기존의 SSD (solid-state drive)는 단순한 저장장치로만 활용되었으나 최근 Host와 Storage간 data transfer 비용이 증가함에 따라 “Moving Computation is Cheaper than Moving Data”라는 아이디어에 기반한 In-Storage Processing(ISP)이 등장하였다. SSD 내부의 computing 자원을 활용하여 연산을 가속하고 Host와의 데이터 전송량을 크게 줄인다. 본 연구에서는 ISP를 위한 SSD architecture를 개발하고, 이에 기반하여 DB나 Machine Learning 응용 실행이 가능한 DB-SSD, TensorSSD를 개발하고 있다.
- In-Storage Processing을 위한 SSD architecture (Intelligent SSD, Smart SSD)
- FPGA SSD를 이용한 BigData, Machine Learning 가속
- DB-SSD, TensorSSD
- Machine Learning 기반 Operating System/File System 최적화
- Machine Learning 기반 Storage 최적화
- Reinforcement-Learning (RL)을 이용한 SSD 동작 제어
- New SSD Architectures
- Linux SSD, Networked SSD
- Multi-Stream SSD, Zoned Namespace (ZNS)
- Hybrid Storage Architecture: DRAM+NVRAM+SSD, 2B-SSD
- 관련 프로젝트
- “ZNS++: Zoned Namespace SSD를 위한 확장 인터페이스 및 Zone 관리 기법 연구” (중견연구, 2021.9.~2025.2)
- “대용량 클라우드 서버를 위한 SSD 기반 스토리지 시스템” (연구재단, 중견연구, 2016. 6 ~ 2019. 5)
- “차세대 SDDC를 위한 초고속 SSD 저장시스템 구조 연구” (삼성전자반도체 클러스터과제 2016. 2 ~ 2019. 1)
- “고성능/고신뢰/저비용 클라우드 스토리지를 위한 NVRAM 활용기술연구” (ETRI, 엑사스케일 클라우드 스토리지 개발 사업 위탁과제, 2015. 7. 1 – 2017. 11. 30)
- “플래시 메모리 저장장치를 위한 모바일 플랫폼 소프트웨어 기법 개발”
(연구재단,일반연구, 2013.6.1 ~ 2016.5.31) - “이기종 메모리 계층구조 관리 펌웨어 개발” (삼성전자 메모리사, 2012.7.1 ~ 2015.10.14)
- “영상센서데이터 저장용 낸드플래시 파일시스템 및 IO 스택 개발”
(연구재단, 글로벌프론티어사업, 2013. 9. 1 – 2015. 8. 31)