标题： 时间有序的可证明输出 显示英文标题

标题： TOPO: Time-Ordered Provable Outputs

摘要： 我们介绍了 TOPO（时间有序可证明输出），这是一个旨在增强天体物理学研究中可重复性和数据完整性的工具，提供了一种无需信任的数据分析盲法替代方案。 天体物理学研究经常涉及概率算法、高计算需求和严格的数据隐私要求，这使得很难保证结果的完整性。 TOPO 提供了一个安全的框架，用于验证可重复的数据分析，同时确保敏感信息保持隐藏。 我们的方法利用确定性哈希生成输出的独特数字指纹，并使用默克尔树以时间有序的方式存储输出。 这使得可以高效地验证特定组件或整个数据集，同时使其在计算上不可能操纵结果——从而减轻了人为干扰和确认偏见的风险，这是盲法方法的关键目标。 我们在宇宙学背景下展示了 TOPO 的实用性，使用 TOPO-Cobaya 展示了如何将盲法和验证无缝集成到马尔可夫链蒙特卡洛计算中，使该过程具有加密可证明性。 此方法解决了可重复性危机中的紧迫挑战，并为天体物理学数据分析提供了强大且可验证的框架。 显示英文摘要

摘要： We present TOPO (Time-Ordered Provable Outputs), a tool designed to enhance reproducibility and data integrity in astrophysical research, providing a trustless alternative to data analysis blinding. Astrophysical research frequently involves probabilistic algorithms, high computational demands, and stringent data privacy requirements, making it difficult to guarantee the integrity of results. TOPO provides a secure framework for verifying reproducible data analysis while ensuring sensitive information remains hidden. Our approach utilizes deterministic hashing to generate unique digital fingerprints of outputs, and Merkle Trees to store outputs in a time-ordered manner. This enables efficient verification of specific components or the entire dataset while making it computationally infeasible to manipulate results - thereby mitigating the risk of human interference and confirmation bias, key objectives of blinding methods. We demonstrate TOPO's utility in a cosmological context using TOPO-Cobaya, showcasing how blinding and verification can be seamlessly integrated into Markov Chain Monte Carlo calculations, rendering the process cryptographically provable. This method addresses pressing challenges in the reproducibility crisis and offers a robust, verifiable framework for astrophysical data analysis.