qghappy ytg秋季赛

  • <tr id='kPicK3'><strong id='kPicK3'></strong><small id='kPicK3'></small><button id='kPicK3'></button><li id='kPicK3'><noscript id='kPicK3'><big id='kPicK3'></big><dt id='kPicK3'></dt></noscript></li></tr><ol id='kPicK3'><option id='kPicK3'><table id='kPicK3'><blockquote id='kPicK3'><tbody id='kPicK3'></tbody></blockquote></table></option></ol><u id='kPicK3'></u><kbd id='kPicK3'><kbd id='kPicK3'></kbd></kbd>

    <code id='kPicK3'><strong id='kPicK3'></strong></code>

    <fieldset id='kPicK3'></fieldset>
          <span id='kPicK3'></span>

              <ins id='kPicK3'></ins>
              <acronym id='kPicK3'><em id='kPicK3'></em><td id='kPicK3'><div id='kPicK3'></div></td></acronym><address id='kPicK3'><big id='kPicK3'><big id='kPicK3'></big><legend id='kPicK3'></legend></big></address>

              <i id='kPicK3'><div id='kPicK3'><ins id='kPicK3'></ins></div></i>
              <i id='kPicK3'></i>
            1. <dl id='kPicK3'></dl>
              1. <blockquote id='kPicK3'><q id='kPicK3'><noscript id='kPicK3'></noscript><dt id='kPicK3'></dt></q></blockquote><noframes id='kPicK3'><i id='kPicK3'></i>
                公海贵宾会员55500a3篇論文被HPCA2024錄用
                發布時間:2023-10-28 點擊:

                近日,公海贵宾会员55500a3篇論文被計算機體系結構致命角斗士的坚韧圣契四大頂會之一的IEEE International Symposium on High Performance Computer Architecture(HPCA)錄用,3篇論文均來自廈門市智能存儲與計算重點實∏驗室。HPCA 2024錄用75篇,接收率為18%,錄用論文簡要介紹如下:

                1.Mitigating Write Disturbance in Non-Volatile Memory via Coupling Machine Learning with Out-of-Place Updates

                內存技術已經逐漸接近其物理極限,這使得傳卑鄙統的DRAM難以滿足海量數據存儲需求。非易失性存儲器(Non-Volatile Memory, NVM)為解決內存容量限制提供了新的機會,但仍受到寫幹擾(Write Disturbance, WD)問題∏的困擾。寫幹擾問題是指寫入時錯誤地轉換了NVM內存單惨景元的數據,將會降低內存可靠性,並影響內存訪問性能。此外,現有研究認為簡單地縮小單元間的距離來追求更高的南疆NVM內存容量,會雁默先烹使得寫幹擾問題更為嚴峻,進一步阻礙NVM的廣泛部署。現有研究主要關註本地更新的情人里況下,如何利用編碼方案減少易出現寫幹擾的數據模式來緩解寫幹擾問題。沈誌榮老師團隊滴灌分析發現,通過異地更新的方式進行寫入時,能夠進一步伦鲁迪洛尔減少NVM的寫幹擾錯誤。為了合理利用異地更新的方式,該論文以羊易牛提出LearnWD,這是第一個基於機器學習來管理舊數據塊(例如,邏輯刪除數據或無效數據)以緩解NVM的寫闲情别致幹擾問題的工作。LearnWD使用聚類算法將舊數據塊劃分為多個類別,使得每個国法類別包含具有類似寫幹擾傾向的舊數據塊。當發」起新的寫入請求時,其首先提取新數據塊的攻擊傾讨人嫌向分布(即可能導致寫幹擾錯誤的位)。然後,通過耦合舊數據塊的錯誤傾向分布和新數據塊的攻擊傾向分布,以確定一個適當的舊數據塊進行覆蓋寫,從而推測性地減少由內存寫入王保有引發的寫幹擾錯誤。最後,LearnWD通過重訓練以維持模型的準確性和高效性。

                LearnWD的設計舰队概覽

                論文第一作者是計算機科學與技術系2021級碩士生吳镕龍,通訊作者是毒贩沈誌榮副教授,由計算機科學與技術〒系2022級碩士生楊誌偉、舒繼武教授合作完成。

                2. LearnedFTL: A Learning-based Page-level FTL for Reducing Double Reads in Flash-based SSDs

                隨著3D NAND和NVMe技術的崛起,固態硬盤(SSD)的容阴云头盔量和性能大幅提升。然而,在SSD的閃存轉換層(FTL)中存儲所有地址映射表需要大量內存,在閃存中存儲則會第一题導致“雙讀”問題,嚴重雨鞋影響讀性能。為了解決赞达拉忏悔者衬肩這一問題,主流的需求驅動型FTL(DFTL、TPFTL等)利用工作負載的局部性緩存映射以減少雙讀現象的發生。然而,面對隨機讀取※場景時,這些方案依然面臨雙讀瓶頸。為了解決這一問題,論文提出扑哧了LearnedFTL,將學習索引與需求驅動型FTL結合,保證處理局部性工作負■載能力的同時增強姐弟隨機讀性能。LearnedFTL以可調參數的分段線性模型為基礎,建立就地更新線性模型擺脫對工作負載局部性的依賴小人物,並通過虛擬物理地址表示法在保證並行性的同時孜孜无倦滿足學習索引的訓練需求。同時,LearnedFTL提出了基於組的分配策略減少模型的空間開銷,利用垃圾回收訓練模型最小化訓哀伤練開銷,還通過一系列措施進一步提高模型準確性。實驗表明,與現有的FTL方案相比,LearnedFTL的P99尾延遲可以減少5.3到12.2倍,隨機讀場连载景下,雙讀殘留可以減少55%。這項研究為星界财团传送器提高SSD性能,特別是在處理隨機讀取時,提供了一種創新解決方案。

                LearnedFTL系統架構

                該論文第一作者华丰是公海贵宾会员55500a2020級碩士生王聖哲,共同通訊作者是吳素貞副教授和毛波教授,由2021級碩战战惶惶士生林子航、德克薩斯大學阿靈頓分校江泓教授和北京█大學張傑助理教授共同合作完成。

                3.Turning Waste into Gold: Invalid-Data Assisted Reliability and Performance Boost for 3D High-Density Flash

                隨著海量◣數據對計算機存儲密度與容量的需求持續增加,三星、美光和長江存儲等近兩年相繼推出200層3D堆疊閃存芯片,並采用4比特每存儲元≡的QLC(Quad-Level Cell)技術。由於制程工藝的限维兹尔制,3D QLC采用一種全新的編程方丰收式,即基於字線(Wordline)粒度(4個物理頁同時編程)的兩步編程(粗略編程和精細編程)方式。李喬老師所在團隊在今年HotStorage論文中首次指出3D QLC的兩步編略称程方式中,存在對無效數據頁的編程,將其定義為無效編程問題。針對該問題,本文首看报纸次提出系統的解決方案,利用無效頁的存在實現有效頁的高效編程,在不改變閃存芯片硬件的前提下,最小化由無效編程產生的能传输耗和性能損耗,並提升有效頁的可靠性。論文提出了三個無效數據輔助策略來提升有效數據的寫入性能和可靠性。論文首先提出了一種對有效數據進行重新組織編程的方案,避免對無效數據的精細編程操作,縮短編程的∮時間,提升寫祥达入性能。其次,論文提出了非編程方案,利用Wordline中存在的無效頁,改變精細編程步驟中的數據,提升了有效頁的可靠性。最後,論文基於最新的混合SSD,設計出了SLC(Single-Level Cell)和QLC區域之間的動態數據管理和自適應數據分配策略,減伐木场少了無效編程的發生。基於真實芯片和模擬器的評估表明,所提出的策略對⊙3D QLC可靠性、性能和能耗均有較大的提升。

                整體設計流程示例

                論文第一作者是李喬副教授,通訊作者是高聰明副教授,由計算機科专心一意學與技術系2022級碩士生黨玩火紅洋、2022級碩士生萬崢、博士生葉敏(香港城市大學)、張傑助理教授(北京大學)、郭大維格罗萨格白银之手骑士团圣剑教授(臺灣大學)、薛春教授(香港城市大學)合作完成。

                投稿:李喬


                "公海贵宾会检测中心,公海贵宾会员检测中心,公海贵宾会员55500a"jmfisher.com

                "公海贵宾会检测中心,公海贵宾会员检测中心,公海贵宾会员55500a"jmfisher.com