$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

[국내논문] 경사하강법을 이용한 낸드 플래시 메모리기반 저장 장치의 고효율 수명 예측 및 예외처리 방법
High Efficiency Life Prediction and Exception Processing Method of NAND Flash Memory-based Storage using Gradient Descent Method 원문보기

융합정보논문지 = Journal of Convergence for Information Technology, v.11 no.11, 2021년, pp.44 - 50  

이현섭 (백석대학교 컴퓨터공학부)

초록
AI-Helper 아이콘AI-Helper

최근 빅데이터를 수용하기 위한 대용량 저장 장치가 필요한 엔터프라이즈 저장 시스템에서는 비용과 크기 대비 직접도가 높은 대용량의 플래시 메모리 기반 저장 장치를 많이 사용하고 있다. 본 논문에서는 엔터프라이즈 대용량 저장 장치의 신뢰도와 이용성에 직접적인 영향을 주는 플래시 메모리 미디어의 수명을 극대화 하기 위해 경사하강법을 적용한 고효율 수명 예측 방법을 제안한다. 이를 위해 본 논문에서는 불량 발생 빈도를 학습하기 위한 메타 데이터를 저장하는 매트릭스의 구조를 제안하고 메타데이터를 이용한 비용 모델을 제안한다. 또한 학습된 범위를 벗어난 불량이 발생 했을 때 예외 상황에서의 수명 예측 정책을 제안한다. 마지막으로 시뮬레이션을 통해 본 논문에서 제안하는 방법이 이전까지 플래시 메모리의 수명 예측을 위해 사용되어 온 고정 횟수 기반 수명 예측 방법과 예비 블록의 남은 비율을 기반으로 하는 수명 예측 방법 대비 수명을 극대화 할 수 있음을 증명하여 우수성을 확인했다.

Abstract ▼ AI-Helper 아이콘AI-Helper

Recently, enterprise storage systems that require large-capacity storage devices to accommodate big data have used large-capacity flash memory-based storage devices with high density compared to cost and size. This paper proposes a high-efficiency life prediction method with slope descent to maximiz...

Keyword

#수명 예측   #플래시 메모리   #저장 시스템   #빅데이터 수용   #수명 예측 모델  

참고문헌 (10)

  1. F. E. Curtis & K. Scheinberg. (2017). Optimization Methods for Supervised Machine Learning: From Linear Models to Deep Learning, The Operations Research Revolution, (pp89-113). INFORMS. 

  2. H. Zhang et al. (2017). ZipML: training linear models with end-to-end low precision, and a little bit of deep learning, Proceedings of the 34th International Conference on Machine Learning, (pp. 4035-4043). PMLR. 

  3. Z. Shi, Y. Fang, Y. Bu & G. Han. (2021). Convolutional Neural Network (CNN)-based Detection for Multi-Level-Cell NAND Flash Memory, in IEEE Communications Letters. 

  4. S. Park et al. (2021). Highly-Reliable Cell Characteristics with 128-Layer Single-Stack 3D-NAND Flash Memory, 2021 Symposium on VLSI Technology. IEEE. 

  5. S. Lee & J. Kim. (2016). Effective Lifetime-Aware Dynamic Throttling for NAND Flash-Based SSDs, IEEE Transactions on Computers, 65(4), 1075-1089 

    상세보기 crossref

  6. G. H. Lee, S. Hwang, S, Yu J & H. Kim. (2021). Architecture and Process Integration Overview of 3D NAND Flash Technologies. Applied Sciences, 11(15), 6703. 

  7. R. Cang, Q. Bahman & S. Farshid. (2004). Maintaining erase counts in non-volatile storage systems, United States Patent, US6831865B2. 

  8. H. S. Kim, E. H. Nam, J. H. Yun, S. Lee & S. L. Min, (2017). P-BMS: A Bad Block Management Scheme in Parallelized Flash Memory Storage Devices, ACM Trans. Embedded Comput. Syst, 16(5s), 140:1-140:19. 

  9. T. Y. Chen, S. H. Chi, M. C. Yang & T. Y. Chien. (2021). Enabling the Duo-phase Data Management to Realize Longevity Bit-alterable Flash Memory, in IEEE Transactions on Computers. 

  10. H. Jang et, al. (2021), An SVM-Based NAND Flash Endurance Prediction Method, Micromahines, 12(7), 746. 

활용도 분석정보

상세보기
다운로드
내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

관련 콘텐츠

오픈액세스(OA) 유형

FREE

Free Access. 출판사/학술단체 등이 허락한 무료 공개 사이트를 통해 자유로운 이용이 가능한 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로