Page 21 - 2017 Brochure
P. 21
法、圖形理論、統計學、氣象模式，或以上的組合，來做細密度的空汙推估或是 研究人員
預測。但是大部分研究都無法精確預估都會區空汙情形，因為除了遠端輸送汙染物
外，都會區本身是空汙製造者。在本研究我們提出一個使用多種類神經網路 ( 包括 陳孟彰 Meng-Chang Chen
autoencoders，LoEs，LSTMs，RBNs) 的深度學習架構來描述影響都會區空汙的因
素與特性。目前我們更進一步結合氣象模式來造模外來空汙，更準確的提供都會空 Research Fellow
屋模式。
張原豪 Yuan-Hao Chang
(4) 非揮發性主記憶體之索引設計與資料探勘
Associate Research Fellow
非揮發性記憶體被廣泛的使用在次世代記憶體架構的發展之中，同時也成為一個取
代 DRAM 成為特殊應用系統之主記憶體的重要媒體。除了非揮發性之外，非揮發性 楊得年 De-Nian Yang
記憶體同時具有低漏電與高容量可擴增性的優點。然而與 DRAM 相比，非揮發性記
憶體通常具有較長的寫入延遲與寫入耗電。我們的研究著重在考慮物聯網及記憶體 Research Fellow
資料庫等特殊資料存取行為的應用之下，提出新的設計來提升非揮發性主記憶體架
構的資料存取效能。例如，我們提出名為存取行為感知樹 (xB+-tree) 的新索引設計 葉彌妍 Mi-Yen Yen
來提升非揮發性主記憶體架構的資料存取效能，此一設計考慮 CPU 以快取列為主
記憶體存取單位的方式來偵測主記憶體資料的存取行為，此一設計的主要概念為將 Associate Research Fellow
經常存取的索引資料集中在最少的快取列空間之中，並把最近將會連續存取的資料
也集中在一起，因此必須被讀取到 CPU 快取列資料就能被最小化，此一設計經過 廖弘源 Hong-Yuan Mark Liao
Gem5 模擬器的一連串實驗，證明此設計具有極佳的性能。未來，我們將繼續研究
非揮發性記主憶體在大數據 Distinguished Research Fellow
應用與主記憶體系統上的索
引設計。例如，大數據應用 19
中，資料常常會大量的被收
集但是極少被刪除，同時只
有少部分的資料會被經常讀
取或查詢，因此這裡的技術
問題為如何從本質上提升快
取列的命中率並降低快取未
中機率。此外，非揮發性記
憶體的壽命問題也會是我們
未來的研究重點。
巨量資料時代來臨，隨機存取記憶體的容量已不足以負荷各種巨量資料探勘應用之
記憶體內運算；而仰賴外部儲存媒體如硬碟之外部演算法更需可觀的資料搬移時間
花費。現今非揮發性記憶體技術進步，可以較低的價位提供更高儲存容量，並具有
不俗的資料讀取速度，因此成為很好的取代方案，讓巨量資料應用之記憶體內運算
得以實現。然而，非揮發性記憶體寫入的速度顯著高於讀取速度，再加入上非揮發
性記憶體有寫入次數的壽命限制。因此，本實驗室目標重新設計資料探勘演算法如
頻繁樣式探勘等演算法，多以讀取的動作取代寫入的動作，使其能友善地利用非揮
發性記憶體優點，在實現巨量資料探勘之效能同時，也能延長其使用壽命。
預測。但是大部分研究都無法精確預估都會區空汙情形，因為除了遠端輸送汙染物
外，都會區本身是空汙製造者。在本研究我們提出一個使用多種類神經網路 ( 包括 陳孟彰 Meng-Chang Chen
autoencoders，LoEs，LSTMs，RBNs) 的深度學習架構來描述影響都會區空汙的因
素與特性。目前我們更進一步結合氣象模式來造模外來空汙，更準確的提供都會空 Research Fellow
屋模式。
張原豪 Yuan-Hao Chang
(4) 非揮發性主記憶體之索引設計與資料探勘
Associate Research Fellow
非揮發性記憶體被廣泛的使用在次世代記憶體架構的發展之中，同時也成為一個取
代 DRAM 成為特殊應用系統之主記憶體的重要媒體。除了非揮發性之外，非揮發性 楊得年 De-Nian Yang
記憶體同時具有低漏電與高容量可擴增性的優點。然而與 DRAM 相比，非揮發性記
憶體通常具有較長的寫入延遲與寫入耗電。我們的研究著重在考慮物聯網及記憶體 Research Fellow
資料庫等特殊資料存取行為的應用之下，提出新的設計來提升非揮發性主記憶體架
構的資料存取效能。例如，我們提出名為存取行為感知樹 (xB+-tree) 的新索引設計 葉彌妍 Mi-Yen Yen
來提升非揮發性主記憶體架構的資料存取效能，此一設計考慮 CPU 以快取列為主
記憶體存取單位的方式來偵測主記憶體資料的存取行為，此一設計的主要概念為將 Associate Research Fellow
經常存取的索引資料集中在最少的快取列空間之中，並把最近將會連續存取的資料
也集中在一起，因此必須被讀取到 CPU 快取列資料就能被最小化，此一設計經過 廖弘源 Hong-Yuan Mark Liao
Gem5 模擬器的一連串實驗，證明此設計具有極佳的性能。未來，我們將繼續研究
非揮發性記主憶體在大數據 Distinguished Research Fellow
應用與主記憶體系統上的索
引設計。例如，大數據應用 19
中，資料常常會大量的被收
集但是極少被刪除，同時只
有少部分的資料會被經常讀
取或查詢，因此這裡的技術
問題為如何從本質上提升快
取列的命中率並降低快取未
中機率。此外，非揮發性記
憶體的壽命問題也會是我們
未來的研究重點。
巨量資料時代來臨，隨機存取記憶體的容量已不足以負荷各種巨量資料探勘應用之
記憶體內運算；而仰賴外部儲存媒體如硬碟之外部演算法更需可觀的資料搬移時間
花費。現今非揮發性記憶體技術進步，可以較低的價位提供更高儲存容量，並具有
不俗的資料讀取速度，因此成為很好的取代方案，讓巨量資料應用之記憶體內運算
得以實現。然而，非揮發性記憶體寫入的速度顯著高於讀取速度，再加入上非揮發
性記憶體有寫入次數的壽命限制。因此，本實驗室目標重新設計資料探勘演算法如
頻繁樣式探勘等演算法，多以讀取的動作取代寫入的動作，使其能友善地利用非揮
發性記憶體優點，在實現巨量資料探勘之效能同時，也能延長其使用壽命。
