ساتوشی ناکاموتو از یک رایانه برای استخراج ۱.۱ میلیون بیت کوین استفاده کرده است.
سرجیو درمین لرنر (Sergio Dermain Lerner) محقق شناخته‌شده در زمینه بررسی الگوی ماینینگ ماینر اولیه بیت کوین، توجه خود را به سمت بلاک‌های استخراج شده توسط ساتوشی ناکاموتو جلب کرده است.
لرنر گزیده‌ای از یافته‌های اخیر خود را در اختیار کوین‌تلگراف قرار داده است. تحقیق وی بر اساس الگوی نامنظم LSB محدوده نانس بلاک است.
ماه ژوئن سال گذشته، لرنر تحقیقی منتشر کرد که تحقیق اولیه او در سال ۲۰۱۳ را گسترش داد. وی بیان کرد که به دلیل نامعلومی، ساتوشی طی پنج دقیقه ابتدایی حدفاصل دو بلاک، از ماینینگ اجتناب می‌کرد. سایر محققان نیز تحقیقات لرنر را ادامه دادند. TechMiX نشان داد که تمام بلاک‌های استخراج شده توسط ساتوشی را می‌توان در پنج بخش و بر اساس توزیع مقدار LSB نانس دسته‌بندی کرد.
با هر اقدام جدید به منظور حل کردن پازل ماینینگ، نانس افزایش می‌یابد. ظاهراً تجهیزات ساتوشی از تمام فضای نانس موجود استفاده نمی‌کرد و فقط بر طیف محدودی معطوف بود. تحقیق اخیر لرنر بیان کرده است که ساتوشی در عوض به کاهش مقدار نانس پرداخته بود. وی بیان کرد:
مشخص شده است که ماینینگ مجدد نشان می‌دهد که الگوریتم ماینینگ پاتوشی تمایل بسیار زیادی به انتخاب دانش‌های بیشتر هنگام اسکن و بررسی نانس داخلی دارد. این تمایل نشان می‌دهد نانس کاهش یافته بود که مختلف با نسخه ۰.۱ کلاینت ساتوشی بود.
این موضوع نتایج جالب‌تری را به همراه داشته است که شاید صحبت‌های پیرامون نوت تجهیزات مورد استفاده توسط ساتوشی ناکاموتو را پایان خواهد داد. لرنر در این خصوص گفت:
از آنجایی که عدم توازن نانس هنگام تحلیل دو زیرمحدوده (subrange) کاهش می‌یابد، این موضوع بیان می‌کند که پاتوشی ۵ زیرمحدوده را به طور موازی اسکن و بررسی می‌کرد، اما هر زیرمحدوده به صورت متوالی بود. این موضوع برخلاف نظریه‌ای است که پاتوشی از اولین فارم ماینینگ حاوی ۵۰ رایانه مستقل استفاده کرده است و از این نظریه پشتیبانی می‌کند که پاتوشی صرفا از یک CPU پیشرفته و چندرشته‌ای استفاده کرده است.
اگر نتیجه‌گیری لرنر صحیح باشد، این فرضیه بیشتر قوت می‌گیرد که ساتوشی یک فرد بود، نه یک تیم. این موضوع مدرک دیگری است که کریگ رایت درباره ساتوشی ناکاموتو بودن دروغ گفته است، زیرا وی بیان کرده بود که از چندین رایانه برای استخراج بلاک‌های اولیه استفاده کرده است.
