FeNOMS：基于FeNAND闪存存储器内处理增强开放修改光谱库搜索
硬件体系结构
2025-10-14 v1
摘要
质谱（MS）数据快速扩张，现已超过数百TB，对高效大规模库搜索提出了重大挑战——这是药物发现中的关键组件。传统处理器难以高效处理此类数据容量，使内存储器计算（ISP）成为有前景的替代方案。本工作引入一种ISP架构，利用3D Ferroelectric NAND（FeNAND）结构，提供显著更高的密度、更快的速度和更低的电压要求，与传统NAND闪存相比。尽管其密度优势显著，但由于由串联单元的逐行读取所导致的吞吐量有限，NAND结构在ISP应用中尚未得到广泛利用。为克服这些限制，我们集成了超维计算（HDC），这是一种受大脑启发的范例，能够实现高度并行的处理，仅使用简单操作且具有强大的容错能力。通过将HDC与本文提出的双界近似匹配（D-BAM）距离度量相结合，针对FeNAND结构进行优化，我们将向量计算并行化，以实现对MS光谱库搜索的高效处理，在保持相当准确性的同时，相较于最先进的3D NAND方法实现了43倍的加速和21倍的能源效率提升。
引用
@article{arxiv.2510.10872,
title = {FeNOMS: Enhancing Open Modification Spectral Library Search with In-Storage Processing on Ferroelectric NAND (FeNAND) Flash},
author = {Sumukh Pinge and Ashkan Moradifirouzabadi and Keming Fan and Prasanna Venkatesan Ravindran and Tanvir H. Pantha and Po-Kai Hsu and Zheyu Li and Weihong Xu and Zihan Xia and Flavio Ponzina and Winston Chern and Taeyoung Song and Priyankka Ravikumar and Mengkun Tian and Lance Fernandes and Huy Tran and Hari Jayasankar and Hang Chen and Chinsung Park and Amrit Garlapati and Kijoon Kim and Jongho Woo and Suhwan Lim and Kwangsoo Kim and Wanki Kim and Daewon Ha and Duygu Kuzum and Shimeng Yu and Sourav Dutta and Asif Khan and Tajana Rosing and Mingu Kang},
journal= {arXiv preprint arXiv:2510.10872},
year = {2025}
}