2026년 목록은 메모리·스토리지 계층의 여러 경계가 동시에 바뀌면서 크게 늘었습니다. ISSCC 주 메모리 세션의 회사 논문 10편은 HBM4와 LPDDR6, GDDR7, 수직 DRAM, NAND, SRAM, MRAM, TCAM을 다뤘습니다. FAST의 회사 소속 논문 23편은 클라우드 로컬 스토리지와 테이프, AI 입출력, 페이지 캐시, KV 캐시, 파일 동기화, 존 UFS, SSD 장애, Linux 무결성을 연구했습니다. ACM Transactions on Storage(TOS)의 회사 소속 논문 19편은 HBM 오류 예측과 모바일 플래시, 클라우드 색인, 메모리 풀링, 압축, 중복 제거, PIM으로 범위를 넓혔습니다.

이 글은 2026년 8월 30일을 기준으로 목록을 고정했습니다. 여기서 ‘모두’는 해당 날짜까지 학회·저널 범위와 공개 메타데이터, 회사 소속 조건을 만족한 기록 전체를 뜻합니다. 이후 저널 권호와 학회 프로시딩이 추가되면 같은 연도에 논문이 늘어날 수 있습니다. 주 메모리 세션 밖의 프로세서 내부 SRAM과 메모리 내 연산은 연례 회로 색인에서 다룹니다. AITURBO와 Mooncake, LPDDR 서버, HBM 대안, CXL 시스템은 기존 글을 연결하고 중복 발행하지 않았습니다.

패키지와 메모리 슬롯, 컨트롤러, NVMe 장치가 보이는 개념 서버 위에 2026년 8월 30일까지 ISSCC, FAST, ACM TOS에서 확인한 회사 소속 논문 52편을 표시했습니다. 실제 제품 사진이 아닙니다. 이 글을 위해 새로 만든 도판입니다.

HBM4가 보정을 채널마다 수행합니다

Samsung의 36 GB HBM4는 3.3 TB/s를 보고했고 채널별 TSV 읽기 데이터 스트로브 자동 보정과 프로그래밍 가능한 메모리 내장 자체 시험(MBIST)을 사용했습니다. HBM은 넓은 인터페이스와 수직 적층으로 대역폭을 얻지만 채널과 TSV 경로가 늘면 국소 편차도 늘어납니다. 채널별 보정은 이 편차를 제조 단계의 예외가 아니라 운용 중 관리할 조건으로 다룹니다.[1]

3.3 TB/s는 적층 인터페이스의 결과이며 애플리케이션 대역폭을 보장하지 않습니다. 프로세서가 충분한 독립 요청을 만들어야 하고, 패키지는 전력을 공급하고 열을 빼야 하며, 메모리 컨트롤러는 유효 트래픽으로 인터페이스를 채워야 합니다. 오류 정정과 리프레시, 뱅크 충돌, 소프트웨어 지역성에 따라 이론 대역폭과 실제 대역폭의 차이가 달라집니다.

Samsung의 수직 셀 트랜지스터 4F² DRAM은 웨이퍼 간 하이브리드 구리 접합으로 주변 회로 위에 셀을 배치했습니다. 이 구조는 셀 형상에서 시작해 밀도와 배선을 바꿉니다. HBM4는 패키지에서 시작해 총대역폭을 높입니다. 두 결과 모두 접합과 검사, 열, 수리를 메모리 구조의 일부로 만들었습니다.

LPDDR6는 에너지를 지키기 위해 폭과 동작 모드를 바꿨습니다

SK hynix는 16 Gb LPDDR6에서 핀당 14.4 Gb/s를 보고했습니다. 효율 모드와 LDO 기반 쓰기 클록 트리, 동적 쓰기 종단, 빠른 칩 선택 제어, 시스템 메타데이터 모드는 데이터 전송 주변의 에너지와 조정 비용을 줄입니다. Samsung의 16 Gb LPDDR6는 12.8 Gb/s와 서브채널당 12개 데이터 선, 행별 활성화 횟수 집계, 신뢰성 메타데이터를 제시했습니다.[1]

두 논문을 14.4와 12.8이라는 숫자만으로 비교하면 안 됩니다. 채널 폭과 동작 모드, 종단, 신뢰성 추적, 컨트롤러 동작이 플랫폼 에너지와 유효 용량을 결정합니다. LPDDR 서버 분석은 저전력 메모리가 교체 가능한 서버 모듈로 이동하는 이유를 다룹니다. 2026년 소자 논문은 그 시스템 주장을 가능하게 하는 장치 내부 메커니즘을 보여 줍니다.

SK hynix의 24 Gb GDDR7은 48 Gb/s에 도달했고 중간 규모 추론용 대칭 2채널 동작과 신뢰성 기능을 넣었습니다. GDDR은 넓고 비싼 HBM 적층과 저전력 LPDDR 사이에 놓입니다. 보드 대역폭과 용량, 전력이 추론 모델과 배치 크기에 맞을 때 가치가 생깁니다. 제품은 핀 속도가 아니라 줄당 토큰이나 작업 지연과 에너지로 비교해야 합니다.

NAND와 영속 메모리가 용량 시장을 나눴습니다

Sandisk와 KIOXIA는 37.6 Gb/mm², 쓰기 85 MB/s 초과의 2 Tb QLC 6플레인 3D NAND를 보고했습니다. 6플레인은 병렬 실행 기회를 늘리지만 QLC와 높은 밀도는 오류 정정과 배치, 유지보수에서 컨트롤러의 책임을 키웁니다. 논문은 실리콘 동작점을 입증했으며 워크로드 내구성과 지속 성능은 별도 시스템 문제로 남습니다.[1]

Samsung의 8 nm 임베디드 MRAM은 0.60 V에서 125 MHz와 19.94 Mb/mm²를 기록했습니다. TSMC의 16 nm STT-MRAM은 168 Mb 용량과 듀얼 포트 접근, 51.2 Gb/s 읽기 처리량을 제시했습니다. MediaTek의 2 nm SRAM은 350 mV 단일 전원으로 동작했고 Renesas는 재구성 가능한 3 nm TCAM을 공개했습니다. 이 소자들은 HBM이나 NAND를 대체하지 않습니다. 특정 연산 가까이에 영속 상태와 검색, 저전압 작업 메모리를 둡니다. 소프트웨어는 하나의 주소나 객체 공간을 제공하려 하지만 물리 계층은 더 세분화됩니다.

AI 입출력이 스케줄할 수 있는 작업이 됐습니다

Huawei의 그룹 입출력 논문은 관련 읽기·쓰기를 하나의 연산으로 드러내 스토리지가 개별 요청이 아니라 작업 전체를 최적화하게 했습니다. 이 구조는 AITURBO 분석에서 자세히 다룹니다. Huawei는 LLM 모델 로딩을 프로그래밍 가능한 페이지 캐시로 옮겼고, Samsung의 Seneca는 데이터 전처리를 가속했습니다. CacheSlide와 Bidaw는 모델 서빙 문맥을 사용해 KV 캐시 재사용과 연산·스토리지 상호작용을 관리했습니다.[2]

공통 선택은 블록 요청보다 위에 있는 정보를 스토리지에 제공하는 것입니다. 작업 식별자와 모델 위치, 텐서 수명, 재사용 가능성은 진입과 스케줄링을 바꿀 수 있습니다. 그러나 결합도가 높아지는 위험도 있습니다. 특정 프레임워크에 맞춘 정책은 모델과 배치 크기, 서빙 엔진이 바뀌면 부담이 될 수 있습니다. 인터페이스는 의도를 전달하되 안전한 범용 경로를 유지해야 합니다.

모델 로딩과 전처리, 체크포인트 인접 트래픽은 서로 다른 단계입니다. 순차 대역폭을 최대화한 시스템도 지연에 민감한 모델 시작을 늦출 수 있습니다. 평균 적중률이 높은 캐시도 상태를 늦게 돌려주면 쓸모가 없습니다. 그룹 입출력은 요청이 같이 도착했다는 이유가 아니라 애플리케이션 의존 관계와 그룹이 맞을 때 유효합니다.

클라우드가 물리 매체를 다시 드러냈습니다

Alibaba와 Solidigm은 클라우드 로컬 스토리지의 진화를 설명했습니다. Huawei는 테이프를 사용하는 아카이브 클라우드의 설계와 배포를 공개했습니다. Apple은 엑사바이트 규모의 지리 분산 객체 스토리지 ACOS를 발표했습니다. Alibaba의 PolarStore는 클라우드 네이티브 데이터베이스를 압축했고, ByteDance는 분산 로그 구조 스토리지에 discard 기반 가비지 컬렉션을 넣었습니다.[2]

이 논문들은 클라우드가 하드웨어를 감춘다는 전제를 뒤집습니다. 로컬 SSD 선택은 장애와 교체에 영향을 줍니다. 테이프는 검색과 마이그레이션 정책을 바꿉니다. 지리 분산 객체 스토리지는 일관성과 복구 트래픽을 부담합니다. 압축은 CPU 사용과 네트워크 이동, 장애 복구를 함께 바꿉니다. 대규모 서비스는 매체 물리와 소프트웨어 정책, 운영의 합의입니다.

RASK와 ThinkAhead는 클라우드 블록 스토리지의 색인과 시작 지연을 줄였습니다. Alibaba Cloud의 SkySync와 ParaSync는 델타 생성과 세밀한 병렬성으로 파일 동기화를 가속했습니다. KylinSoft의 CoFS와 RosenBridge는 컨테이너 시작과 가상화 입출력 경로를 단축했습니다. 매체가 빨라질수록 네임스페이스와 이미지, 동기화, 가상화가 남은 이동 비용으로 드러납니다.

존 스토리지가 SSD에서 휴대전화로 넘어갔습니다

SK hynix와 Google은 존 UFS를 위한 계층 간 최적화를 공동 설계했습니다. 호스트가 데이터 배치를 관리하는 방식을 모바일 스토리지에 적용한 것입니다. Samsung과 Western Digital 협업팀은 WARP로 유연한 데이터 배치(FDP) SSD를 특성화했습니다. Google과 Wisconsin은 미러 기반 스토리지 계층화를 연구했습니다. 소프트웨어가 데이터 위치를 더 많이 제어해 장치 내부 가비지 컬렉션과 간섭을 줄이려는 결과입니다.[2]

제어권이 늘면 책임도 늘어납니다. 소프트웨어는 데이터 수명에 따라 그룹을 만들고 존 용량과 메타데이터 복구를 처리해야 하며, 힌트가 틀려도 정확성을 지켜야 합니다. 저널 논문도 같은 경계를 다룹니다. Samsung의 고급 입출력 스택은 존 기반 모바일 플래시를, Longsys가 참여한 ConZone+는 존 에뮬레이션을, SmartX가 참여한 ZNSlice는 다중 테넌트 분할을 다뤘습니다. ‘존이 빠르다’가 아니라 ‘시스템이 배치 의도를 유지할 수 있을 때 장치 작업을 줄인다’가 정확한 결론입니다.

신뢰성이 카운터에서 여러 증거의 결합으로 이동했습니다

Samsung과 Tencent의 FailureMiner는 SSD 장애 예측을 위해 여러 주요 판단 근거를 결합했습니다. Samsung의 Linux 데이터 무결성 논문은 입출력 스택의 종단 보호를 강화했습니다. Huawei가 참여한 TOS의 HBM 오류 연구는 과거 오류 기록으로 미래 장애를 예측했습니다. Dell의 Argus는 중복 제거 뒤 델타 압축에 필요한 유사성 탐지를 다뤘습니다.[2][3]

예측은 그 자체로 보호가 아닙니다. 경고 선행시간과 오탐 비용, 적용 대상, 경고 뒤의 조치를 밝혀야 합니다. 무결성은 CPU 메모리와 인터커넥트, 컨트롤러, 매체, 복제, 복구를 건너 데이터와 메타데이터를 함께 보호해야 합니다. 계층이 데이터를 더 자주 옮길수록 종단에서 유지되는 안정적인 식별자가 중요해집니다.

제어면은 관측 가능하고 되돌릴 수 있어야 합니다

52편의 논문에서 세 가지 운영 조건을 얻을 수 있습니다. 첫째, 모든 배치 결정의 원인을 남겨야 합니다. 페이지와 객체, KV 접두사, 모델 조각, 파일이 정책과 압력, 힌트, 장애 복구 중 무엇 때문에 계층에 들어갔는지 알아야 합니다. 원인을 추적할 수 없는 계층은 디버깅할 수 없습니다.

둘째, 모든 특화 경로에 대체 경로가 필요합니다. GPU 파일시스템과 DPU, 프로그래밍 가능 페이지 캐시, 존 배치, PIM은 이동을 줄일 수 있지만 가속기나 힌트를 사용할 수 없을 때도 정확성을 지켜야 합니다.

셋째, 이동 전체를 무결성 범위로 묶어야 합니다. 체크섬과 순서, 버전 식별자, 복구 상태가 계층 전환을 견뎌야 합니다. 진단이나 복구를 약하게 만드는 빠른 경계는 시스템 개선이 아닙니다.

2026년 8월 30일까지의 회사 논문 전체 목록

ISSCC 메모리 10편

  • 15.1, 2 Tb QLC 6플레인 3D NAND, 37.6 Gb/mm², 쓰기 85 MB/s 초과, Sandisk·KIOXIA.
  • 15.2, 350 mV 단일 전원 2 nm SRAM, MediaTek.
  • 15.3, 8 nm 임베디드 MRAM, 125 MHz, 19.94 Mb/mm², Samsung.
  • 15.4, 168 Mb 듀얼 포트 STT-MRAM, 51.2 Gb/s, TSMC.
  • 15.5, 3 nm 재구성 TCAM, Renesas Electronics.
  • 15.6, 36 GB 3.3 TB/s HBM4, Samsung Electronics.
  • 15.7, 16 Gb 핀당 14.4 Gb/s LPDDR6, SK hynix.
  • 15.8, 16 Gb 12.8 Gb/s LPDDR6, Samsung Electronics.
  • 15.9, 24 Gb 48 Gb/s GDDR7, SK hynix.
  • 15.10, cell-on-peripheral 접합을 사용한 수직 셀 트랜지스터 4F² DRAM, Samsung Electronics.[1]

FAST 스토리지 시스템 23편

ACM Transactions on Storage 19편

출처와 저작권 안내

이 글은 2026년 8월 30일까지 공개된 ISSCC·USENIX 공식 페이지와 ACM 발행 메타데이터를 독립적으로 분석해 다시 쓴 편집 다이제스트입니다. 아이디어와 측정값은 새로운 문장으로 설명했으며 출판사 도판이나 표를 사용하지 않았습니다. 설명용 하드웨어 도판은 이 글을 위해 만들고 레이블을 코드로 합성했으며 공개된 제품 구조가 아닙니다. ISSCC 논문의 저작권은 © IEEE 2026이며 FAST와 ACM TOS 논문의 권리 조건은 각 링크의 발행 기록을 따릅니다.