システム20818は、マーケットオーケストレーションデジタルツインを生成する。議論されたように、デジタルツイン生成システム20818は、特定のタイプのデジタルツイン（例えば、トレーダーデジタルツイン20842）の要求を受信してもよく、要求されたタイプのデジタルツインの構成に基づいて、デジタルツインを入力するために必要なデータの種類を決定してもよい。実施形態において、デジタルツイン生成システム20818は、次に、様々なタイプのデータ（データ構造化システム20814によって構造化された構造化データを含み得る）に基づいて、要求されたデジタルツインを生成し得る。いくつかの実施形態では、デジタルツイン生成システム20818は、生成されたデジタルツインをクライアントアプリケーション20312に出力してもよく、このクライアントアプリケーションは、次に、要求されたデジタルツインを表示してもよい。

実施形態において、トレーダーデジタルツイン20842は、マーケットプレイスにおけるトレーダー（例えば、買い手及び／又は売り手）のために構成されたデジタルツインである。実施形態において、トレーダーデジタルツイン20842は、マーケットオーケストレーションシステムプラットフォーム20500と関連して動作し、入力（例えば、価格データ、取引相手データ、資産データ、注文データ、ニュース、掲示板など）の分析、機械学習、および／または他のAIおよび学習型処理に基づいてシミュレーション、予測、統計サマリー、および意思決定サポートを提供し得る。実施形態において、トレーダーデジタルツイン20842は、カウンターパーティーの識別、資産の識別、資産の入札、資産の購入、売却のための資産のリスト、リストからの資産の削除、資産の売却、資産の取引、資産の検査、注文要求の生成、注文要求のキャンセル、スマートコントラクトの生成、戦略生成、リスク管理、および他のトレーダー関連活動を含む（ただし、これに限定しない）機能性を提供できる。

実施形態において、トレーダーデジタルツイン20842を入力し得るデータの種類は、口座データ、マクロ経済データ、ミクロ経済データ、予測データ、需要計画データ、AIおよび／または機械学習モデリングの分析結果（例えば、金融予測）、予測データ、資産データ、推奨データ、証券関連財務データ（例えば、収益、収益性）、業界アナリストデータ（例えば、ガートナークアドラント）、戦略的競合データ（例えば、業界動向および競合他社に関するニュースおよびイベント）、掲示板データ、企業の事業部のパフォーマンス評価に関連し得る事業部別のビジネスパフォーマンスメトリクス（例えば、P＆L、ヘッドカウント、工場の健全性、研究開発メトリクス、マーケティング指標など）。実施形態において、デジタルツインシステム20208は、例えば、公開された財務諸表、第三者報告書、税務申告書、公開ニュースソース等から財務データを取得し得る。実施形態において、デジタルツインシステム20208は、公開されたニュースソースから、公開された財務報告から、戦略的競合データを取得することができる。実施形態において、マクロ経済データは、マーケットプレイスオーケストレーションシステムプラットフォーム20500によって収集された様々な財務及び業務データから分析的に導出されてもよい。実施形態において、ビジネスパフォーマンスメトリクスは、インテリジェントサービスシステム20243によって、リアルタイムオペレーションデータに少なくとも部分的に基づいて、分析的に導出されてもよく、および／または他のユーザおよび／またはそれらのそれぞれのトレーダーデジタルツインから提供される。

実施形態において、トレーダーデジタルツイン20842は、アカウント要約情報、資産価格、注文活動、資産のリアルタイム表現、資産の歴史的表現、資産の予測表現（例えば、将来の状態）、企業のリアルタイム表現、企業の歴史的表現、企業の予測表現、ニュースおよび／またはテレビデータ、経済センチメントデータ、資産センチメントデータ、ソーシャルメディアデータ、掲示板データ、チャート、クローズまでのカウントダウン情報、リース条件、スマートコントラクト条件、注文情報、契約条件、および他の任意のミッションクリティカルな情報。実施形態において、トレーダーデジタルツイン20842は、ユーザがアセットデジタルツインにアクセス及び／又は相互作用することを可能にし得る。実施形態において、トレーダーデジタルツイン20842は、ユーザが別のトレーダーデジタルツイン20842及び／又はブローカーデジタルツイン20844と対話することを可能にすることができる。トレーダーデジタルツイン20842は、当初、低い粒度レベルで様々な状態を描写することができる。実施形態では、トレーダーデジタルツイン20842を閲覧しているユーザは、選択された状態にドリルダウンし、選択された状態をより高い粒度レベルで閲覧することを選択できる。例えば、トレーダーデジタルツイン20842は、最初は、価格設定状態（例えば、資産の価格設定を示す視覚的インジケータ）を含む、低い粒度レベルの上場資産の様々な状態のサブセットを描写することができる。選択に応答して、トレーダーデジタルツイン20842は、リアルタイム、履歴、集計、比較、および／または予測された価格設定データ（例えば、リアルタイム、履歴、シミュレーション、および／または予測された収益、負債など）を含むがこれに限定されない、データ、分析、要約、および／または報告を提供し得る。このように、トレーダーデジタルツイン20842は、当初、ユーザ（例えば、買い手または売り手）に資産の異なる側面（例えば、資産の異なる「健康」レベルを示すための異なる指標）のビューを提示するが、ユーザがどの側面により注意を払う必要があるかを選択することができるようにしてもよい。そのような選択に応答して、トレーダーデジタルツイン20842は、選択された状態（複数可）のより詳細なビューをマーケットプレイスオーケストレーションシステムプラットフォーム20500に要求してもよく、これは、より詳細なレベルで要求された状態を返すことができる。

実施形態において、トレーダーデジタルツイン20842は、トレーダーによって活用され得るマーケットプレイスツールのセットを指定し提供するために、取引所スイート20204とインターフェースするように構成される場合がある。マーケットプレイスツールは、「インツイン」戦略ツール、「インツイン」取引練習ツール、「インツイン」ニュースツール、「インツイン」スクリーナーツール、「インツイン」市場監視ツール、「インツイン」実体プロファイルツール、「インツイン」口座管理ツール、「インツイン」チャートツール、「インツイン」注文要求ツール、「インツイン」スマートコントラクトシステムおよび「インツイン」コラボレーションツールなどを含むことができる。コラボレーションツールは、本明細書に記載されるように、ビデオ会議ツール、「インツイン」コラボレーションツール、プレゼンテーションツール、ワープロツール、スプレッドシートツール等を含み得る。実施形態では、コラボレーションツールは、市場エンティティ間の通信を可能にする様々なツールを含む。実施形態では、コラボレーションツールは、デジタルツイン対応ビデオ会議を含む。これらの実施形態では、マーケットプレイスオーケストレーションシステムプラットフォーム20500は、ビデオ会議の参加者に、マーケットプレイスオーケストレーションデジタルツイン（例えば、資産デジタルツイン）の要求されたビューを提示し得る。例えば、潜在的な取引の間、資産を売却することを提案する売り手は、潜在的な買い手に資産デジタルツインを提示することができる。この例では、売り手は、資産に対して実行されたシミュレーションの結果を説明することができる。

実施形態において、トレーダーデジタルツイン20842は、市場の1つまたは複数の側面をシミュレーションするように構成され得る。そのようなシミュレーションは、ユーザ（例えば、トレーダー、買い手、および／または売り手）が購入、売却、および／または取引の意思決定を行うのを支援し得る。例えば、提案された資産購入のシミュレーションは、経済的要因（例えば、金利、インフレ、失業、GDP成長）のシミュレーション、基礎的要因（収益、売上、キャッシュフロー、簿価、企業価値、配当）のシミュレーション、市場感情のシミュレーション、資産物理性能のシミュレーション、および／または他の適切な市場関連パラメータによって、ここで説明するようにモデリング、機械学習、および／またはAI技術を用いてテストされてよい。実施形態において、デジタルツインシミュレーションシステム20804は、トレーダーデジタルツイン20842によって要求されたシミュレーションを実行する要求を受け取ることができ、ここで、要求は、1つまたは複数のマーケットオーケストレーションデジタルツインにおいて変化させるべき1つまたは複数のパラメータを示す。応答として、デジタルツインシミュレーションシステム20804は、トレーダーデジタルツイン20842にシミュレーション結果を返し、トレーダーデジタルツイン20842は、クライアントデバイスディスプレイを介してユーザに結果を出力することができる。このようにして、ユーザは、異なるパラメータ構成に対応する様々な結果を提供され得る。例えば、ユーザは、異なる戦略が利益および損失に対する全体的な影響にどのように影響するかを見るために、異なる取引戦略をテストするために実行される一連のシミュレーションを要求することができる。デジタルツインシミュレーションシステム20804は、異なる取引戦略を変化させることによってシミュレーションを実行してもよく、それぞれのそれぞれの取引戦略に対する財務予測を出力してもよい。いくつかの実施形態では、ユーザは、様々な結果に基づいてパラメータセットを選択し、少なくとも変化させた事前結果に基づいてシミュレーションを反復してもよい。前の例から導き出すと、ユーザは、財務予測を最大化する取引戦略を選択することを決定することができる。いくつかの実施形態では、インテリジェントエージェントは、各自のパラメータセットに関連するそれぞれの結果に基づいてパラメータセットを推奨及び／又は選択するように訓練され得る。

実施形態では、トレーダーデジタルツイン20842は、価格設定、資産、財務報告、格付け、ランキング、財務傾向データ、収入データ、またはマーケットプレイスに関連する他のデータに関する資料を保存、集約、マージ、分析、準備、報告、および配布するように構成され得る。トレーダーデジタルツイン20842は、外部データソースにリンクし、相互作用し、関連付けられ、マーケットプレイスオーケストレーションシステムプラットフォーム20500の内部データと一緒に含む外部データソースをアップロード、ダウンロード、集約することができ、本明細書に記載のように、かかるデータを分析し得る。データ分析、機械学習、AI処理、および他の分析は、トレーダーデジタルツイン20842と、インテリジェントサービスシステム20243の使用に少なくとも部分的に基づく分析チームとの間で調整され得る。この協力および相互作用は、最適な取引戦略、または他の何らかの市場関連のメトリックまたは側面を特定するためのモデリング、機械学習、およびAI処理で使用するためのデジタルツインデータストア20838における市場関連のデータ要素およびドメインのシードを支援することと、取引戦略の成功の判断を基礎づける最適データ測定パラメータの特定を含む場合がある。実施形態では、デジタルツインシステム20208は、デジタルツイン内の異なるビュー（または状態）を適切な粒度に抽象化する。例えば、デジタルツインシステム20208は、市場に代わって収集された全てのセンサーデータへのアクセスだけでなく、リアルタイムのセンサーデータストリームへのアクセスも有することができる。この例では、マーケットプレイスに掲載されている特定の物理的資産（例えば、製造装置の一部）からのセンサー読み取り値が、潜在的に重大な状況（例えば、故障状態、危険な状態など）を示している場合、潜在的に重大な状況を示す分析は、取引業者にとって非常に重要になり得る。したがって、デジタルツインシステム20208は、トレーダーのための適切な視点を構築するとき、トレーダーデジタルツイン20842に物理資産の状態指標を含めることができる。このようにして、トレーダーは、物理的資産の状態インジケータをドリルダウンして、より粒度の高い潜在的に重大な状況（例えば、機械と、状況を特定するために使用されるセンサデータの分析）を見ることができる。

実施形態において、トレーダーデジタルツイン20842は、市場で取引される資産のパフォーマンスについて報告するように構成され得る。本明細書に記載されるように、報告は、財務パフォーマンスメトリクス、物理パフォーマンスメトリクス、リソース使用に関するデータ、または何らかの他のタイプの報告データを含み得る。実施形態において、ユーザによって訓練された知的エージェントは、最も重要な報告をユーザに表面化するように訓練され得る。例えば、ユーザ（例えば、トレーダー）がP＆Lを一貫して閲覧し、フォローアップするが、経済センチメントに関連するレポートを日常的にスキップする場合、実行エージェントは、経済センチメントデータを抑制しながら、P＆Lに関連するレポートを自動的にユーザに浮上させることができる。

実施形態において、トレーダーデジタルツイン20842は、マーケットプレイスカウンターパーティ、または関心のある名前付きエンティティに関連する資料を監視、保存、集約、結合、分析、準備、報告、および配布するように構成される場合がある。実施形態では、そのようなデータは、投資および／または買収に関する情報、プレスリリース、SECまたは他の財務報告書、または何らかの他の一般に利用可能なデータを含むがこれらに限定されないソースからカウンターパーティ情報を検索して収集するためのデータ集約、ウェブスクレイピング、または他の技術を介して市場編成システムプラットフォーム20500によって収集されてもよい。例えば、特定のカウンターパーティを監視したいユーザは、トレーダーデジタルツイン20842が特定のカウンターパーティに関連する資料を提供するよう要求することができる。これに応答して、マーケットオーケストレーションシステムプラットフォーム20500は、公開されているか、またはトレーダーがアクセスできるデータソースのセット（例えば、内部データソース、ライセンス3rd パーティデータなど）を特定し得る。

実施形態において、トレーダーデジタルツイン20842を実行するクライアントアプリケーション20312は、トレーダーの行動（行動、及び／又は好みを示すことがある）について訓練されたインテリジェントエージェント20234で構成されることがある。実施形態において、インテリジェントエージェント20234は、アクションに関連する特徴（例えば、ユーザのアクションに関連する状況）をインテリジェントエージェントシステム20210に記録してもよい。例えば、インテリジェントエージェント20234は、ユーザが取引を実行するたびに（これはアクションである）、取引を取り巻く特徴（例えば、アクションのタイプ、資産のタイプ、資産の価格、カウンターパーティまたはカウンターパーティ、資産の数量、資産に関連する市場センチメント、出荷および／または配達情報など）を記録してもよい。インテリジェントエージェント20234は、インテリジェントエージェント20234が将来的に取引タスクを引き受けるかまたは推奨することができる方法についてインテリジェントエージェント20234を訓練することができるインテリジェントエージェントシステム20210にアクションおよび特徴を報告してもよい。一旦訓練されると、インテリジェントエージェント20234は、自動的にアクションを実行し、及び／又はユーザーにアクションを推奨し得る。さらに、実施形態では、インテリジェントエージェント20234は、実行された／推奨されたアクションに関連する結果を記録し、それによってインテリジェントエージェントシステム20210とのフィードバックループを作成し得る。

実施形態において、トレーダーデジタルツイン20842は、トレーダーが1つまたは複数のトレーダー関連ワークフローを実行するためのインタフェースを提供し得る。例えば、トレーダーデジタルツイン20842は、トレーダーが、戦略生成ワークフロー、資産リストワークフロー、資産検査ワークフロー、カウンターパーティ識別ワークフロー、スクリーニングワークフロー、注文ワークフロー、スマートコントラクトワークフロー、出荷および／または配送ワークフロー、規制ワークフローなどを実行、監督、または監視するためのインタフェースを提供することができる。

いくつかの実施形態では、AI報告ツールは、1つまたは複数のユーザ定義のマーケットプレイス資産および／またはマーケットプレイス資産プロパティを監視するように構成され得る。マーケットプレイス資産特性の例は、価格、始値、高値、安値、出来高、P／E／時価総額、52週高値、52週安値、平均出来高、などを含み得るが、これらに限定されない。

実施形態において、インテリジェントエージェント20234は、ユーザ（例えば、トレーダー）に代わってタスクを実行するように訓練されたエキスパートエージェントである。議論されたように、いくつかの実施形態では、クライアントアプリケーション20312は、クライアントアプリケーション20312を使用するときに、ユーザによるクライアントアプリケーション20312の使用を監視し得る。これらの実施形態において、クライアントアプリケーション20312は、ユーザがドリルダウンするマーケットオーケストレーションデジタルツインの状態、行われる意思決定などを監視してもよい。ユーザがクライアントアプリケーション20312を使用するとき、インテリジェントエージェントシステム20210は、モデルがインテリジェントエージェント20234によって活用されて、ユーザに代わってタスクを実行するかまたはユーザに行動を推奨することができるように、特定のユーザに代わって1つまたは複数の機械学習モデルを訓練してもよい。

実施形態において、マーケットプレイス組は、ユーザーを訓練するために活用され得るソフトウェアツールを含み得る、取引練習ツール20233を含む。実施形態において、取引練習ツール20233は、デジタルツインを活用して、マーケットプレイスでの取引のためのトレーニングを改善することができる。例えば、取引練習ツール20233は、市場から収集されたデータに基づく実例を提供してもよく、ユーザが取引練習ツール20233によって提供される仮想ふりかけを使用して実例のトレーニングを行うことができるようにしてもよい。取引練習ツール20233は、マーケットオーケストレーションデジタルツイン20220を介してユーザに異なるシナリオを提示してもよく、ユーザはアクションを取ってもよい。アクションに基づいて、取引実践ツール20233は、マーケットプレイスオーケストレーションシステムプラットフォーム20500にシミュレーションを要求してもよく、その結果、マーケットプレイスオーケストレーションシステムプラットフォームはユーザに結果を返す。このようにして、ユーザの実際の市場に基づいたシナリオで、ユーザを訓練することができる。

実施形態において、戦略ツール20240は、デジタルツインを活用して、ユーザが市場の取引戦略を作成するのを支援するソフトウェアツールである。実施形態において、戦略ツール20240は、トレーダーが取引戦略を作成することを可能にするグラフィカルユーザインターフェースを提供するように構成されてもよい。いくつかの実施形態では、戦略ツール20240は、作成された戦略に設定されたパラメータを与えて、マーケットプレイスオーケストレーションシステムプラットフォーム20500にシミュレーションを要求するように構成されてもよい。これに応じて、マーケットプレイスオーケストレーションシステムプラットフォーム20500は、シミュレーションの結果を返し、ユーザは、戦略を調整するかどうかを決定することができる。このようにして、ユーザは、1つまたは複数の目的を達成するために戦略を反復的に改良することができる。実施形態では、インテリジェントエージェントシステム20210が、将来的にユーザに戦略を生成または推奨するためにインテリジェントエージェント20234を訓練することができるように、インテリジェントエージェント20234は、戦略がユーザによって洗練されている間に取られたアクションのトラックを監視し得る。

実施形態において、取引所ホストデジタルツイン20848は、マーケットプレイスホストのために構成されたデジタルツインである。実施形態において、マーケットプレイスホストデジタルツイン20850は、マーケットオーケストレーションシステムプラットフォーム20500と関連して動作し、入力（例えば、オペレーションデータ、トレーダーデータ、ブローカーデータ、資産データ、注文データ、規制データ、手数料データなど）の分析、機械学習、および／または他のAIおよび学習型処理に基づいてシミュレーション、予測、統計サマリー、決定支援および構成および制御支援を提供してもよい。実施形態では、マーケットプレイスホストデジタルツイン20850は、マーケットプレイス／取引所の構成、マーケットプレイス／取引所の最適化、マーケットプレイス／取引所の制御、規制報告、リスク管理、コンプライアンスの実行、収益性の最適化、量の最適化、トレーダーおよび他の当事者へのマーケットプレイスのプロモーション、および他のマーケットプレイスホスト関連活動を含むがこれらに限定しない機能性を提供できる。

実施形態では、マーケットプレイスホストデジタルツイン20850を入力し得るデータのタイプは、注文データ、マーケットプレイス／取引所パフォーマンスデータ（例えば、執行速度、流動性倍率、注文価格の改善割合、注文あたりの純改善）、資産データ、需要計画データ、トレーダーデータ、ブローカーデータ、AIおよび／または機械学習モデリングによる分析結果（例えば、以下、マーケットプレイス構成サポート）、予測データ、資産データ、推奨データ、証券関連財務データ（例えば、収益、収益性）、掲示板データ、ソーシャルメディアデータ、手数料データ、規制データ、その他多くのデータである。

マーケットプレイスホストデジタルツイン20850は、トレーダデータ（例えば、トレーダ数）、取引活動データ、資産データ、規制データ、手数料データ、ブローカーデータ、実行速度データ、注文価格改善データ割合、注文あたり純増データ、流動性複数データ、および多くの他のタイプのデータを含む、異なる状態および／またはマーケットプレイス関連データのハイレベルビューを含み得る。

マーケットプレイスホストデジタルツイン20850は、当初、低い粒度レベルで様々な状態を描写することができる。実施形態では、マーケットプレイスホストデジタルツイン20850を閲覧しているユーザは、状態を選択して、選択した状態にドリルダウンして、選択した状態をより高い粒度レベルで閲覧することができる。例えば、マーケットプレイスホストデジタルツイン20850は、当初、マーケットプレイスパフォーマンス状態（例えば、マーケットプレイスの全体的なパフォーマンスを示す視覚的指標）を含む、より低い粒度レベルのマーケットプレイスパフォーマンスの様々な状態のサブセットを描写し得る。選択に応答して、マーケットプレイスホストデジタルツイン20850は、リアルタイム、履歴、集計、比較、および／または予測パフォーマンスデータ（例えば、リアルタイム、履歴、シミュレーション、および／または予測実行速度、流動性倍率、マーケットプレイス参加者の数など）を含むが、これに限定されないデータ、分析、要約、および／または報告書を提供できる。このようにして、マーケットプレイスホストデジタルツイン20850は、当初、ユーザ（例えば、マーケットプレイスホスト）にマーケットの異なる側面（例えば、マーケットの異なる「健康」レベルを示すための異なる指標）のビューを提示するが、ユーザがどの側面により注意を払う必要があるかを選択することができるようにしても良い。そのような選択に応答して、マーケットプレイスホストデジタルツイン20850は、選択された状態（複数可）のより粒度の高いビューをマーケットオーケストレーションシステムプラットフォーム20500に要求してもよく、これは、より粒度の高いレベルで要求した状態（複数可）を返すことができる。

実施形態において、マーケットプレイスホストデジタルツイン20850は、マーケットプレイスの1つまたは複数の側面をシミュレーションするように構成され得る。そのようなシミュレーションは、マーケットプレイス構成の決定、料金の決定、および／または運用上の決定を含むがこれらに限定されない決定を行う際にユーザを支援することができる。例えば、提案されたマーケットプレイス構成のシミュレーションは、マーケットプレイス構成パラメータ20306（例えば、サポートされる資産タイプ、上場要件、手数料など）のシミュレーション、経済要因のシミュレーション、市場参加のシミュレーション、および／または他の適切なマーケットプレイス関連パラメータのシミュレーションによって、本明細書に記載のようにモデリング、機械学習、および／またはAI技術を使用してテストすることができる。実施形態において、デジタルツインシミュレーションシステム20804は、マーケットプレイスホストデジタルツイン20850によって要求されたシミュレーションを実行する要求を受け取ることができ、この要求は、1つまたは複数のマーケットオーケストレーションデジタルツインにおいて変化させるべき1つまたは複数のパラメータを指示する。応答として、デジタルツインシミュレーションシステム20804は、シミュレーション結果をマーケットプレイスホストデジタルツイン20850に返し、その結果、クライアントデバイスディスプレイを介してユーザに結果を出力することができる。このようにして、ユーザは、異なるマーケットプレイス構成パラメータに対応する様々な結果を提供され得る。例えば、ユーザは、異なる戦略が利益に対する全体的な影響にどのように影響するかを見るために、異なる手数料戦略をテストするために実行される一連のシミュレーションを要求することができる。シミュレーションシステムは、異なる料金戦略を変化させることによってシミュレーションを実行し、それぞれの料金戦略に対する利益予測を出力することができる。いくつかの実施形態では、ユーザは、様々な結果に基づいてパラメータセットを選択し、少なくとも変化させた事前結果に基づいてシミュレーションを反復することができる。前の例から導き出すと、ユーザは、利益予測を最大化する料金戦略を選択することを決定することができる。いくつかの実施形態において、インテリジェントエージェントは、それぞれのそれぞれのパラメータセットに関連するそれぞれの結果に基づいてパラメータセットを推奨及び／又は選択するように訓練され得る。

実施形態では、マーケットプレイスホストデジタルツイン20850は、マーケットプレイスのパフォーマンス、マーケットプレイス活動、トレーダー、ブローカー、利益、またはマーケットプレイスに関連する他のデータに関する資料を保存、集約、マージ、分析、準備、報告、および配布するように構成される場合がある。マーケットプレイスホストデジタルツイン20850は、外部データソースにリンクし、相互作用し、関連付けられ、MOSの内部データと共に含む外部データソースをアップロード、ダウンロード、集約することができ、本明細書に記載のように、かかるデータを分析し得る。データ分析、機械学習、AI処理、および他の分析は、マーケットプレイスホストデジタルツイン20850と、インテリジェントサービスシステム20243の使用に少なくとも部分的に基づく分析チームとの間で調整され得る。この協力および相互作用は、最適なマーケットプレイス構成、または他の何らかのマーケットプレイス関連のメトリックまたは側面を特定するためのモデリング、機械学習、およびAI処理で使用するための、デジタルツインデータストア20838におけるマーケットプレイス関連のデータ要素およびドメインのシードを支援することと、取引戦略の成功の判断を基礎づける最適データ測定パラメータの特定を含む場合がある。

実施形態では、マーケットプレイスホストデジタルツイン20850は、マーケットプレイスのパフォーマンスについて報告するように構成され得る。本明細書で説明するように、報告は、財務パフォーマンスメトリクス、物理パフォーマンスメトリクス、リソース使用に関するデータ、または何らかの他のタイプの報告データを含み得る。実施形態において、ユーザによって訓練されたインテリジェントエージェントは、最も重要な報告をユーザに表面化するように訓練されてもよい。例えば、ユーザ（例えば、マーケットプレイスホスト）が実行速度を一貫して閲覧し、フォローアップするが、流動性複数に関連するレポートを日常的にスキップする場合、実行エージェントは、他のデータを抑制しながら実行速度に関連するレポートをユーザに自動的に浮上させることができる。

実施形態において、マーケットプレイスホストデジタルツイン20850を実行するクライアントアプリケーション20312は、マーケットプレイスホストの行動（行動、および／または好みを示すことがある）について訓練されたインテリジェントエージェント20234で構成されることがある。実施形態において、インテリジェントエージェント20234は、アクションに関連する特徴（例えば、ユーザのアクションに関連する状況）をインテリジェントエージェントシステム20210に記録してもよい。例えば、インテリジェントエージェント20234は、ユーザが新規マーケットプレイスを構成するたびに（これがアクションである）、構成を取り巻く特徴（例えば、サポートされる資産のタイプ、匿名性ルール、上場要件、手数料、サポートされる取引タイプ、出荷および／または配送ルールなど）と同様に記録してもよい。インテリジェントエージェント20234は、インテリジェントエージェント20234が将来マーケットプレイス構成タスクを引き受けるかまたは推奨することができる方法についてインテリジェントエージェント20234を訓練することができるインテリジェントエージェントシステム20210にアクションおよび特徴を報告し得る。一旦訓練されると、インテリジェントエージェント20234は、自動的にアクションを実行し、および／またはユーザにアクションを推奨し得る。さらに、実施形態では、インテリジェントエージェント20234は、実行／推奨されたアクションに関連する結果を記録し、それによってインテリジェントエージェントシステム20210とのフィードバックループを作成することができる。

実施形態において、トレーダーデジタルツイン20842は、マーケットプレイスホストが1つまたは複数のマーケットプレイスホスト関連ワークフローを実行するためのインタフェースを提供することができる。例えば、マーケットプレイスホストデジタルツイン20850は、マーケットプレイスが規制ワークフロー、取引所構成ワークフローなどを実行、監督、または監視するためのインタフェースを提供することができる。

マーケットオーケストレーションデジタルツインは、本開示の範囲から逸脱することなく、他のソフトウェアアプリケーションを活用することができ、かつ／または他のソフトウェアアプリケーションとインターフェースすることができる。

図205～207は、ロボティックプロセスオートメーションに基づいて内部市場ワークフローを自動化するように構成されたロボティックプロセスオートメーション（RPA）システム20502を含むマーケットプレイスオーケストレーションシステムプラットフォーム20500の実施形態を示している。RPAシステム20502は、デバイス、プログラム、ネットワーク、データベースなどの外部システム20504のユーザーインターフェイスに対するプログラムインターフェイスを開発してもよい。RPAシステム20502は、マーケットオーケストレーションシステムプラットフォーム20500が、アプリケーションプログラミングインターフェース（API）を使用せずに、またはAPIに加えて、外部システム20504とのインターフェースを可能にするように構成される。RPAシステム20502は、グラフィカルユーザインターフェース（GUI）においてユーザがタスクを実行するのを観察し、アクションリストにタスクを記録することによって、アクションリストを開発してもよい。RPAシステム20502は、GUIでアクションリストのタスクを繰り返すことにより、ワークフローを自動化してもよい。

いくつかの実施形態では、RPAシステム20502は、ロボットプロセス自動化プロセスを実行するように構成されたRPA AIシステム20506を含み、かつ／またはそれと通信してもよい。RPA AIシステム20506は、1つまたは複数の機械学習モデルを開発するために、1つまたは複数の機械学習技術を採用することができる。機械学習モデルは、マーケットオーケストレーションシステムプラットフォーム20500と1つまたは複数の外部デバイスとのインターフェイスを容易にするために、RPAベースのプログラムインターフェースを開発、定義、および／または実装することができる可能性がある。

RPAシステム20502は、マーケットオーケストレーションシステムプラットフォーム20500が、APIを持たない、または古いAPIを持つ外部システム20504と通信するために必要である場合がある。例えば、RPAシステム20502は、マーケットプレイスオーケストレーションシステムプラットフォーム20500が、APIを含まない、または古いAPIを有する古い外部デバイスとインターフェースすることを可能にする場合がある。RPAシステム20502は、外部システム20504のユーザインターフェースを介するなど、ユーザが外部システム20504とインターフェースする方法と同様に、マーケットプレイスオーケストレーションシステムプラットフォーム20500が外部システム20504とインターフェースすることを許可してもよい。いくつかの実施形態では、RPAシステム20502は、マーケットオーケストレーションシステムプラットフォーム20500が、外部システム20504とインターフェースするためにユーザによって実行可能なアクションおよび／または一連のアクションをエミュレートすることを可能にする。外部システム20504とインターフェースするためのRPAシステム20502によるプログラム的インターフェースの例には、HTMLなどのマークアップ言語の操作、コンピュータのマウスの動きのエミュレーションおよび／またはユーザインターフェースの1つまたは複数の要素の「クリック」、記入可能フィールドへの情報の入力およびクライアントプログラムおよび／またはポータルによる情報の送信、ユーザデバイスからの送信と見える外部システム20504へのデジタル信号の送信などがある。

いくつかの実施形態では、RPAシステム20502は、新規及び／又は更新された外部システム20504との通信を容易にするように構成され得る。新しい外部システムが開発されたとき、または外部システムが更新されたとき、RPAシステム20502は、古い外部デバイス、すなわち新しいおよび／または更新された外部システムのリリース前の外部デバイスとのインターフェースと一致する方法で、マーケットオーケストレーションシステムプラットフォーム20500によって新しいおよび／または更新された外部システムとのインターフェースを促進するために、新しいおよび／または更新したプログラム的インターフェースを開発してもよい。例えば、RPAシステム20502は、マーケットプレイスオーケストレーションシステムプラットフォーム20500が、マーケットプレイスオーケストレーションシステムプラットフォーム20500が旧式の外部デバイスとどのようにインターフェイスしたかと一致する方法で新規および／または更新された外部デバイスとインターフェイスできるように、旧式の外部デバイスに入力を与え、新規および／または更新された外部デバイスに入力を与え、関連出力を比較し、新規および／または更新された外部デバイスへの入力を調整するように構成され得る。

いくつかの実施形態では、RPAシステム20502は、時代遅れおよび／または外部システム20504に対するAPIとして機能し得る。RPAシステム20502は、マーケットオーケストレーションシステムプラットフォーム20500が、1つまたは複数の外部デバイスとインターフェイスできるAPIを有するか、さもなければ外部デバイスによって送信される信号をプログラム的に処理できるものとして外部に表されるように構成されてよく、ここでRPAシステム20502はAPI以外のかかる要求を処理するプログラム的インターフェースを開発した。例えば、時代遅れの外部システムは、時代遅れのAPIによって理解される一連の信号を介して通信するように構成される場合がある。RPAシステム20502は、マーケットプレイスオーケストレーションシステムプラットフォーム20500が時代遅れのAPIを含むかのように動作するように構成されてもよい。

いくつかの実施形態では、RPAシステム20502は、マーケットプレイスオーケストレーションシステムプラットフォーム20500の1人または複数のユーザが使用するためのユーザインターフェースを提供するように構成され得る。RPA AIシステム20506は、1つまたは複数の機械学習方法によって、ユーザがマーケットオーケストレーションシステムプラットフォーム20500の1つまたは複数のコンポーネントおよび／または機能とインターフェースすることを可能にするユーザインターフェースを作成してもよい。RPAシステム20502は、RPA AIシステム20506によって作成されたユーザインタフェースを操作するために、ロボティックプロセスオートメーション技法を使用してもよい。RPA AIシステム20506は、変化する市場条件、マーケットプレイスオーケストレーションシステムプラットフォーム20500の新しいおよび／または修正された機能、マーケットプレイスオーケストレーションシステムプラットフォーム20500の外部のシステムの新しいおよび／または修正された条件などの変数に従って、ユーザーインターフェースを動的に作成および／または調整してもよい。マーケットプレイスオーケストレーションシステムプラットフォーム20500の外部のシステムの新しいおよび／または修正された条件の例としては、製品の提供の変更、製品の入手可能性の変更、販売および／または購入オプションの変更、市場に参加する新しい購入および／または販売当事者、などを挙げることができる。

いくつかの実施形態では、RPAシステム20502は、複数のマーケットシステムに対するロボットプロセス自動化を並行して実行するように構成され得る。例えば、マーケットオーケストレーションシステムプラットフォーム20500は、複数のマーケットプレイスを管理するように構成されてもよく、それぞれのマーケットプレイスは、ユーザとのインタフェースを必要とする。RPAシステム20502は、複数のマーケットプレイスを実質的に同時に管理してもよく、複数のユーザーによる複数のマーケットの各マーケットからの入力コマンドおよび関連出力を並行して比較してもよい。管理は、1つの非限定的な例において、各マーケットプレイスのネイティブ通貨間の取引など、フィアット通貨、暗号通貨、トークン、現物資産交換、および価値の交換の他のメカニズムの間の交換レートを設定することを含んでもよい。管理は、別の非限定的な例では、マーケットプレイス間で大きな裁定機会を生み出すものなど、価値の不一致の特定、およびマーケットプレイスを調和させるか、さもなければ悪影響を軽減するためのマーケットプレイスのルール、実行などの設定を含むことができる。

いくつかの実施形態では、RPAシステム20502は、マーケットプレイスオーケストレーションシステムプラットフォーム20500の外部のシステムによるロボットプロセスオートメーションの検出を回避するように構成される場合がある。外部システム20504のいくつかは、外部システムがマーケットプレイスオーケストレーションシステムプラットフォーム20500のようなロボットプロセスオートメーションを使用するシステムと通信しているとき、検出を試みるように設計されてもよい。マーケットプレイスオーケストレーションシステムプラットフォーム20500がロボットプロセス自動化を使用していることを検出すると、外部システムは、マーケットプレイスオーケストレーションシステムプラットフォーム20500の外部システムとの通信機能を制限、排除、または修正することができる。RPAシステム20502は、ロボットプロセスオートメーションの検出を回避し、外部システムによる通信の制限または排除を回避するために、RPAシステム20502が人間のユーザであると外部システムを信じるように「騙す」ために外部システムとの人間のインターフェイスをエミュレートしてもよい。RPAシステム20502は、例えば、外部システムとの対話経路を動的に変更する、一貫性のないタイミングでユーザーインターフェース要素と対話する、「誤クリック」や「タイプミス」などの人間のようなエラーをする、などの方法で検出を回避してもよい。

いくつかの実施形態では、RPA AIシステム20506は、ロボットプロセスオートメーションの検出を回避するための機械学習モデルを作成するように構成され得る。機械学習済みモデルは、実際の人間による1つまたは複数のグラフィカルインターフェースとの相互作用からのデータを使用し、実際の人間が1つまたは複数のグラフィカルユーザーインターフェースとインターフェースする方法をエミュレートするロボットプロセス自動化技術を開発することによって作成されてもよい。例えば、学習データは、マウスおよび／またはタッチのタイミングおよび精度、タイピング速度および精度、使用されるグラフィカルユーザインターフェースの要素などを含み得る。

いくつかの実施形態では、RPAシステム20502は、外部システム20504に送信され、および／または外部システム20504から受信されるデータを検証するように構成されてもよい。RPAシステム20502は、外部システムのユーザによってマーケットプレイスオーケストレーションシステムプラットフォーム20500に送信されるデータ、マーケットプレイスオーケストレーションシステムプラットフォーム20500のユーザによってマーケットプレイスオーケストレーションシステムプラットフォーム20500に送信されるデータ、および／またはマーケットプレイスオーケストレーションシステムプラットフォーム20500のユーザが外部システムに送信するデータの1以上を検証してもよい。RPAシステム20502は、光学的文字認識の実行、画像認識および／または処理の実行、ウェブページに格納されたデータの識別、外部システムのバックエンドデータベースからのデータの受信、マーケットオーケストレーションシステムプラットフォーム20500のバックエンドデータベースからのデータの受信、などのうちの1または複数によってデータを検証し得る。

いくつかの実施形態では、RPA AIシステム20506は、データ検証のための1つまたは複数の機械学習モデルを開発するように構成され得る。例えば、RPA AIシステム20506は、有効なデータを識別するために「学習」するためのトレーニングデータとして、ユーザによって送信されたデータおよび／またはマーケットプレイスオーケストレーションシステムプラットフォーム20500の外部の1つまたは複数のデータベースおよび／またはソースから受信したデータを使用してもよい。RPA AIシステム20506は、データ検証のための1つまたは複数の機械学習モデルをロボットプロセス自動化システム20502に送信してもよい。ロボットプロセス自動化システム20502は、データ検証のための1つまたは複数の機械学習されたモデルを実装してもよい。

いくつかの実施形態では、RPAシステム20502は、RPAシステム20502によって実行されるプロセスの検証を促進するように構成され得る。RPAシステム20502は、RPAシステム20502が1人以上のユーザに代わってマーケットプレイスオーケストレーションシステムプラットフォーム20500および／または外部システム20504に関連する1つまたは複数のプロセスを実行する際に、複数のプロセス検証ログを作成することができる。プロセス検証ログは、RPAシステム20502によって実行されたプロセスの検証を提供するための、タイムスタンプ、トランザクションレシート、ユーザインターフェイスのスクリーンショット、または他の任意の適切なデータ入力、ファイルなどのうちの1以上を含むことができる。RPAシステム20502は、プロセス検証ログを1つまたは複数のデータベースに保存してもよく、プロセス検証ログをマーケットプレイスオーケストレーションシステムプラットフォーム20500および／またはマーケットプレイスオーケストレーションシステムプラットフォーム20500のユーザに送信してもよい。RPAシステム20502は、スケジュールに従って、マーケットプレイスオーケストレーションシステムプラットフォーム20500のユーザによる要求に応じて、1つまたは複数の条件が真であるときに、プロセス検証ログを自動的に送信してよい。

いくつかの実施形態では、RPAシステム20502は、データ検証およびプロセス検証の一方または両方を介して取得されたフィードバックに応答して、ロボットプロセスオートメーションの挙動を調整するように構成され得る。マーケットプレイスオーケストレーションシステムプラットフォーム20500のユーザは、RPAシステム20502によって提供されるデータの検証を閲覧し、データの検証に応答して、RPAシステム20502にロボットプロセスオートメーション20502の動作を調整するように指示し得る。マーケットプレイスオーケストレーションシステムプラットフォーム20500のユーザは、1つまたは複数のプロセス検証ログを閲覧し、1つまたは複数のプロセス検証ログに応答して、RPAシステム20502にロボットプロセスオートメーションシステム20502の動作を調整するように指示し得る。RPAシステム20502の動作の調整は、例えば、マーケットプレイスオーケストレーションシステムプラットフォーム20500のユーザに提示されるRPAベースのユーザインターフェース要素を変更すること、RPAシステム20502が1つまたは複数の外部システム20504とインターフェースする方法を調整すること、およびRPAシステム20502による任意の他の適切な調整など、RPAシステム20502の機能を実行するために異なるロボットプロセスオートメーション技術を使用することが挙げられる。

いくつかの実施形態において、RPA AIシステム20506は、データ検証情報および／またはフィードバック、プロセス検証ログ、またはそれらの組み合わせを学習データとして使用してもよい。RPAAIシステム20506は、データ検証情報および／またはフィードバック、プロセス検証ログ、またはそれらの組み合わせに基づいて、RPAシステム20502の動作に影響を与え、調整し、および／またはその他の方法で制御するために、1つまたは複数の機械学習モデルを訓練してもよい。

いくつかの実施形態では、RPAシステム20502は、RPAシステム20502がインターフェースするグラフィカルユーザインターフェースにおいて画像を認識するために画像処理を実行するように構成され得る。RPAシステム20502がインターフェースする外部システム20504のグラフィカルユーザインターフェースは、変更および／または更新される可能性があり、それによってGUIとのロボットプロセス自動化ベースのインターフェースを潜在的に混乱させる。RPAシステム20502は、画像認識および／または画像処理を介してGUIへの変更を自動的に検出してもよい。RPAシステム20502は、更新されたGUIとの継続的なインターフェイスを容易にし、外部システムとの通信におけるエラーまたは中断を回避するために、ロボットプロセスオートメーションベースのインターフェイスを自動的に更新することができる。

いくつかの実施形態では、RPA AIシステム20506は、画像プロセス最適化を使用して、1つまたは複数の機械学習モデルを使用して、RPAシステム20502の外部システムとのロボットプロセス自動化ベースのインターフェイスを自動的に修正することができる。たとえば、RPA AIシステム20506は、画像を有する複数のGUIをトレーニングデータとして使用して、外部システム20504のGUIの変更を自動的に検出し、RPAシステム20502がGUIの変更に照らして自動的にインターフェイスを継続し得るようにRPAシステム20502のロボットプロセス自動化を調整する方法を決定できる機械学習モデルを作成してもよい。

いくつかの実施形態では、RPAシステム20502は、マーケットプレイスオーケストレーションシステムプラットフォーム20500および／または1つ以上の外部システム20504の1つ以上のユーザインタフェースとインタフェースするように人間に指示するための人間トレーニングシステムを開発するように構成され得る。人間訓練システムは、人間ユーザがRPAシステム20502と同様のタスクを実行できるように、1つまたは複数のユーザインターフェースとインターフェースするためにRPAシステム20502が採用する複数の動作および／または技法を1つまたは複数の人間ユーザに教えてもよい。人間訓練システムは、ユーザインターフェースとインターフェースするためのアクションおよび／または技法の人間の学習を促進するための1つまたは複数の文書、ビデオ、チュートリアルなどを含み得る。

いくつかの実施形態において、RPAシステム20502は、RPAシステム20502によって実装されたロボットプロセスオートメーションの成功基準を処理および文書化するように構成され得る。処理され文書化された成功基準は、マーケットプレイスオーケストレーションシステムプラットフォーム20500および／またはRPAシステム20502の人間のユーザが、外部システム20504とのインタフェースを容易にするため、および／またはマーケットプレイスオーケストレーションシステムプラットフォーム20500の内部市場ワークフローを自動化するためにRPAシステム20502によって用いられる1または複数のプロセスステップおよび／またはアルゴリズムを理解するように処理および文書化された成功基準を使用できる、記述式である。

いくつかの実施形態では、RPAシステム20502は、マーケットプレイスオーケストレーションシステムプラットフォーム20500のロボットプロセスオートメーション能力のゲーミフィケーションを実装し得る。ロボットプロセス自動化能力のゲーミフィケーションは、マーケットプレイスオーケストレーションシステムプラットフォーム20500の操作に望ましいタスクおよび／またはマーケットプレイスオーケストレーションシステムプラットフォーム20500のロボットプロセス自動化操作の改善のために望ましいタスクを実行するためにユーザにポイントを授与することを含み得る。例えば、ロボティックプロセスオートメーションアルゴリズムの増強に対してポイントが授与される場合がある。ポイントを授与されたユーザーは互いに競争してもよく、デジタルおよび／または物理的な賞品が、1つまたは複数のポイント閾値を達成した、および／またはポイントリーダーボードで1つまたは複数の他のユーザーより上にランクされたユーザーに授与されることがある。

図206は、エッジ計算およびインテリジェンスを実行するように構成されたエッジデバイス20292を含むマーケットプレイスオーケストレーションシステムプラットフォーム20500の実施形態を示している。いくつかの実施形態では、エッジ計算およびインテリジェンスは、データ処理およびデータ保存の一方または両方を、処理および／または保存されたデータが必要とされる場所に物理的に近い領域で実行することを含み得る。いくつかの実施形態において、マーケットプレイスオーケストレーションシステムプラットフォーム20500は、複数のエッジデバイス20292を含むことができる。例として、エッジデバイス20292は、ルータ、ルーティングスイッチ、統合アクセスデバイス、マルチプレクサ、ローカルエリアネットワーク（LAN）および／またはワイドエリアネットワーク（WAN）アクセスデバイス、モノのインターネットデバイス、および／または任意の他の適切なデバイスであり得る。いくつかの実施形態において、エッジ計算およびインテリジェンスは、データ処理および／またはデータフィルタリングを行うことを含み得る。処理されたおよび／またはフィルタリングされたデータは、処理されたおよび／またはフィルタリングされたデータを使用するデバイスに直接送信されてもよい。処理されたおよび／またはフィルタリングされたデータは、汎用または高トラフィックのデータ伝送経路よりも輻輳が少ない伝送経路に沿って伝送されてもよい。処理済みデータおよび／またはフィルタリング済みデータの伝送は、未処理データおよび／またはフィルタリングされていないデータの伝送よりも低い帯域幅を使用する場合がある。

いくつかの実施形態では、エッジデバイス20292は、エッジデバイス20292によって受信され、および／またはエッジデバイス20292によって記憶されたデータを使用して、市場を駆動する要因を予測するためにローカルエッジインテリジェンスを実装してもよい。エッジデバイス20292は、特定の買い手および／または売り手、製品、製品のクラス、買い手および／または売り手のクラス、市場、市場のクラスなどのうちの1つ以上に関連するデータを収集および処理するように向けられることがある。いくつかの実施形態では、エッジデバイス20292は、遠隔の市場および／または取引エリアの物理的な近くに位置することができる。例えば、エッジデバイス20292は、地理的地域における特定のタイプの製品に関連する取引に関するデータを収集するように位置付けられ、構成されてもよい。エッジデバイスは、データに関連するデータ処理、分析、フィルタリング、傾向の発見、予測作成などを実行してもよく、処理結果、分析、フィルタリングされたデータ、傾向、予測などまたはその一部をマーケットプレイスオーケストレーションシステムプラットフォーム20500内のより集中したサーバ、プロセッサおよび／またはデータセンタに送信してもよい。

いくつかの実施形態では、エッジデバイス20292は、マーケットオーケストレーションシステムプラットフォーム20500のいくつかのまたはすべての他のコンポーネントから物理的および／または電子的に隔離されている間に意思決定を実行するように構成され得る。ここで、電子的隔離とは、1つまたは複数の他のシステム、デバイス、コンポーネントなどと一時的に通信できないことを意味するか、またはそれを含むことができる。エッジデバイス20292は、エッジデバイス20292によって受信されたデータに関連するデータ処理、分析、フィルタリング、傾向発見、予測作成等から引き出された出力および／または結論に基づいて決定を行うことができる。エッジデバイス20292によってなされる決定の例には、1つまたは複数のデータの断片を検証するかどうか、マーケットオーケストレーションシステムプラットフォーム20500またはその一部のユーザーを検証するかどうか、トランザクションが実行されたかどうか、トランザクションを実行するかどうか、等がある。エッジデバイス20292は、エッジデバイス20292によってなされた決定に関連するデータを、マーケットオーケストレーションシステムプラットフォーム20500の他のコンポーネントに送信することができる。

いくつかの実施形態では、エッジデバイス20292がマーケットプレイスオーケストレーションシステムプラットフォーム20500の他の構成要素から一時的に電子的に隔離されている場合、エッジデバイス20292は、マーケットプレイスオーケストレーションシステムプラットフォーム20500の他の構成要素の代わりに決定を行い、マーケットプレイスオーケストレーションシステムプラットフォーム20500の他の構成要素との再接続時に決定がマーケットプレイスオーケストレーションシステムプラットフォーム20500の他の構成要素によって監査、評価、および／または記録されていても良い。エッジデバイス20292は、マーケットプレイスオーケストレーションシステムプラットフォーム20500の他のコンポーネントへの接続および／または他のコンポーネントによる監視がない場合、いくつかの決定を行うことを制限される場合がある。制限された決定の例には、機密性及び／又はセキュリティが懸念される取引、知的財産、企業秘密、及び／又は専有情報が送信される取引等に関連する決定が含まれ得る。

いくつかの実施形態では、エッジデバイス20292は、分散型台帳のコピーを保存してもよく、分散型台帳は、マーケットオーケストレーションシステムプラットフォーム20500によって管理される1つまたは複数のマーケットプレイスおよび／または取引に関連する情報を含む。分散型台帳は、ブロックチェーンのような暗号台帳であってもよい。エッジデバイス20292は、マーケットオーケストレーション情報を含む分散型台帳にブロックを書き込むことができ、マーケットオーケストレーションシステムプラットフォーム20500の他のコンポーネントに格納された分散型台帳のコピーとの比較によってブロックを検証させることができる。

いくつかの実施形態において、分散型台帳は、物理的商品、デジタル商品、知的財産などの財産の所有権を管理するように構成され得る。売り手などの財産の最初の所有者は、分散型台帳のブロックに記録されることがある。分散型台帳は、売り手から買い手へ、製造業者から小売業者へ、買い手へなど、財産の所有権が変化する際に、所有権の変化を記録してもよい。

いくつかの実施形態では、マーケットプレイスオーケストレーションシステムプラットフォーム20500は、分散型台帳のコピーを格納するエッジデバイスなどのデバイスのネットワークを管理するように構成された台帳管理システムを含むことができる。分散型台帳のコピーを格納するデバイスは、集約、比較、および／または検証のために、そこに格納されているコピーを台帳管理システムに送信するように構成されてもよい。台帳管理システムは、信頼できる当事者および／またはデバイスのホワイトリスト、信頼できない当事者および／またはデバイスのブラックリスト、またはそれらの組み合わせを確立してもよい。台帳管理システムは、特定のユーザーやデバイスなどに権限を割り当てることができる。分散型台帳のバージョンは、ユニークな商品の複数のコピーの販売など、重複した取引を防止するために比較されることがある。実施形態では、マーケットプレイスオーケストレーションシステムプラットフォーム20500が複数のエッジデバイス20292を含む場合、複数のエッジデバイス20292のエッジデバイス20292はそれぞれ分散型台帳のコピーを格納してもよく、エッジデバイス20292のおよび／またはすべてによるブロックの検証および新しいブロックの追加に関してコピーを互いに対して比較してもよい。

いくつかの実施形態では、マーケットプレイスオーケストレーションシステムプラットフォーム20500は、エッジデバイス20292などの分散型デバイスを更新するための1つまたは複数の分散型更新管理アルゴリズムを実装してもよい。分散型アップデート管理アルゴリズムは、分散型デバイスにアップデートを展開する方法およびタイミングに関する1つまたは複数の手順を含んでもよい。マーケットプレイスオーケストレーションシステムプラットフォーム20500は、分散型アップデート管理アルゴリズムを介して、マーケットプレイスオーケストレーションおよび／またはエッジ計算ソフトウェアのバージョンを管理してもよい。分散型デバイスは、マーケットオーケストレーションシステムプラットフォーム20500から直接アップデートを受信してもよく、アップデートを互いに送信してもよく、またはそれらの組み合わせであってもよい。

いくつかの実施形態では、マーケットプレイスオーケストレーションシステムプラットフォーム20500が複数のエッジデバイス20292を含む場合、エッジデバイス20292は、取引を記録および／または検証するために互いに通信し得る。エッジデバイス20292はまた、1つまたは複数の市場、製品、地域、ユーザ、トレーダー、買い手、売り手、第三者などに関連する1つのデータを互いに通信し得る。複数のエッジデバイス20292のうちのエッジデバイス20292は、エッジデバイス20292が他のエッジデバイス20292および／またはマーケットプレイスオーケストレーションシステムプラットフォーム20500の他のコンポーネントから電子的に隔離されている場合に、可能であればそのような情報を通信してよい。

いくつかの実施形態では、電気的に絶縁され、特定の取引及び／又はマーケットプレイスオーケストレーションするように割り当てられた第1のエッジデバイス20292Aは、第2のエッジデバイス20292Bによってサポートされ得る。第2のエッジデバイス20292Bは、第1のエッジデバイス20292Aによる取引および／または市場のオーケストレーションが検証不可能なほど、第1のエッジデバイス20292Aが取引および／または市場のオーケストレーションに失敗し、および／またはマーケットプレイスオーケストレーションシステムプラットフォーム20500の他のコンポーネントと長期間通信不能になった場合に、同じ特定の取引および／または市場のオーケストレーションに割り当てられ得る。通信範囲に再突入すると、第1のエッジデバイス20292Aは、第1のエッジデバイス20292Aが電子的に隔離されている間に行われた取引および／または他のオーケストレーション操作で、第2のエッジデバイス20292Bおよび／またはマーケットオーケストレーションシステムプラットフォーム20500の他のコンポーネントを更新し得る。同様に、エッジデバイス20292C、20292Dは、他のエッジデバイスのサポートとして機能し得る。

いくつかの実施形態では、マーケットプレイスオーケストレーションシステムプラットフォーム20500は、エッジデバイス20292などのマーケットプレイスオーケストレーションシステムプラットフォーム20500の1つまたは複数のコンポーネントが動作を停止し、および／または他の方法で完全に適切に動作できないときに決定を下すように構成されたハードウェア障害アルゴリズムを実装し得る。ハードウェア障害アルゴリズムは、例えば、エッジデバイス20292に、現在故障しているまたは機能していないエッジデバイス20292に以前に割り当てられていたオペレーションを追い越すように割り当てることを含むことができる。

いくつかの実施形態では、マーケットプレイスオーケストレーションシステムプラットフォーム20500は、エッジデバイス20292、マーケットプレイスオーケストレーションシステムの他のコンポーネント、外部システム20504、またはそれらの組み合わせに伝送されるデータの流れを最適化するように構成されたデータルーティングアルゴリズムを実装してもよい。エッジデバイス20292は、データの流れを最適化するように構成された1つまたは複数の信号増幅器、信号中継器、デジタルフィルタ、アナログフィルタ、デジタル-アナログ変換器、アナログ-デジタル変換器および／またはアンテナを含み得る。いくつかの実施形態では、ネットワーク強化システムは、その全体が参照によりここに組み込まれるペルガル(Pergal)への米国特許第7，623，826号によって開示されるような無線リピータシステムを含んでもよい。エッジデバイス20292は、例えば、データのフィルタリング、データ伝送の繰り返し、データ伝送の増幅、1つまたは複数のサンプリングレートおよび／または伝送レートの調整、および1つまたは複数のデータ通信プロトコルの実装によってデータの流れを最適化してもよい。実施形態において、エッジデバイス20292は、複数のデータパスの第1の経路上でデータの第1の部分を送信し、複数のデータパスの第2の経路上でデータの第2の部分を送信してもよい。エッジデバイス20292は、第1のデータパス、第2のデータパス、他のデータパスなどの1つまたは複数のデータパスが、1つまたは複数のデータの部分の伝送に有利であることを決定してもよい。エッジデバイス20292は、送信される1つ以上のデータの種類、送信に適している1つ以上のプロトコル、現在および／または予測されるネットワーク輻輳、データ送信のタイミング、送信されているまたは送信されるべきデータの現在および／または予測されるボリュームなどの1つ以上のネットワーク変数に基づいて有利なデータパスの判定を行うことができる。伝送に適したプロトコルは、伝送制御プロトコル（TCP）、ユーザデータグラムプロトコル（UDP）などを含み得る。いくつかの実施形態では、エッジデバイス20292は、その全体が参照によりここに組み込まれるHoらへの米国特許第9，979，664号により開示されるようなデータ通信のための方法を実施するように構成され得る。

いくつかの実施形態では、エッジデバイス20292は、マーケットプレイスオーケストレーションシステムプラットフォーム20500と不正に対話しようとする外部システム20504に対してマーケットプレイスオーケストレーションシステムプラットフォーム20500を検出し保護するように構成された敵対的取引検出アルゴリズムを実装してもよい。マーケットプレイスオーケストレーションシステムプラットフォーム20500と不正に対話しようとする例には、偽の取引情報、偽の製品情報、偽のユーザーおよび／または当事者情報を提出すること、マーケットプレイスオーケストレーションシステムプラットフォーム20500に不正な取引を実行および／または編成させようとすること、およびそのようなものが挙げられる。敵対的取引検出アルゴリズムは、不正な相互作用を検出および／または保護するように訓練された機械学習モデルを介して実装され得る。

いくつかの実施形態では、エッジデバイス20292は、マーケットプレイスオーケストレーションシステムプラットフォーム20500の分散コンピューティング能力のゲーミフィケーションを実装し得る。分散コンピューティング能力のゲーミフィケーションは、マーケットプレイスオーケストレーションシステムプラットフォーム20500の操作に望ましいタスクおよび／またはマーケットプレイスオーケストレーションシステムプラットフォーム20500のロボットプロセスオートメーション操作の改善に望ましいタスクを実行するためにユーザにポイントを授与することを含み得る。例えば、ポイントは、特定の種類の商品および／または特定の地域内の商品を取引することに対して授与され得る。ポイントを付与されたユーザは互いに競争することができ、1つ以上のポイント閾値を達成した、および／またはポイントリーダーボードで1つ以上の他のユーザより上位にランクされたユーザには、デジタル賞および／または物理賞が授与されることがある。

図207は、エッジデバイス20292からデータを受信し、受信したデータからデジタルレプリカ、すなわちデジタルツインを作成するように構成されたデジタルツインシステム20208を含むマーケットプレイスオーケストレーションシステムプラットフォーム20500の実施形態を示している。デジタルツインシステム20208によって作成されるデジタルレプリカは、市場、製品、売り手、買い手、取引などのうちの1つまたは複数のデジタルレプリカであってよく、エッジデバイス20292から受信したデータのいずれかまたはすべてを使用して作成されてもよい。エッジデバイス20292は、市場、製品、売り手、買い手、取引などに関連するデータ、またはそれらの組み合わせなど、マーケットプレイスオーケストレーション関連データを送信してもよい。実施形態では、マーケットプレイスオーケストレーションシステムプラットフォーム20500が複数のエッジデバイス20292を含む場合、デジタルツインシステム20208は、複数のエッジデバイス20292の複数から受信したデータに基づいて、デジタルレプリカを作成してもよい。

いくつかの実施形態では、デジタルツインシステム20208は、デジタルレプリカを介して、市場、製品、売り手、買い手、取引、又はそれらの組み合わせのシミュレーションを提示するように構成され得る。デジタルレプリカは、市場、製品、売り手、買い手、取引などの2次元または3次元シミュレーションであってもよい。デジタルレプリカは、コンピュータモニタ、テレビ画面、三次元ディスプレイ、仮想現実ディスプレイおよび／またはヘッドセット、ARゴーグルまたは眼鏡などの拡張現実ディスプレイなどで閲覧可能であってもよい。デジタルレプリカは、1つまたは複数のグラフィックコンポーネントを含むことができる。デジタルレプリカは、マーケットプレイスオーケストレーションシステムプラットフォーム20500のユーザによって操作されるように構成される場合がある。ユーザによる操作は、ユーザがデジタルレプリカの1つまたは複数の部分をより詳細にまたはより詳細に見ることを可能にする場合がある。いくつかの実施形態において、デジタルツインシステム20208は、デジタルレプリカが、市場、製品、売り手、買い手、取引などの1つまたは複数の潜在的な将来の状態をシミュレートし得るように構成され得る。デジタルレプリカは、ユーザによって提供されたシミュレーションパラメータに基づいて、市場、製品、売り手、買い手、取引などの1つまたは複数の潜在的な将来の状態をシミュレートすることができる。シミュレーションパラメータの例には、期間の進行、買い手または売り手などの当事者による潜在的な行動、製品、資源などの供給および／または需要の増加、政府規制の変更、および市場のシミュレーションまたはマーケットプレイスオーケストレーションに関連する任意の他の適切なパラメータがある。

いくつかの実施形態では、エッジデバイス20292は、ユーザが設定したレポートのセットのためのデータの事前計算および集計を容易にするように構成され得る。ユーザ設定されたレポートは、デジタルツインシステム20208によって作成されたデジタルレプリカに統合されてもよい。マーケットオーケストレーションシステムプラットフォーム20500のユーザは、デジタルレプリカに含まれるユーザ設定レポートの1つまたは複数のパラメータを定義してもよい。エッジデバイス20292は、ユーザ設定レポートのパラメータに従って、1つまたは複数のデータ処理および／またはフィルタリングを実施してもよい。エッジデバイス20292は、ユーザが設定したレポートのパラメータに関連する処理されたおよび／またはフィルタリングされたデータをデジタルツインシステム20208に送信してもよい。処理されたおよび／またはフィルタリングされたデータを受信すると、デジタルツインシステム20208は、受信したデータを用いてユーザ設定レポートを含むデジタルレプリカを作成し、デジタルレプリカをユーザに提示してもよい。

図205を参照すると、いくつかの実施形態では、エッジデバイス20292は、1つまたは複数の人工知能（AI）システムによって使用するためのデータを収集および処理するように構成され得る。AIシステム20508は、RPA AIシステム20506、デジタルツインシステム20208によるデジタルレプリカの作成を容易にするように構成された1つ以上の人工知能システム、および／またはマーケットプレイスオーケストレーションシステムプラットフォーム20500に接続され、および／または含まれる任意の他の人工知能システムを含むことができる。エッジデバイス20292は、データが1つまたは複数のAIシステム20508による使用に適するように、データを収集し、処理および／またはフィルタリングするように構成され得る。つまたは複数のAIシステム20508による使用のためにエッジデバイス20292によって収集された処理および／またはフィルタリングされたデータの一例は、1つまたは複数の機械学習モデルの訓練に使用するための訓練データである。

いくつかの実施形態では、エッジデバイス20292は、デジタルツインシステム20208によるデジタルレプリカの作成に関連するデータをローカルに記憶するように構成されることがある。デジタルレプリカが特定の地域、売り手、買い手、市場、ビジネスなどに関連する場合、エッジデバイス20292は、例えば、特定の地域、売り手、買い手、市場、ビジネスなどの近くに配置されることによって、デジタルレプリカのポッピングに用いるデータを収集および記憶するために特に位置付けられることがある。エッジデバイス20292は、データがデジタルレプリカの人口化に関連し、かつ／または適しているように、デジタルツインシステム20208へのデータの送信前にデータを受信、処理、フィルタリング、組織化、および／または保存してもよい。いくつかの実施形態では、エッジデバイス20292は、デジタルレプリカを人口化するために使用されるデータの送信のタイミングを編成するように構成され得る。エッジデバイス20292は、1つまたは複数のネットワーク経路および／または経路の輻輳を測定および／または予測するように構成された1つまたは複数のアルゴリズムを実装してもよく、輻輳の測定および／または予測に基づいて送信データのタイミングの編成を実行してもよい。エッジデバイス20292は、場合によっては、ユーザによってまたはデジタルツインシステム20208によって設定された優先順位に従ってなど、あるタイプのデータの伝送を他のタイプよりも優先させてもよい。例えば、エッジデバイス20292は、混雑が少ない夕方の時間帯に低優先度情報の定期的な送信をスケジュールし、高優先度情報を受信し、および／または高優先度情報の要求を受信すると実質的に直ちに高優先度情報を送信しても良い。いくつかの実施形態では、エッジデバイス20292は、デジタルレプリカをポピュレートするために使用されるデータの送信のためのデータプロトコルを選択するように構成され得る。エッジデバイス20292は、1つまたは複数の最適ネットワーク経路および／またはルートを選択するように構成された1つまたは複数のアルゴリズムを実装してもよく、輻輳の測定および／または予測に基づいてデータ伝送プロトコルを選択してもよい。

いくつかの実施形態では、エッジデバイス20292は、複数のセンサと通信し、複数のセンサからデータを受信することができる。エッジデバイス20292は、デジタルレプリカの出荷環境において利用可能なセンサのうち代替センサをインテリジェントに多重化するように構成され得る。
人工知能の具現化

図4～31を参照すると、人工知能3448、適応型知能システム3304、ロボットプロセス自動化3422、エキスパートシステム、自己組織化、機械学習、モデルの訓練などを含む本開示の実施形態では、パターン認識のため、予測のため、望ましい結果のセットに基づく最適化のため、1以上のパラメータ、特徴特性、または現象の分類または認識のため、自律制御のサポート、および他の目的で訓練したニューラルネットなどの使用から利益を得ることがある。本開示全体を通して人工知能、エキスパートシステム、モデル、適応型知能、および／またはニューラルネットワークへの言及は、特定の実施形態が許す限り、広範囲の異なるタイプのニューラルネットワーク、機械学習システム、人工知能システムなどの使用を任意に包含すると理解されるべきで、例えばフィードフォワードニューラルネットワーク、放射基底関数ニューラルネットワーク、自己組織化ニューラルネットワーク（例えば、Kohonen自己組織化ニューラルネットワーク）、リカレントニューラルネットワーク、モジュラーニューラルネットワーク、人工ニューラルネットワーク、物理ニューラルネットワーク、多層ニューラルネットワーク、畳み込みニューラルネットワーク、ニューラルネットワークと他のエキスパートシステムとのハイブリッド（例えば、．ハイブリッドファジーロジック-ニューラルネットワークシステム）、オートエンコーダーニューラルネットワーク、確率的ニューラルネットワーク、時間遅延ニューラルネットワーク、畳み込みニューラルネットワーク、調節フィードバックニューラルネットワーク、放射基底関数ニューラルネットワーク、リカレントニューラルネットワーク、ホップフィールドニューラルネットワーク、ボルツマンマシンニューラルネットワーク、自己組織化マップ（SOM）ニューラルネットワーク、学習ベクトル量子化（LVQ）ニューラルネットワーク、フルリカレントネットワーク、シンプルリカレントネットワーク、反響状態神経ネットワーク、長短期記憶ニューラルネットワーク、双方向ニューラルネットワーク、階層型ニューラルネットワーク、確率的ニューラルネットワーク、遺伝的スケールRNNニューラルネットワーク、機械委員会ニューラルネットワーク、連想ニューラルネットワーク、物理ニューラルネットワーク、瞬間学習ニューラルネットワーク、スパイクニューラルネットワーク、新コグニトロンニューラルネットワーク、動的ニューラルネットワーク、カスケードニューラルネットワーク、神経ファジーネットワーク、合成パターン生成ニューラルネットワーク、記憶ニューラルネットワーク、階層型時間記憶ニューラルネットワーク、ディープフィードフォワードニューラルネットワーク、ゲートリカレントユニット（GCU）ニューラルネットワーク、オートエンコーダーニューラルネットワーク、変分オートエンコーダーニューラルネットワーク、デノイズオートエンコーダーニューラルネットワーク、スパースオートエンコーダーニューラルネットワーク、マルコフ連鎖ニューラルネットワーク、制限ボルツマンマシンナルネットワーク、深層信念ニューラルネットワーク、ディープコンボリューショナルニューラルネットワーク、ディコンボルショナルグラフィックスニューラルネットワーク、深層コンボルショナルインバースグラフィックスネットワーク、生成敵対ニューラルネットワーク、液状マシンニューラルネットワーク極限学習機械ニューラルネットワーク、エコー状態ニューラルネットワーク、深層残差ニューラルネットワーク、サポートベクター機械ニューラルネットワーク、神経チューリング機械ニューラルネットワーク、および／またはホログラフィック連想記憶ニューラルネットワーク、またはこれらのハイブリッドもしくは組み合わせ、またはルールベースシステム、モデルベースシステム（物理モデル、統計モデル、フローベースモデル、生物モデル、生物模倣モデルなどに基づくものを含む）などの他のエキスパートシステムとの組み合わせである。

前述のニューラルネットワークは、様々なノードまたはニューロンを有し、他のノードを含むセンサまたは他のデータソースから受信した入力などの入力に対して様々な機能を実行することができる。関数は、重み、特徴、特徴ベクトルなどを含むことができる。ニューロンには、パーセプトロン、（人間の触覚、視覚、味覚、聴覚、嗅覚などの）生物学的機能を模倣したニューロンなどが含まれる場合がある。シグモイド活性化などの連続ニューロンは、逆伝播が関与する場合など、様々な形態のニューラルネットの文脈で使用されることがある。

多くの実施形態では、エキスパートシステムまたはニューラルネットワークは、人間のオペレータまたはスーパーバイザーなどによって、またはデータセット、モデルなどに基づいて、訓練されることがある。訓練は、センサデータ、イベントデータ、パラメータデータ、および他のタイプのデータ（本開示を通じて説明される多くのタイプを含む）などの値を表す1つまたは複数の訓練データセット、ならびにプロセスの結果、計算の結果、イベントの結果、活動の結果など、結果の1つまたは複数の指標をニューラルネットワークに提示することを含むことができる。トレーニングは、ベイズアプローチ、パラメトリックベイズ分類器アプローチ、k-最近傍分類器アプローチ、反復アプローチ、補間アプローチ、パレート最適化アプローチ、アルゴリズムアプローチなどの1つまたは複数の最適化アプローチに基づいて1つまたは複数のシステムを最適化するためにニューラルネットワークをトレーニングするなど、最適化のトレーニングを含んでもよい。フィードバックは、一連のラウンドを通じてフィードバックに基づいて1つまたは複数のソリューションを進化させる遺伝的アルゴリズムなど、変化と選択のプロセスで提供されることがある。

実施形態では、複数のニューラルネットワークは、1つまたは複数の取引環境で（モバイルデータコレクターなどによって）収集されたデータストリームおよび他の入力を受信し、効率的な伝送を提供するためにネットワークコーディングを使用することを含む1つまたは複数のネットワークを介してクラウドプラットフォームに伝送するクラウドプラットフォームに展開される場合がある。クラウドプラットフォームでは、任意で超並列計算能力を使用して、様々なタイプの複数の異なるニューラルネットワーク（モジュール形式、構造適応形式、ハイブリッドなどを含む）を使用して、予測、分類、制御機能を実施し、本開示を通じて開示されるエキスパートシステムに関連して説明されるような他の出力を提供してもよい。異なるニューラルネットワークは、適切な入力セット、重み、ノードタイプおよび機能などを有する適切なタイプのニューラルネットワークが、所定のコンテキスト、ワークフロー、環境プロセス、システムなどに関わる特定のタスクのために、エキスパートシステムなどによって選択され得るように、互いに競合するように（任意に、使用進化的アルゴリズム、遺伝的アルゴリズムなどを含む）構成されてもよい。

実施形態において、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、フィードフォワードニューラルネットワークを使用することができ、これは、例えば、本開示全体を通じて言及されたデータソースのいずれかなど、取引環境に関連する少なくとも1つのリソースまたはパラメータに関連するデータソースなどの入力から、一連のニューロンまたはノードを通して、出力に情報を一方向で移動させる。データは、入力ノードから出力ノードに移動し、任意で1つまたは複数の隠れノードを通過し、ループを伴わない場合がある。実施形態において、フィードフォワードニューラルネットワークは、最も単純なパーセプトロンであるバイナリーマッカロクピッツニューロンなどの様々なタイプのユニットで構築され得る。

実施形態において、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、本開示全体を通じて説明される機械および自動化システムの1つ以上に関するような、取引環境に関する予測、分類、または制御機能のために、カプセルニューラルネットワークを使用し得る。

実施形態において、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、放射基底関数（RBF）ニューラルネットワークを使用することができ、これは、多次元空間における補間を伴ういくつかの状況（例えば、ここで説明するようなデータ市場の最適化、発電システム、工場システムなどの効率または出力の最適化、または多次元を伴う他の状況など、多次元関数の最適化に補間が有用である場合）で好まれることがある。実施形態において、RBFニューラルネットワークの各ニューロンは、トレーニングセットからの例を「プロトタイプ」として記憶する。このニューラルネットワークの機能に関わる線形性は、RBFに、局所的な最小値または最大値の問題に典型的に悩まされないという利点を提供する。

実施形態において、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、中心に関する距離基準（例えば、ガウス関数）を採用するものなどの放射状基底関数（RBF）ニューラルネットワークを使用してもよい。放射基底関数は、多層パーセプトロンにおけるシグモイド隠れ層変換などの隠れ層の代わりとして適用され得る。RBFネットワークは、入力が隠れ層の各RBFにマッピングされるような、2つの層を有することができる。実施形態において、出力層は、例えば、平均予測出力を表す隠れ層値の線形結合から構成される場合がある。出力層の値は、統計学における回帰モデルの出力と同じ、または類似の出力を提供することができる。分類問題では、出力層は、事後確率を表す隠れ層の値の線形結合のシグモイド関数であってもよい。どちらの場合も、古典統計学のリッジ回帰のような収縮技術によって性能が向上することが多い。これは、ベイズの枠組みで、小さなパラメータ値（したがって滑らかな出力関数）に対する事前信念に対応するものである。RBFネットワークは、学習プロセスで調整されるパラメータが隠れ層から出力層への線形マッピングのみであるため、ローカルミニマムを避けることができる。線形性は、誤差面が2次曲線であることを保証し、したがって単一の最小値を持つ。回帰問題では、これは1回の行列演算で見つけることができる。分類問題では、シグモイド出力関数によってもたらされる固定的な非線形性は、反復的に再重み付けされた最小二乗関数などを用いて処理されることがある。

RBFネットワークは、サポートベクターマシン（SVM）やガウス過程（RBFがカーネル関数）などのカーネル方式を用いることができる。非線形カーネル関数は、入力データを、線形モデルを用いて学習問題を解くことができる空間に投影するために使用することができる。

実施形態において、RBFニューラルネットワークは、入力層、隠れ層、および和算層を含み得る。入力層では、各予測変数に対して1つのニューロンが出現する。カテゴリ変数の場合、N-1ニューロンが使用され、ここでNはカテゴリの数である。入力ニューロンは、実施形態において、中央値を引き、四分位範囲間で割ることによって、値域を標準化してもよい。入力ニューロンは、次に、値を隠れ層の各ニューロンに供給することができる。隠れ層では、可変数のニューロンを使用することができる（訓練プロセスによって決定される）。各ニューロンは、予測変数の数と同じ数の次元を持つ点を中心とする放射基底関数で構成される場合がある。RBF関数の広がり（例えば、半径）は、各次元について異なる場合がある。中心および広がりは、訓練によって決定される場合がある。入力層から入力値のベクトルが提示されると、隠れニューロンは、ニューロンの中心点からのテストケースのユークリッド距離を計算し、次に、スプレッド値を使用するなどして、この距離にRBFカーネル関数を適用してもよい。その結果得られる値は、次に、和算層に渡されることがある。和算層では、隠れ層のニューロンから出てくる値に、そのニューロンに関連する重みを掛け、他のニューロンの重み付き値に加算することができる。この合計が出力となる。分類問題では、ターゲットカテゴリーごとに1つの出力が生成される（重みと和のユニットが別個に設定される）。あるカテゴリの出力値は、評価対象がそのカテゴリに属する確率である。RBFのトレーニングでは、隠れ層のニューロン数、各隠れ層関数の中心の座標、各次元の各関数の広がり、和算層への出力に適用される重みなど、さまざまなパラメータを決定することができる。トレーニングは、クラスタリングアルゴリズム（k平均法クラスタリングなど）、進化的アプローチなどによって行うことができる。

実施形態において、リカレントニューラルネットワークは、時間的に変化する実数値（ゼロまたは1以上の値）の活性化（出力）を有する場合がある。各接続は、変更可能な実数値の重みを有することがある。ノードの一部はラベル付きノード、一部は出力ノード、その他は隠れノードと呼ばれる。離散時間設定の教師あり学習では、実数値入力ベクトルの訓練シーケンスは、一度に1つの入力ベクトルの入力ノードの活性化のシーケンスになる。各時間ステップで、各非入力ユニットは、その現在の活性化を、接続を受けるすべてのユニットの活性化の加重和の非線形関数として計算することができる。システムは、ある時間ステップにおいて、いくつかの出力ユニットを明示的に（入力信号とは無関係に）活性化することができる。

実施形態において、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、高次元データの低次元ビューなどのデータのビューの視覚化のために、コホネン自己組織化ニューラルネットワークなどの自己組織化ニューラルネットワークを使用してもよい。自己組織化ニューラルネットワークは、取引環境に関連する任意の機械またはコンポーネントを含む取引環境からの、または取引環境に関連する1つまたは複数のセンサまたは他のデータ入力からのような入力データのセットに競争学習を適用してもよい。実施形態において、自己組織化ニューラルネットワークは、データのソースが未知である（イベントが未知のソースの範囲のいずれかから来る可能性がある場合など）取引環境における、またはそれに関連するセンサについての、またはセンサの範囲のデータソースから感知されたデータなどの、ラベル付けされていないデータにおける構造を識別するために使用されてもよい。自己組織化ニューラルネットワークは、市場行動構造を他のイベントおよび信号に対応するものとして識別するなど、認識、分析、およびラベル付けが可能なように、データ内の構造またはパターンを組織化してもよい。

実施形態において、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、接続されたユニット（例えば、ニューロンまたはノード）が有向サイクルを形成するような、データの双方向の流れを可能にし得る、リカレントニューラルネットワークを使用し得る。このようなネットワークは、本開示を通じて説明される多種多様な自動化システム、機械および装置、例えば、データの収集、スポット市場取引のテスト、実行取引などを目的とする市場と相互作用する自動化エージェントなどの動的システムに関わるような、動的時間挙動をモデル化または示すために使用されてよく、動的システム挙動にはユーザーが理解、予測、制御および／または最適化を望むことができる複雑な相互作用が伴う。例えば、リカレントニューラルネットワークは、取引環境の市場で取引される、または取引環境を可能にするリソースの状態の変化などの動的プロセスまたはアクションを伴うものなど、市場の状態を予測するために使用することができる。実施形態において、リカレントニューラルネットワークは、内部メモリを使用して、他のノードから、および／またはセンサから、および取引環境から、または取引環境についての他のデータ入力など、本明細書に記載される様々なタイプの入力のシーケンスを処理し得る。実施形態において、リカレントニューラルネットワークは、行動シグネチャ、プロファイル、（オーディオファイルまたは画像におけるような）特徴ベクトルのセットなどに基づいて機械、コンポーネント、エージェント、または他のアイテムを認識するためなど、パターン認識のために使用されることもある。非限定的な例では、リカレントニューラルネットワークは、1つまたは複数のリソースに適用された、またはそれに関するセンサの1つまたは複数のデータソースからのデータのストリームからなるトレーニングデータセットからシフトを分類することを学習することによって、市場または機械の動作モードのシフトを認識し得る。

実施形態において、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、モジュラーニューラルネットワークを使用することができ、これは、仲介者によって調整される一連の独立したニューラルネットワーク（本明細書に記載の種々のタイプのものなど）を含むことができる。モジュラーニューラルネットワークの独立したニューラルネットワークの各々は、別々の入力で動作し、モジュラーネットワーク全体として実行することが意図されているタスクを構成するサブタスクを達成することができる。例えば、モジュラーニューラルネットワークは、モジュラーネットワークへの入力チャネルとして提供される1つまたは複数のセンサによって感知される機械またはシステムがどのようなタイプであるかを認識するなどのパターン認識のためのリカレントニューラルネットワークと、一度理解した機械またはシステムの動作を最適化するためのRBFニューラルネットワークからなる場合がある。仲介者は、個々のニューラルネットワークのそれぞれの入力を受け入れ、それらを処理し、適切な制御パラメータ、状態の予測など、モジュラーニューラルネットワークのための出力を作成することができる。

本明細書に記載される様々なニューラルネットワークタイプの、対、三つ組、またはより大きな組み合わせのいずれかの間の組み合わせは、本開示によって包含される。これは、エキスパートシステムが、パターン（例えば、問題または故障状態を示すパターン）を認識するために1つのニューラルネットワークを使用し、認識されたパターンに基づいて活動またはワークフローを自己組織化する（認識された状態またはパターンに応答してシステムの自律制御を支配する出力を提供するなど）ために異なるニューラルネットワークを使用する組み合わせを含む場合がある。また、エキスパートシステムが、アイテムの分類（例えば、マシン、コンポーネント、または動作モードの識別）のために1つのニューラルネットワークを使用し、アイテムの状態（例えば、故障状態、動作状態、予測状態、メンテナンス状態など）を予測するために別のニューラルネットワークを使用する組み合わせも含まれ得る。モジュール式ニューラルネットワークはまた、エキスパートシステムが、状態またはコンテキスト（マシン、プロセス、ワークフロー、マーケットプレイス、ストレージシステム、ネットワーク、データコレクターなどの状態）を決定するための1つのニューラルネットワークと、状態またはコンテキストを含むプロセスを自己組織化するための異なるニューラルネットワーク（例えば、以下の通り）を使用する状況を含み得る、データ記憶プロセス、ネットワーク符号化プロセス、ネットワーク選択プロセス、データマーケットプレイスプロセス、発電プロセス、製造プロセス、精製プロセス、掘削プロセス、ボーリングプロセス、または本明細書に記載の他のプロセス）。

実施形態において、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、1つまたは複数のハードウェア要素が神経動作を実行またはシミュレートするために使用される物理ニューラルネットワークを使用することができる。実施形態において、1つまたは複数のハードウェアニューロンは、1つまたは複数のトランザクションのためにエネルギーを提供するかまたはエネルギーを消費する1つまたは複数の機械による、エネルギー消費、エネルギー生産などを表すアナログセンサー入力から情報を計算するように、センサーデータを表す電圧値、電流値などをストリームするように構成される場合がある。つまたは複数のハードウェアノードは、ニューラルネットの活動から生じる出力データをストリーミングするように構成され得る。ハードウェアノードは、1つまたは複数のチップ、マイクロプロセッサ、集積回路、プログラマブルロジックコントローラ、特定用途向け集積回路、フィールドプログラマブルゲートアレイなどから構成されてもよく、エネルギーを生産または消費している機械を最適化するため、または本明細書に記載するタイプのいずれかのニューラルネットのいくつかの部分の別のパラメータを最適化するために提供され得る。ハードウェアノードは、計算の加速のためのハードウェア（出力を提供するために入力データに対して基本的またはより高度な計算を行うための専用プロセッサ、データをフィルタリングまたは圧縮するための専用プロセッサ、データを圧縮解除するための専用プロセッサ、特定のファイルまたはデータタイプ（例えば、画像データ、ビデオストリーム、音響信号、熱画像、熱マップなどを扱うための）の圧縮のための専用プロセッサなど）を含むことができる。物理的なニューラルネットワークは、異なるタイプの入力を処理するためにデータコレクタ内で異なるニューラルネット構成を提供するように、様々な構成で入力を切り替えまたはルーティングすることによって再構成され得るものを含むデータコレクタで具現化され得る（切り替えおよび構成は、任意で、データコレクタ上または遠隔地に位置するソフトウェアベースのニューラルネットを含み得るエキスパートシステムの制御下にある）。物理的な、または少なくとも部分的に物理的な、ニューラルネットは、ニューラルネットにデータを供給しまたはニューラルネットからデータを取得する1つまたは複数のストレージ要素への入力／出力機能を加速するためなど、マシン、データストレージシステム、分散台帳、モバイルデバイス、サーバ、クラウド資源内にデータを格納するため、または取引環境にあるストレージシステム内にある物理ハードウェアノードを含み得る。物理的な、または少なくとも部分的に物理的なニューラルネットワークは、ネット内の1つまたは複数のネットワークノードへの入力／出力機能を加速するため、リレー機能を加速するためなど、産業環境内、産業環境へ、または産業環境からデータを送信するための、ネットワーク内に位置する物理ハードウェアノードを含み得る。実施形態において、物理的なニューラルネットワークの、電気的に調節可能な抵抗材料は、神経シナプスの機能をエミュレートするために使用され得る。実施形態では、物理的ハードウェアがニューロンをエミュレートし、ソフトウェアがニューロン間の神経回路網をエミュレートする。実施形態において、ニューラルネットワークは、従来のアルゴリズムコンピュータを補完するものである。それらは汎用性があり、分類機能、最適化機能、パターン認識機能、制御機能、選択機能、進化機能など、指示を必要とせずに適切な機能を実行するように訓練することができる。

実施形態において、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、1つまたは複数のアイテム、現象、モード、状態などの複雑なパターン分類のために、多層フィードフォワードニューラルネットワークを使用してもよい。実施形態では、多層フィードフォワードニューラルネットワークは、最適な、または最適に近いグローバルな解を見つけるために、選択肢の大きく複雑な空間を探索するような、遺伝的アルゴリズムなどの最適化技術によって訓練される場合がある。例えば、1つ以上の遺伝的アルゴリズムを使用して、機械の複雑な動作モード、例えば、機械間の複雑な相互作用（干渉効果、共振効果などを含む）を伴うモード、非線形現象を伴うモード、複数の同時故障が発生し根本原因分析が困難な場合などの重大欠陥を伴うモード、などを認識するために、多層フィードフォワードニューラルネットワークを訓練して複雑な現象を分類しても良い。実施形態では、多層フィードフォワードニューラルネットワークは、市場内で動作する自動エージェントなどの監視システム、およびコンピューティング、ネットワーキング、エネルギー、データストレージ、エネルギーストレージなどの市場を可能にするリソースの監視など、市場の監視からの結果を分類するために使用され得る。

実施形態において、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、様々な取引環境全体に分散されたセンサからの入力を取るためなど、1つまたは複数のリモートセンシングアプリケーションを扱うためなど、フィードフォワード、バックプロパゲーション多層パーセプトロン（MLP）ニューラルネットワークを使用することがある。実施形態において、MLPニューラルネットワークは、取引環境およびリソース環境、例えば、貸出市場、スポット市場、フォワード市場、エネルギー市場、再生可能エネルギークレジット（REC）市場、ネットワーキング市場、広告市場、スペクトル市場、チケット市場、報酬市場、計算機市場、および本開示を通じて言及した他のものの分類に用いられ得る、と同様に、物理的資源およびそれらを生成する環境、例えば、エネルギー資源（再生可能エネルギー環境、採掘環境、探査環境、掘削環境など、地質構造（地下特徴および地上特徴を含む）の分類、材料（流体、鉱物、金属などを含む）の分類、および他の問題を含む。なお、ファジー分類を含む場合もある。

実施形態では、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、構造適応型ニューラルネットワークを使用することができ、ここで、ニューラルネットワークの構造は、ルール、感知された条件、文脈パラメータなどに基づいてなど、適応される。例えば、ニューラルネットワークが、ある程度の訓練後に入力セットに作用したときに、項目の分類または予測への到達などの解に収束しない場合、ニューラルネットワークは、例えば、ノードのいくつかのサブセット間のデータ経路を単方向から双方向データ経路に切り替えることによって、フィードフォワードニューラルネットワークからリカレントニューラルネットワークに変更される場合がある。構造適応は、トリガー、ルール、またはイベント（閾値の発生を認識する（所定の時間内に解に収束しないなど）、または異なるまたは追加の構造を必要とする現象を認識する（システムが動的にまたは非線形に変化していることを認識するなど））の発生時に適応を起動するように、エキスパートシステムの制御下で発生し得る。つの非限定的な例では、エキスパートシステムは、分析中のシステムにおいて発電機、タービンなどを駆動するために無段変速機が使用されているという指示を受けると、フィードフォワードニューラルネットワークなどの単純なニューラルネットワーク構造からリカレントニューラルネットワーク、畳み込みニューラルネットワークなどのより複雑なニューラルネットワーク構造に切り替えることができる。

実施形態において、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、オートエンコーダ、オートアソシエータまたはディアボロニューラルネットワークを使用してもよく、これは、入力層、出力層およびそれらを接続する1つまたは複数の隠れ層が存在し得る場合などの多層パーセプトロン（MLP）ニューラルネットワークと同様であり得る。しかしながら、オートエンコーダにおける出力層は、MLPニューラルネットワークの目的が（単に目標値を発するのではなく）それ自身の入力を再構成することである、入力層と同じ数のユニットを有する場合がある。

したがって、オートエンコーダは、教師なし学習モデルとして動作することができる。オートエンコーダは、例えば、次元削減のため、データの生成モデルの学習のためなど、効率的な符号化の教師なし学習のために使用されてもよい。実施形態において、自動符号化ニューラルネットワークは、1つ以上のネットワークを介したマシンからのアナログセンサデータの伝送、または1つ以上のデータソースからのデジタルデータの伝送のための効率的なネットワーク符号化を自己学習するために使用されてもよい。実施形態において、自動符号化ニューラルネットワークは、データのストリームのストレージのための効率的なストレージアプローチを自己学習するために使用され得る。

実施形態において、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、確率的ニューラルネットワーク（PNN）を使用することができ、実施形態では、多層（例えば、4層）フィードフォワードニューラルネットワークを構成することができ、層には入力層、隠れ層、パターン／合計層および出力層が含まれ得る。PNNアルゴリズムの一実施形態では、各クラスの親確率分布関数（PDF）が、パーゼン窓および／またはノンパラメトリック関数などによって近似される場合がある。次に、各クラスのPDFを使用して、新しい入力のクラス確率が推定され、最も高い事後確率を有するクラスに割り当てるなど、ベイズのルールが採用されることがある。PNNは、ベイズネットワークを具現化してもよく、カーネルフィッシャー判別分析技法などの統計アルゴリズムまたは分析技法を使用してもよい。PNNは、本明細書に開示される広範な実施形態のいずれかにおいて、分類およびパターン認識のために使用されてもよい。つの非限定的な例では、確率的ニューラルネットワークは、エンジン用のセンサおよび計器からのデータ入力の収集に基づいて、エンジンの故障状態を予測するために使用され得る。

実施形態において、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、時間遅延ニューラルネットワーク（TDNN）を使用することができ、これは、シーケンス位置から独立して特徴を認識するシーケンシャルデータ用のフィードフォワードアーキテクチャを構成することができる。実施形態では、データの時間シフトを考慮するために、1つまたは複数の入力に、または1つまたは複数のノード間に遅延が追加され、複数のデータポイント（時間的に異なるポイントから）が一緒に分析される。時間遅延ニューラルネットワークは、パーセプトロンネットワークを使用するなど、より大きなパターン認識システムの一部を構成することができる。実施形態では、TDNNは、接続重みが逆伝播またはフィードバック下で訓練されるような教師あり学習で訓練される場合がある。実施形態では、TDNNは、速度データのストリーム、加速度データのストリーム、温度データのストリーム、圧力データのストリームなど、異なるストリームからのセンサデータを処理するために使用され、時間遅延は、種々のストリームの理解を伴うパターン（例えば、スポットまたはフォワード市場における価格パターンの変化）の理解を助けるためなど、データストリームを時間的に整合するために使用されてもよい。

実施形態において、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、畳み込みニューラルネットワーク（場合によっては、CNN、ConvNet、シフト不変ニューラルネットワーク、または空間不変ニューラルネットワークと呼ばれる）を使用してよく、ここでユニットは、人間の脳の視覚野と同様のパターンで連結されている。神経細胞は、受容野と呼ばれる空間の限定された領域で刺激に反応することがある。受容野は、部分的に重なっていてもよく、集合的に（例えば、視覚）野全体をカバーすることができる。ノード応答は、最小限の前処理を使用する多層パーセプトロンを使用するような畳み込み演算によって、数学的に計算することができる。畳み込みニューラルネットワークは、ドローンまたはモバイルロボットなどのモバイルデータコレクター上に配置されたカメラシステムを使用して、広い環境における機械の種類を認識するためなど、画像およびビデオストリーム内の認識に使用され得る。実施形態では、畳み込みニューラルネットワークは、モバイルデータコレクタの経路を推奨するなど、センサ入力および他の文脈情報を含むデータ入力に基づく推奨を提供するために使用され得る。実施形態において、畳み込みニューラルネットワークは、環境におけるワークフローに関与する1つまたは複数の当事者によって提供される指示の自然言語処理のためなど、入力を処理するために使用されてもよい。実施形態において、畳み込みニューラルネットワークは、多数のニューロン（例えば、100,000、500,000またはそれ以上）、複数の（例えば、4、5、6またはそれ以上）層、および多数の（例えば、数百万）パラメータを使用して展開されることがある。畳み込みニューラルネットは、1つまたは複数の畳み込みネットを使用することができる。

実施形態において、エキスパートシステム又は自己組織化能力を伴う本明細書に記載の方法及びシステムは、（取引環境において以前に理解されていない新しいタイプの行動などの）創発現象を認識するためなど、調節フィードバックネットワークを使用することができる。

実施形態において、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、学習ベクトル量子化ニューラルネット（LVQ）を使用してもよい。クラスのプロトタイプ代表は、距離ベースの分類スキームにおいて、適切な距離尺度と共にパラメータ化してもよい。

実施形態において、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、エコー状態ネットワーク（ESN）を使用することができ、これは、疎結合のランダム隠れ層を有するリカレントニューラルネットワークを構成することができる。出力ニューロンの重みは、変更されてもよい（例えば、重みは、フィードバックに基づいて訓練されてもよい）。実施形態において、ESNは、一例として、刺激に応答した価格変化のパターンなど、市場に関連するイベントのパターンを認識するなど、時系列パターンを取り扱うために使用され得る。

実施形態では、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、値の有限シーケンス（例えば、センサからの電圧値）を使用して、要素の過去および将来の文脈の両方に基づいてシーケンスの各要素を予測またはラベル付けするような双方向、リカレントニューラルネットワーク（BRNN）を使用してもよい。これは、1つは左から右へ、もう1つは右から左へシーケンスを処理するような、2つのRNNの出力を加算することによって行うことができる。結合された出力は、教師や上司から提供されるようなターゲット信号の予測になる。双方向RNNは、長短期記憶RNNと組み合わせてもよい。

実施形態において、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、有用なサブプログラムになど、階層的な動作を分解するために様々な方法で要素を接続する階層的なRNNを使用することができる。実施形態では、トランザクション環境におけるデータ収集のための1つまたは複数の階層的テンプレートを管理するために、階層的RNNが使用される場合がある。

実施形態において、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、確率的ニューラルネットワークを使用することができ、これは、ネットワークにランダムな変動を導入することができる。このようなランダムな変動は、モンテカルロサンプリングなどの統計的サンプリングの一形態と見なすことができる。

実施形態において、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、遺伝的スケールリカレントニューラルネットワークを使用し得る。そのような実施形態では、RNN（多くの場合、LSTM）が使用され、ここで、系列は、いくつかのスケールに分解され、すべてのスケールは、2つの連続する点間の主要な長さを通知する。第1次のスケールは、通常のRL'JNからなり、第2次は、2つのインデックスによって分離されたすべての点からなり、そのようなものである。N次のRNNは、最初と最後のノードを接続する。すべての様々なスケールからの出力は、メンバーの委員会として扱われ、関連するスコアは次の反復のために遺伝的に使用されるかもしれない。

実施形態では、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、与えられた例について一緒に「投票」する異なるニューラルネットワークのコレクションからなる、機械委員会（CoM）を使用できる。ニューラルネットワークは局所的な極小値に悩まされることがあるため、同じアーキテクチャとトレーニングから始めても、ランダムに異なる初期重みを使用すると、しばしば異なる結果が得られる。CoMは、結果を安定させる傾向がある。

実施形態において、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、複数のフィードフォワードニューラルネットワークおよびk最近傍技術を組み合わせた機械の委員会の拡張を伴うような、連想ニューラルネットワーク（ASNN）を使用することができる。これは、アンサンブル応答間の相関を、kNNのための分析されたケース間の距離の尺度として使用することができる。これにより、ニューラルネットワークアンサンブルのバイアスが補正される。連想型ニューラルネットワークは、訓練セットと一致するメモリを持つことができる。新しいデータが利用可能になると、ネットワークは瞬時に予測能力を向上させ、再トレーニングなしでデータ近似を行う（自己学習）。ASNNのもう一つの重要な特徴は、モデルの空間におけるデータケース間の相関関係を分析することによって、ニューラルネットワークの結果を解釈できることである。

実施形態において、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、隠れ層および出力層の重みが訓練ベクトルデータから直接マッピングされる即時訓練ニューラルネットワーク（ITNN）を使用し得る。

実施形態において、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、入力のタイミングを明示的に考慮することができるスパイクニューラルネットワークを使用することができる。ネットワークの入力および出力は、一連のスパイク（デルタ関数またはより複雑な形状など）として表される場合がある。SNNは、時間領域の情報（例えば、市場や取引環境の動的挙動に関わる信号など、時間的に変化する信号）を処理することができる。リカレントネットワークとして実装されることが多い。

実施形態において、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、非線形多変量挙動に対処し、過渡現象および遅延効果などの時間に依存する挙動の学習を含む動的ニューラルネットワークを使用することができる。過渡現象は、価格、利用可能な数量、利用可能な取引相手などの、シフトする市場変数の挙動を含み得る。

実施形態では、カスケード相関は、固定トポロジーのネットワークにおける重みの調整を補足する、アーキテクチャおよび教師あり学習アルゴリズムとして使用することができる。カスケード相関は、最小限のネットワークから始まり、自動的に学習し、新しい隠れユニットを1つずつ追加して、多層構造を作成することができる。新しい隠れユニットがネットワークに追加されると、その入力側の重みは凍結されることがある。このユニットは、ネットワーク内の永久的な特徴検出器となり、出力を生成したり、他のより複雑な特徴検出器を作成したりするのに利用できる。カスケード相関アーキテクチャは、学習が早く、サイズやトポロジーを自分で決めることができ、トレーニングセットが変わっても構築した構造を保持することができ、バックプロパゲーションを必要としない。

実施形態では、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、人工ニューラルネットワークの本体にファジー推論システムを伴うなど、ニューロファジーネットワークを使用することができる。タイプによっては、いくつかの層が、ファジー化、推論、集約、およびデファジー化などのファジー推論に関与するプロセスをシミュレートすることができる。ファジーシステムのパラメータを見つけるために利用可能なトレーニング方法を使用する利点として、ニューラルネットの一般的な構造にファジーシステムを埋め込む。

実施形態において、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、活性化関数のセットおよびそれらの適用方法を異にする連想ニューラルネットワーク（ANN）の変形などの、構成パターン生成ネットワーク（CPPN）を使用し得る。一般的なANNはシグモイド関数（およびガウス関数）のみを含むことが多いが、CPPNは両方のタイプの関数や他の多くの関数を含むことができる。さらに、CPPNは入力可能な空間全体に適用することができるため、完全な画像を表現することができる。CPPNは関数の合成であるため、実質的に無限の解像度で画像を符号化することができ、特定のディスプレイに対して最適な解像度でサンプリングすることができる。

このタイプのネットワークは、再トレーニングを行うことなく新しいパターンを追加することができる。実施形態において、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、特定のメモリ構造を作成することなどにより、ワンショット連想メモリネットワークを使用することができ、これは、隣接して接続された階層的アレイを使用して各新しいパターンを直交平面に割り当てる。

実施形態において、エキスパートシステム又は自己組織化能力を伴う本明細書に記載の方法及びシステムは、新皮質の構造的及びアルゴリズム的特性を伴うような、階層的時間記憶（HTM）ニューラルネットワークを使用してもよい。HTMは記憶予測理論に基づくバイオミメティックモデルを使用することができる。HTMは、観察された入力パターンやシーケンスの高レベルの原因を発見し、推論するために使用することができる。

実施形態において、エキスパートシステムまたは自己組織化能力を伴う本明細書に記載の方法およびシステムは、アナログ、相関ベース、連想、刺激-応答システムを構成するホログラフィック連想記憶（HAM）ニューラルネットワークを用いることができる。情報は、複素数の位相方位にマッピングされることがある。このメモリは、連想記憶タスク、汎化、および変更可能な注意を伴うパターン認識に有効である。

実施形態では、ノードがトランザクション環境における1つまたは複数のデータコレクタまたはマシンに配置されているようなニューラルネットにおけるネットワークノード間の伝送データをコード化するために、ネットワークコーディングを含む様々な実施形態が使用され得る。

本明細書に記載の方法およびシステムは、プロセッサ上でコンピュータソフトウェア、プログラムコード、および／または命令を実行する機械を通じて、一部または全部が展開され得る。本開示は、マシン上の方法として、マシンの一部またはマシンに関連するシステムまたは装置として、またはマシンの1つまたは複数で実行されるコンピュータ可読媒体で具現化されるコンピュータプログラム製品として実施され得る。実施形態では、プロセッサは、サーバ、クラウドサーバ、クライアント、ネットワークインフラ、モバイルコンピューティングプラットフォーム、据え置き型コンピューティングプラットフォーム、または他のコンピューティングプラットフォームの一部であってよい。プロセッサは、プログラム命令、コード、バイナリ命令などを実行することができる任意の種類の計算デバイスまたは処理デバイスであってもよい。プロセッサは、信号プロセッサ、デジタルプロセッサ、組み込みプロセッサ、マイクロプロセッサ、または、その上に格納されたプログラムコードまたはプログラム命令の実行を直接的または間接的に促進し得るコプロセッサ（数学コプロセッサ、グラフィックコプロセッサ、通信コプロセッサ等）等の任意の変種であってもよいし、それを含んでもよい。さらに、プロセッサは、複数のプログラム、スレッド、およびコードの実行を可能にすることができる。スレッドは、プロセッサの性能を向上させ、アプリケーションの同時操作を容易にするために、同時に実行されてもよい。実施態様として、本明細書に記載の方法、プログラムコード、プログラム命令などは、1つまたは複数のスレッドで実施されてもよい。スレッドは、それらに関連する割り当てられた優先順位を有することができる他のスレッドを産み出すことができ、プロセッサは、プログラムコードに提供される命令に基づく優先順位または任意の他の順序に基づいてこれらのスレッドを実行することができる。プロセッサ、または1を利用する任意のマシンは、本明細書および他の場所で説明されるような方法、コード、命令、およびプログラムを格納する非一過性のメモリを含むことができる。プロセッサは、本明細書および他の場所で説明されるような方法、コード、および命令を記憶することができるインターフェースを介して、非一過性の記憶媒体にアクセスすることができる。方法、プログラム、コード、プログラム命令、またはコンピューティング装置または処理装置によって実行可能な他のタイプの命令を記憶するためのプロセッサに関連する記憶媒体は、CD-ROM、DVD、メモリ、ハードディスク、フラッシュドライブ、RAM、ROM、キャッシュなどのうちの1つまたは複数を含み得るが、これらに限定されない場合がある。

プロセッサは、マルチプロセッサの速度および性能を向上させることができる1つまたは複数のコアを含むことができる。実施形態では、プロセスは、2つ以上の独立したコア（ダイと呼ばれる）を組み合わせたデュアルコアプロセッサ、クアッドコアプロセッサ、他のチップレベルマルチプロセッサ等であってよい。

本明細書に記載の方法およびシステムは、サーバ、クライアント、ファイアウォール、ゲートウェイ、ハブ、ルータ、または他のそのようなコンピュータおよび／またはネットワークハードウェア上でコンピュータソフトウェアを実行する機械を通じて、一部または全部が展開され得る。ソフトウェアプログラムは、ファイルサーバ、プリントサーバ、ドメインサーバ、インターネットサーバ、イントラネットサーバ、クラウドサーバ、および二次サーバ、ホストサーバ、分散サーバなどの他の変形を含み得るサーバと関連付けられることがある。サーバは、メモリ、プロセッサ、コンピュータ可読媒体、記憶媒体、ポート（物理および仮想）、通信デバイス、および有線または無線媒体を通じて他のサーバ、クライアント、マシン、およびデバイスにアクセスすることができるインターフェースなどのうちの1以上を含むことができる。本明細書等に記載された方法、プログラム、またはコードは、サーバによって実行され得る。さらに、本願に記載されるような方法の実行に必要な他の装置は、サーバに関連するインフラの一部とみなすことができる。

サーバは、限定されないが、クライアント、他のサーバ、プリンタ、データベースサーバ、プリントサーバ、ファイルサーバ、通信サーバ、分散サーバ、ソーシャルネットワークなどを含む他のデバイスへのインターフェースを提供してもよい。さらに、この結合および／または接続は、ネットワークを介したプログラムの遠隔実行を容易にすることができる。これらのデバイスの一部またはすべてのネットワーク化は、本開示の範囲から逸脱することなく、1つまたは複数の場所でのプログラムまたは方法の並列処理を促進し得る。さらに、インターフェースを介してサーバに接続されたデバイスのいずれもが、方法、プログラム、コードおよび／または命令を記憶することができる少なくとも1つの記憶媒体を含むことができる。中央リポジトリは、異なるデバイス上で実行されるプログラム命令を提供してもよい。本実施形態では、リモートリポジトリは、プログラムコード、命令、およびプログラムのための記憶媒体として機能してもよい。

ソフトウェアプログラムは、ファイルクライアント、印刷クライアント、ドメインクライアント、インターネットクライアント、イントラネットクライアント、および二次クライアント、ホストクライアント、分散クライアントなどの他の変形を含み得るクライアントに関連付けられることがある。クライアントは、メモリ、プロセッサ、コンピュータ可読媒体、記憶媒体、ポート（物理および仮想）、通信装置、および有線または無線媒体を通じて他のクライアント、サーバ、マシン、および装置にアクセスすることができるインターフェースなどのうちの1つまたは複数を含むことがある。本明細書等に記載された方法、プログラム、またはコードは、クライアントによって実行され得る。さらに、本願に記載されるような方法の実行に必要な他の装置は、クライアントに関連するインフラの一部とみなすことができる。

クライアントは、限定されないが、サーバ、他のクライアント、プリンタ、データベースサーバ、プリントサーバ、ファイルサーバ、通信サーバ、分散サーバなどを含む他のデバイスへのインタフェースを提供してもよい。さらに、この結合および／または接続は、ネットワークを介したプログラムの遠隔実行を容易にすることができる。これらのデバイスの一部またはすべてのネットワーク化は、本開示の範囲から逸脱することなく、1つまたは複数の場所でのプログラムまたは方法の並列処理を容易にすることができる。さらに、インターフェースを介してクライアントに取り付けられたデバイスのいずれもが、方法、プログラム、アプリケーション、コードおよび／または命令を記憶することができる少なくとも1つの記憶媒体を含むことができる。中央リポジトリは、異なるデバイス上で実行されるプログラム命令を提供してもよい。この実施形態では、リモートリポジトリは、プログラムコード、命令、およびプログラムのための記憶媒体として機能することができる。

本明細書で説明する方法およびシステムは、一部または全体がネットワークインフラを通して展開され得る。ネットワークインフラは、コンピューティングデバイス、サーバ、ルータ、ハブ、ファイアウォール、クライアント、パーソナルコンピュータ、通信デバイス、ルーティングデバイス、および当該技術分野で知られている他のアクティブおよびパッシブデバイス、モジュールおよび／またはコンポーネントなどの要素を含むことができる。ネットワークインフラに関連するコンピューティングデバイスおよび／または非コンピューティングデバイス（複数可）は、他のコンポーネントとは別に、フラッシュメモリ、バッファ、スタック、RAM、ROMなどの記憶媒体を含み得る。本明細書および他の場所で説明されるプロセス、方法、プログラムコード、命令は、ネットワークインフラストラクチャー要素の1つまたは複数によって実行されてもよい。本明細書に記載される方法およびシステムは、サービスとしてのソフトウェア（SaaS）、サービスとしてのプラットフォーム（PaaS）、および／またはサービスとしてのインフラストラクチャ（IaaS）の特徴を伴うものを含む、任意の種類のプライベート、コミュニティ、またはハイブリッドクラウドコンピューティングネットワークまたはクラウドコンピューティング環境での使用に適合され得る。

本明細書および他の場所で説明した方法、プログラムコード、および命令は、複数のセルを有するセルラーネットワークで実施することができる。セルラーネットワークは、周波数分割多重アクセス（FDMA）ネットワークまたは符号分割多重アクセス（CDMA）ネットワークのいずれかであってよい。セルラーネットワークは、モバイルデバイス、セルサイト、基地局、リピータ、アンテナ、タワーなどを含むことができる。セルネットワークは、GSM、GPRS、3G、EVDO、メッシュ、または他のネットワークタイプであってもよい。

本明細書および他の場所で説明される方法、プログラムコード、および命令は、モバイルデバイス上で、またはモバイルデバイスを通して実施され得る。モバイルデバイスは、ナビゲーションデバイス、携帯電話、モバイルパーソナルデジタルアシスタント、ラップトップ、パームトップ、ネットブック、ページャー、電子ブックリーダー、音楽プレーヤーなどを含むことができる。これらのデバイスは、他の構成要素とは別に、フラッシュメモリ、バッファ、RAM、ROMなどの記憶媒体、および1つまたは複数のコンピューティングデバイスを含むことができる。モバイルデバイスに関連するコンピューティングデバイスは、その上に格納されたプログラムコード、方法、および命令を実行することが可能であってもよい。あるいは、モバイルデバイスは、他のデバイスと協働して命令を実行するように構成されてもよい。モバイルデバイスは、サーバにインターフェースされ、プログラムコードを実行するように構成された基地局と通信することができる。モバイルデバイスは、ピアツーピアネットワーク、メッシュネットワーク、または他の通信ネットワーク上で通信してもよい。プログラムコードは、サーバに関連付けられた記憶媒体に格納され、サーバ内に組み込まれたコンピューティングデバイスによって実行されてもよい。基地局は、コンピューティングデバイスと記憶媒体とを含んでもよい。記憶媒体は、プログラムコードと、基地局に関連するコンピューティングデバイスによって実行される命令とを記憶してもよい。

コンピュータソフトウェア、プログラムコード、および／または命令は、コンピュータコンポーネント、デバイス、およびコンピューティングに使用されるデジタルデータをある間隔の時間保持する記録媒体、ランダムアクセスメモリ（RAM）として知られる半導体ストレージ、光ディスク、ハードディスク、テープ、ドラム、カードおよび他のタイプの磁気ストレージの形態などの、より永久保存用の通常マスストレージ、プロセッサレジスタ、キャッシュメモリ、揮発メモリ、不揮発メモリ、CD、DVDなどの光学ストレージ、フラッシュメモリ（例えば、USBスティックやキー）、フロッピーディスク、磁気テープ、紙テープ、パンチカード、スタンドアロンRAMディスク、Zipドライブ、リムーバブルマスストレージ、オフラインなど、ダイナミックメモリ、スタティックメモリ、リード／ライトストレージ、ミュータブルストレージ、読み取り専用、ランダムアクセス、シーケンシャルアクセス、ロケーションアドレス可能、ファイルアドレス可能、コンテンツアドレス可能、ネットワーク接続ストレージ、ストレージエリアネットワーク、バーコード、磁気インクなど他のコンピュータメモリなどである。

本明細書に記載の方法およびシステムは、物理的および／または無形アイテムをある状態から別の状態に変換することができる。本明細書に記載の方法およびシステムはまた、物理的および／または無形のアイテムを表すデータを、ある状態から別の状態に変換することができる。

図中のフローチャートおよびブロック図を含め、本明細書で説明および描写される要素は、要素間の論理的な境界を意味するものである。しかしながら、ソフトウェアまたはハードウェア工学の実践によれば、描かれた要素およびその機能は、モノリシックソフトウェア構造として、スタンドアロンソフトウェアモジュールとして、または外部ルーチン、コード、サービスなどを採用するモジュールとして、あるいはこれらの任意の組み合わせとしてそこに格納されたプログラム命令を実行できるプロセッサを有するコンピュータ実行媒体を通じて機械に実装されてよく、そのようなすべての実装が本開示の範囲内にあり得る。そのような機械の例としては、パーソナルデジタルアシスタント、ラップトップ、パーソナルコンピュータ、携帯電話、他の携帯型コンピューティングデバイス、医療機器、有線または無線通信デバイス、トランスデューサ、チップ、電卓、衛星、タブレットPC、電子書籍、ガジェット、電子デバイス、人工知能を有するデバイス、コンピューティング装置、ネットワーキング装置、サーバ、ルータ、および同様のものが挙げられるが、それだけにとどまらない可能性がある。さらに、フローチャートやブロック図に描かれた要素、あるいはその他の論理的構成要素は、プログラム命令を実行可能な機械上で実装することができる。したがって、前述の図面および説明は、開示されたシステムの機能的側面を示しているが、これらの機能的側面を実装するためのソフトウェアの特定の配置は、明示的に記載されない限り、または文脈から明らかでない限り、これらの説明から推論されるべきではない。同様に、上記で特定され説明された様々なステップを変化させることができ、ステップの順序を本明細書に開示された技術の特定の用途に適応させることができることが理解されるであろう。すべてのそのような変形および修正は、本開示の範囲内に入ることが意図される。このように、様々なステップの順序の描写および／または説明は、特定の用途によって要求されるか、明示的に記載されるか、または文脈から他の方法で明らかでない限り、これらのステップの実行の特定の順序を要求すると理解すべきではない。

上述した方法および／またはプロセス、ならびにそれに関連するステップは、ハードウェア、ソフトウェア、または特定の用途に適したハードウェアおよびソフトウェアの任意の組み合わせで実現することができる。ハードウェアは、汎用コンピュータおよび／または専用コンピューティングデバイス、または特定のコンピューティングデバイス、または特定のコンピューティングデバイスの特定の態様またはコンポーネントを含むことができる。プロセスは、内部及び／又は外部メモリと共に、1つ又は複数のマイクロプロセッサ、マイクロコントローラ、組み込みマイクロコントローラ、プログラマブルデジタル信号プロセッサ又は他のプログラマブルデバイスで実現されてもよい。プロセスはまた、またはその代わりに、特定用途向け集積回路、プログラマブルゲートアレイ、プログラマブルアレイロジック、または電子信号を処理するように構成され得る任意の他のデバイスまたはデバイスの組み合わせにおいて具現化され得る。プロセスの1つ以上が、機械可読媒体上で実行可能なコンピュータ実行可能コードとして実現されてもよいことが、さらに理解されるであろう。

コンピュータ実行可能コードは、Cなどの構造化プログラミング言語、C++などのオブジェクト指向プログラミング言語、または他の高レベルまたは低レベルプログラミング言語（アセンブリ言語、ハードウェア記述言語、およびデータベースプログラミング言語および技術を含む）を使用して作成することができ、上記装置のいずれか、ならびにプロセッサ、プロセッサアーキテクチャ、または異なるハードウェアおよびソフトウェアの異種組み合わせ、またはプログラム命令を実行できる他のマシンで実行するように格納、コンパイルまたは解釈することが可能である。

したがって、1つの側面において、上述の方法およびその組み合わせは、1つまたは複数のコンピューティングデバイス上で実行されると、そのステップを実行するコンピュータ実行可能コードで具現化されてもよい。別の態様では、方法は、そのステップを実行するシステムで具現化されてもよく、多くの方法でデバイス間に分散されてもよく、または機能のすべてが専用のスタンドアロンデバイスまたは他のハードウェアに統合されてもよい。別の態様において、上述のプロセスに関連するステップを実行するための手段は、上述のハードウェアおよび／またはソフトウェアのいずれかを含むことができる。すべてのそのような順列および組み合わせは、本開示の範囲内に入ることが意図される。

本開示は、詳細に示され説明された好ましい実施形態に関連して開示されているが、それに対する様々な変更および改良は、当業者にとって容易に明らかになるであろう。したがって、本開示の精神および範囲は、前述の例によって限定されるものではなく、法律で許容される最も広い意味で理解されるものである。

本開示を説明する文脈における（特に、以下の請求項の文脈における）用語「a」および「an」および「the」ならびに同様の参照語の使用は、本明細書において特に示されない限り、または文脈によって明らかに矛盾しない限り、単数と複数の両方をカバーするように解釈される。用語「含む (comprising)」、「有する(having)」、「含む(including)」、および「含む(containing)」は、特に断らない限り、オープンエンドな用語（すなわち、「含むが、これに限定されない」という意味）として解釈されるものとする。本明細書における値の範囲の再記述は、本明細書において特に示されない限り、範囲内に入る各別の値を個別に参照する略記法として機能することを単に意図しており、各別の値は、本明細書に個別に記載されているかのように本明細書に組み入れられる。本明細書に記載される全ての方法は、本明細書で特に示されない限り、または文脈によって明らかに矛盾しない限り、任意の適切な順序で実行することができる。本明細書で提供される任意のおよびすべての例、または例示的な言語（例えば、「など」）の使用は、単に本開示をより良く照らすことを意図しており、特に主張しない限り、本開示の範囲に制限をもたらすことはない。本明細書におけるいかなる文言も、請求されていない要素を本開示の実施に必須であると示すものとして解釈されるべきではない。

前述の書面による説明により、当業者は、現在その最良の態様と考えられるものを製造し使用することができるが、当業者は、本明細書の特定の実施形態、方法、および例の変形、組み合わせ、および同等物の存在を理解し理解するであろう。したがって、本開示は、上述した実施形態、方法、および実施例によって限定されるべきではなく、本開示の範囲および精神内のすべての実施形態および方法によって限定されるべきである。

クレームにおいて、特定の機能を果たす「手段」又は特定の機能を果たす「ステップ」が明示されていない要素は、35 U.S.C. §112(f) に規定される「手段」又は「ステップ」条項として解釈されるものではない。特に、特許請求の範囲における「step of」の使用は、35 U.S.C. §112(f)の規定を呼び起こすことを意図していない。本明細書で使用する「セット」という用語は、1つ以上のメンバーを有するグループを意味する。

当業者は、本発明システムの機能的な利点を享受するために、多数の設計構成が可能であることを理解できるであろう。したがって、本発明の実施形態の多種多様な構成および配置を考慮すると、本発明の範囲は、上述した実施形態によって狭められるのではなく、以下の特許請求の範囲の広さによって反映される。

本開示のいくつかの実施形態のみが示され、説明されたが、以下の特許請求の範囲に記載される本開示の精神および範囲から逸脱することなく、多くの変更および修正がそれに対してなされ得ることは、当業者にとって明らかであろう。外国および国内のすべての特許出願および特許、ならびに本明細書で参照されるすべての他の刊行物は、法律で許される最大限の範囲において、その全体が本明細書に組み込まれる。

本明細書に記載の方法およびシステムは、プロセッサ上でコンピュータソフトウェア、プログラムコード、および／または命令を実行する機械を通じて、一部または全部が展開され得る。本開示は、マシン上の方法として、マシンの一部またはマシンに関連するシステムまたは装置として、またはマシンの1つまたは複数で実行されるコンピュータ可読媒体で具現化されるコンピュータプログラム製品として実施され得る。実施形態では、プロセッサは、サーバ、クラウドサーバ、クライアント、ネットワークインフラ、モバイルコンピューティングプラットフォーム、据え置き型コンピューティングプラットフォーム、または他のコンピューティングプラットフォームの一部であってよい。プロセッサは、中央処理装置（CPU）、一般処理装置（GPU）、ロジックボード、チップ（例えば、グラフィックチップ、ビデオ処理チップ、データ圧縮チップなど）、チップセット、コントローラ、システムオンチップ（例えば、RFシステムオンチップ、AIシステムオンチップ、ビデオ処理システムオンチップなど）、集積回路、特定用途向け集積回路（ASIC）、フィールドプログラマブルゲートアレイ（FPGA）、近似計算プロセッサ、量子計算プロセッサ、並列計算プロセッサ、ニューラルネットワークプロセッサ、または他のタイプのプロセッサが挙げられる。プロセッサは、信号プロセッサ、デジタルプロセッサ、データプロセッサ、組み込みプロセッサ、マイクロプロセッサ、または、コプロセッサ（数学コプロセッサ、グラフィックコプロセッサ、通信コプロセッサ、ビデオコプロセッサ、AIコプロセッサなど）などの任意の変形であってよく、その上に格納されたプログラムコードまたはプログラム命令の実行を直接的または間接的に容易にし得るものであってもよい。さらに、プロセッサは、複数のプログラム、スレッド、およびコードの実行を可能にすることができる。スレッドは、プロセッサの性能を向上させ、アプリケーションの同時操作を容易にするために、同時に実行されてもよい。実施態様として、本明細書に記載の方法、プログラムコード、プログラム命令などは、1つまたは複数のスレッドで実施されてもよい。スレッドは、それらに関連する割り当てられた優先順位を有することができる他のスレッドを産み出すことができ、プロセッサは、プログラムコードに提供される命令に基づく優先順位または任意の他の順序に基づいてこれらのスレッドを実行することができる。プロセッサ、または1を利用する任意のマシンは、本明細書および他の場所で説明されるような方法、コード、命令、およびプログラムを格納する非一過性のメモリを含むことができる。プロセッサは、本明細書および他の場所で説明されるような方法、コード、および命令を記憶することができるインターフェースを介して、非一過性の記憶媒体にアクセスすることができる。方法、プログラム、コード、プログラム命令、またはコンピューティング装置または処理装置によって実行可能な他のタイプの命令を記憶するためのプロセッサに関連する記憶媒体は、CD-ROM、DVD、メモリ、ハードディスク、フラッシュドライブ、RAM、ROM、キャッシュ、ネットワーク接続ストレージ、サーバベースストレージなどのうちの1以上を含み得るがこれらに限られない場合がある。

プロセッサは、マルチプロセッサの速度及び性能を向上させることができる1つ以上のコアを含むことができる。実施形態では、プロセスは、2つ以上の独立したコア（ダイと呼ばれることもある）を組み合わせたデュアルコアプロセッサ、クアッドコアプロセッサ、他のチップレベルマルチプロセッサ等であってもよい。

本明細書に記載の方法およびシステムは、サーバ、クライアント、ファイアウォール、ゲートウェイ、ハブ、ルータ、スイッチ、インフラストラクチャアズアサービス、プラットフォームアズアサービス、または他のそのようなコンピュータおよび／またはネットワークハードウェアもしくはシステム上でコンピュータソフトウェアを実行するマシンを介して一部または全部が展開されることがある。ソフトウェアは、ファイルサーバ、プリントサーバ、ドメインサーバ、インターネットサーバ、イントラネットサーバ、クラウドサーバ、インフラストラクチャ-アズ-サービスサーバ、プラットフォーム-アズ-サービスサーバ、ウェブサーバ、および二次サーバ、ホストサーバ、分散サーバ、フェイルオーバーサーバ、バックアップサーバ、サーバ農場などの他の変形を含み得るサーバと関連付けられることがある。サーバは、メモリ、プロセッサ、コンピュータ可読媒体、記憶媒体、ポート（物理および仮想）、通信デバイス、および有線または無線媒体を通じて他のサーバ、クライアント、マシン、およびデバイスにアクセスすることができるインターフェースなどのうちの1以上を含み得る。本明細書等に記載された方法、プログラム、またはコードは、サーバによって実行され得る。さらに、本願に記載されるような方法の実行に必要な他の装置は、サーバに関連するインフラの一部とみなすことができる。

サーバは、限定されないが、クライアント、他のサーバ、プリンタ、データベースサーバ、プリントサーバ、ファイルサーバ、通信サーバ、分散サーバ、ソーシャルネットワークなどを含む他のデバイスへのインタフェースを提供してもよい。さらに、この結合および／または接続は、ネットワークを介したプログラムの遠隔実行を容易にすることができる。これらのデバイスの一部またはすべてのネットワーク化は、本開示の範囲から逸脱することなく、1つまたは複数の場所でのプログラムまたは方法の並列処理を容易にすることができる。さらに、インターフェースを介してサーバに接続されたデバイスのいずれかが、方法、プログラム、コードおよび／または命令を記憶することができる少なくとも1つの記憶媒体を含む場合がある。中央リポジトリは、異なるデバイス上で実行されるプログラム命令を提供してもよい。本実施形態では、リモートリポジトリは、プログラムコード、命令、およびプログラムのための記憶媒体として機能してもよい。

ソフトウェアプログラムは、ファイルクライアント、印刷クライアント、ドメインクライアント、インターネットクライアント、イントラネットクライアント、および二次クライアント、ホストクライアント、分散クライアントなどの他の変形を含み得るクライアントに関連付けられることがある。クライアントは、メモリ、プロセッサ、コンピュータ可読媒体、記憶媒体、ポート（物理および仮想）、通信装置、および有線または無線媒体を通じて他のクライアント、サーバ、マシン、および装置にアクセスすることができるインターフェースなどのうちの1つまたは複数を含むことがある。本明細書等に記載された方法、プログラム、またはコードは、クライアントによって実行され得る。さらに、本願に記載されるような方法の実行に必要な他の装置は、クライアントに関連するインフラの一部とみなすことができる。

クライアントは、限定されないが、サーバ、他のクライアント、プリンタ、データベースサーバ、プリントサーバ、ファイルサーバ、通信サーバ、分散サーバなどを含む他のデバイスへのインタフェースを提供してもよい。さらに、この結合および／または接続は、ネットワークを介したプログラムの遠隔実行を容易にすることができる。これらのデバイスの一部またはすべてのネットワーク化は、本開示の範囲から逸脱することなく、1つまたは複数の場所でのプログラムまたは方法の並列処理を容易にすることができる。さらに、インターフェースを介してクライアントに取り付けられたデバイスのいずれかが、方法、プログラム、アプリケーション、コードおよび／または命令を記憶することができる少なくとも1つの記憶媒体を含む場合がある。中央リポジトリは、異なるデバイス上で実行されるプログラム命令を提供してもよい。この実施形態では、リモートリポジトリは、プログラムコード、命令、およびプログラムのための記憶媒体として機能することができる。

本明細書で説明する方法およびシステムは、一部または全体がネットワークインフラを通して展開され得る。ネットワークインフラは、コンピューティングデバイス、サーバ、ルータ、ハブ、ファイアウォール、クライアント、パーソナルコンピュータ、通信デバイス、ルーティングデバイス、および当該技術分野で知られている他のアクティブおよびパッシブデバイス、モジュールおよび／またはコンポーネントなどの要素を含むことができる。ネットワークインフラに関連するコンピューティングデバイスおよび／または非コンピューティングデバイス（複数可）は、他のコンポーネントとは別に、フラッシュメモリ、バッファ、スタック、RAM、ROMなどの記憶媒体を含み得る。本明細書および他の場所で説明されるプロセス、方法、プログラムコード、命令は、ネットワークインフラストラクチャー要素の1つまたは複数によって実行されてもよい。本明細書に記載される方法およびシステムは、サービスとしてのソフトウェア（SaaS）、サービスとしてのプラットフォーム（PaaS）、および／またはサービスとしてのインフラストラクチャ（IaaS）の特徴を伴うものを含む、任意の種類のプライベート、コミュニティ、またはハイブリッドクラウドコンピューティングネットワークまたはクラウドコンピューティング環境での使用に適合され得る。

本明細書および他の場所で説明される方法、プログラムコード、および命令は、複数のセルを有するセルラーネットワーク上で実施され得る。セルラーネットワークは、周波数分割多重アクセス（FDMA）ネットワークまたは符号分割多重アクセス（CDMA）ネットワークのいずれかであってもよい。セルラーネットワークは、モバイルデバイス、セルサイト、基地局、リピータ、アンテナ、タワーなどを含むことができる。セルネットワークは、GSM、GPRS、3G、4G、5G、LTE、EVDO、メッシュ、または他のネットワークタイプであってもよい。

本明細書および他の場所で説明される方法、プログラムコード、および命令は、モバイルデバイス上で、またはモバイルデバイスを通して実施され得る。モバイルデバイスは、ナビゲーションデバイス、携帯電話、モバイルパーソナルデジタルアシスタント、ラップトップ、パームトップ、ネットブック、ページャー、電子ブックリーダー、音楽プレーヤーなどを含むことができる。これらのデバイスは、他の構成要素とは別に、フラッシュメモリ、バッファ、RAM、ROMなどの記憶媒体、および1つまたは複数のコンピューティングデバイスを含むことができる。モバイルデバイスに関連するコンピューティングデバイスは、その上に格納されたプログラムコード、方法、および命令を実行することが可能であってもよい。あるいは、モバイルデバイスは、他のデバイスと協働して命令を実行するように構成されてもよい。モバイルデバイスは、サーバにインターフェースされ、プログラムコードを実行するように構成された基地局と通信することができる。モバイルデバイスは、ピアツーピアネットワーク、メッシュネットワーク、または他の通信ネットワーク上で通信してもよい。プログラムコードは、サーバに関連付けられた記憶媒体に格納され、サーバ内に組み込まれたコンピューティングデバイスによって実行されてもよい。基地局は、コンピューティングデバイスと記憶媒体とを含んでもよい。記憶媒体は、プログラムコードと、基地局に関連するコンピューティングデバイスによって実行される命令とを記憶してもよい。

コンピュータソフトウェア、プログラムコード、および／または命令は、コンピュータコンポーネント、デバイス、およびコンピューティングに使用されるデジタルデータをある間隔の時間保持する記録媒体、ランダムアクセスメモリ（RAM）として知られる半導体ストレージ、光ディスク、ハードディスク、テープ、ドラム、カードおよび他のタイプの磁気ストレージの形態などの、より永久保存用の通常マスストレージ、プロセッサレジスタ、キャッシュメモリ、揮発メモリ、不揮発メモリ、CD、DVDなどの光学ストレージ、フラッシュメモリ（例えば、USBスティックまたはキー）、フロッピーディスク、磁気テープ、紙テープ、パンチカード、スタンドアロンRAMディスク、Zipドライブ、リムーバブルマスストレージ、オフラインなど、ダイナミックメモリ、スタティックメモリ、リード／ライトストレージ、ミュータブルストレージ、読み取り専用、ランダムアクセス、順次アクセス、ロケーションアドレス可能、ファイルアドレス可能、コンテンツアドレス可能、ネットワーク接続ストレージ、ストレージエリアネットワーク、バーコード、磁気インク、ネットワーク接続ストレージ、ネットワークストレージ、NVMEアクセス可能ストレージ、PCIE接続ストレージ、分散ストレージなど他のコンピュータメモリなどである。

本明細書に記載の方法およびシステムは、物理的および／または無形アイテムをある状態から別の状態に変換することができる。本明細書に記載の方法およびシステムはまた、物理的および／または無形のアイテムを表すデータを、ある状態から別の状態に変換することができる。

図中のフローチャートおよびブロック図を含め、本明細書で説明および描写される要素は、要素間の論理的な境界を意味するものである。しかしながら、ソフトウェアまたはハードウェア工学の実践によれば、描かれた要素およびその機能は、モノリシックソフトウェア構造として、スタンドアロンソフトウェアモジュールとして、または外部ルーチン、コード、サービスなどを採用するモジュールとして、あるいはこれらの任意の組み合わせとして、そこに格納されたプログラム命令を実行できるプロセッサを用いてコンピュータ実行コードを通じて機械上に実装されてよく、そのようなすべての実装が本開示の範囲内にあり得る。そのような機械の例としては、パーソナルデジタルアシスタント、ラップトップ、パーソナルコンピュータ、携帯電話、他の携帯型コンピューティングデバイス、医療機器、有線または無線通信デバイス、トランスデューサ、チップ、電卓、衛星、タブレットPC、電子書籍、ガジェット、電子デバイス、装置、人工知能、コンピューティングデバイス、ネットワーキング機器、サーバ、ルータ、および同様のものが挙げられるが、それだけにとどまらない可能性がある。さらに、フローチャートやブロック図に描かれた要素、あるいはその他の論理的構成要素は、プログラム命令を実行可能な機械で実装することができる。したがって、前述の図面および説明は、開示されたシステムの機能的側面を示しているが、これらの機能的側面を実装するためのソフトウェアの特定の配置は、明示的に記載されない限り、または文脈から明らかでない限り、これらの説明から推論されるべきではない。同様に、上記で特定され説明された様々なステップを変化させることができ、ステップの順序を本明細書に開示された技術の特定の用途に適応させることができることが理解されるであろう。すべてのそのような変形および修正は、本開示の範囲内に入ることが意図される。このように、様々なステップの順序の描写および／または説明は、特定の用途によって要求されるか、明示的に記載されるか、または文脈から他の方法で明らかでない限り、これらのステップの実行の特定の順序を要求すると理解すべきではない。

上述した方法および／またはプロセス、ならびにそれに関連するステップは、ハードウェア、ソフトウェア、または特定の用途に適したハードウェアおよびソフトウェアの任意の組み合わせで実現することができる。ハードウェアは、汎用コンピュータおよび／または専用コンピューティングデバイス、または特定のコンピューティングデバイス、または特定のコンピューティングデバイスの特定の側面またはコンポーネントを含むことができる。プロセスは、内部及び／又は外部メモリと共に、1つ又は複数のマイクロプロセッサ、マイクロコントローラ、組み込みマイクロコントローラ、プログラマブルデジタル信号プロセッサ又は他のプログラマブルデバイスにおいて実現されてもよい。プロセスはまた、またはその代わりに、特定用途向け集積回路、プログラマブルゲートアレイ、プログラマブルアレイロジック、または電子信号を処理するように構成され得る任意の他のデバイスまたはデバイスの組み合わせにおいて具現化され得る。プロセスの1つ以上が、機械可読媒体上で実行可能なコンピュータ実行可能コードとして実現されてもよいことが、さらに理解されるであろう。

コンピュータ実行可能コードは、Cなどの構造化プログラミング言語、C++などのオブジェクト指向プログラミング言語、または他の高レベルもしくは低レベルプログラミング言語（アセンブリ言語、ハードウェア記述言語、およびデータベースプログラミング言語および技術を含む）を使用して作成されてもよく、上記デバイスの1つ、ならびにプロセッサ、プロセッサアーキテクチャ、または異なるハードウェアおよびソフトウェアの異種組み合わせ、またはプログラム命令を実行できる他のマシンで実行するために格納、コンパイル、または解釈されてもよい。コンピュータソフトウェアは、仮想化、仮想マシン、コンテナ、ドック設備、ポーテナー、および他の機能を採用することができる。

したがって、1つの側面では、上述の方法およびその組み合わせは、1つまたは複数のコンピューティングデバイス上で実行されると、そのステップを実行するコンピュータ実行可能コードで具現化されてもよい。別の態様では、方法は、そのステップを実行するシステムで具現化されてもよく、多くの方法でデバイス間に分散されてもよく、または機能のすべてが専用のスタンドアロンデバイスまたは他のハードウェアに統合されてもよい。別の態様において、上述のプロセスに関連するステップを実行するための手段は、上述のハードウェアおよび／またはソフトウェアのいずれかを含むことができる。すべてのそのような順列および組み合わせは、本開示の範囲内に入ることが意図される。

本開示は、詳細に示され説明された好ましい実施形態に関連して開示されているが、それに対する様々な変更および改良は、当業者にとって容易に明らかになるであろう。したがって、本開示の精神および範囲は、前述の例によって限定されるものではなく、法律で許容される最も広い意味で理解されるものである。

本開示を説明する文脈における（特に、以下の請求項の文脈における）用語「a」および「an」および「the」ならびに同様の参照語の使用は、本明細書において特に示されない限り、または文脈によって明らかに矛盾しない限り、単数と複数の両方をカバーするように解釈される。用語「からなる」、「有する」、「含む」、および「含む」は、特に断らない限り、オープンエンドな用語（すなわち、「含むが、これに限定されない」という意味）として解釈されるものとする。本明細書における値の範囲の再記述は、本明細書において特に示されない限り、範囲内に入る各別の値を個別に参照する略記法として機能することを単に意図しており、各別の値は、本明細書に個別に記載されているかのように本明細書に組み入れられる。本明細書に記載される全ての方法は、本明細書で特に示されない限り、または文脈によって明らかに矛盾しない限り、任意の適切な順序で実行することができる。本明細書で提供される任意のおよびすべての例、または例示的な言語（例えば、「など」）の使用は、単に本開示をより良く照らすことを意図しており、特に主張しない限り、本開示の範囲に対する制限を提起しない。用語「セット」は、単一の部材を有するセットを含み得る。本明細書におけるいかなる文言も、請求されていない要素を本開示の実施に不可欠であると示すものとして解釈されるべきではない。

前述の書面による説明により、当業者は、現在その最良の態様と考えられているものを製造し使用することができるが、当業者は、本明細書の特定の実施形態、方法、および例の変形、組み合わせ、および同等物の存在を理解し理解するであろう。したがって、本開示は、上述した実施形態、方法、および実施例によって限定されるべきではなく、本開示の範囲および精神内のすべての実施形態および方法によって限定されるべきである。

本書で参照されるすべての文書は、本書に完全に記載されているかのように、参照により本書に組み込まれる。

Claims (287)

1. マーケットプレイスを構成し、立ち上げるための方法であって、
   新規マーケットプレイスの構成を促進するための機会を特定するステップ、
   マーケットプレイス機会データを受信するステップであって、マーケットプレイス機会データは、1つまたは複数のタイプの資産の集合に関連する情報を含む、ステップ、
   新規マーケットプレイスに実装する設定パラメータを決定するステップ、
   設定パラメータを新規マーケットプレイスに実装することの実現可能性を判断するステップ、
   新規マーケットプレイスをサポートするためのデータリソースを決定するステップ、
   新規マーケットプレイスのアーキテクチャを決定するステップ、
   前記マーケットプレイスのデータモデルにおける前記データリソースの構成を決定するステップ、
   マーケットプレイスオブジェクトを設定するステップ、
   選択されたデータリソースを接続して、マーケットプレイスオブジェクトに入力するステップ、および、
   新規マーケットプレイスを立ち上げるステップ、を含む方法。
2. 構成の特徴を記録することをさらに含む、請求項１に記載の方法。
3. 構成の特徴は、サポートされる資産のタイプ、匿名性ルール、上場要件、手数料、サポートされる取引タイプ、出荷ルール、または配送ルールのうちの少なくとも1つを含む、請求項２に記載の方法。
4. 前記マーケットプレイス機会データは、資産、資産タイプ、資産データ、または資産需要データのうちの少なくとも1つを含む、請求項１に記載の方法。
5. 前記資産需要データは、需要量、需要場所、需要人口統計、または需要指標のうちの少なくとも1つを含む、請求項４に記載の方法。
6. 一組の所望の結果に基づいて、マーケットプレイスの実施に優先順位をつけることをさらに含む、請求項１に記載の方法。
7. 望ましい結果のセットは、マーケットプレイスの全体的な収益性、マーケットプレイスの効率性、全体的な参加の閾値レベルの生成、望ましいタイプの当事者による参加、または取引活動の閾値レベルの生成のうちの少なくとも1つを含む、ことを特徴とする請求項６に記載の方法。
8. マーケットプレイスを構成し、立ち上げるための方法であって、
   特定されたタイプの資産を取得し、特定されたタイプの資産を制御する権利のセットを表す交換可能なマーケットプレイスオブジェクトを定義するステップであって、交換可能なマーケットプレイスオブジェクトを定義することは、交換可能なマーケットプレイスオブジェクトのデータモデルおよび交換可能なマーケットプレイスオブジェクトのインスタンスをポッピングするためのデータリソースのセットを規定することを含む、ステップ、
   交換可能なマーケットプレイスオブジェクトのインスタンスの交換のためのメカニズムを構成するステップであって、交換のためのメカニズムは、交換可能なマーケットプレイスオブジェクトのインスタンスが定義された量の定義された価値の単位と交換されることができるインターフェースのセットを含む、スッテプ、
   定義された交換可能なマーケットプレイスオブジェクトが交換されるマーケットプレイスをサポートするために、計算リソースおよび接続リソースのセットを構成するステップ、を含み、
   交換可能なマーケットプレイスオブジェクトを定義すること、交換のメカニズムを構成すること、または計算および接続リソースのセットを構成することの少なくとも1つは、人間のユーザのセットによる対話の訓練セットで訓練されるロボットプロセスオートメーションによって実行される、方法。
9. マーケットプレイスオブジェクトは、全体的なマーケットプレイス運用パラメータを定義するメタデータのセットをさらに含む、請求項８に記載の方法。
10. 異なるマーケットプレイス環境間の交換機会を可能にすることをさらに含む、請求項８に記載の方法。
11. 交換のための機構を構成することは、異なるマーケットプレイス環境のネイティブ通貨間の取引のための為替レートを設定することを含んでいる、請求項８に記載の方法。
12. オンラインマーケットプレイスまたは交換が活発でないタイプの資産を制御するための一連の法的権利を特定することをさらに含む、請求項８に記載の方法。
13. 一組の所望の結果に基づいて、マーケットプレイスの実施に優先順位を付けることをさらに含む、請求項８に記載の方法。
14. 望ましい結果のセットは、マーケットプレイスの全体的な収益性、マーケットプレイスの効率性、全体的な参加の閾値レベルの生成、望ましいタイプの当事者による参加、または取引活動の閾値レベルの生成のうちの少なくとも1つを含む、ことを特徴とする請求項１３に記載の方法。
15. マーケットプレイスを構成し、立ち上げるための方法であって、
    オンラインマーケットプレイスまたは取引所が活発でないタイプの資産を管理するための一連の法的権利を特定するステップ、
    資産の種類を制御する法的権利のセットを表す交換可能なマーケットプレイスオブジェクトを定義するステップであって、前記交換可能なマーケットプレイスオブジェクトを定義することは、前記交換可能なマーケットプレイスオブジェクトのデータモデルおよび前記交換可能なマーケットプレイスオブジェクトのインスタンスを生成するためのデータリソースのセットを特定することを含む、ステップ、
    交換可能なマーケットプレイスオブジェクトのインスタンスの交換のためのメカニズムを構成するステップであって、交換のためのメカニズムは、交換可能なマーケットプレイスオブジェクトのインスタンスが定義された量の定義された価値の単位と交換されることができるインターフェースのセットを含む、ステップ、および、
    定義された交換可能なマーケットプレイスオブジェクトが交換されるマーケットプレイスをサポートするために、計算リソースおよび接続リソースのセットを構成するステップ、を含む方法。
16. 法的権利のセットを特定することは、法律の変更を自動的に監視することを含む、請求項１５に記載の方法。
17. 交換可能なマーケットプレイスオブジェクトを定義すること、交換のメカニズムを構成すること、または計算および接続リソースのセットを構成することの少なくとも1つは、人間のユーザのセットによる対話の訓練セットで訓練されるロボットプロセスオートメーションによって実行される、請求項１５に記載の方法。
18. 異なるマーケットプレイス環境間の交換機会を可能にすることをさらに含む、請求項１５に記載の方法。
19. 交換のための機構を構成することは、異なるマーケットプレイス環境のネイティブ通貨間の取引のための為替レートを設定することを含んでいることを特徴とする請求項１８に記載の方法。
20. マーケットプレイスオブジェクトは、全体的なマーケットプレイス運用パラメータを定義するメタデータのセットをさらに含む、請求項１５に記載の方法。
21. 役割ベースのデジタルツインを構成するための方法であって、
    処理システムによって、マーケットプレイスのデジタルツインを生成するステップであって、デジタルツインは、マーケットプレイスの構造のデジタル表現であり、該構造は、資産および役割を含むマーケットプレイスのエンティティのセットを有する、ステップ、
    処理システムによって、マーケットプレイスのエンティティのセットに関する異なる役割の間の関係のセットを決定するステップ、
    処理システムにより、前記決定された関係のセットに基づいて、役割のセットから役割の設定を決定するステップ、
    マーケットプレイス構造内の決定された関係のセットを使用して、役割のセットのための設定のセットを提供するステップ、
    一連のアイデンティティを役割に結びつけるステップ、
    処理システムによって、IDの集合のIDにリンクされている役割の設定の集合に基づいて、それぞれのそれぞれの役割に対応する役割ベースのマーケットプレイスオーケストレーションデジタルツインのプレゼンテーション層の構成を決定するステップであって、プレゼンテーション層の構成は、役割に関連付けられた役割ベースのマーケットプレイスオーケストレーションデジタルツインに描写される状態の集合を定義する、ステップ、
    処理システムによって、状態のセットに対応するデータを提供するデータソースのセットを決定するステップであって、各データソースは、1つまたは複数のそれぞれのタイプのデータを提供する、ステップ、および、
    データソースのセットから受信されるデータを格納する1つ以上のデータ構造を構成するステップであって、1つ以上のデータ構造は、役割ベースのマーケットオーケストレーションデジタルツインの状態のセットのうちの1つ以上を入力するために使用されるデータを提供するように構成される、ステップ、を含む方法。
22. IDのセットを役割のセットにリンクすることをさらに含み、各IDは役割のセットからのそれぞれの役割に対応する、請求項２１に記載の方法。
23. 役割ベースのマーケットプレイスオーケストレーションデジタルツインは、マーケットプレイスオーケストレーションプラットフォームの変更が役割ベースのマーケットプレイスオーケストレーションデジタルツインに自動的に反映されるように、役割ベースのマーケットプレイスオーケストレーションデジタルツイン上で動作するマーケットプレイスオーケストレーションプラットフォームと統合する、請求項２１に記載の方法。
24. 前記役割のセットに対する設定のセットは、役割ベースの許可設定を含む、請求項２１に記載の方法。
25. 前記役割のセットに対する設定のセットは、役割ベースのプリファレンス設定を含む、請求項２１に記載の方法。
26. 前記役割ベースのプリファレンス設定は、役割固有のテンプレートのセットに基づいて構成される、請求項２５に記載の方法。
27. 役割別テンプレートのセットが、トレーダーテンプレート、マーケットプレイスホストテンプレート、ブローカーテンプレート、買い手テンプレート、または売り手テンプレートのうちの少なくとも1つを含む、請求項２６に記載の方法。
28. 前記役割のセットの設定のセットは、役割ベースのタクソノミの設定のセットを含む、請求項２１に記載の方法。
29. 前記役割ベースのタクソノミ設定は、前記役割ベースのマーケットプレイスオーケストレーションデジタルツインに対応する役割にリンクされるタクソノミでデータが提示されるように、前記役割ベースのマーケットプレイスオーケストレーションデジタルツインで提示されるデータを特徴付けるために使用されるタクソノミを識別する、請求項２８に記載の方法。
30. 役割ベースのタクソノミのセットが、トレーダーテンプレート、マーケットプレイスホストテンプレート、ブローカーテンプレート、買い手テンプレート、または売り手テンプレートのうちの少なくとも1つを含む、請求項２９に記載の方法。
31. 少なくとも1つの役割が、トレーダーの役割、マーケットプレイスホストの役割、ブローカーの役割、買い手の役割、および売り手の役割の中から選択される、請求項２１に記載の方法。
32. 少なくとも1つの役割は、マーケットメーカー役割、マーケットアナリスト役割、取引所管理者役割、ブローカーディーラー役割、取引役割、和解役割、契約取引相手役割、為替レート設定役割、マーケットプレイスオーケストレーション役割、マーケットプレイス構成役割、または契約構成役割を含む、請求項２１に記載の方法。
33. 前記役割は、最高マーケティング責任者の役割、製品開発の役割、サプライチェーンマネージャーの役割、顧客の役割、サプライヤーの役割、ベンダーの役割、需要管理の役割、マーケティングマネージャーの役割、セールスマネージャーの役割、サービスマネージャーの役割、需要予測の役割、小売マネージャーの役割、倉庫マネージャーの役割、販売員の役割、流通センターマネージャーの役割の中から選択される、請求項２１に記載の方法。
34. インテリジェントエージェントを訓練するための方法であって、
    一組のデータソースからデジタルツインデータを受信するステップであって、該デジタルツインデータは、
    マーケットプレイスに関連する監視対象物理エンティティのセットを監視するデータリソースのセットから受信される物理エンティティデータであって、物理エンティティデータはネットワークエンティティのセットによって輸送される、物理エンティティデータ、および、
    マーケットプレイス資産のセットによって生成されたマーケットプレイスデータストリームであって、マーケットプレイス資産のセットは、マーケットプレイスに関連する物理的エンティティまたはマーケットプレイスに関連するデジタルエンティティの少なくとも一方を含む、マーケットプレイスデータストリーム、を含んでいる、ステップ、
    デジタルツインデータを、複数の異なる役割ベースのデジタルツインを提供するように構成されたデジタルツインデータ構造のセットに構造化するステップ、
    クライアントアプリケーションから役割ベースのデジタルツインの要求を受信するステップであって、役割ベースのデジタルツインは、マーケットプレイス内の役割に関して構成される、ステップ、
    役割ベースのデジタルツインに描かれる状態のセットに対応する前記構造化デジタルツインデータのサブセットを決定するステップ、
    構造化デジタルツインデータのサブセットを前記クライアントアプリケーションに提供するステップ、
    クライアントアプリケーションからインテリジェントエージェント訓練データセットを受信するステップであって、各インテリジェントエージェント訓練データセットは、クライアントアプリケーションを使用してユーザが取ったそれぞれのアクションと、それぞれのアクションに対応する1つまたは複数の特徴を示す、ステップ、および、
    インテリジェントエージェント訓練データセットに基づいて、ユーザに代わってインテリジェントエージェントを訓練するステップであって、インテリジェントエージェントは、ユーザに代わって実行されるべきアクションを決定するように構成され、決定された実行されるべきアクションは、ユーザに推奨されるか、またはユーザに代わって自動的に実行されるかのいずれかである、ステップ、を含む方法。
35. 前記役割は、トレーダー役割、マーケットプレイスホスト役割、ブローカー役割、買い手役割、および売り手役割のうちから選択される、請求項３４に記載の方法。
36. 前記役割は、マーケットメーカー役割、取引所管理者役割、ブローカーディーラー役割、取引役割、和解役割、契約取引先役割、為替レート設定役割、マーケットプレイスオーケストレーション役割、マーケットプレイス構成役割、および契約構成役割の中から選択される、請求項３４に記載の方法。
37. 前記役割は、最高マーケティング責任者の役割、製品開発の役割、サプライチェーンマネージャーの役割、顧客の役割、サプライヤーの役割、ベンダーの役割、需要管理の役割、マーケティングマネージャーの役割、セールスマネージャーの役割、サービスマネージャーの役割、需要予測の役割、小売マネージャーの役割、倉庫マネージャーの役割、販売員の役割、流通センターマネージャーの役割の中から選択される、請求項３４に記載の方法。
38. 前記インテリジェントエージェント訓練データセットは、前記役割の実行中に前記ユーザによる前記専門家のセットとのインタラクションのセットを示すインタラクション訓練データを含む、請求項３４に記載の方法。
39. インテリジェントエージェントを訓練するために使用されるインタラクションのセットは、ユーザと物理的実体とのインタラクションを含む、請求項３８に記載の方法。
40. インテリジェントエージェントを訓練するために使用されるインタラクションのセットは、役割ベースのデジタルツインとのユーザのインタラクションを含む、請求項３８に記載の方法。
41. インテリジェントエージェントを訓練するために使用されるインタラクションのセットは、役割ベースのデジタルツインに描かれるようなセンサーデータとのユーザのインタラクションを含む、請求項３８に記載の方法。
42. インテリジェントエージェントを訓練するために使用されるインタラクションのセットは、物理的エンティティによって生成されたマーケットプレイスデータストリームとの専門家のセットの少なくとも1つのインタラクションを含む、請求項３８に記載の方法。
43. インテリジェントエージェントを訓練するために使用される相互作用のセットは、エキスパートのセットの少なくともサブセットと1つまたは複数の計算エンティティとの相互作用を含む、請求項３８に記載の方法。
44. インテリジェントエージェントを訓練するために使用されるインタラクションのセットは、1つまたは複数のネットワークエンティティとのユーザのインタラクションを含む、請求項３８に記載の方法。
45. インテリジェントエージェントは、資産の選択、資産の価格設定、マーケットプレイスの構成、マーケットプレイスへの資産の掲載、マーケットプレイスに掲載された資産に関連する情報のアップロード、取引相手の特定、取引相手の選択、機会の特定、機会の選択、交渉の実行、新しいマーケットプレイスの必要性を特定する、資産をデジタル的に検査する、資産を物理的に検査する、デジタルツインを構成する、注文要求を出す、スマートコントラクトを生成する、資産を物理的に配送する、資産を物理的に回収する、取引戦略の選択、取引を仲介する、資産の評価、または注文のマッチング、のうちの少なくとも1つを含むアクションを決定するように訓練される、請求項３８に記載の方法。
46. インテリジェントエージェントは、ユーザによって取られたアクションから生じる結果のトレーニングセットでトレーニングされる、請求項３８に記載の方法。
47. 成果の訓練セットが、財務成果、運用成果、故障成果、成功成果、性能指標成果、出力成果、消費成果、エネルギー利用成果、資源利用成果、コスト成果、利益成果、収入成果、販売成果、および生産成果のうちの少なくとも1つに関するデータを含む、請求項４６に記載の方法。
48. インテリジェントエージェントは、システムのアーキテクチャを決定すること、ステータスについて報告すること、イベントについて報告すること、コンテキストについて報告すること、条件について報告すること、モデルを決定すること、モデルを構成すること、モデルを入力すること、システムを設計すること、プロセスを設計すること、装置を設計すること、システムをエンジニアリングすること、装置をエンジニアリングすること、プロセスをエンジニアリングすること、製品をエンジニアリングすること、システムを保守すること、装置を保守すること、プロセスを保守すること、ネットワークを保守すること、計算機資源を保守すること、装置を保守すること、ハードウェアの維持、システムの修復、デバイスの修復、プロセスの修復、ネットワークの修復、計算資源の修復、装置の修復、ハードウェアの修復、システムの組み立て、デバイスの組み立て、プロセスの組み立て、ネットワークの組み立て、計算資源の組み立て、装置の組み立て、ハードウェアの組み立て、価格の設定、システムの物理的確保、デバイスの物理的確保、プロセスの物理的確保、ネットワークの物理的確保、システムを物理的に保護する、デバイスを物理的に保護する、プロセスを物理的に保護する、ネットワークを物理的に保護する、計算資源を物理的に保護する、機器を物理的に保護する、ハードウェアを物理的に保護する、システムをサイバーセキュリティする、デバイスをサイバーセキュリティする、プロセスをサイバーセキュリティする、ネットワークをサイバーセキュリティする、計算資源をサイバーセキュリティする、機器、ソフトウェアをサイバーセキュリティする、脅威を検出、障害を検出、システムを調整、デバイスを調整する、プロセスを調整、ネットワークを調整、計算資源を調整する、機器を調整する、ソフトウェアを調整、システムを最適化、システムの最適化、デバイスの最適化、プロセスの最適化、ネットワークの最適化、計算資源の最適化、機器の最適化、ハードウェアの最適化、システムの監視、デバイスの監視、プロセスの監視、ネットワークの監視、計算資源の監視、機器の監視、ハードウェアの監視、システムの構成、デバイスの構成、プロセスの構成、ネットワークの構成、計算資源の構成、機器の構成、またはハードウェアの構成、のうちの少なくとも1つを含むアクションを実行するように訓練される、請求項３８に記載の方法。
49. インテリジェントエージェントは、インテリジェントエージェントの出力のセットに関する定義された役割の少なくとも1人の専門家からのフィードバックを介して、訓練または構成されることの少なくとも一方である、請求項３４に記載の方法。
50. 少なくとも1人の専門家がフィードバックを提供するインテリジェントエージェントの出力のセットは、推奨、分類、予測、制御命令、入力選択、プロトコル選択、通信、警告、通信のターゲット選択、データ記憶選択、計算選択、構成、イベント検出、または予測のうちの少なくとも1つを含む、請求項４９に記載の方法。
51. 少なくとも1人の専門家のフィードバックは、役割の専門家の専門知識を複製するようにインテリジェントエージェントを訓練するために募集される、請求項５０に記載の方法。
52. 少なくとも1人の専門家のフィードバックは、インテリジェントエージェントへの入力のセットを修正するために使用される、請求項５１に記載の方法。
53. 少なくとも1人の専門家のフィードバックは、インテリジェントエージェントによる少なくとも1つのエラーを特定し、特徴付けるために使用される、請求項５２に記載の方法。
54. エキスパートからのフィードバックに基づいてインテリジェントエージェントの再構成を可能にするために、一連のエラーに関するレポートがインテリジェントエージェントのユーザに提供される、請求項５３に記載の方法。
55. インテリジェントエージェントを再構成することは、少なくとも1つのエラーの原因である入力を除去すること、インテリジェントエージェントのノードのセットを再構成すること、インテリジェントエージェントの重みのセットを再構成すること、インテリジェントエージェントの出力のセットを再構成すること、インテリジェントエージェント内の処理フローを再構成すること、またはインテリジェントエージェントへの入力のセットを増強することの少なくとも1つを含む、請求項５４に記載の方法。
56. インテリジェントエージェントは、結果の訓練セットに基づいて訓練され、マーケットプレイスにおいて定義された役割を果たす個人に訓練または指導の少なくとも一方を提供することを特徴とする請求項３４に記載の方法。
57. 成果の訓練セットは、財務成果、運用成果、故障成果、成功成果、性能指標成果、出力成果、消費成果、エネルギー利用成果、資源利用成果、コスト成果、利益成果、収入成果、販売成果、または生産成果のうちの少なくとも1つに関するデータを含む、請求項56に記載の方法。
58. インタラクションのセットを分析する際にユーザによって行われた処理の種類を識別するために、インタラクションのトレーニングデータセットを解析することをさらに含む、請求項３８に記載の方法。
59. 処理の種類は、音声処理、音声情報の解析、触覚処理、文字情報処理、運動処理、視覚処理、時空間処理、数学処理、または解析処理のうちの少なくとも1つを含む、請求項５８に記載の方法。
60. 一連の物理的エンティティのデジタルツインをサポートする情報技術アーキテクチャを取るステップ、および、
    人工知能システムを情報技術アーキテクチャに統合するステップであって、人工知能システムは、定義された役割の専門家ワーカーの知的エージェントダブルとして動作するように構成され、専門家ワーカーは、人工知能システムを訓練するための利益を提供され、利益は、情報技術アーキテクチャ内での知的エージェントダブルの動作の一連の結果に基づく、ステップ、を含む方法。
61. 前記情報技術アーキテクチャは、
    前記物理エンティティのセットに関するセンサデータを提供するセンサのセット、および、
    前記物理エンティティのセットの少なくともサブセットによって生成されるデータストリームのセット、を含む、請求項６０に記載の方法。
62. 前記情報技術アーキテクチャは、さらに、
    データを処理するための一組の計算エンティティと、センサーのセットとデータストリームのセットから得られるデータを転送するための一組のネットワークエンティティ、および、前記ネットワークエンティティのサブセットによって搬送されるデータを、デジタルツインのソースであるリソースのセットに抽出、変換、およびロードするためのデータ処理システムのセットをさらに含む、請求項６１に記載の方法。
63. 前記利益は、前記人工知能システムの使用の結果のセットに基づく報酬である、請求項６０に記載の方法。
64. 人工知能システムを含む一連の行動およびイベントに関連する情報を捕捉するブロックチェーン上の分散型台帳を介して、報酬を追跡すること、および、
    ブロックチェーン上で動作するスマートコントラクトを介して報酬を管理すること、をさらに含む、請求項６３に記載の方法。
65. 物理的エンティティのセットのデジタルツインをサポートする情報技術アーキテクチャを取るステップであって、該情報技術アーキテクチャは、
    物理的エンティティの集合に関するセンサデータを提供するセンサのセット、
    前記物理エンティティのセットの少なくともサブセットによって生成されるデータストリームのセット、
    データを処理するための計算エンティティと、センサとデータストリームのセットから得られるデータを転送するためのネットワークエンティティのセット、
    ネットワークエンティティによって輸送されるデータを、デジタルツインのソースであるリソースに抽出、変換、ロードするためのデータ処理システムのセット、および
    人工知能システムを情報技術アーキテクチャに統合することであって、人工知能システムは、マーケットプレイスの定義された役割のためのエキスパートワーカーのダブルとして動作するように構成され、エキスパートワーカーは、人工知能システムを訓練するための利益を提供されること、含む方法。
66. 前記利益は、前記人工知能システムの使用の結果に基づく報酬である、請求項６５に記載の方法。
67. 前記利益は、前記人工知能システムの生産性に基づく報酬であることを特徴とする請求項６５に記載の方法。
68. 前記利益は、前記人工知能システムの専門知識の尺度に基づく報酬であることを特徴とする請求項６５に記載の方法。
69. 前記利益は、前記人工知能システムの作業によって生成される収益または利益の分配であることを特徴とする請求項６５に記載の方法。
70. 報酬は、人工知能システムを含む一連の行動およびイベントに関連する情報を捕捉するブロックチェーン上の分散型台帳を介して追跡される、請求項６６に記載の方法。
71. 報酬は、ブロックチェーン上で動作するスマートコントラクトを介して投与される、請求項７０に記載の方法。
72. 人工知能システムは、定義された役割の遂行中の特定の専門家ワーカーによる一連のインタラクションを含むデータの訓練セットに基づいて訓練される、ことを特徴とする請求項６５に記載の方法。
73. 人工知能システムを訓練するために使用される相互作用のセットは、特定の専門家ワーカーの物理的実体との相互作用を含む、請求項７２に記載の方法。
74. 人工知能システムを訓練するために使用される相互作用のセットは、特定の専門家ワーカーのデジタルツインとの相互作用を含む、請求項７２に記載の方法。
75. 人工知能システムを訓練するために使用される相互作用のセットは、特定の専門家ワーカーのセンサデータとの相互作用を含む、請求項７２に記載の方法。
76. 人工知能システムを訓練するために使用される相互作用のセットは、物理的実体によって生成されたデータストリームのセットとの特定の専門家ワーカーの相互作用を含む、請求項７３に記載の方法。
77. 人工知能システムを訓練するために使用される相互作用のセットは、特定の専門家ワーカーの計算エンティティのセットとの相互作用を含む、請求項７２に記載の方法。
78. 人工知能システムを訓練するために使用される相互作用のセットは、特定の専門家ワーカーのネットワークエンティティのセットとの相互作用を含む、請求項７２に記載の方法。
79. 前記人工知能システムは、資産の選択、資産の価格設定、マーケットプレイスの構成、マーケットプレイスへの資産の掲載、マーケットプレイスに掲載された資産に関連する情報のアップロード、取引相手の特定、取引相手の選択、機会の特定、機会の選択、交渉の実行、新しいマーケットプレイスの必要性を特定する、資産をデジタル的に検査する、資産を物理的に検査する、デジタルツインを構成する、注文要求を出す、スマートコントラクトを生成する、資産を物理的に配送する、資産を物理的に回収する、取引戦略の選択、取引を仲介する、資産の評価、または注文のマッチング、のうちの少なくとも1つを含むアクションを決定するために、一連の相互作用に基づいて訓練される、請求項７３に記載の方法。
80. 相互作用の訓練セットは、一組の情報に基づくエキスパートワーカーの推論の連鎖を特定するために解析され、推論の連鎖は人工知能システムの構成に具体化される、請求項７２に記載の方法。
81. 前記推論の連鎖は、前記エキスパートワーカーの推論のタイプを特定するために解析され、前記推論のタイプは、前記人工知能システムの構成の基礎として使用される、請求項８０に記載の方法。
82. 前記推論の連鎖は、データのセットからの推論の演繹的連鎖である、請求項８０に記載の方法。
83. 前記人工知能システムは、システムのアーキテクチャを決定すること、ステータスについて報告すること、イベントについて報告すること、コンテキストについて報告すること、条件について報告すること、モデルを決定すること、モデルを構成すること、モデルを入力すること、システムを設計すること、プロセスを設計すること、装置を設計すること、システムをエンジニアリングすること、装置をエンジニアリングすること、プロセスをエンジニアリングすること、製品をエンジニアリングすること、システムを保守すること、装置を保守すること、プロセスを保守すること、ネットワークを保守すること、計算機資源を保守すること、装置を保守すること、ハードウェアの維持、システムの修復、デバイスの修復、プロセスの修復、ネットワークの修復、計算資源の修復、装置の修復、ハードウェアの修復、システムの組み立て、デバイスの組み立て、プロセスの組み立て、ネットワークの組み立て、計算資源の組み立て、装置の組み立て、ハードウェアの組み立て、価格の設定、システムの物理的確保、デバイスの物理的確保、プロセスの物理的確保、ネットワークの物理的確保、システムを物理的に保護する、デバイスを物理的に保護する、プロセスを物理的に保護する、ネットワークを物理的に保護する、計算資源を物理的に保護する、機器を物理的に保護する、ハードウェアを物理的に保護する、システムをサイバーセキュリティする、デバイスをサイバーセキュリティする、プロセスをサイバーセキュリティする、ネットワークをサイバーセキュリティする、計算資源をサイバーセキュリティする、機器、ソフトウェアをサイバーセキュリティする、脅威を検出、障害を検出、システムを調整、デバイスを調整、プロセスを調整、ネットワークを調整、計算資源を調整する、機器を調整、ソフトウェアを調整、システムを最適化、システムの最適化、デバイスの最適化、プロセスの最適化、ネットワークの最適化、計算資源の最適化、機器の最適化、ハードウェアの最適化、システムの監視、デバイスの監視、プロセスの監視、ネットワークの監視、計算資源の監視、機器の監視、ハードウェアの監視、システムの構成、デバイスの構成、プロセスの構成、ネットワークの構成、計算資源の構成、機器の構成、またはハードウェアの構成、のうちの少なくとも1つを含むアクションを実行するように訓練される、請求項６５に記載の方法。
84. 一連の物理的エンティティのデジタルツインをサポートする情報技術アーキテクチャを取るステップ、および、
    人工知能システムを情報技術アーキテクチャと統合するステップであって、該人工知能システムは、マーケットプレイスの定義された一連の役割を実行する定義されたマーケットプレイスオーケストレーションワークフォースの知的エージェントダブルとして動作するように構成される、ステップを含む、方法。
85. 前記情報技術アーキテクチャは、
    物理的エンティティの集合に関するセンサデータを提供するセンサのセット、
    前記物理エンティティのセットの少なくともサブセットによって生成されるデータストリームのセット、
    データを処理するための一組の計算エンティティと、センサーのセットとデータストリームのセットから得られるデータを転送するための一組のネットワークエンティティ、および、
    ネットワークエンティティによって伝送されるデータを、デジタルツインのソースとなるリソースに抽出、変換、ロードするためのデータ処理システム群、を含む請求項８４に記載の方法。
86. 人工知能システムは、定義された一連の役割の遂行中の定義されたワークフォースのメンバーによる一連の相互作用を含むデータの訓練セットに基づいて訓練されることを特徴とする請求項８５に記載の方法。
87. 人工知能システムを訓練するために使用される相互作用のセットは、定義されたワークフォースと物理的エンティティのセットとの相互作用を含む、請求項８６に記載の方法。
88. 人工知能システムを訓練するために使用される相互作用のセットは、定義されたワークフォースとデジタルツインとの相互作用を含む、請求項８６に記載の方法。
89. 人工知能システムを訓練するために使用される相互作用のセットは、定義されたワークフォースとセンサデータとの相互作用を含む、請求項８６に記載の方法。
90. 人工知能システムを訓練するために使用される相互作用のセットは、物理的エンティティのセットによって生成されたデータストリームのセットのサブセットとの定義されたワークフォースの相互作用を含む、請求項８６に記載の方法。
91. 人工知能システムを訓練するために使用される相互作用のセットは、定義されたワークフォースと計算エンティティのセットのサブセットとの相互作用を含む、請求項８６に記載の方法。
92. 人工知能システムを訓練するために使用される相互作用のセットは、ネットワークエンティティのセットのサブセットとの定義されたワークフォースの相互作用を含む、請求項８６に記載の方法。
93. 相互作用の訓練セットは、一組の情報に基づいて定義されたワークフォースの動作の連鎖を特定するために解析され、推論の連鎖は人工知能システムの構成に具体化される、請求項８６に記載の方法。
94. 対話の訓練セットは、一組の情報に基づいて定義されたワークフォースの処理のタイプを識別するために解析され、処理のタイプは、人工知能システムの構成に具体化される、請求項８６に記載の方法。
95. 前記人工知能システムは、前記相互作用の訓練セットに基づいて、行動を決定するように訓練され、前記行動は、資産の選択、資産の価格設定、マーケットプレイスの構成、マーケットプレイスへの資産の掲載、マーケットプレイスに掲載された資産に関連する情報のアップロード、カウンターパーティの識別、カウンターパーティの選択、機会の特定、機会の選択、交渉の実行、新しいマーケットプレイスの必要性の特定、資産のデジタル検査、資産の物理的検査、デジタルツインの構成、注文要求の発注、スマートコントラクトの生成、資産の物理的配送、資産の物理的回収、取引戦略の選択、取引の仲介、資産の評価、または注文照合、のいずれかを含む請求項８６に記載の方法。
96. 前記人工知能システムは、成果の訓練セットで訓練される、請求項８６に記載の方法。
97. 成果の訓練セットは、財務成果、運用成果、故障成果、成功成果、性能指標成果、出力成果、消費成果、エネルギー利用成果、資源利用成果、コスト成果、利益成果、収入成果、販売成果、または生産成果のうちの少なくとも1つに関するデータを含む、請求項９６に記載の方法。
98. 人工知能システムは、人工知能システムの出力のセットに関する定義されたワークフォースのメンバーからのフィードバックを介して訓練されるか、または構成されるかの少なくとも1つである、請求項９６に記載の方法。
99. 定義されたワークフォースのメンバーがフィードバックを提供する人工知能システムの出力のセットは、推奨、分類、予測、制御命令、入力選択、プロトコル選択、通信、警告、通信のターゲット選択、データ記憶選択、計算選択、設定、イベント検出、または予測のうちの少なくとも1つを含む、請求項９８に記載の方法。
100. 定義されたワークフォースのメンバーのフィードバックは、定義された役割のセットにおけるワークフォースの動作を再現するように人工知能システムを訓練するために募集される、請求項９８に記載の方法。
101. 定義されたワークフォースのメンバーのフィードバックは、人工知能システムへの入力の訓練セットを修正するために使用される、請求項９８に記載の方法。
102. 定義されたワークフォースのメンバーのフィードバックは、人工知能システムによる少なくとも1つのエラーを特定し特徴付けるために使用される、請求項９８に記載の方法。
103. フィードバックに基づいて人工知能システムの再構成を可能にするために、一組のエラーに関する報告が人工知能システムのマネージャに提供されることを特徴とする請求項８６に記載の方法。
104. 前記人工知能システムを再構成することは、エラーの原因である入力を除去すること、前記人工知能システムのノードのセットを再構成すること、前記人工知能システムの重みのセットを再構成すること、前記人工知能システムの出力のセットを再構成すること、前記人工知能システム内の処理フローを再構成すること、または前記人工知能システムへの入力のセットを増強することの少なくとも1つを含む、請求項１０３に記載の方法。
105. 前記人工知能システムは、前記他の労働者が前記定義されたワークフォースの役割のセット内の役割を実行できるように、訓練または指導の少なくとも一方を提供するように構成されることを特徴とする請求項８４に記載の方法。
106. 人工知能システムは、トレーニングおよびガイダンスを強化するために、結果のトレーニングセットで、学習するようにさらに構成される、請求項１０５に記載の方法。
107. 成果の訓練セットは、財務成果、運用成果、故障成果、成功成果、性能指標成果、出力成果、消費成果、エネルギー利用成果、資源利用成果、コスト成果、利益成果、収入成果、販売成果、または生産成果のうちの少なくとも1つに関するデータを含む、請求項１０６に記載の方法。
108. 前記人工知能システムは、システムのアーキテクチャを決定すること、ステータスについて報告すること、イベントについて報告すること、コンテキストについて報告すること、条件について報告すること、モデルを決定すること、モデルを構成すること、モデルを入力すること、システムを設計すること、プロセスを設計すること、装置を設計すること、システムをエンジニアリングすること、装置をエンジニアリングすること、プロセスをエンジニアリングすること、製品をエンジニアリングすること、システムを保守すること、装置を保守すること、システムの維持、装置の維持、プロセスの維持、ネットワークの維持、計算資源の維持、装置の維持、ハードウェアの維持、システムの修復、装置の修復、プロセスの修復、ネットワークの修復、計算資源の修復、装置の修復、ハードウェアの修復、システムの組み立て、装置の組み立て、プロセスの組み立て、ネットワークの組み立て、計算資源の組み立て、装置の組み立て、ハードウェアの組み立て、価格の設定、システムの物理的確保、装置の物理的確保、物理的に安全なシステム、物理的に安全なデバイス、物理的に安全なネットワーク、物理的に安全な計算資源、物理的に安全な機器、物理的に安全なハードウェア、サイバーセキュリティシステム、サイバーセキュリティデバイス、プロセス、サイバーセキュリティネットワーク、サイバーセキュリティ計算資源、サイバーセキュリティ機器、サイバーセキュリティハードウェア、脅威を検出、障害を検出、システムのチューニング、デバイスのチューニング、プロセスを調整、ネットワークを調整、計算資源の調整、機器の調整システムの最適化、デバイスの最適化、プロセスの最適化、ネットワークの最適化、計算資源の最適化、機器の最適化、ハードウェアの最適化、システムの監視、デバイスの監視、プロセスの監視、ネットワークの監視、計算資源の監視、機器の監視、ハードウェアの監視、システムの構成、デバイスの構成、プロセスの構成、ネットワークの構成、計算資源の構成、機器の構成、およびハードウェアの構成の中から選択した動作を実行するように訓練されている、請求項８６に記載の方法。
109. 前記人工知能システムは、前記定義されたワークフォースが前記定義された役割を実行できるように、前記定義されたワークフォースに訓練または指導の少なくとも一方を提供するように構成されている、請求項８６に記載の方法。
110. 前記人工知能システムは、トレーニングまたはガイダンスの少なくとも一方を強化するために、結果のトレーニングセット上で学習するように構成される、請求項１０９に記載の方法。
111. 成果の訓練セットは、財務成果、運用成果、故障成果、成功成果、パフォーマンス指標成果、出力成果、消費成果、エネルギー利用成果、資源利用成果、コスト成果、利益成果、収入成果、販売成果、または生産成果のうちの少なくとも1つに関するデータを含む、請求項１１０に記載の方法。
112. 成果は、定義されたワークフォースの行動のセットと人工知能システムの出力のセットとの間で比較される、請求項１０８に記載の方法。
113. 前記出力比較は、前記定義されたワークフォースを訓練するために使用される、請求項１１２に記載の方法。
114. 前記出力比較は、前記人工知能システムを改善するために使用される、請求項１１２に記載の方法。
115. 定義されたワークフォースの役割のセット内の少なくとも1つの役割は、トレーダー役割、マーケットプレイスホスト役割、ブローカー役割、買い手役割、および売り手役割の中から選択される、請求項８５に記載の方法。
116. 定義されたワークフォースは、サプライチェーン管理ワークフォースである、請求項８５に記載の方法。
117. 定義されたワークフォースが需要計画ワークフォースである、請求項８５に記載の方法。
118. 定義されたワークフォースが物流計画ワークフォースである、請求項８５に記載の方法。
119. 定義されたワークフォースは、ベンダー管理ワークフォースである、請求項８５に記載の方法。
120. 定義されたワークフォースは、マーケットプレイスのための仲介ワークフォースである、請求項８５に記載の方法。
121. 定義されたワークフォースは、マーケットプレイスのための取引ワークフォースである、請求項８５に記載の方法。
122. 定義されたワークフォースは、マーケットプレイスのための取引調整ワークフォースであることを特徴とする請求項８５に記載の方法。
123. 定義されたワークフォースは、マーケットプレイスのための取引実行ワークフォースである、請求項８５に記載の方法。
124. 計算エンティティのセットおよびネットワークエンティティのセットは、収束した計算およびネットワークエンティティとして統合される、請求項８５に記載の方法。
125. ワークフォースのデジタルツインを構成するための方法であって、
     デジタルマーケットプレイスオーケストレーション企業のデジタルツインにおける企業組織構造を表現するステップ、
     企業の組織構造を解析して、組織構造内の役割のセットの間の関係を推論するステップであって、その関係および役割のセットは、デジタルマーケットプレイスオーケストレーション企業のワークフォースを定義する、ステップ、および、
     デジタルツインのプレゼンテーション層を構成し、デジタルマーケットプレイスオーケストレーション・エンタープライズを、属性と関係のセットを持つワークフォースのセットとして表現するステップを含む、方法。
126. デジタルツインは、デジタルマーケットプレイスにおける役割のセットを表すデータ構造上で動作するデジタルマーケットオーケストレーションプラットフォームと統合し、デジタルマーケットプレイスオーケストレーション企業における変更がデジタルツインに自動的に反映されるようにする、請求項１２５に記載の方法。
127. 前記ワークフォースは、マーケットプレイスのための仲介ワークフォースである、請求項１２５に記載の方法。
128. 前記ワークフォースは、マーケットプレイスの取引ワークフォースである、請求項１２５に記載の方法。
129. 前記ワークフォースは、マーケットプレイスのための取引調整ワークフォースであることを特徴とする請求項１２５に記載の方法いて、方法。
130. 前記ワークフォースは、マーケットプレイスのための取引実行ワークフォースである、請求項１２５に記載の方法。
131. 少なくとも1つのワークフォースの役割は、トレーダーの役割、マーケットプレイスホストの役割、ブローカーの役割、買い手の役割、および売り手の役割の中から選択される、請求項１２５に記載の方法。
132. 少なくとも1つのワークフォース役割は、マーケットメーカー役割、取引所管理者役割、ブローカーディーラー役割、取引役割、和解役割、契約カウンターパーティ役割、為替レート設定役割、マーケットプレイスオーケストレーション役割、マーケットプレイス設定役割、および契約設定役割の中から選択される、請求項１２５に記載の方法。
133. 前記デジタルツインは、ワークフォースに対する訓練の推奨を表す、請求項１２５に記載の方法。
134. 前記デジタルツインは、ワークフォースの増強のための勧告を提供する、請求項１２５に記載の方法。
135. デジタルツインは、ワークフォースを含む一連の操作の構成に関する推奨を提供する、請求項１２５に記載の方法。
136. デジタルツインは、ワークフォースの構成に関する推奨事項を提供する、請求項１２５に記載の方法。
137. マーケットプレイスオーケストレーションプラットフォームであって、
     マーケットプレイスの特徴および結果を含むトレーニングデータを使用して、マーケットプレイスの段階に関連する決定を出力するために機械学習モデルのセットをトレーニングする機械学習システム、および、
     マーケットプレイスのステージに関連する判定を求めるリクエストを受信し、機械学習モデルのセットとリクエストとに基づいてマーケットプレイスのステージに関連する判定を生成する人工知能システム、を含むマーケットオーケストレーションプラットフォーム。
138. マーケットプレイスのステージに関連する決定が、マーケットプレイスのパラメータを自動的に調整するために、少なくとも部分的に活用されることを特徴とする請求項１３７に記載のマーケットオーケストレーションプラットフォーム。
139. 前記機械学習モデルのセットは、畳み込みニューラルネットワーク、リカレントニューラルネットワーク、フィードフォワードニューラルネットワーク、長期／短期記憶（LTSM）ニューラルネットワーク、自己組織化ニューラルネットワーク、およびこれらのハイブリッドおよび組み合わせを用いる、請求項１３７に記載のマーケットプレイスオーケストレーションプラットフォーム。
140. マーケットプレイスのワークフローのデジタルツインは、少なくとも1つの状態、状態、入力、出力、結果、または処理操作について描写するように構成される請求項１３７に記載のマーケットプレイスオーケストレーションプラットフォーム。
141. 1つまたは複数のマーケットオーケストレーションデジタルツインの1つまたは複数のプロパティを更新するための方法であって、
     1つまたは複数のデジタルツインの1つまたは複数のプロパティを更新する要求を受信するステップ、
     要求を満たすために必要な1つまたは複数のデジタルツインを取得すステップ、
     利用可能なデータソースのセットからデータソースを選択するステップ、
     選択されたデータソースからデータを取得するステップ、および、
     前記取得したデータに基づいて、前記1つ以上のデジタルツインの1つ以上のプロパティを更新するステップ、を含む方法。
142. 前記1つ以上のデジタルツインは、マーケットプレイスデジタルツイン、アセットデジタルツイン、トレーダーデジタルツイン、ブローカーデジタルツイン、環境デジタルツイン、またはマーケットプレイスホストデジタルツインのうちの少なくとも1つを含む、請求項１４１に記載の方法。
143. 1つまたは複数のデジタルツインの1つまたは複数のプロパティは、資産所有に関連する、請求項１４１に記載の方法。
144. 選択されたデータソースは、モノのインターネット接続デバイス、マシンビジョンシステム、アナログ振動センサ、デジタル振動センサ、固定デジタル振動センサ、3軸振動センサ、1軸振動センサ、または光学振動センサの うちの少なくとも1つを含む、請求項１４１に記載の方法。
145. 前記デジタルツインは、データベースのデジタルツインを含み、前記データベースのデジタルツインは、物の状態を表すためにパラメトリック化されたパラメータのセットを含むデータ構造を含む、請求項１４１に記載の方法。
146. デジタルツインを用いて、所有権がマーケットプレイスで取引されることになる物理的なアイテムを追跡するステップ、および、
     物理的なアイテムの状態を表すステップ、をさらに含む、請求項１４３に記載の方法。
147. トランザクションの公平性スコアを生成する方法であって、
     公平性エンジンによって、実行エンジンからのトランザクションのセットからのトランザクションデータを受け取るステップ、および、
     公平性エンジンによって、トランザクションの公平性を表す公平性スコアを計算するステップ、を含む方法。
148. 前記公平性エンジンは、前記ユーザーのセットに対する待ち時間の尺度のセットを決定または受信する実行タイミング公平性エンジンを含むことを特徴とする請求項１４７に記載の方法。
149. 実行タイミング公平性エンジンが、格差のあるレイテンシによって引き起こされる可能性のある不公平を緩和する設定パラメータまたは他の機能のセットを自動的に編成する、請求項１４８に記載の方法。
150. 遅延の尺度のセットは、ネットワークの戻り時間をテストすることによって決定される、請求項１４８に記載の方法。
151. ネットワーク復帰時間をテストすることは、ping、アップロード速度、またはダウンロード速度を決定することを含む、請求項１５０に記載の方法。
152. 公正スコアが所定の閾値を超えることに基づいて、一連のトランザクションが実行されることを特徴とする請求項１４７に記載の方法。
153. マーケットオーケストレーションプラットフォームであって、
     マーケットプレイスの集合を含む一連の取引活動をシミュレートすることによって、マーケットプレイスの集合の間の交換レートを決定する量子コンピューティングシステム、を含むマーケットオーケストレーションプラットフォーム。
154. 前記量子コンピューティングシステムは、量子回路モデル、量子チューリングモデル、断熱量子コンピュータ、一方向量子コンピュータ、量子アニーリング、量子セルラーオートノマ、またはこれらのハイブリッドおよび組み合わせのうちの少なくとも1つを含むモデルをサポートする、請求項１５３に記載のマーケットプレイスオーケストレーションプラットフォーム。
155. 前記量子コンピューティングシステムは、候補解のセットにわたって目的関数のグローバル最小または最大を見つけるように構成された量子アニーリングモジュールを備える、請求項１５３に記載のマーケットプレイスオーケストレーションプラットフォーム。
156. 前記量子アニーリングモジュールは、最適化された資産価格設定を提供するようにさらに構成される、請求項１５５に記載のマーケットプレイスオーケストレーションプラットフォーム。
157. 前記量子コンピューティングシステムは、複雑な問題を解決するためにトラップイオンを適用するように構成されたトラップイオン量子コンピュータモジュールをさらに含む、請求項１５３に記載のマーケットプレイスオーケストレーションプラットフォーム。
158. 前記量子コンピューティングシステムは、従来のコンピュータによって実行されるコンピュータプログラムによってシミュレートされることを特徴とする請求項１５３に記載のマーケットプレイスオーケストレーションプラットフォーム。
159. 前記量子コンピューティングシステムは、複数のニューラルネットワークによって提供される解のセットから解を選択するように構成された量子出力フィルタを含む、請求項１５３に記載のマーケットプレイスオーケストレーションプラットフォーム。
160. 前記量子コンピューティングシステムは、マーケットプレイスプラットフォームにわたる個人およびアイデンティティの認識を支援するように構成された量子データベースエンジンをさらに備える、請求項１５３に記載のマーケットプレイスオーケストレーションプラットフォーム。
161. 前記量子データベースエンジンは、さらに、相互作用にわたって有効なトレーダーの単一IDを確立するように構成される請求項１６０に記載のマーケットオーケストレーションプラットフォーム。
162. 前記量子コンピューティングシステムは、個別化されたマーケットプレイス体験を最適化するようにさらに構成される、請求項１６１に記載のマーケットプレイスオーケストレーションプラットフォーム。
163. 前記量子コンピューティングシステムは、マーケットプレイス間の裁定関連最適化問題を解決するようにさらに構成される、請求項１５３に記載のマーケットオーケストレーションプラットフォーム。
164. 前記量子コンピューティングシステムは、資産および／またはマーケットプレイスのボラティリティを予測し、投資戦略のリスクプロファイルを特定するようにさらに構成される、請求項１５３に記載のマーケットプレイスオーケストレーションプラットフォーム。
165. 前記量子コンピューティングシステムは、リスク要因を管理するようにさらに構成される、請求項１６４に記載のマーケットプレイスオーケストレーションプラットフォーム。
166. 前記量子コンピューティングシステムは、資産クラスに対して最適化ウェイトを割り当てるようにさらに構成される、請求項１６５に記載のマーケットプレイスオーケストレーションプラットフォーム。
167. 重量は、資産クラスに集中するポートフォリオの割合を構成する、請求項１６６に記載のマーケットプレイスオーケストレーションプラットフォーム。
168. マーケットオーケストレーションプラットフォームであって、
     カウンターパーティ戦略エンジンを含み、該カウンターパーティ戦略エンジンは、
     マーケットプレイスの特徴、活動、または結果の少なくとも1つを含むトレーニングデータセットを使用して、カウンターパーティーのセットによって採用された取引戦略に関連する決定を出力するために、機械学習モデルのセットをトレーニングする機械学習システム、および、
     前記カウンターパーティーの集合が採用する取引戦略に関連する決定の要求を受け取り、前記機械学習モデルの集合と前記要求に基づいて、前記カウンターパーティーの集合が採用する戦略に関連する決定を生成する、人工知能システム、含むマーケットオーケストレーションプラットフォーム。
169. 前記取引戦略は、バイ・アンド・ホールド、株式ロング／ショート、資産配分、時間間ポートフォリオ選択、ペア取引、スイング取引、スキャルピング、デイトレード、ニュースベース、マーケットタイミング、ソーシャル取引、フロントランニング、チャートベース、コンピュータ科学ベース、自動／アルゴリズム、またはこれらのハイブリッドまたは組み合わせのうちの少なくとも1つを含む、請求項１６８に記載のマーケットプレイスオーケストレーションプラットフォーム。
170. 前記カウンターパーティ戦略エンジンは、カウンターパーティユーザを識別するように構成される、請求項１６８に記載のマーケットプレイスオーケストレーションプラットフォーム。
171. カウンターパーティ戦略エンジンは、カウンターパーティユーザへの自動推奨を促進するようにさらに構成されることを特徴とする請求項１７０に記載のマーケットプレイスオーケストレーションプラットフォーム。
172. 前記機械学習システムは、前記取引相手ユーザの補完的または競合的な取引戦略を特定するようにさらに構成される、請求項１７１に記載のマーケットプレイスオーケストレーションプラットフォーム。
173. マーケットオーケストレーションプラットフォームであって、
     マーケットプレイスの特徴、活動、または成果のうちの少なくとも1つを含む訓練データセットを使用して、コホート対象のマーケットプレイスについて類似した当事者のセットを識別するために、機械学習モデルのセットを訓練する機械学習システム、および、
     類似者グループの特定要求を受け、類似者グループを特定し、類似者グループの特定に基づいてコホート対象マーケットプレイスを生成する人工知能システム、を含むマーケットオーケストレーションプラットフォーム。
174. 類似の当事者のグループは、買い手、売り手、ブローカー、および投資家のセットから選択される、請求項１７３に記載のマーケットプレイスオーケストレーションプラットフォーム。
175. 前記機械学習モデルのセットは、畳み込みニューラルネットワーク、リカレントニューラルネットワーク、フィードフォワードニューラルネットワーク、長期／短期記憶（LTSM）ニューラルネットワーク、自己組織化ニューラルネットワーク、およびこれらのハイブリッドおよび組み合わせを用いる、請求項１７３に記載のマーケットプレイスオーケストレーションプラットフォーム。
176. 製品ウェブサイトのセットからのコンテンツが、機械学習モデルのセットに供給され得、これらのモデルは、コホートを対象とするマーケットプレイスに関連する新しい製品またはサービス提供を識別するように訓練される、請求項１７３に記載のマーケットプレイスオーケストレーションプラットフォーム。
177. マーケットオーケストレーションプラットフォームであって、
     ニューラルネットワークが所望の出力を生成するように、ニューラルネットワークの重みを直接プログラムするように構成された量子コンピューティングシステム、を含むマーケットオーケストレーションプラットフォーム。
178. 前記量子コンピューティングシステムは、量子回路モデル、量子チューリングモデル、断熱量子コンピュータ、一方向量子コンピュータ、量子アニーリング、量子セルラーオートノマ、またはこれらのハイブリッドおよび組み合わせのうちの少なくとも1つをサポートする、請求項１７７に記載のマーケットプレイスオーケストレーションプラットフォーム。
179. 前記量子コンピューティングシステムは、前記マーケットプレイスのセットを含む取引活動のセットをシミュレートすることによって、前記マーケットプレイスのセット間の交換レートを決定するようにさらに構成される、請求項１７７に記載のマーケットオーケストレーションプラットフォーム。
180. 前記量子コンピューティングシステムは、候補解のセットにわたって目的関数のグローバル最小または最大を見つけるように構成された量子アニーリングモジュールを含む、請求項１７７に記載のマーケットプレイスオーケストレーションプラットフォーム。
181. 前記量子アニーリングモジュールは、最適化された資産価格設定を提供するようにさらに構成される、請求項１８０に記載のマーケットプレイスオーケストレーションプラットフォーム。
182. 前記量子コンピューティングシステムは、複雑な問題を解決するためにトラップイオンを適用するように構成されたトラップイオン量子コンピュータモジュールをさらに含む、請求項１７７に記載のマーケットプレイスオーケストレーションプラットフォーム。
183. 前記量子コンピューティングシステムは、従来のコンピュータによって実行されるコンピュータプログラムによってシミュレートされることを特徴とする請求項１７７に記載のマーケットプレイスオーケストレーションプラットフォーム。
184. 前記量子コンピューティングシステムは、個別化されたマーケットプレイス経験を最適化するようにさらに構成される、請求項１７７に記載のマーケットプレイスオーケストレーションプラットフォーム。
185. 前記量子コンピューティングシステムは、複数のニューラルネットワークによって提供される解のセットから解を選択するように構成された量子出力フィルタを含む、請求項１７８に記載のマーケットプレイスオーケストレーションプラットフォーム。
186. 前記量子コンピューティングシステムは、マーケットプレイスプラットフォームにわたる個人およびアイデンティティの認識を支援するように構成された量子データベースエンジンをさらに備える、請求項１７７に記載のマーケットプレイスオーケストレーションプラットフォーム。
187. 前記量子データベースエンジンは、さらに、相互作用にわたって有効なトレーダーの単一のアイデンティティを確立するように構成されることを特徴とする請求項１８６に記載のマーケットオーケストレーションプラットフォーム。
188. 前記量子コンピューティングシステムは、マーケットプレイス間の裁定関連最適化問題を解決するようにさらに構成される、請求項１７７に記載のマーケットオーケストレーションプラットフォーム。
189. 前記量子コンピューティングシステムは、資産および／またはマーケットプレイスのボラティリティを予測し、投資戦略のリスクプロファイルを特定するようにさらに構成される、請求項１７７に記載のマーケットプレイスオーケストレーションプラットフォーム。
190. 前記量子コンピューティングシステムは、リスク要因を管理するようにさらに構成される、請求項１８９に記載のマーケットプレイスオーケストレーションプラットフォーム。
191. 前記量子コンピューティングシステムは、資産クラスの最適化ウェイトを割り当てるようにさらに構成される、請求項１８９に記載のマーケットプレイスオーケストレーションプラットフォーム。
192. 重量は、資産クラスに集中するポートフォリオの割合を構成する、請求項１９１に記載のマーケットプレイスオーケストレーションプラットフォーム。
193. デジタル知識に関する権利を制御するための知識流通システムであって、該システムは、
     分散型台帳を作成し管理するように構成された台帳管理システムであって、分散型台帳は、ネットワークの複数のノード上に分散され、暗号を介してリンクされた複数の暗号リンクブロックを含む、台帳管理システム、および、
     前記分散型台帳と通信し、前記分散型台帳を介してスマートコントラクトを実施および管理するように構成されたスマートコントラクトシステムであって、前記分散型台帳に格納され、トリガーイベントを含み、前記トリガーイベントの発生に応答して前記デジタル知識に関してスマートコントラクト動作を実行するように構成されたスマートコントラクトシステム、を含み、
     前記知識流通システムは、
     ユーザから前記デジタル知識のインスタンスを受信し、
     前記デジタル知識のインスタンスが分散型台帳上でトークンとして操作できるように、前記デジタル知識をトークン化し、
     前記トークン化されたデジタル知識を前記分散型台帳を介して記憶し、
     スマートコントラクトに対する複数の当事者のコミットメントを処理し、および、
     スマートコントラクトに従ってトークン化されたデジタル知識の制御権およびアクセス権を管理し、トリガーイベントに応答してスマートコントラクトアクションを管理する、ように構成される、知識流通システム。
194. 前記デジタル知識は、1つまたは複数の知的財産権所有者の知的財産を含み、前記スマートコントラクトは、前記分散型台帳に埋め込まれた知的財産のライセンス条項を埋め込み、前記分散型台帳上で操作を実行することは、前記知的財産へのアクセスおよび前記スマートコントラクトの当事者の前記知的財産ライセンス条項へのコミットを処理する、請求項１９３に記載の知識流通システム。
195. 前記スマートコントラクトは、知的財産を知的財産の集約スタックに追加する操作を実行するスマートコントラクトラッパーを含む、請求項１９３に記載の知識流通システム。
196. 前記スマートコントラクトは、前記分散型台帳の複数の当事者間でロイヤリティの配分に合意するために知的財産を追加する操作を前記分散型台帳上で実行するスマートコントラクトラッパーを含む、請求項１９３に記載の知識流通システム。
197. 前記スマートコントラクトは、知的財産を知的財産の集約スタックに追加するために分散台帳上で操作を実行するスマートコントラクトラッパーを含む、請求項１９３に記載の知識流通システム。
198. 前記スマートコントラクトは、契約条件に対する当事者のコミットメントを処理するために分散型台帳上で操作を実行するスマートコントラクトラッパーを含む、請求項１９３に記載の知識流通システム。
199. 前記トークン化されたデジタル知識は、命令セットを含む、請求項１９３に記載の知識流通システム。
200. 分散台帳は、分散台帳にトランザクションを記録することにより、命令セットへの証明可能なアクセス、およびシステム上での命令セットの証明可能な実行を提供するように構成されることを特徴とする請求項１９９に記載の知識流通システム。
201. 前記トークン化されたデジタル知識は、実行可能なアルゴリズム論理を含む、請求項１９３に記載の知識流通システム。
202. 前記トークン化されたデジタル知識は、3次元（3D）プリンタ命令セットを含む、請求項１９３に記載の知識流通システム。
203. 前記トークン化されたデジタル知識は、コーティングプロセスのための命令セットを含む、請求項１９３に記載の知識流通システム。
204. 前記トークン化されたデジタル知識は、半導体製造プロセスのための命令セットを含む、請求項１９３に記載の知識流通システム。
205. 前記トークン化されたデジタル知識は、ファームウェアプログラムを含む、請求項１９３に記載の知識流通システム。
206. 前記トークン化されたデジタル知識は、フィールドプログラマブルゲートアレイのための命令セットを含む、請求項１９３に記載の知識流通システム。
207. 前記トークン化されたデジタル知識は、サーバレスコードロジックを含む、請求項１９３に記載の知識流通システム。
208. 前記トークン化されたデジタル知識は、結晶製造システムのための命令セットを含む、請求項１９３に記載の知識流通システム。
209. 前記トークン化されたデジタル知識は、食品準備プロセスのための命令セットを含む、請求項１９３に記載の知識流通システム。
210. 前記トークン化されたデジタル知識は、ポリマー製造プロセスのための命令セットを含む、請求項１９３に記載の知識流通システム。
211. 前記トークン化されたデジタル知識は、化学合成プロセスのための命令セットを含む、請求項１９３に記載の知識流通システム。
212. 前記トークン化されたデジタル知識は、生物学的生産プロセスのための命令セットを含む、請求項１９３に記載の知識流通システム。
213. 前記トークン化されたデジタル知識は、デジタルツインのためのデータセットを含む、請求項１９３に記載の知識流通システム。
214. 前記トークン化されたデジタル知識は、企業秘密を実行するための命令セットを含む、請求項１９３に記載の知識流通システム。
215. 前記システムは、営業秘密の閲覧を、複数の当事者のうちどの知識受領者が営業秘密を閲覧したかを証明する連鎖に集約するように構成される、請求項１９３に記載の知識流通システム。
216. 前記分散台帳または前記デジタル知識に対して行われた操作に基づいて分析結果を報告するように構成された報告システムをさらに備える、請求項１９３に記載の知識流通システム。
217. 分散台帳は、命令のセットを集約するように構成され、分散台帳上の操作は、少なくとも1つの命令を既存の命令のセットに追加して、修正された命令のセットを提供することを特徴とする請求項１９３に記載の知識流通システム。
218. 前記スマートコントラクトは、前記分散型台帳への命令サブセットの割り当てと、前記命令サブセットへのアクセスとを管理するように構成される、請求項２１７に記載の知識流通システム。
219. 前記分散型台帳は、前記複数の当事者に関連するデータを前記複数の暗号的にリンクされたブロックの少なくとも1つに格納することによって、前記デジタル知識のインスタンスに貢献した複数の当事者を記録するように構成される、請求項１９３に記載の知識流通システム。
220. 前記知識流通システムは、前記ソースに関連するデータを前記複数の暗号的にリンクされたブロックの少なくとも1つに格納することによって、前記デジタル知識のインスタンスのソースを記録するように構成される、請求項１９３に記載の知識流通システム。
221. 分散型台帳は、認可された参加者のプライベートネットワークが、複数の暗号的にリンクされたブロックに追加される新しいブロックの検証に必要な暗号ベースの合意を確立することができるように構成されることを特徴とする請求項１９３に記載の知識流通システム。
222. 前記台帳管理システムは、前記分散台帳の複数の暗号的にリンクされたブロックのブロックに追加された情報のクラウドソーシングを促進するように構成される、請求項１９３に記載の知識流通システム。
223. 前記分散型台帳は、クラウドソースによる前記デジタル知識のインスタンスのレビューを、前記複数の暗号的にリンクされたブロックのブロックに格納するように構成される、請求項１９３に記載の知識流通システム。
224. 前記分散型台帳は、クラウドソースによる前記デジタル知識のインスタンスの署名を、前記複数の暗号的にリンクされたブロックのブロックに格納するように構成される、請求項１９３に記載の知識流通システム。
225. 前記分散型台帳は、クラウドソースによる前記デジタル知識のインスタンスの検証を、前記複数の暗号的にリンクされたブロックのブロックに格納するように構成される、請求項１９３に記載の知識流通システム。
226. 前記台帳管理システムは、複数の暗号通貨トークンを確立するように構成され、前記複数の暗号通貨トークンは、前記分散台帳のユーザ間で取引可能である、請求項１９３に記載の知識流通システム。
227. 分散型台帳と通信し、知識流通システムのユーザに関連するユーザアカウントの作成および管理を容易にするように構成されたアカウント管理システムを含む、請求項１９３に記載の知識流通システム。
228. 前記分散型台帳と通信し、前記知識流通システムのユーザにユーザインタフェースを提示するように構成されたユーザインタフェースシステムをさらに備え、前記ユーザインタフェースは、前記ユーザが前記デジタル知識のインスタンスに関連するデータを閲覧することを可能にする、請求項１９３に記載の知識流通システム。
229. 前記分散型台帳と通信し、デジタルマーケットプレイスを確立および維持するように構成されたマーケットプレイスシステムをさらに備え、前記デジタルマーケットプレイスは、前記知識流通システムのユーザに前記デジタル知識のインスタンスに関連するデータを視覚的に提示するように構成される、請求項１９３に記載の知識流通システム。
230. 前記分散型台帳と通信し、前記デジタル知識に関連するデータを格納するように構成された知識データストアをさらに備える、請求項１９３に記載の知識流通システム。
231. 前記分散型台帳と通信し、前記知識流通システムの複数のユーザに関連するデータを格納するように構成されたクライアントデータストアをさらに備える、請求項１９３に記載の知識流通システム。
232. 分散型台帳と通信し、スマートコントラクトに関連するデータを格納するように構成されたスマートコントラクトデータストアをさらに備える、請求項１９３に記載の知識流通システム。
233. 前記分散型台帳と通信し、前記トークン化されたデジタル知識を分析し、前記トークン化されたデジタル知識の分析に基づいて分析結果を報告するように構成された報告システムをさらに備える、請求項１９３に記載の知識流通システム。
234. 前記スマートコントラクトは、パラメータ化可能なスマートコントラクトテンプレートを使用して生成される、請求項１９３に記載の知識流通システム。
235. 前記スマートコントラクトは、トークン化されるデジタル知識のタイプに基づくパラメータを含む、請求項１９３に記載の知識流通システム。
236. 前記パラメータは、財務パラメータ、ロイヤリティパラメータ、使用パラメータ、生産された出力パラメータ、対価の配分パラメータ、アイデンティティパラメータ、およびアクセス条件パラメータのうちの少なくとも1つを含む、請求項２３５に記載の知識流通システム。
237. デジタル知識に関連する権利を制御するためのコンピュータが実行する方法であって、
     ネットワークの複数のノードに分散配置され、暗号で結ばれた複数のブロックを含む分散台帳を作成および管理するステップ、
     分散型台帳を介してスマートコントラクトを実装および管理するステップであって、スマートコントラクトは、分散型台帳に格納され、トリガーイベントを含む、ステップ、
     トリガーイベントの発生に応答して、デジタル知識に関してスマートコントラクトアクションを実行するステップ、
     前記デジタル知識のインスタンスを受信するステップ、
     デジタル知識のインスタンスが分散型台帳上のトークンとして操作できるように、デジタル知識をトークン化するステップ、
     トークン化されたデジタル知識を分散型台帳に格納するステップ、
     スマートコントラクトに対する複数の当事者のコミットメントを処理するステップ、および、
     スマートコントラクトに従ってトークン化されたデジタル知識の制御権およびアクセス権を管理し、トリガーイベントに応答してスマートコントラクトアクションを管理するステップ、を含む方法。
238. 前記スマートコントラクトに基づいて、前記トークン化されたデジタル知識の交換のための知識交換をオーケストレーションすることをさらに含む、請求項２３７に記載のコンピュータが実行する方法。
239. トークン化されたデジタル知識の知識交換を、知識交換が交換の主題に関連する価値ある知識および機密知識の少なくとも一方の交換を促進する別の交換と統合することをさらに含む、請求項２３８に記載のコンピュータが実行する方法。
240. デジタル知識に関連する権利を制御するための知識流通システムであって、該システムは、
     分散型台帳を作成し管理するように構成された台帳管理システムであって、分散型台帳は、ネットワークの複数のノード上に分散され、複数の暗号的にリンクされたブロックを含む、台帳管理システム、および、
     分散型台帳と通信し、分散型台帳を介してスマートコントラクトを実施・管理するように構成されたスマートコントラクトシステムであって、スマートコントラクトは分散型台帳に格納され、トリガーイベントを含み、スマートコントラクトはトリガーイベントの発生に応答してデジタル知識に関するスマートコントラクト動作を実行するように構成されたスマートコントラクトシステム、を含み、
     前記知識流通システムは、
     オブジェクトを3Dプリントするための3次元（3D）プリンタ命令セットを含むデジタル知識のインスタンスを知識提供デバイスから受信し、
     デジタル知識のインスタンスが分散型台帳上のトークンとして操作できるように、デジタル知識をトークン化し、
     トークン化されたデジタル知識を分散型台帳を介して保存し、
     スマートコントラクトへの3Dプリンタ命令セットの知識プロバイダと知識レシピエントのコミットを処理し、および、
     スマートコントラクトに従って、トークン化されたデジタル知識の制御権およびアクセス権を管理し、条件およびトリガーイベントに従って、スマートコントラクトアクションを管理する、ように構成される知識流通システム。
241. 前記3Dプリンタ命令セットは、3D印刷概略図を含む、請求項２４０に記載の知識流通システム。
242. 前記オブジェクトは、カスタム部品、カスタム製品、製造部品、交換部品、玩具、医療機器、および工具のうちの少なくとも1つである、請求項２４０に記載の知識流通システム。
243. 知識受信者は、3Dプリンタ命令セットをダウンロードして使用するために知識受信者デバイスを使用し、知識受信者デバイスは、コンピューティングデバイス、サーバ、3Dプリンタ、および製造デバイスのうちの少なくとも1つであることを特徴とする請求項２４０に記載の知識流通システム。
244. 知識受信者は、知識受信者デバイスを使用して、3Dプリンタ命令セットに対応するトークン化されたデジタル知識を購入する、請求項２４０に記載の知識流通システム。
245. 知識流通システムと知識受取人の知識受取人デバイスとの間の接続を提供するアプリケーションプログラミングインターフェース（API）をリスニングするように構成されたイベントリスナーをさらに備える請求項２４０に記載の知識流通システム。
246. 前記スマートコントラクトは、トークン化されたデジタル知識の制御およびアクセスの権利に基づいて、3Dプリンタ命令セットが転送または使用されるときに、知識受信者が支払いを行うという条件をトリガするように構成される、請求項２４０に記載の知識流通システム。
247. トークン化されたデジタル知識の制御およびアクセスの権利は、ユーザが3Dプリンタ命令セットの複数のインスタンスを使用して3Dプリントする許可を含む、請求項２４０に記載の知識流通システム。
248. トークン化されたデジタル知識の制御およびアクセスの権利は、3Dプリンタの要件、オブジェクトを3Dプリントできる期間、トークン化されたデジタル知識が下流の知識受領者に転送されるかどうか、オブジェクトに関する保証、免責、補償、および証明の少なくとも1つを含む、請求項２４０に記載の知識流通システム。
249. トークン化されたデジタル知識の3Dプリンタ命令セットに関連する情報は、3Dプリンタ命令セットが購入、ダウンロード、および使用の少なくとも1つであるときに、分散台帳上で修正される、請求項２４０に記載の知識流通システム。
250. 3Dプリンタ命令セットに関連する情報は、起源、作成日、1つまたは複数の貢献した個人、グループ、および／または企業の名前、価格、関連する回路図のマーケットプレイス動向、シリアル番号、および部品識別子のうちの少なくとも1つを含むことを特徴とする請求項２４０に記載の知識流通システム。
251. 前記スマートコントラクトアクションは、3Dプリントされるオブジェクトへのシリアル番号の割り当て、トリガーイベントの監視、条件に基づく義務の履行の検証、トークン化されたデジタル知識の支払いおよび／または譲渡の検証、トークン化されたデジタル知識の譲渡、分散台帳に1つまたは複数のトランザクションをログする、分散台帳に関して1つまたは複数の操作を行う、分散台帳に1つまたは複数の新しいブロックを作成、のいずれかである請求項２４０に記載の知識流通システム。
252. 前記スマートコントラクトアクションは、前記スマートコントラクトに定義されるように条件が満たされることを検証することを含み、前記条件は、プリンタ要件、受取った支払い、知識レシピエントの知識レシピエントデバイスからの通貨転送、またはトークン化デジタル知識の知識レシピエントデバイスへの転送のいずれかである請求項２４０に記載の知識流通システム。
253. トークン化されたデジタル知識が知識受領者の知識受領者デバイスに転送されると、3Dプリンタが、3Dプリンタ命令セットに従ってオブジェクトを印刷するように構成される、ことを特徴とする請求項２４０に記載の知識流通システム。
254. 知識プロバイダによって提供された情報、条件、およびトリガーイベントの少なくとも1つに基づいてスマートコントラクトテンプレートをパラメトリック化するように構成されたスマートコントラクト生成器をさらに備える、請求項２４０に記載の知識流通システム。
255. デジタル知識に関連する権利を制御するためのコンピュータが実行する方法であって、
     ネットワークの複数のノードに分散配置され、暗号で結ばれた複数のブロックを含む分散台帳を作成および管理するステップ、
     分散型台帳を介してスマートコントラクトを実装および管理するステップであって、スマートコントラクトは、分散型台帳に格納され、トリガーイベントを含む、ステップ、
     トリガーイベントの発生に応答して、デジタル知識に関してスマートコントラクトアクションを実行するステップ、
     知識提供装置から、オブジェクトを3Dプリントするための3次元（3D）プリンタ命令セットを含むデジタル知識のインスタンスを受信するステップ、
     デジタル知識のインスタンスが分散型台帳上のトークンとして操作できるように、デジタル知識をトークン化するステップ、
     トークン化されたデジタル知識を分散型台帳に格納するステップ、
     スマートコントラクトへの3Dプリンタ命令セットの知識プロバイダと知識レシピエントのコミットメントを処理するステップ、および、
     スマートコントラクトに従って、トークン化されたデジタル知識の制御権およびアクセス権を管理し、条件およびトリガーイベントに従って、スマートコントラクトアクションを管理するステップ、を含むコンピュータが実行する方法。
256. スマートコントラクトを介してデジタル知識のインスタンスの要素をクラウドソーシングすることをさらに含み、デジタル知識のインスタンスの要素は、スマートコントラクトに従ってスマートコントラクトシステムによって管理される、請求項２５５に記載のコンピュータが実行する方法。
257. デジタル知識資産を管理するための知識流通システムであって、該システムは、
     分散型台帳を作成し管理するように構成された台帳管理システムであって、分散型台帳は、ネットワークの複数のノード上に分散され、暗号を介してリンクされた複数の暗号リンクブロックを含む、台帳管理システム、および、
     分散型台帳と通信し、分散型台帳を介してスマートコントラクトを実施および管理するように構成されたスマートコントラクトシステムであって、該スマートコントラクトは、分散型台帳に格納され、トリガーイベントを含み、トリガーイベントの発生に応答してデジタル知識資産に関してスマートコントラクト動作を実行するように構成されている、スマートコントラクトシステム、を含み、
     前記知識流通システムは、
     デジタル知識資産を非代替性トークンの形でトークン化し、
     分散型台帳を介して非代替性トークンを保存し、
     スマートコントラクトに対する複数の当事者のコミットメントを処理し、および、
     スマートコントラクトに基づいてデジタル知識資産の制御権およびアクセス権を管理し、トリガーイベントに応答してスマートコントラクトアクションを管理する、ように構成される、知識流通システム。
258. 前記デジタル知識資産は、静的な非代替性トークンとしてトークン化される、請求項２５７に記載の知識流通システム。
259. 前記デジタル知識資産は、動的な非代替性トークンとしてトークン化される、請求項２５７に記載の知識流通システム。
260. デジタル知識資産は、1つ以上の知的財産権者の知的財産を含み、スマートコントラクトは、分散型台帳に埋め込まれた知的財産のライセンス条件を埋め込み、分散型台帳上で操作を実行することは、知的財産へのアクセスを提供し、スマートコントラクトの当事者の知的財産ライセンス条件へのコミットを処理する、請求項２５７に記載の知識流通システム。
261. 前記知的財産は、特許であることを特徴とする請求項２６０に記載の知識流通システム。
262. 前記特許は、前記特許の価値／価格が前記特許のライフタイム中に動的であり、現実世界のイベントに基づいて変化し得る動的非代替性トークンとしてトークン化される、請求項２６１に記載の知識流通システム。
263. 前記実世界イベントは、起訴イベント、無効または訴訟イベント、およびライセンスまたは販売イベントを含む法的または取引的イベントを含む、請求項２６２に記載の知識流通システム。
264. デジタル知識に関連する権利を制御するための知識流通システムであって、該システムは、
     分散型台帳を作成・管理するように構成された台帳管理システムであって、前記分散型台帳は、ネットワークの複数のノードに分散され、暗号を介してリンクされた複数の暗号リンクブロックを含む台帳管理システム、
     前記分散型台帳と通信し、前記分散型台帳を介してスマートコントラクトを実施及び管理するように構成されたスマートコントラクトシステムであって、前記スマートコントラクトは、前記分散型台帳に格納され、トリガーイベントを含み、前記トリガーイベントの発生に応答して前記デジタル知識に関してスマートコントラクトアクションを実行するように構成されたスマートコントラクトシステム、および、
     ネットワークの全ノードに対するコンセンサス信頼スコアを生成し追跡することによって、分散型台帳上の不正取引の可能性を識別するように構成された信頼ネットワークであって、コンセンサス信頼スコアは、ノードが不正行為に関与している可能性を示す、信頼ネットワーク、を含み、
     前記知識流通システムは、
     ユーザから前記デジタル知識のインスタンスを受信し、
     前記デジタル知識のインスタンスが前記分散型台帳上で非代替性トークンとして操作できるように、前記デジタル知識をトークン化し、
     前記トークン化されたデジタル知識を前記分散型台帳を介して記憶し、
     スマートコントラクトに対する複数の当事者のコミットメントを処理し、および、
     スマートコントラクトに従ってトークン化されたデジタル知識の制御権およびアクセス権を管理し、トリガーイベントに応答してスマートコントラクトアクションを管理する、ように構成される、知識流通システム。
265. 前記信頼ネットワークは、ユーザによって設定された閾値レベル未満のコンセンサス信頼スコアを有する潜在的に不正なノードを前記複数のパーティに通知するように構成されることを特徴とする請求項２６４に記載の知識流通システム。
266. 前記スマートコントラクトは、前記複数の当事者のコンセンサス信頼スコアを監視し、ユーザによって定義されたビジネスルールのセットに基づいてアラートおよび通知を提供する、請求項２６４に記載の知識流通システム。
267. 前記スマートコントラクトは、仲介者と資金を一時的にロックし、前記複数の当事者間の取引の特定の条件を満たすと資金のロックを解除するように構成されることを特徴とする請求項２６４に記載の知識流通システム。
268. 前記スマートコントラクトは、複数の当事者からの署名を必要とするマルチシグネチャコントラクトであることを特徴とする請求項２６４に記載の知識流通システム。
269. 分散型台帳は、認可された参加者のプライベートネットワークが、複数のブロックに追加される新しいブロックの検証のための暗号コンセンサスを確立し得るように構成されることを特徴とする請求項２６４に記載の知識流通システム。
270. 前記暗号コンセンサスは、プルーフ・オブ・ステーク（PoS）コンセンサスプロトコルに基づくことを特徴とする請求項２６４に記載の知識流通システム。
271. 前記暗号コンセンサスは、プルーフ・オブ・オーソリティ（PoA）コンセンサスプロトコルに基づくことを特徴とする請求項２６４に記載の知識流通システム。
272. ノードの権威は、そのノードに対するコンセンサス信頼スコアの関数である、請求項２７１に記載の知識流通システム。
273. ノードの権威は、ノードに対する評判の関数であることを特徴とする請求項２７１に記載の知識流通システム。
274. 特許資産管理システムであって、
     分散型台帳を作成し管理するように構成された台帳管理システムであって、分散型台帳は、ネットワークの複数のノード上に分散され、複数の暗号的にリンクされたブロックを含む、台帳管理システム、および、
     分散型台帳と通信し、分散型台帳を介してスマートコントラクトを実施および管理するように構成されたスマートコントラクトシステムであって、スマートコントラクトは分散型台帳に格納され、トリガーイベントを含み、トリガーイベントの発生に応答して特許に関してスマートコントラクトアクションを実施するように構成されたスマートコントラクトシステム、を含み、
     前記特許資産管理システムは、
     特許譲受人から受け取った特許を、動的な非代替トークン（NFT）の形でトークン化し、
     NFTを分散型台帳に格納し、NFTマーケットプレイスを通じてマネタイズのためにNFTを提供し、
     スマートコントラクトに設定された特許譲受人および特許NFTの買い手のコミットメントを処理し、および、
     スマートコントラクトに従って特許の管理権およびアクセス権を管理し、条件およびトリガーイベントに従ってスマートコントラクトのアクションを管理する、ように構成される、特許資産管理システム。
275. スマートコントラクトは、特許の知的財産ライセンス条件を埋め込む、請求項２７４に記載の特許資産管理システム。
276. 特許の価値／価格は、特許の寿命の間、動的であり、現実世界の事象に基づいて変化し得る、請求項２７４に記載の特許資産管理システム。
277. 前記実世界イベントは、起訴イベント、無効または訴訟イベント、またはライセンスまたは売却イベントを含む法的または取引的イベントからなることを特徴とする請求項２７６に記載の特許資産管理システム。
278. デジタル知識に関連する権利を制御するための知識流通システムであって、該システムは、
     分散型台帳を作成および管理するように構成された台帳管理システムであって、前記分散型台帳は、ネットワークの複数のノードに分散され、暗号を介してリンクされた複数の暗号リンクブロックを含む台帳管理システム、
     分散型台帳と通信し、分散型台帳を介してスマートコントラクトを実装し管理するように構成されたスマートコントラクトシステムであって、スマートコントラクトは分散型台帳に格納され、トリガーイベントを含み、トリガーイベントの発生に応答してデジタル知識に関してスマートコントラクトアクションを実行するように構成された、スマートコントラクトシステム、および、
     前記ネットワークの複数のノードの各ノードについてコンセンサス信頼スコアを生成して追跡することにより、前記分散型台帳における不正取引の可能性を特定するように構成された信頼ネットワークであって、コンセンサス信頼スコアは、前記複数のノードの所定のノードが不正な活動に関与している可能性を示す、信頼ネットワーク、を含み、
     前記知識流通システムは、
     ユーザからデジタル知識のインスタンスを受信し、
     デジタル知識のインスタンスが分散型台帳上で非代替性のトークンとして操作できるように、デジタル知識をトークン化し、
     トークン化されたデジタル知識を分散型台帳を介して保存し、
     スマートコントラクトに対する複数の当事者のコミットメントを処理し、および、
     スマートコントラクトに従ってトークン化されたデジタル知識の制御権およびアクセス権を管理し、トリガーイベントに応答してスマートコントラクトアクションを管理する、ように構成される、知識流通システム。
279. デジタル知識に基づいて非代替性トークンの売買を促進するためのデジタルマーケットプレイスをさらに含む請求項２７８に記載の知識流通システム。
280. 前記デジタルマーケットプレイスは、前記デジタル知識に基づいてNFTを検索するためのウェブベースのユーザーインターフェースを含む、請求項２７９に記載の知識流通システム。
281. デジタル知識に関する権利を管理するための知識流通システムであって、該システムは、
     分散型台帳を作成および管理するように構成された台帳管理システムであって、前記分散型台帳は、ネットワークの複数のノードに分散され、暗号を介してリンクされた複数の暗号リンクブロックを含む台帳管理システム、
     分散型台帳と通信し、分散型台帳を介してスマートコントラクトを実装し管理するように構成されたスマートコントラクトシステムであって、スマートコントラクトは分散型台帳に格納され、トリガーイベントを含み、トリガーイベントの発生に応答してデジタル知識に関してスマートコントラクトアクションを実行するように構成された、スマートコントラクトシステム、および、
     前記ネットワークの複数のノードのコンセンサス信頼スコアを生成するように構成された信頼ネットワークであって、前記コンセンサス信頼スコアは、前記ネットワーク内のノードの権威を決定する、信頼ネットワーク、を含み、
     前記知識流通システムは、
     知識プロバイダから受け取ったデジタル知識のインスタンスを、非代替性トークンとしてトークン化し、
     トークン化されたデジタル知識を分散型台帳を介して保存し、
     知識提供者と知識受領者の間のトランザクションをオーケストレーションし、ネットワークにおけるトランザクションのそのようなオーケストレーションと検証は、高い権威の値を持つノードのセットによって可能になり、
     スマートコントラクトに対する知識提供者と知識受領者のコミットメントを処理し、および、
     スマートコントラクトに従ってトークン化されたデジタル知識の制御権およびアクセス権を管理し、トリガーイベントに応答してスマートコントラクトアクションを管理する、ように構成される、知識流通システム。
282. 前記デジタル知識の価値／価格は、前記デジタル知識の寿命の間、動的であり、現実世界のイベントに基づいて変化し得ることを特徴とする請求項２８１に記載の知識流通システム。
283. 実世界のイベントは、法的または取引的イベント、またはライセンスまたは販売イベントからなることを特徴とする請求項２８２に記載の知識流通システム。
284. 知的財産に関する権利を制御するためのコンピュータが実行する方法であって、
     ネットワークの複数のノードに分散配置され、暗号で結ばれた複数のブロックを含む分散台帳を作成および管理するステップ、
     分散型台帳を介してスマートコントラクトを実装および管理するステップであって、スマートコントラクトは、分散型台帳に格納され、トリガーイベントを含む、ステップ、
     トリガーイベントの発生に応答して、知的財産に関してスマートコントラクトアクションを実行するステップ、
     知識プロバイダから、特許文書を含む知的財産のインスタンスを受信するステップ、
     知的財産のインスタンスが分散型台帳上のトークンとして操作できるように、知的財産を動的非代替性トークン（NFT）の形でトークン化するステップ、
     分散型台帳を介してNFTを保存するステップ、
     知的財産の知識提供者と知識受領者のスマートコントラクトへのコミットメントを処理するステップ、および、
     スマートコントラクトに従ってNFTの制御権およびアクセス権を管理し、条件およびトリガーイベントに従ってスマートコントラクトアクションを管理するステップ、を含むコンピュータが実行する方法。
285. スマートコントラクトに特許ライセンス条項を埋め込むことをさらに含む、請求項２８４に記載の知的財産に関する権利を制御するためにコンピュータが実行する方法。
286. 現実世界のイベントに基づいて知的財産の価値／価格を動的に変化させることをさらに含む、請求項２８４に記載の知的財産に関する権利を制御するためにコンピュータが実行する方法。
287. 前記実世界イベントは、起訴イベント、無効または訴訟イベント、またはライセンスまたは販売イベントを含む法的または取引的イベントを含む、請求項２８６に記載の知的財産に関する権利を制御するためにコンピュータが実行する方法。
     

Images