**자이언트 크리슈나무르티(Jayant Krishnamurthy)**는 파이쓰(Pyth) 데이터 협회 기여자이자 포르투갈에 기반을 둔 오라클 툴링 및 웹3(Web3) 인프라에 중점을 둔 두로 랩(Douro Labs)의 최고 기술 책임자(CTO)입니다. 크리슈나무르티와 전 점프 트레이딩(Jump Trading) 및 점프 크립토(Jump Crypto) 멤버들이 공동 설립한 두로 랩(Douro Labs)은 블록체인 생태계에서 실시간 시장 데이터에 대한 광범위한 접근을 위해 파이쓰 네트워크(Pyth Network)의 분산형 데이터 서비스를 확장하는 것을 목표로 합니다. 크리슈나무르티는 현재 점프 트레이딩 그룹(Jump Trading Group)의 소프트웨어 엔지니어로도 근무하고 있습니다.[1][2]
그는 2015년 카네기 멜론 대학교에서 톰 미첼(Tom Mitchell)의 지도하에 컴퓨터 과학 박사 학위를 받았습니다. 그의 학업 경력에는 2009년 매사추세츠 공과대학교(MIT) 컴퓨터 과학 석사(M.Eng.)도 포함됩니다. 크리슈나무르티의 학부 과정은 2008년 MIT 컴퓨터 과학 학사(S.B.)로 마무리되었습니다. 학업 기간 동안 크리슈나무르티는 다양한 과목의 조교로 적극적으로 참여했습니다.[3][1]
자이언트 크리슈나무르티는 2023년 8월부터 두로 랩(Douro Labs)의 최고 기술 책임자를 역임하고 있습니다. 크리슈나무르티, 마이클 케이힐(Michael Cahill), 시아란 크로닌(Ciarán Cronin)이 설립한 두로 랩(Douro Labs)은 오라클 툴링, 제품 및 웹3(Web3) 인프라를 개발하여 파이쓰 네트워크(Pyth Network)의 분산형 데이터 서비스를 향상시키는 것을 목표로 합니다. 2023년에 설립된 두로 랩(Douro Labs)은 실시간 시장 데이터를 스마트 계약에 제공하는 주요 금융 오라클 네트워크인 파이쓰 네트워크(Pyth Network)의 가속화에 기여하고 있습니다.[7][8]
그 이전에는 2021년 8월부터 파이쓰 네트워크(Pyth Network)를 만드는 업무를 담당하는 점프 트레이딩 그룹(Jump Trading Group)의 소프트웨어 엔지니어로 재직했습니다. 점프 트레이딩 그룹(Jump Trading Group)은 수학, 물리학 및 컴퓨터 과학 전반에 걸쳐 고급 연구를 수행하여 과학적 발견을 글로벌 금융 시장에 적용합니다. 연구 결과는 위험 조정 수익률을 높이고 다양한 산업 전반의 기술 발전에 기여하는 것을 목표로 합니다.
"DeFi 분야의 개발자들은 기존 오라클과 관련하여 일반적으로 세 가지 문제에 직면합니다. 피드 업데이트 속도가 충분히 빠르지 않고, 자산 선택이 충분히 넓지 않고, 투명한 데이터 소스가 부족합니다. 파이쓰 네트워크(Pyth Network)는 이러한 모든 문제를 가장 확장 가능하고 우아한 방식으로 해결하도록 설계되었습니다." - 자이언트 크리슈나무르티 [2]
점프 트레이딩(Jump Trading) 팀 구성원들은 파이쓰 네트워크(Pyth Network) 개발에 중요한 역할을 합니다. 파이쓰 네트워크(Pyth Network)는 전 세계 실시간 금융 데이터의 주요 오라클 역할을 하며 수많은 DeFi 애플리케이션 전반의 거래를 가능하게 합니다.[6][8]
점프 트레이딩 그룹(Jump Trading Group) 근무 전에는 2018년부터 2021년까지 마이크로소프트(Microsoft)에서 수석 연구원으로 근무했습니다. 이 직책 이전에는 2018년 마이크로소프트(Microsoft)가 회사를 인수할 때까지 시맨틱 머신즈(Semantic Machines)에서 수석 연구 과학자로 근무했습니다.
크리슈나무르티는 2015년 5월 앨런 인공지능 연구소(AI2)에서 연구 과학자로 경력을 시작하여 미국 워싱턴주 시애틀에 거주하며 2017년 4월까지 2년 동안 기여했습니다.[1]
자이언트 크리슈나무르티의 컴퓨터 과학에 대한 기여는 "한 번에 부품 라벨링을 위한 구조화된 집합 매칭 네트워크(Structured Set Matching Networks for One-Shot Part Labeling)"(CVPR 2018) 및 "반구조화 테이블을 위한 유형 제약이 있는 신경 의미 분석(Neural Semantic Parsing with Type Constraints for Semi-Structured Tables)"(EMNLP 2017)와 같은 다양한 분야를 아우르는 연구 출판물에서 분명하게 나타납니다. "더 적은 인간의 노력으로 자연어를 이해하는 방법 학습(Learning to Understand Natural Language with Less Human Effort)"(2015)에 대한 박사 논문을 포함한 그의 연구는 "시각적으로 검증 가능한 텍스트 함축: 언어와 시각 결합을 위한 과제(Visually-Verifiable Textual Entailment: A Challenge Task for Combining Language and Vision)"(2015)에서 볼 수 있듯이 언어와 시각의 교차점을 탐구합니다.
크리슈나무르티의 연구는 "지시 가능한 지능형 개인 에이전트(Instructable Intelligent Personal Agent)"(AAAI 2016)와 같은 실용적인 응용 프로그램과 "열린 술어 어휘를 사용한 Freebase에 대한 구성 의미 학습(Learning Compositional Semantics for Freebase with an Open Predicate Vocabulary)"(2015)과 같은 이론적 측면을 아우릅니다. 그의 연구는 다학제적 연구 노력을 통해 자연어 이해에 대한 이해를 발전시키고 기계 학습 분야에 기여하려는 노력을 반영합니다.[4][3][5]