2020闪存峰会
今年的闪存峰会是虚拟的，持续了三天。在这里，您可以无限访问独家的Flash Memory峰会主题演讲和会议。
在过去的几年里闪存峰会年度会议是亲自召开的，但由于无法在新冠病毒-19世界中旅行，IT专业人士几乎参加了会议，以了解最新的存储技巧和趋势，并与业界其他专业人士建立联系。2020年闪存峰会于11月10日星期二至11月12日星期四举行，包括主题演讲（有些是现场问答），以及为期三天的分组会议和世博会。
TechTarget的SearchStorage.com与Flash Memory峰会合作，将您与行业领袖、战略和见解联系起来，帮助您满足组织的独特存储需求。
在这里，你可以无限地访问主题演讲和会议报告。您可以下载所有可用的演示文稿在这里．为了帮助您从虚拟会议体验中获得最大的收获，并专注于对您重要的内容，演示文稿的组织方式如下:
主题演讲如下。你可以下载所有的主题演讲在这里. 单击上面的超链接，了解其他演示文稿。
主题1:IDC
云计算的今天趋势和未来的企业
新兴技术继续颠覆世界各地的商业模式。希望参与当今市场的企业和政府实体正迅速意识到全面数字转型蓝图的必要性，该蓝图集成了从边缘到核心再到云的新兴第三方平台技术。客户正在加倍投入混合云技术，以提供数字业务所需的弹性和灵活性。这需要关注跨越洞察力、优势、客户体验、应用开发和信任的数字创新。这极大地改变了计算和数据存储生态系统，因为客户正在寻找合作伙伴，以提供新的和更复杂的解决方案，以应对与更分布式操作相关的挑战。出席本次主题会议的分析师Matt Eastwood, IDC的高级副总裁，讨论了当今基础设施市场面临的挑战和机遇，考虑到全球动态和客户优先级的变化。链接到演示
主题2:Numem
高性能空间计算程序的DNN加速器
与大多数应用程序一样，空间系统正从集中式迁移到分布式处理，以实现更自主的决策、更低的延迟、更少的对通信系统的依赖和更低的功耗。美国宇航局发布了一款DNN(深度神经网络)辐射强化协同处理器，作为其即将推出的高性能航天计算处理器的配套芯片。新的组合提供了超过现有系统100倍的计算能力。MRAM在人工智能协处理器中有很大的不同，因为它既提供高密度又提供低功耗。此外，MRAM本身具有耐辐射特性，这对空间应用至关重要。链接到演示
主题3:西部数据
存储作为变革的驱动力：重新思考数据基础架构
今年，数字化在我们生活的各个领域急剧加速。推动这一变化的是基于云计算的数据架构，它与移动性和智能终端紧密相连，并通过高性能网络连接。从加速涌入的数据中提取价值是任何企业成功的关键。链接到演示
主题演讲4：惊奇漫画
使用硬件加速提高NVMe存储性能
高速NVMe连接与3D NAND闪存技术相结合，已生产出更大、功能更强的SSD。联网后，它们可以以低成本为数据驱动的应用程序提供大量高速存储。不幸的是，它们还强调系统处理器和软件支持。新的硬件加速方法可以在高水平上恢复系统平衡。它们无缝地虚拟化、保护和扩展本机NVMe和的NVMe，以充分发挥其潜力，最大限度地提高每个SSD的功能。如今在高级控制器中部署的解决方案提高了云系统和企业系统中NVMe存储基础架构的性能。它们以适当的成本和功率级别提供分类闪存和存储级内存，以满足下一代客户应用，如智能数据分析、AI/ML、HPC、高分辨率视频和其他苛刻要求。链接到演示
基调5：可替代
数据中心时代数据中心的演变
大数据和快速存储给计算资源带来了巨大的压力。通用CPU无法处理来自NVMe SSD和持久内存的PB级数据流。其结果是新存储技术的延迟和利用不足。我们需要能够更高效地处理存储任务、能够在当前体系结构中运行、可扩展且不会大幅增加成本、功耗或空间需求的解决方案。数据处理单元（DPU）可以突破这些障碍。它们可以很容易地打包到计算服务器和存储服务器中，从而减轻CPU和GPU处理以数据为中心的存储、网络和安全功能的负担。可替换的DPU不仅能够出色地执行这些功能，还能够高效地大规模分解计算和存储资源，然后可以根据需要将这些分解的资源池组合在一起，形成特定的资源组合，以满足应用程序的要求，认识到我们所谓的可替代数据中心。链接到演示
基调6：英伟达
gpu、cpu和存储:将AL和ML带到无处不在的数据中心
人工智能和机器学习正迅速成为几乎所有企业必不可少的工具。然而，人工智能应用程序是高度计算密集型的，需要加速计算才能很好地执行。幸运的是，GPU和新的并行编程模型创建了一个功能强大的加速计算平台，可以跨多个学科解决复杂的人工智能问题。GPU完成了计算工作，但它们引入了一个新问题——即将数据以足够快的速度传输到GPU，使其保持忙碌。进入DPU或数据处理单元，它非常适合卸载、加速和隔离数据中心工作负载，并保持CPU和GPU高效运行。利用DPU的新存储体系结构是实现这一目标的关键。存储必须提供巨大的容量、极快的访问、低延迟、高吞吐量、方便灵活的管理以及高级别的可扩展性。当然，还必须以合理的成本允许所有数据中心（从小型本地安装到大型云和巨型中心）在边缘和中央计算中使用。基于闪存的本地和网络存储是显而易见的解决方案，是利用GPU和DPU使AI/ML在任何地方都可用的不可或缺的一部分。链接到演示
主题7:Xilinx
未来适应性数据中心
从计算、网络和存储的分解到安全，现代数据中心必须不断发展，以满足不断变化的工作负载的需求。技术的大趋势正在推动数据中心的性能改进、新的最先进的计算存储解决方案以及支持它们所需的架构的发展。链接到演示
基调8：Pliops
存储处理器释放闪存存储的全部潜力
随着数据存储和处理数据的计算需求以指数速度增长，现有的方法已经无法满足需求。ssd已经成为高性能云计算和企业应用的主流，但它们的潜力并没有带来预期的系统性能提升。最低成本的ZNS/ qlc支持的ssd和最先进的存储级内存(SCM)产品仅限于需要大量软件返工的特殊环境。应用程序正在遭受损失，可靠性正在下降，数据中心的蔓延正在消耗我们的成本。这是因为服务器架构不平衡，软件工作区放大了低效率。现在是时候简化基础设施，停止在存储方面的过度投资，并更有效地扩展规模。事实上，一种新的存储处理器可以重新平衡服务器架构，在减少内存占用的情况下增加计算输出，并消除对软件更改的需求，释放存储投资的全部潜力。链接到演示
主旨9:英特尔
英特尔Optane持久存储器:从视觉到现实
数字转型加速了对计算的需求，与此同时，对支持计算的内存的需求呈指数级增长，但传统DRAM无法满足这一需求。英特尔Optane持久内存(PMEM)引入了一种独特的新内存技术，它在内存和存储层次结构中创建了一个新的层，允许数据中心构建两层内存或两层存储应用程序，以支持为计算提供数据的这种高需求。这种新的持久内存层结合了内存和存储功能，允许架构师将正确的工具匹配到工作负载。其结果是减少等待时间和更有效地使用计算资源，允许企业推动成本节约和大幅提高性能，帮助他们实现业务成果。企业还将从支持PMEM的已经很大的软件生态系统的创新和新用法中受益。本文重点介绍了这种新的内存和存储技术，并展示了一些使用PMEM在不影响性能的情况下以较低的成本实现高内存容量的出色示例。内存和存储的未来今天在这里与英特尔Optane持久内存。链接到演示
主题演讲10：IBM存储
实现企业QLC固态硬盘的突破
QLC闪存提供所需的密度，以取代硬盘驱动器在许多存储系统，导致更低的成本，更低的功耗和更高的速度。然而，到目前为止，它显示出严重的性能和持久性问题，限制了它在低活动和归档系统中的使用。现在的创新使得基于QLC的全闪存阵列能够提供与基于tlc的阵列相同的续航时间和性能。系统和SSD控制器的改进克服了QLC的写入持久性限制。新技术还可以减少QLC程序时间。最终的结果是企业存储系统节省了大量成本并惊人地增加了容量。全闪存可以在AI/ML、分析、数据库、内容管理和生产系统等越来越多的应用中取代硬盘驱动器。链接到演示
基调11：新半导体
新的闪存体系结构结合了QLC密度和SLC速度
与其他类型的NAND闪存相比，QLC NAND闪存由于其更高的密度和更低的价格已经得到了广泛的应用。然而，一个严重的限制是QLC的性能相对较低(特别是写速度)。一种名为X-NAND的新体系结构使得TLC和QLC NAND具有与SLC相当的读写性能。这种架构可以为AI/ML、5G、实时分析、VR/AR和网络安全等新兴应用提供高速、低成本的解决方案。X-NAND架构可以应用于不同类型的ssd，从SLC到PLC闪存。仿真结果表明，X-NAND在SLC中可以提供惊人的85 GB/s的读吞吐量。该架构使NAND闪存易于集成到超高带宽3D集成芯片。
Keynote 12: NVM Express
NVM快速技术:连接宇宙的动力
未来肯定属于对速度和数据渴求的应用，如人工智能、实时分析、VR/AR、高分辨率视频、令人惊叹的游戏、5G和物联网。NVM Express技术为以低成本广泛使用它们提供了一条经过验证的道路。最近的NVMe进步，如分区名称空间、持久内存区域和更高性能的接口，如PCIe 4.0和5.0，只是一个开始。NVMe技术将扩展到支持硬盘驱动器和计算存储。通过将程序执行移动到NVMe设备，增加并行性并消除移动庞大数据集的需要，计算存储将提高性能。请加入我们，开发和实现存储架构，将为连接的宇宙提供动力。链接到演示
基调13:IBM阿尔马登研究中心
利用模拟非易失性存储设备加速深度神经网络
深度神经网络(DNNs)是用于解决大量人工智能问题的大型人工神经网络。然而，目前的cpu和gpu，甚至提出的人工智能芯片可能无法提供这些网络所需的所有计算能力。一种解决方案是使用基于模拟存储设备的神经形态计算。这种设备可以为dnn的推理和训练提供极高的性能和极大的能量效率。本文将讨论这一机遇的来源和实现这一机遇所面临的内在挑战，包括模拟存储材料和器件、电路和架构的选择和挑战，以及当前的研究现状和前景。链接到演示
主旨14:微软
关于DNA数据存储你需要知道什么
DNA存储的想法很吸引人。为什么不用自然储存DNA分子的方法来读写普通的数字信息呢?它结合了生物技术的惊人进步和计算机科学和工程的持续快速进步。它可以提供令人难以置信的密度(每立方英寸1艾字节)，很长的寿命(数千年)，以及广泛可用的存储和检索技术(已经在生物技术和临床应用中得到应用)。当然，在通往生产系统的道路上仍然存在重大挑战，包括吞吐量、可伸缩性、自动化、数据完整性、可制造性和成本。微软的项目已经证明了十亿字节存储的可行性，未来还会有更多。它还展示了DNA用于执行特殊目的的计算，如大规模相似度搜索。链接到演示
