MetalChain

*VERIMATRIX: COMPUTAÇÃO CONFIÁVEL PARA AGENTES DE IA & DEFI*

> *Submissão Amadeus Genesis Hackathon* (Hard & Soft Tracks + Bônus)

*📖 A VISÃO (SOFT TRACK)*

*O Problema:* Agentes Autônomos e protocolos DeFi dependem cada vez mais de computação complexa off-chain (análise de risco, inferência de ML, otimização de rotas). No entanto, executar isso on-chain é inviável, e off-chain é opaco. Se um agente autônomo toma uma decisão baseada em um modelo de "caixa preta", como confiar que o resultado não foi manipulado?

*A Solução:* *VeriMatrix.* Uma camada padronizada de "Compute Provenance" (Proveniência de Computação). Nós unimos a força bruta do *Amadeus uPoW* (Hard Track) para o processamento pesado (MatMul), verificamos a correção matemática com *Provas de Conhecimento Zero* (zkVerify) e gravamos o histórico imutável na *Arweave.*

*Por que Amadeus?*

A finalidade determinística de 0.5s da Layer 1 da Amadeus e seu runtime WASM formam a camada de orquestração perfeita para esse pipeline de alta velocidade, permitindo que agentes reajam em tempo real com segurança criptográfica.

*ARQUITETURA DO SISTEMA*

1. *Requisição:* dApp/Agente solicita um workload matricial (ex: Análise de Risco de Portfólio).

2. *Execução uPoW:* Mineradores Blackhole executam o kernel otimizado de MatMul (Hard Track).

3. *Verificação ZK:* Uma prova (Freivalds/Groth16) atesta a correção do cálculo sem refazer a conta pesada via zkVerify.

4. *Proveniência:* O registro completo (Hash de Entrada + Saída + Prova) é salvo permanentemente na Arweave.

5. *Finalidade:* Validadores da Amadeus L1 checam a prova e autorizam a ação do agente.

---

*🛠️ HARD TRACK: O MOTOR (AMADEUS UPOW)*

Este repositório contém a implementação otimizada do kernel para o chip *Tenstorrent Blackhole p150a.*

• *Alvo:* Blackhole p150a (140 Cores Tensix).

• *Workload:* Multiplicação de Matrizes com K Grande (16x50240 * 50240x16), típica de reduções em inferência de LLMs (como Llama 3).

• *Estratégia:*

    • *Paralelismo de Dados:* Distribuição da dimensão massiva `K` entre os 140 cores.

    • *Double Buffering:* Uso de Buffers Circulares (CBs) para sobrepor a movimentação de dados (DRAM->L1) com o cálculo.

    • *Tiling:* Formato nativo de tiles 32x32 para utilização máxima das unidades Tensix.

---

*🚀 QUICKSTART (COMO RODAR)*

*PRÉ-REQUISITOS*

• Node.js v20+

• Compilador C++ (Clang++ ou G++)

• (Opcional) Toolchain Tenstorrent TT-Metal para compilação Device.

*1. INSTALAÇÃO*

```

npm install

# Configure o ambiente (opcional para mock, obrigatório para bônus reais)

cp .env.example .env

```

*2. COMPILAÇÃO*

```

cd hard-matmul

# Compilar Referência CPU (Modelo Funcional)

make cpu

# OU Compilar Kernel de Dispositivo (Requer ambiente TT-Metal)

# make device

cd ..

```

*3. RODAR PIPELINE*

```

# Roda Benchmark -> Gera Proveniência -> (Opcional) Upload para Arweave/zkVerify

npm run pipeline

```

> *Nota:* Se você não possui o hardware Blackhole, o pipeline utilizará automaticamente a referência compilada da CPU (`native-cpu-ref`) para demonstrar o fluxo completo.

`.

---

*📂 ESTRUTURA DO REPOSITÓRIO*

• */hard-matmul:* Kernels C++ (Referência CPU + Implementação Device).

• */bench:* Runner TypeScript para orquestração e geração de proveniência.

• */soft-ideathon:* Pitch Deck (`deck.md`), Diagramas de Arquitetura (`architecture.mmd`).

• */bonus-arweave:* Scripts para armazenamento imutável na Arweave.

• */bonus-zkverify:* Scripts para atestado ZK na zkVerify.