Generating realistic wear distributions for SSDs
Generating realistic wear distributions for SSDs
复制标题
生成 SSD 的真实磨损分布
DOI：
10.1145/3538643.3539757
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
Kim, Bryan S.
中科院分区：
文献类型：
--
作者：
Jiao, Ziyang;Kim, Bryan S.
我们提出了一种基于机器学习的固态硬盘老化框架FF-SSD，它可以生成具有代表性的未来磨损状态。FF-SSD具有准确性(高达99%的相似性)、高效(将模拟时间加快2倍)和模块化(可与现有模拟器和模拟器集成)。
We present FF-SSD, a machine learning-based SSD aging framework that generates representative future wear-out states. FF-SSD is accurate (up to 99% similarity), efficient (accelerates simulation time by 2×), and modular (can be integrated with existing simulators and emulators).
大型生产系统中硬件性能故障的大规模存储故障缓慢证据
DOI：
--
发表时间：
--
期刊：
影响因子：
--
作者：
仁志 安藤;尚史 加賀谷;康弘 竹森;八嗣 野田
通讯作者：
八嗣 野田
使用连续统计机器学习在混合指令/周期精确指令集模拟器中实现高速性能预测
影响因子：
2.8
作者：
D. Powell;Björn Franke
通讯作者：
Björn Franke
DOI：
10.1109/micro.2018.00045
发表时间：
2018-10
期刊：
2018 51st Annual IEEE/ACM International Symposium on Microarchitecture (MICRO)
影响因子：
--
作者：
Donghyun Gouk;Miryeong Kwon;Jie Zhang;Sungjoon Koh;Wonil Choi;N. Kim;M. Kandemir;Myoungsoo Jung
通讯作者：
Donghyun Gouk;Miryeong Kwon;Jie Zhang;Sungjoon Koh;Wonil Choi;N. Kim;M. Kandemir;Myoungsoo Jung