The Environmental Footprint of Bitcoin Mining Across the Globe: Call for Urgent Action
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Based on a multi‐attribute assessment of the environmental impacts and challenges associated with global Bitcoin (BTC) mining activities around the globe, we call for urgent action by the scientific, policy, and advocacy communities. The worldwide BTC mining network consumed 173.42 TWh of electricity during the 2020–2021 period, bigger than the electricity consumption of most nations. The mining process emitted over 85.89 Mt of CO 2 eq in the same timeframe, equivalent to the emission caused by burning 84 billion pounds of coal or running 190 natural gas‐fired power plants. The environmental footprint of BTC mining is not limited to greenhouse gas emissions. In 2020–2021, the global water footprint of BTC mining was about 1.65 km 3 , more than the domestic water use of 300 million people in rural Sub‐Saharan Africa. The land footprint of the global BTC mining network during this period was more than 1,870 square kilometers, 1.4 times the area of Los Angeles. These striking numbers highlight the heavy reliance of the BTC network on fossil fuels and natural resource‐intensive energy sources, resulting in major but unmonitored and unregulated environmental footprints. To mitigate the environmental costs of BTC mining, immediate policy interventions, technological advancements, and scientific research are crucial. Proposed measures include enhanced transparency, economic and regulatory tools, developing energy‐efficient alternative coins, and the adoption of greener blockchain validation protocols.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle