JP2016126801A - 学習メカニズムを有する電子システム及びその動作方法並びに不揮発性コンピュータ読取可能ストレージ媒体 - Google Patents

Abstract

【課題】大容量データ処理のための学習メカニズムを有する電子システムを通じて具現できる低費用及び高効率の電子システム及びその動作方法並びに不揮発性コンピュータ読取可能ストレージ媒体を提供する。【解決手段】本発明による電子システムは、システム情報を受信するストレージインターフェイスと、前記ストレージインターフェイスと接続され、前記システム情報に基づいてデータをパーティショニング（ｐａｒｔｉｔｉｏｎｉｎｇ）するための前処理ブロックと、マシン学習プロセスを分配するために前記データの部分データを処理する学習ブロックとを実行するストレージコントロールユニットと、を有する。【選択図】 図１

Description

本発明は電子システムに関し、さらに詳細には、学習機能を有する電子システム及びその動作方法並びに不揮発性コンピュータ読取可能ストレージ媒体に関する。

グラフィックディスプレイシステム、テレビジョン、プロジェクタ、セルラーフォン、携帯型デジタル補助装置、クライアントワークステーション、データセンターサーバ、及び複合装置のような現代消費者及び産業電子装置は現代の日常を支援するための増加する機能のレベルを提供している。
現存する技術に対する研究及び開発は多様な方向に行っている。

増加する機能のレベルは、増加するメモリとストレージ処理を要求する。
プロセッサとメモリ容量及び帯域幅は増加する装置又はシステムの性能と機能において主要な要因になる。
他の電子部品やモジュールでと同様に、メモリ面積及び費用は性能及び機能とトレードオフの関係を有する。
大容量データの処理は、装置又はシステムの性能と機能を向上させることができる。しかし、大容量データの処理は大量のシステム帯域幅を消費し、システムアクセスコンフリクト、及びシステム資源（リソース）を消費し、このような特性はシステム性能及び機能を低下させる。

したがって、システムの性能を向上させるための大容量データ処理のための学習メカニズムを有する電子システムに対する要求が必要になった。
日々に増加する商業的な競争圧力、消費者の増加する期待、そして市場での意味ある商品の差別化のための機会の減少の側面を考慮する時、このような問題の改善に対する事項はますます重要になっている。
その上に、費用の減少、性能と効率の増大、そして商業的な競争圧力に対する要求はこのような問題を迅速に解決することを要求している。

上述した問題を解決するための多くの試みが長い間行われてきたが、上述した問題に対する決定的な解決策を提示、或は提案はされておらず、このような問題は相変わらず、当業者に困難な問題として存在している。

本発明は上記従来の電子システムにおける問題点に鑑みてなされたものであって、本発明の目的は、大容量データ処理のための学習メカニズムを有する電子システムを通じて具現できる低費用及び高効率の電子システム及びその動作方法並びに不揮発性コンピュータ読取可能ストレージ媒体を提供することにある。

上記目的を達成するためになされた本発明による電子システムは、システム情報を受信するストレージインターフェイスと、前記ストレージインターフェイスと接続され、前記システム情報に基づいてデータをパーティショニング（ｐａｒｔｉｔｉｏｎｉｎｇ）するための前処理ブロックと、マシン学習プロセスを分配するために前記データの部分データを処理する学習ブロックとを実行するストレージコントロールユニットと、を有することを特徴とする。

上記目的を達成するためになされた本発明による電子システムの動作方法は、電子システムの動作方法において、ストレージインターフェイスでシステム情報を受信する段階と、前処理ブロックを実行するストレージコントロールユニットで、前記システム情報に基づいてデータをパーティショニングする段階と、学習ブロックを実行するストレージコントロールユニットで、前記データの部分データを処理するためのマシン学習プロセスを分配する段階と、を有することを特徴とする。

上記目的を達成するためになされた本発明による不揮発性コンピュータ読取可能ストレージ媒体は、コントロールユニットによって実行される命令語を具備する不揮発性のコンピュータ読取可能ストレージ媒体において、前記命令語は、ストレージインターフェイスでシステム情報を受信し、ストレージコントロールユニットで前記システム情報に基づいて前処理ブロックを実行するためのデータのパーティショニングを遂行し、前記ストレージブロックに接続されて学習ブロックを実行するストレージコントロールユニットで前記データの部分データを処理するためにマシン学習プロセスを分配する動作を含むことを特徴とする。

本発明に係る電子システム及びその動作方法並びに不揮発性コンピュータ読取可能ストレージ媒体によれば、学習プロセスを通じて具現できる低費用及び高効率の電子システムを構成することができる。

本発明の実施形態による電子システムである。 本発明の実施形態による電子システムの電子学習システムの一部を示すブロック図である。 本発明の実施形態による電子システムの電子学習システムの一部を示すブロック図である。 本発明の実施形態による電子システムの電子学習システムの一部を示すブロック図である。 本発明の実施形態による電子システムの電子学習システムの一部を示すブロック図である。 本発明の実施形態による電子システムの電子学習システムの一部を示すブロック図である。 本発明の実施形態による電子システムのストレージ装置の一部を示すブロック図である。 本発明の実施形態による電子システムの電子学習システムの一部を示すブロック図である。 本発明の実施形態による電子システムの電子学習システムの一部を示すブロック図である。 本発明の実施形態による電子システムの電子学習システムの一部を示すブロック図である。 本発明の実施形態による電子システムの電子学習システムの一部を示すブロック図である。 本発明の実施形態による電子システムの電子学習システムの一部を示すブロック図である。 本発明の実施形態による電子システムの電子学習システムの一部を示すブロック図である。 本発明の実施形態による電子システムの電子学習システムの処理を説明するためのフローチャートである。 本発明の実施形態による電子システムの電子学習システムの一部を示すブロック図である。 本発明の実施形態による電子システムの例を示す図である。 本発明の実施形態による電子システムの動作方法を説明するためのフローチャートである。

次に、本発明に係る電子システム及びその動作方法並びに不揮発性コンピュータ読取可能ストレージ媒体を実施するための形態の具体例を図面を参照しながら説明する。

本発明の実施形態で、学習システムはデータから学習を遂行するアルゴリズムを含むマシン学習システムを含む。
このようなアルゴリズムは、人工知能、外部からのプログラム無しでコンピュータを動作させる、自動推論、自動適応、自動決定、自動学習、外部のプログラム無しでコンピュータが自動に学習する機能、人工知能ＡＩ、又はこれらの組み合わせを含むことができる。
マシン学習は、分類、回帰分析、特性学習、オンライン学習、自律的学習、地図学習、クラスター分析、次元縮小、構造予測、非正常行為の探知、神経網、又はこれらの組み合わせを含むことができる。

本発明の実施形態において、学習システムは“ビックデータ（ｂｉｇ ｄａｔａ）”を処理するか、或いは分析するマシン学習システムを含むことができる。
ストレージ内部コンピューティング（Ｉｎ ｓｔｏｒａｇｅ ｃｏｍｐｕｔｉｎｇ：以下、ＩＳＣ）機能を有する並列又は分散ストレージ装置は、ビックデータの学習と分析とを加速化させることができる。
このような並列又は分散学習システムは、ストレージ内部コンピューティングの機能のための追加的な帯域幅や、ホストとストレージへの入出力量を減らすことができる。
並列又は分散学習システムは、マシン学習システムにストレージ内部コンピューティングＩＳＣ機能を提供することができる。

本発明の実施形態で、並列又は分散学習システムは、ストレージ内コンピューティング（ＩＳＣ）、スケジューラー、又はこれらの組み合わせと共に実行することができる。
ストレージ内コンピューティング（ＩＳＣ）は、並列又は分散学習システムを含む学習システムで画期的な向上を提供することができる。
ストレージ内コンピューティング（ＩＳＣ）は、検出された帯域幅のボトルネック（ｂｏｔｔｌｅｎｅｃｋ、出口が狭い）現象を低下させるためのＩＳＣでの前処理のようなマシン学習のためのその他のプロセッサ、ホストＣＰＵを支援するための加速器、又はこれらの組み合わせを提供することができる。
スケジューラーは、知的（ｉｎｔｅｌｌｉｇｅｎｔｌｙ）にデータ、タスク、機能、動作、又はこれらの組み合わせを割り当てを行うことができる。

以下ではこの分野で技術を習得した者が容易に実施できる程度に本発明が詳細に説明される。
本発明の開示、即ち、システム、プロセス、又は機械的な変形は、本発明の実施形態の範囲を逸脱しなく、他の実施形態も容易に実施されることは容易に理解できる。
以下の説明で、本発明の実施形態の理解のために多い具体的な説明が提供される。
しかし、本発明の実施形態は上述した具体的な説明無しでも実施されることは明かである。本発明の実施形態に対する曖昧なことを避けるために幾つかの広く公知された回路、システム設定、及び処理段階に対する詳細な説明は省略する。

システムの実施形態を示す図面は明確な説明をするために寸法を省略するか、或いは幾つかのディメンションは部分的に誇張されて図示した部分が存在する。
同様に、たとえ容易な説明をするために図面に図示した幾つかの方向は一般的に類似であるが、このような表現はほとんど任意の方向である。
一般的に、実施形態は何らかの方向に対しても動作することができる。第１実施形態、第２実施形態等の序数的に表現された実施形態は実施形態の限定や重要度を示す意図ではなく、表現の便宜のための表現に過ぎない。

図１は、本発明の一実施形態による電子システム１００を示す。
図１を参照すると、学習メカニズムを有する電子システム１００は、クライアント又はサーバのような第１装置１０２と、有線又は無線ネットワークのような通信経路１０４とを含む。
第１装置１０２は、クライアントやサーバのような第２装置１０６と接続することができる。
第１装置１０２は、通信経路１０４を通じて第２装置１０６と接続することができる。
例えば、第１装置１０２と第２装置１０６、又はこれらの組み合わせは、クライアント、サーバ、ディスプレイ装置、クラスターのノード、スーパーコンピュータのノード、セルラーフォン、個人デジタル補助機、ノートブック型コンピュータ、他のマルチ機能装置、又はこれらの組み合わせのような装置の変形された例であってもよい。

第１装置１０２は第２装置１０６と通信経路１０４を通じて直接又は間接的に接続させるか、或いは、単独装置であってもよい。
容易である説明のために、電子システム１００は、第１装置１０２と第２装置１０６とが通信経路１０４の終端点として図示したが、電子システム１００は、第１装置１０２、第２装置１０６、及び通信経路１０４の間に別の部分をさらに含み得ることを容易に理解できる。
例えば、第１装置１０２と第２装置１０６、又はこれらの組み合わせは通信経路１０４の一部の機能として動作することができる。

一実施形態として、通信経路１０４は多様なネットワークを示す。
例えば、通信経路１０４は、システムバス、無線通信、有線通信、光通信、超音波通信、又はこれらの組み合わせを含む。
システムバスの例として、ＰＣＩｅ（Ｐｅｒｉｐｈｅｒａｌ Ｃｏｍｐｏｎｅｎｔ Ｉｎｔｅｒｃｏｎｎｅｃｔ Ｅｘｐｒｅｓｓ）、ＰＣＩ（Ｐｅｒｉｐｈｅｒａｌ Ｃｏｍｐｏｎｅｎｔ Ｉｎｔｅｒｃｏｎｎｅｃｔ）、ＩＳＡ（Ｉｎｄｕｓｔｒｙ Ｓｔａｎｄａｒｄ Ａｒｃｈｉｔｅｃｔｕｒｅ）、ＳＡＴＡ（Ｓｅｒｉａｌ Ａｄｖａｎｃｅｄ Ｔｅｃｈｎｏｌｏｇｙ Ａｔｔａｃｈｍｅｎｔ）、ＳＣＳＩ（Ｓｍａｌｌ Ｃｏｍｐｕｔｅｒ Ｓｅｒｉａｌ Ｉｎｔｅｒｆａｃｅ）、ＥＩＤＥ（Ｅｎｈａｎｃｅｄ Ｉｎｔｅｇｒａｔｅｄ Ｄｒｉｖｅ Ｅｌｅｃｔｒｏｎｉｃｓ）、ＮＶＭホストコントローラインターフェイス（Ｎｏｎ−Ｖｏｌａｔｉｌｅ Ｍｅｍｏｒｙ ｈｏｓｔ ｃｏｎｔｒｏｌｌｅｒ ｉｎｔｅｒｆａｃｅ）、ＮＶＭｅ（Ｎｏｎ−Ｖｏｌａｔｉｌｅ Ｍｅｍｏｒｙ ｅｘｐｒｅｓｓ）、ＳＡＴＡｅ（Ｓｅｒｉａｌ Ａｔｔａｃｈｅｄ Ａｄｖａｎｃｅｄ Ｔｅｃｈｎｏｌｏｇｙ Ａｔｔａｃｈｍｅｎｔ ｅｘｐｒｅｓｓ）、及びＡＧＰ（Ａｃｃｅｌｅｒａｔｅｄ Ｇｒａｐｈｉｃｓ Ｐｏｒｔ）がある。

無線通信の例として、衛星通信、セルラー通信、ブルートゥース（登録商標）、ＷｉＦｉ（Ｗｉｒｅｌｅｓｓ Ｆｉｄｅｌｉｔｙ）等がある。
有線通信の例として、イーサーネット（登録商標）、１０ギガビットイーサーネット（登録商標）、４０ギガビットイーサーネット（登録商標）、１００ギガビットイーサーネット（登録商標）、インフィニバンド（ＩｎｆｉｎｉＢａｎｄ（登録商標））、デジタル加入者回線（ＤＳＬ）、ＦＴＴＨ（ｆｉｂｅｒ ｔｏ ｔｈｅ ｈｏｍｅ）等がある。
先に言及されたすべての構成が通信経路１０４に含まれ得る。

一実施形態において、第１装置１０２は、第１コントロールユニット１１２、第１ストレージユニット１１４、第１通信ユニット１１６、及び第１ユーザーインターフェイス１１８を含む。
第１コントロールユニット１１２は、第１コントロールインターフェイス１２２を含むことができる。
第１コントロールユニット１１２は、電子システム１００の知能を提供するための第１ストレージユニット１１４の第１ソフトウェアを実行することができる。
第１コントロールユニット１１２は複数の互いに異なる方式で駆動させることができる。

例えば、第１コントロールユニット１１２は、プロセッサ、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、ＦＰＧＡ（ｆｉｅｌｄ ｐｒｏｇｒａｍｍａｂｌｅ ｇａｔｅ ａｒｒａｙ）、ＳｏＣ（ｓｙｓｔｅｍ ｏｎ ａ ｃｈｉｐ）、埋め込み型プロセッサ、マイクロプロセッサ、マルチプロセッサ、チッププロセッサ（ＣＭＰ）、ハードウェア制御ロジック、ハードウェア有限状態マシン（ＦＳＭ）（ｈａｒｄｗａｒｅ ｆｉｎｉｔｅ ｓｔａｔｅ ｍａｃｈｉｎｅ）、デジタル信号処理器（ＤＳＰ）、又はこれらの組み合わせであってもよい。
第１コントロールインターフェイス１２２は、第１コントロールユニット１１２と第１装置１０２内の異なる機能ユニットとの通信に使用することができる。また、第１コントロールインターフェイス１２２は第１装置１０２の外部装置との通信に使用することができる。

一実施形態において、第１コントロールインターフェイス１２２は、異なる機能ユニットや外部ソースから提供される情報を受信するか、或いは異なる機能ユニット又は外部目的地に情報を送信することができる。
外部ソースや外部目的地は、第１装置１０２の外部ソース又は外部目的地を意味する。
第１コントロールインターフェイス１２２は、第１コントロールインターフェイス１２２と通信する機能ユニットや外部ユニットに従って互いに異なる構成又は互いに異なる方法によって具現することができる。
例えば、第１コントロールインターフェイス１２２は、圧力センサー、加速センサー、ＭＥＭＳ（Ｍｉｃｒｏｅｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍ）、光回路、導波管、無線回路、有線回路、又はこれらの組み合わせで具現することができる。

一実施形態において、第１ストレージユニット１１４は、第１ストレージ媒体１２６に第１ソフトウェアを格納することができる。
第１ストレージユニット１１４は、イメージ、情報、サウンドファイル、ソーシャルネットワークデー（ｓｏｃｉａｌ ｎｅｔｗｏｒｋ ｄａｙ）の任意のフォーム、ユーザープロフィール、行動情報、クッキー、大きいサイズ形態の使用者データ収集、又はこれらの組み合わせを格納することができる。
第１ストレージユニット１１４は、揮発性メモリ、不揮発性メモリ、内部メモリ、外部メモリ、又はこれらの組み合わせであってもよい。
例えば、第１ストレージユニット１１４は、不揮発性ランダムアクセスメモリ（ＮＶＲＡＭ）、不揮発性メモリ（ＮＶＭ）、ＮＶＭｅフラッシュメモリ、ディスクストレージ、又はＳＲＡＭのような揮発性ストレージであってもよい。

一実施形態において、第１ストレージユニット１１４は、第１ストレージインターフェイス１２４を含む。
第１ストレージインターフェイス１２４は、第１装置内の異なる機能ユニットと通信のために使用することができる。
第１ストレージインターフェイス１２４は、第１装置１０２外部との通信のために使用することができる。
第１ストレージインターフェイス１２４は、異なる機能ユニットや外部ソースから情報を受信するか、或いは異なる機能ユニット又は外部目的地に情報を伝送することができる。外部ソースと外部目的地とは第１装置の外部ソースや目的地を意味する。

一実施形態において、第１ストレージインターフェイス１２４は、第１ストレージユニット１１４がインターフェイシングする機能ユニットや外部ユニットにしたがって互いに異なる方式で具現することができる。
第１ストレージインターフェイス１２４は、第１コントロールインターフェイス１２２と類似の方式の技術によって具現することができる。

一実施形態において、第１通信ユニット１１６は、第１装置１０２の外部通信を可能する。
例えば、第１通信ユニット１１６は、第１装置１０２が付属装置やデスクトップコンピュータコンピュータ、通信経路１０４、又は第２通信ユニット１３６と通信するように許諾する。
第１通信ユニット１１６は通信ハブのような機能を遂行して第１装置１０２が通信経路１０４の一部として動作するようになるので、第１装置１０２が通信経路１０４の終端や終端装置に限定されないように使用することができる。
第１通信ユニット１１６は、通信経路１０４とのインターフェイスのためにマイクロ電子回路やアンテナのような能動及び受動要素を含むことができる。

一実施形態において、第１通信ユニット１１６は、第１通信インターフェイス１２８を含む。
第１通信インターフェイス１２８は、第１通信ユニット１１６と第１装置１０２内の異なる機能ユニットとの通信のために使用することができる。
第１通信インターフェイス１２８は、異なる機能ユニットや外部ソースから情報を受信するか、或いは異なる機能ユニット又は外部目的地に情報を伝送することができる。
第１通信インターフェイス１２８は、第１通信ユニット１１６がインターフェイシングする機能ユニットにしたがって互いに異なる方式で具現することができる。
第１通信インターフェイス１２８は、第１コントロールインターフェイス１２２と類似の技術方式で具現することができる。

一実施形態において、第１ユーザーインターフェイス１１８は、ユーザー（未図示）と第１装置１０２とのインターフェイスや相互作用手段を提供する。
第１ユーザーインターフェイス１１８は、入力装置と出力装置とを含むことができる。
例えば、第１ユーザーインターフェイス１１８の入力装置は、データ及び通信入力を提供するためのキーパッド、マウス、タッチパッド、ソフトキー、キーボード、マイク、リモート信号を受信するための赤外線センサー、リモートアクセスのための仮想ディスプレイコンソール、リモートアクセスのための仮想ディスプレイターミナル、又はこれらの組み合わせを含むことができる。

一実施形態において、第１ユーザーインターフェイス１１８は、第１ディスプレイインターフェイス１３０を含むことができる。
第１ディスプレイインターフェイス１３０は、ディスプレイ、プロジェクタ、ビデオスクリーン、スピーカー、リモートネットワークディスプレイ、仮想ネットワークディスプレイ、又はこれらの組み合わせの中のいずれかを含むことができる。
一実施形態において、第１ストレージインターフェイス１２４は、第１コントロールインターフェイス１２２と同様に、第１ストレージコントロールユニット１３２のために異なる機能ユニット、外部ソース、外部目的地等にデータを伝送するか、或いは受信することができる。

第１ストレージコントロールユニット１３２は、プロセッサ、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、ＳｏＣ（ｓｙｓｔｅｍ ｏｎ ａ ｃｈｉｐ）、埋め込み型プロセッサ、マルチプロセッサ、チッププロセッサ（ＣＭＰ）、ハードウェア制御ロジック、ハードウェア有限状態マシン（ＦＳＭ）、デジタル信号処理器（ＤＳＰ）、ＦＰＧＡ（ｆｉｅｌｄ ｐｒｏｇｒａｍｍａｂｌｅ ｇａｔｅ ａｒｒａｙ）、又はこれらの組み合わせであってもよい。

一実施形態において、第２装置１０６は、第１装置１０２の実施形態を具現するためのマルチプルディバイスで最適化することができる。
第２装置１０６は、第１装置に比べて追加的に又は高性能の処理能力を提供することができる。
第２装置１０６は、第２コントロールユニット１３４、第２通信ユニット１３６、及び第２ユーザーインターフェイス１３８を含むことができる。

一実施形態において、第２ユーザーインターフェイス１３８は、ユーザー（未図示）が第２装置１０６とのインターフェイスや相互作用手段を提供する。
第２ユーザーインターフェイス１３８は、入力装置と出力装置を含むことができる。
例えば、第２ユーザーインターフェイス１３８の入力装置はデータ及び通信入力を提供するためのキーパッド、マウス、タッチパッド、ソフトキー、キーボード、マイク、リモート信号を受信するための赤外線センサー、リモートアクセスのための仮想ディスプレイコンソール、リモートアクセスのための仮想ディスプレイターミナル、又はこれらの組み合わせを含むことができる。
第２ユーザーインターフェイス１３８の出力装置の例としては、第２ディスプレイインターフェイス１４０を含むことができる。
第２ディスプレイインターフェイス１４０は、ディスプレイ、プロジェクタ、ビデオスクリーン、スピーカー、リモートネットワークディスプレイ、仮想ネットワークディスプレイ、又はこれらの組み合わせの中のいずれかを含むことができる。

一実施形態において、第２コントロールユニット１３４は、電子システム１００の知能を提供するための第２ストレージ媒体１４２の第２ソフトウェアを実行することができる。
第２ストレージ媒体１４２の第２ソフトウェアは第１ストレージ媒体１２６の第１ソフトウェアと連動して動作することができる。
第２コントロールユニット１３４は、第１コントロールユニット１１２に追加性能を提供することができる。
第２コントロールユニット１３４は、情報を表示するために第２ユーザーインターフェイス１３８を駆動させることができる。
第２コントロールユニット１３４は、電子システム１００の異なる機能、例えば、通信経路１０４を通じて第１装置１０２と通信するための第２通信ユニット１３６を駆動する等の機能のために第２ストレージ媒体１４２に格納された第２ソフトウェアを実行することができる。

一実施形態において、第２コントロールユニット１３４は、複数の互いに異なる方式で具現することができる。
例えば、第２コントロールユニット１３４は、プロセッサ、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、ＦＰＧＡ（ｆｉｅｌｄ ｐｒｏｇｒａｍｍａｂｌｅ ｇａｔｅ ａｒｒａｙ）、ＳｏＣ（ｓｙｓｔｅｍ ｏｎ ａ ｃｈｉｐ）、埋め込み型プロセッサ、マイクロプロセッサ、マルチプロセッサ、チッププロセッサ（ＣＭＰ）、ハードウェア制御ロジック、ハードウェア有限状態マシン（ＦＳＭ）、デジタル信号処理器（ＤＳＰ）、又はこれらの組み合わせであってもよい。
第２コントロールユニット１３４は、第２コントロールインターフェイス１４４を含む。
第２コントロールインターフェイス１４４は、第２コントロールユニット１３４と第２装置１０６内の異なる機能ユニットとの通信に使用することができる。また、第２コントロールインターフェイス１４４は、第２装置１０６の外部装置との通信に使用することができる。

一実施形態において、第２コントロールインターフェイス１４４は、異なる機能ユニットや外部ソースから提供される情報を受信するか、或いは異なる機能ユニット又は外部目的地に情報を送信することができる。
外部ソースや外部目的地は、第２装置１０６の外部ソース又は外部目的地を意味する。
第２コントロールインターフェイス１４４は、第２コントロールインターフェイス１４４と通信する機能ユニットや外部ユニットにしたがって互いに異なる構成又は互いに異なる方法によって具現することができる。
例えば、第２コントロールインターフェイス１４４は、圧力センサー、加速センサー、ＭＥＭＳ（Ｍｉｃｒｏｅｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍ）、光回路、導波管、無線回路、有線回路、又はこれらの組み合わせで具現することができる。

一実施形態において、第２ストレージユニット１４６は、第２ストレージ媒体１４２に第２ソフトウェアを格納することができる。
第２ストレージユニット１４６は、イメージ、情報、サウンドファイル、ソーシャルネットワークデーの任意のフォーム、ユーザープロフィール、行動情報、クッキー、大きいサイズ形態の使用者データ収集、又はこれらの組み合わせを格納することができる。
第２ストレージユニット１４６は、第１ストレージユニット１１４に追加的なストレージ容量を提供するための大きさで提供することができる。
例えば、第２ストレージユニット１４６は、１つの構成で図に示しているが、複数のストレージ要素が分散された形態で提供できることは容易に理解できる。
例示的に、電子システム１００は、第２ストレージユニット１４６がシングル階層のストレージシステムで図に示したが、電子システム１００の第２ストレージユニット１４６は異なる設定で構成することもできる。

例えば、第２ストレージユニット１４６は、互いに異なるレベルのキャッシュ、メインメモリ、回転型媒体、又はオフラインストレージのような異なる方式の技術によって提供される階層的メモリであってもよい。
第２ストレージユニット１４６は、揮発性メモリ、不揮発性メモリ、内部メモリ、外部メモリ、又はこれらの組み合わせであってもよい。
例えば、第２ストレージユニット１４６は、不揮発性ランダムアクセスメモリ（ＮＶＲＡＭ）、不揮発性メモリ（ＮＶＭ）、ＮＶＭｅフラッシュメモリ、ディスクストレージ、又はＳＲＡＭのような揮発性ストレージであってもよい。

一実施形態において、第２ストレージユニット１４６は、第２ストレージインターフェイス１４８を含む。
第２ストレージインターフェイス１４８は、第２装置内の異なる機能ユニットと通信のために使用することができる。
第２ストレージインターフェイス１４８は、第２装置１０６の外部との通信のために使用することができる。

一実施形態において、第２ストレージインターフェイス１４８は、異なる機能ユニットや外部ソースから情報を受信するか、或いは異なる機能ユニット又は外部目的地に情報を伝送することができる。
外部ソースと外部目的地とは第２装置１０６の外部ソースや目的地を意味する。
第２ストレージインターフェイス１４８は、第２ストレージユニット１４６がインターフェイシングする機能ユニットや外部ユニットにしたがって互いに異なる方式で具現することができる。
第２ストレージインターフェイス１４８は、第２コントロールインターフェイス１４４と類似な方式の技術によって具現することができる。
第２通信ユニット１３６は、第２装置１０６の外部通信を可能するようにする。
例えば、第２通信ユニット１３６は、第２装置１０６が通信経路１０４を通じて第１装置１０２と通信するように許諾する。

一実施形態において、第２通信ユニット１３６は、通信ハブのような機能を遂行して第２装置１０６が通信経路１０４の一部として動作するようにするので、第２装置１０６が通信経路１０４の終端や終端装置に限定されないように使用することができる。
第２通信ユニット１３６は、通信経路１０４とのインターフェイスのためにマイクロ電子回路やアンテナのような能動及び受動要素を含むことができる。
一実施形態において、第２通信ユニット１３６は、第２通信インターフェイス１５０を含む。
第２通信インターフェイス１５０は、第２通信ユニット１３６と第２装置１０６内の異なる機能ユニットとの通信のために使用することができる。
第２通信インターフェイス１５０は、異なる機能ユニットや外部ソースから情報を受信するか、或いは異なる機能ユニット又は外部目的地に情報を伝送することができる。

一実施形態において、第２通信インターフェイス１５０は、第２通信ユニット１３６がインターフェイシングする機能ユニットにしたがって互いに異なる方式で具現することができる。
第２通信インターフェイス１５０は、第２コントロールインターフェイス１４４と類似の技術方式で具現することができる。
第１通信ユニット１１６は、第２装置１０６に情報を伝送するために通信経路１０４の第１装置伝送部１０８に接続される。
第２装置１０６は、第２通信ユニット１３６を通じて通信経路１０４の第１装置伝送部１０８からの情報を受信することができる。

一実施形態において、第２通信ユニット１３６は、第１装置１０２に情報を伝送するために通信経路１０４の第２装置伝送部１１０に接続される。
第１装置１０２は、第１通信ユニット１１６を通じて通信経路１０４の第２装置伝送部１１０からの情報を受信することができる。
電子システム１００は、第１コントロールユニット１１２、第２コントロールユニット１３４、又はこれらの組み合わせによって駆動することができる。

例示的な説明のために、第２装置１０６が第２ユーザーインターフェイス１３８、第２ストレージユニット１４６、第２コントロールユニット１３４、及び第２通信ユニット１３６に分離したもので説明したが、第２装置１０６は異なる方式で分離することができることは容易に理解できる。
例えば、第２ストレージ媒体１４２に格納された第２ソフトウェアは一部機能又はすべての機能が第２コントロールユニット１３４と第２通信ユニット１３６に割り当ててもよい。
同様に、第２装置１０６は、図１に示さなかった機能ユニットをさらに含むことができる。

一実施形態において、第２ストレージインターフェイス１４８は、第２コントロールインターフェイス１４４と同様に、第２ストレージコントロールユニット１５２のために異なる機能ユニット、外部ソース、外部目的地等にデータを伝送するか、或いは受信することができる。
第２ストレージコントロールユニット１５２は、プロセッサ、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、ＳｏＣ（ｓｙｓｔｅｍ ｏｎ ａ ｃｈｉｐ）、埋め込み型プロセッサ、マルチプロセッサ、チッププロセッサ（ＣＭＰ）、ハードウェア制御ロジック、ハードウェア有限状態マシン（ＦＳＭ）、デジタル信号処理器（ＤＳＰ）、ＦＰＧＡ（ｆｉｅｌｄ ｐｒｏｇｒａｍｍａｂｌｅ ｇａｔｅ ａｒｒａｙ）、又はこれらの組み合わせであってもよい。

一実施形態において、第１装置１０２に含まれる機能ユニットは、異なる機能ユニットと個別的にそして独立的に動作することができる。
第１装置１０２は、第２装置１０６と通信経路１０４と個別的にそして独立的に作業することができる。
同様に、第２装置１０６の機能ユニットも異なる機能ユニットと個別的にそして独立的に動作することができる。
第２装置１０６は、第１装置１０２と通信経路１０４と独立的に個別的にそして独立的に動作することができる。
例示的な説明のために、電子システム１００は第１装置１０２と第２装置１０６との動作の説明を通じて説明される。
第１装置１０２と第２装置１０６とは電子システム１００の特定機能、プロセス、アプリケーション、又はこれらの組み合わせで動作することができる。

一実施形態において、本発明で記述される上述した機能、プロセス、アプリケーション、又はこれらの組み合わせは第１コントロールユニット１１２によって実行される不揮発性コンピュータ読取可能ストレージ媒体に格納された指示の一部であってもよい。
不揮発性コンピュータ読取可能ストレージ媒体は、ハードディスクドライブ（ＨＤＤ）、不揮発性ランダムアクセスメモリ（ＮＶＲＡＭ）、ソリッドステートストレージ装置（ＳＳＤ）、コンパクトディスク（ＣＤ）、デジタルビデオディスク（ＤＶＤ）、ユニバーサル直列バス（ＵＳＢ）、フラッシュメモリ装置、ブルーレイディスク（登録商標）（Ｂｌｕ−ｒａｙ（登録商標） Ｄｉｓｃ）、コンピュータ読取可能である他の媒体、又はこれらの組み合わせを含む不揮発性メモリ装置を含むことができる。
不揮発性コンピュータ読取可能ストレージ媒体は、電子システム１００の一部に集積されるか、或は電子システム１００に脱着可能である部分として設置することができる。

一実施形態において、本発明で記述される上述した機能、プロセス、アプリケーション、又はこれらの組み合わせは、第１コントロールユニット１１２、第２コントロールユニット１３４、又はこれらの組み合わせによって実行される不揮発性コンピュータ読取可能ストレージ媒体に格納された指示の一部であってもよい。
不揮発性コンピュータ読取可能ストレージ媒体は、第１ストレージユニット１１４、第２ストレージユニット１４６、又はこれらの組み合わせを含むことができる。

不揮発性コンピュータ読取可能ストレージ媒体は、ハードディスクドライブ（ＨＤＤ）、不揮発性ランダムアクセスメモリ（ＮＶＲＡＭ）、ソリッドステートストレージ装置（ＳＳＤ）、コンパクトディスク（ＣＤ）、デジタルビデオディスク（ＤＶＤ）、ユニバーサル直列バス（ＵＳＢ）、フラッシュメモリ装置、ブルーレイディスク（登録商標）（Ｂｌｕ−ｒａｙ（登録商標） Ｄｉｓｃ）、コンピュータ読取可能である他の媒体、又はこれらの組み合わせを含む不揮発性メモリ装置を含むことができる。
不揮発性コンピュータ読取可能ストレージ媒体は、電子システム１００の一部に集積されるか、或は電子システム１００に脱着可能である部分として設置することができる。

一実施形態において、本発明で記述される上述した機能、プロセス、アプリケーション、又はこれらの組み合わせは第１ストレージ媒体１２６の第１ソフトウェア、第２ストレージ媒体１４２の第２ソフトウェア、又はこれらの組み合わせの一部であってもよい。
上述した機能、プロセス、アプリケーション、又はこれらの組み合わせは第１ストレージユニット１１４、第２ストレージユニット１４６、又はこれらの組み合わせに格納することができる。
第１コントロールユニット１１２、第２コントロールユニット１３４、又はこれらの組み合わせは、上述した機能、プロセス、アプリケーション、又はこれらの組み合わせを電子システム１００で駆動するために実行することができる。

一実施形態において、電子システム１００は、機能、プロセッサ、アプリケーション、順序、又はこれらの組み合わせを例として説明した。
電子システム１００は、機能、プロセッサ、アプリケーション、順序、又はこれらの組み合わせを異なるように分割するか、或は他の順序にしたがって分割することができる。
上述した機能、プロセッサ、アプリケーション、又はこれらの組み合わせは、第１コントロールユニット１１２又は第２コントロールユニット１３４内部のハードウェアによる具現、ハードウェア回路、又はハードウェアアクセラレータ等であってもよい。
上述した機能、プロセッサ、アプリケーション、又はこれらの組み合わせは、第１装置１０２又は第２装置１０６の内部に具備されるが、第１コントロールユニット１１２又は第２コントロールユニット１３４各々の外部に存在するハードウェアによる具現、ハードウェア回路、又はハードウェアアクセラレータ等であってもよい。

図２は、本発明の一実施形態による電子システム１００の電子学習システム２００の一部を示すブロック図である。
図２を参照すると、電子学習システム２００は、図１の第１装置１０２、図１の第２装置１０６、集積回路、集積回路コア、集積回路コンポーネント、ＭＥＭＳ（Ｍｉｃｒｏｅｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍ）、受動素子、又はこれらの組み合わせで具現することができる。

一実施形態において、電子学習システム２００は、機械学習機能を提供する。
機械学習機能は、人工知能、明示的なプログラム無しでコンピュータが動作するようにするか、或は自動推論、自動適応、自動決定、自動学習、明示的なプログラム無しでコンピュータが自動に学習するようにする機能、又はこれらの組み合わせに該当するアルゴリズムを含むことができる。
機械学習は、人工知能ＡＩの１つの形態として考慮することができる。
機械学習は、明示的な設計やプログラム工程で具現され、ルールベースアルゴリズムとしては実行が不可能である。

一実施形態において、電子学習システム２００は、予測、推薦、スパム電子メールフィルタリングのようなフィルタリング、機械学習プロセス、機械学習機能、又はこれらの組み合わせを含む機械学習メカニズムを提供する。
ある実施形態で、ビックデータ分析のような機械学習を提供するための予測は、クリックや広告又は広告主の選択に基づき、品目の推薦、スパムフィルタリング、プロセス、又はこれらの組み合わせであってもよい。
一実施形態において、電子学習システム２００は、ストレージ内コンピューティング（ＩＳＣ）のみならず、システムプロセッサでの並列処理のためのクラスターコンピューティングを含む並列又は分散機械学習メカニズムを含むことができる。

並列処理のための並列又は分散機械学習メカニズムは、図１の第１コントロールユニット１１２、図１の第２コントロールユニット１３４、図１の第１ストレージユニット１１４、図１の第１ストレージ媒体１２６、図１の第２ストレージ媒体１４２、図１の第２ストレージユニット１４６、図１の第１ストレージコントロールユニット１３２、図１の第２ストレージコントロールユニット１５２、又はこれらの組み合わせの中の少なくとも１つで実行することができる。

例えば、電子学習システム２００は、機械学習ブロックのような学習ブロック２１０、ローデータブロックのような初期データブロック２３０、処理されたデータブロック２５０、モデルブロック２７０、又はこれらの組み合わせを含むことができる。
処理されたデータブロック２５０は、追加的な処理や機械学習のために初期データブロック２３０の部分データブロック、初期データブロック２３０の知的にアップデートされたブロック、初期データブロック２３０の知的に選択されたブロック、他のフォーマットのデータ、他の資料構造のデータ、又はこれらの組み合わせを含むことができる。
学習ブロック２１０、初期データブロック２３０、処理されたデータブロック２５０、モデルブロック２７０、又はこれらの組み合わせは集積回路、集積回路コア、集積回路コンポーネント、ＭＥＭＳ（Ｍｉｃｒｏｅｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍ）、受動素子、又はこれらの組み合わせで具現することができる。

例示的に、学習ブロック２１０、初期データブロック２３０、処理されたデータブロック２５０、モデルブロック２７０、又はこれらの組み合わせは、各々分離されたブロックで図示しているが、いずれか１つのブロックは他のブロックとハードウェアの一部を共有できることが容易に理解できる。
例えば、学習ブロック２１０、初期データブロック２３０、処理されたデータブロック２５０、モデルブロック２７０、又はこれらの組み合わせは、ハードウェアメモリ回路や、第１ストレージユニット１１４、第２ストレージユニット１４６、第１ストレージ媒体１２６、第２ストレージ媒体１４２、又はこれらの組み合わせのようなコンポーネントの一部を共有することができる。

一実施形態において、学習ブロック２１０は、並列又は分散処理、クラスターコンピューティング、又はこれらの組み合わせを含むことができる。
学習ブロック２１０は、システムプロセッサ、ストレージコンピューティングプロセッサ、第１コントロールユニット１１２、第２コントロールユニット１３４、第１ストレージコントロールユニット１３２、第２ストレージコントロールユニット１５２、第１ストレージユニット１１４、第２ストレージユニット１４６、又はこれらの組み合わせの中の少なくとも１つで実行されることができる。

一実施形態において、初期データブロック２３０は、処理されないローデータ、部分的に処理されたデータ、又はこれらの組み合わせを格納するストレージ装置を含む。
初期データブロック２３０は、ストレージ装置、メモリ装置、第１ストレージユニット１１４、第２ストレージユニット１４６、第１ストレージ媒体１２６、第２ストレージ媒体１４２、又はこれらの組み合わせを含むことができる。
処理されたデータブロック２５０は、初期データブロック２３０で処理された以後に未だ追加的な処理がされないデータを格納するためのストレージ装置を含むことができる。
処理されたデータブロック２５０は、ストレージ装置、メモリ装置、第１ストレージユニット１１４、第２ストレージユニット１４６、第１ストレージ媒体１２６、第２ストレージ媒体１４２、又はこれらの組み合わせで具現されることができる。

一実施形態において、モデルブロック２７０は、ストレージ装置を含むことができる。
例えば、ストレージ装置は、データ、情報、アプリケーション、機械学習データ、分析されたビックデータ、ビックデータ分析アルゴリズム、又はこれらの組み合わせを格納することができる。
モデルブロック２７０は、ストレージ装置、メモリ装置、システムプロセッサ、ストレージ内コンピューティング（ＩＳＣ）プロセッサ、第１ストレージユニット１１４、第２ストレージユニット１４６、第１コントロールユニット１１２、第２コントロールユニット１３４、第１ストレージコントロールユニット１３２、第２ストレージコントロールユニット１５２、又はこれらの組み合わせ内で具現することができる。

初期データブロック２３０の初期データ、処理されたデータブロック２５０の第１データ他、又はこれらの組み合わせのような選択データの割り当て制御は、性能向上を提供することとして公知である。
割り当て制御は、図１の通信経路１０４のような入出力帯域幅の通信資源の飽和、中央処理装置（ＣＰＵ）、コントロールユニット、第１コントロールユニット１１２、第２コントロールユニット１３４、第１ストレージコントロールユニット１３２、第２ストレージコントロールユニット１５２、又はこれらの組み合わせのようなコンピューティング資源の飽和を検出することを含む。

例えば、初期データブロック２３０の初期データを処理されたデータブロック２５０の第１データに計算する処理は後述するシステム情報に基づいてコンピューティング装置とストレージ装置との間で処理を指定し、割り当てするための前処理ブロックによってアドレッシングされる第１コントロールユニット１１２、第２コントロールユニット１３４、通信経路１０４、インターフェイス、又はこれらの組み合わせの容量の限界である帯域幅の飽和をもたらす可能性がある。

例示的に、学習ブロック２１０、初期データブロック２３０、処理されたデータブロック２５０、モデルブロック２７０、又はこれらの組み合わせは各々分離されたブロックで図示しているが、ブロックの複数、組み合わせ、分布、分割、パーティショニング、又はこれらの組み合わせによる割り当ても可能であることは容易に理解できる。
例えば、学習ブロック２１０は、複数の装置に掛けて分布する複数のブロックを含むことができる。追加的な詳細な説明は学習ブロック２１０、初期データブロック２３０、処理されたデータブロック２５０、モデルブロック２７０、又はこれらの組み合わせに対する以下の図３によって提供される。

図３は、本発明の一実施形態による電子システム１００の電子学習システム３００の一部を示すブロック図である。
図３を参照すると、図２の電子学習システム２００と同様に、電子学習システム３００は、図１の第１装置１０２、図１の第２装置１０６、集積回路、集積回路コア、集積回路コンポーネント、ＭＥＭＳ（Ｍｉｃｒｏｅｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍ）、受動素子、又はこれらの組み合わせで具現することができる。

一実施形態において、電子学習システム３００は、機械学習機能を提供する。
機械学習機能は、人工知能、明示的なプログラム無しでコンピュータが動作するようにするか、或は自動推論、自動適応、自動決定、自動学習、明示的なプログラム無しでコンピュータが自動に学習するようにする機能、又はこれらの組み合わせに該当するアルゴリズムを含むことができる。
機械学習は、人工知能ＡＩの１つの形態として考慮することができる。
機械学習は、明示的な設計やプログラム工程で具現され、ルールベースアルゴリズムとしては実行が不可能である。

一実施形態において、電子学習システム３００は、予測、推薦、スパム電子メールフィルタリングのようなフィルタリング、機械学習プロセス、機械学習機能、又はこれらの組み合わせを含む機械学習メカニズムを提供する。
ある実施形態では、ビックデータ分析のような機械学習を提供するための予測はクリックや広告又は広告主の選択に基づき、品目の推薦、スパムフィルタリング、プロセス、又はこれらの組み合わせであってもよい。

一実施形態において、電子学習システム３００は、ストレージ内コンピューティング（ＩＳＣ）のみならず、システムプロセッサでの並列処理のためのクラスターコンピューティングを含む並列又は分散機械学習メカニズムを含むことができる。
並列処理のための並列又は分散機械学習メカニズムは、図１の第１コントロールユニット１１２、図１の第２コントロールユニット１３４、図１の第１ストレージユニット１１４、図１の第２ストレージユニット１４６、図１の第１ストレージコントロールユニット１３２、図１の第２ストレージコントロールユニット１５２、図１の第１ストレージ媒体１２６、図１の第２ストレージ媒体１４２、又はこれらの組み合わせの中の少なくとも１つで実行することができる。

一実施形態において、電子学習システム３００は、機械学習ブロックと第１学習装置３１２、第２学習装置３１４、第３学習装置３１６、又はこれらの組み合わせを含む学習装置３１０を含むことができる。
また、電子学習システム３００は、第１データブロック３５２、第２データブロック３５４、第３データブロック３５６、又はこれらの組み合わせのような学習データブロックのようなデータブロック３５０を含むことができる。
電子学習システム３００は、第１モデル装置３７２、第２モデル装置３７４、又はこれらの組み合わせを含むモデル装置３７０を含むことができる。
学習装置３１０、データブロック３５０、モデルブロック３７０、又はこれらの組み合わせは、集積回路、集積回路コア、集積回路コンポーネント、ＭＥＭＳ（Ｍｉｃｒｏｅｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍ）、受動素子、又はこれらの組み合わせで具現することができる。

一実施形態において、学習装置３１０は、第１コントロールユニット１１２、第２コントロールユニット１３４、第１ストレージコントロールユニット１３２、第２ストレージコントロールユニット１５２、又はこれらの組み合わせによって具現することができる。
データブロック３５０は、第１ストレージユニット１１４、第２ストレージユニット１４６、第１ストレージ媒体１２６、第２ストレージ媒体１４２、又はこれらの組み合わせによって具現することができる。
モデル装置３７０は、第１コントロールユニット１１２、第２コントロールユニット１３４、第１ストレージコントロールユニット１３２、第２ストレージコントロールユニット１５２、第１ストレージユニット１１４、第２ストレージユニット１４６、又はこれらの組み合わせによって具現することができる。
例示的に、学習装置３１０、データブロック３５０、モデル装置３７０、又はこれらの組み合わせは、各々分離したブロックで図示しているが、電子学習システム２００と同様にいずれか１つのブロックは他のブロックのハードウェアの部分を共有できることは容易に理解できる。

一実施形態において、電子学習システム３００は、第１モデル装置３７２、第２モデル装置３７４、又はこれらの組み合わせのようにアップデート、訂正、修正、代替、記入、記録、挿入、又はこれらの組み合わせのような動作のための投入モデルプロセス３９０を含むことができる。
このモデルは、モデル装置３７０が駆動される学習装置３１０によってアップデート、訂正、修正、代替、記入、記録、挿入、又はこれらの組み合わせが可能である。

一実施形態において、投入モデルプロセス３９０、機械学習プロセス、ビックデータプロセス、他のプロセッサ、又はこれらの組み合わせは、ネットワーク３９４を含むことができる。
例えば、ネットワーク３９４は、図１の通信経路１０４と類似な方式のネットワークの多様な変形を含み、ネットワーク伝送部３９６、ネットワーク容量３９８、又はこれらの組み合わせを含むことができる。
ネットワーク伝送部３９６は、モデルやモデルパラメーター（３７６、３７８）を伝送することができる。
ネットワーク容量３９８は、ネットワーク３９４によって支援可能であるネットワーク伝送部３９６の伝送量を含むことができる。

一実施形態において、学習システム３００は、ネットワーク３９４、ネットワーク伝送部３９６、ネットワーク容量３９８、又はこれらの組み合わせに、検出、識別、モニターリング、測定、チェック、又はこれらの組み合わせ的な動作を提供することができる。
学習装置３１０、データブロック３５０、モデル装置３７０、及びこれらの組み合わせを含む学習システム３００は、ネットワーク容量３９８の問題を検出又は識別し、ボトルネック現象を検出することができる。
学習システム３００は、並列又は分散機械学習システムのボトルネック現象を検出できることは公知である。
学習システム３００は、少なくともネットワーク容量３９８の問題を検出するか、或いは識別することができる。

図４は、本発明の一実施形態による電子システム１００の電子学習システム４００の一部を示すブロック図である。
図４を参照すると、図２の電子学習システム２００と同様に、電子学習システム４００は、図１の第１装置１０２、図１の第２装置１０６、集積回路、集積回路コア、集積回路コンポーネント、ＭＥＭＳ（Ｍｉｃｒｏｅｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍ）、受動素子、又はこれらの組み合わせで具現することができる。

一実施形態において、電子学習システム４００は、機械学習機能を提供することができる。
機械学習機能は、人工知能、明示的なプログラム無しでコンピュータが動作するようにするか、或は自動推論、自動適応、自動決定、自動学習、明示的なプログラム無しでコンピュータが自動に学習するようにする機能、又はこれらの組み合わせに該当するアルゴリズムを含むことができる。
機械学習は、人工知能ＡＩの１つの形態として考慮することができる。
機械学習は、明示的な設計やプログラム工程で具現され、ルールベースアルゴリズムとしては実行が不可能である。

一実施形態において、電子学習システム４００は、予測、推薦、スパム電子メールフィルタリングのようなフィルタリング、機械学習プロセス、機械学習機能、又はこれらの組み合わせを含む機械学習メカニズムを提供する。
ある実施形態では、ビックデータ分析のような機械学習を提供するための予測はクリックや広告又は広告主の選択に基づき、品目の推薦、スパムフィルタリング、プロセス、又はこれらの組み合わせであってもよい。

一実施形態において、電子学習システム４００は、ストレージ内コンピューティング（ＩＳＣ）のみならず、システムプロセッサでの並列処理のためのクラスターコンピューティングを含む並列又は分散機械学習メカニズムを含むことができる。
並列処理のための並列又は分散機械学習メカニズムは、図１の第１コントロールユニット１１２、図１の第２コントロールユニット１３４、図１の第１ストレージユニット１１４、図１の第２ストレージユニット１４６、図１の第１ストレージコントロールユニット１３２、図１の第２ストレージコントロールユニット１５２、図１の第１ストレージ媒体１２６、図１の第２ストレージ媒体１４２、又はこれらの組み合わせの中の少なくとも１つで実行することができる。

一実施形態において、電子学習システム４００は、図３の学習装置３１０と同様に、学習ブロックと第１学習装置４１２、第２学習装置４１４、第３学習装置４１６、又はこれらの組み合わせを含む学習装置４１０を含むことができる。
また、電子学習システム４００は、図３のデータブロック３５０と同様に第１データブロック４５２、第２データブロック４５４、第３データブロック４５６、又はこれらの組み合わせのような学習データブロックであるデータブロック４５０を含むことができる。

一実施形態において、電子学習システム４００は、図３のモデル装置３７０と同様に第１モデル装置４７２、第２モデル装置４７４、又はこれらの組み合わせを含む、例えばモデルサーバのようなモデル装置４７０を含むことができる。
学習装置４１０、データブロック４５０、モデル装置４７０、又はこれらの組み合わせは集積回路、集積回路コア、集積回路コンポーネント、ＭＥＭＳ（Ｍｉｃｒｏｅｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍ）、受動素子、又はこれらの組み合わせのようなハードウェアの一部で具現することができる。

例えば、一実施形態において、学習装置４１０は、第１コントロールユニット１１２、第２コントロールユニット１３４、第１ストレージコントロールユニット１３２、第２ストレージコントロールユニット１５２、又はこれらの組み合わせによって具現することができる。
データブロック４５０は、第１ストレージユニット１１４、第２ストレージユニット１４６、又はこれらの組み合わせによって具現することができる。
モデル装置４７０は、第１コントロールユニット１１２、第２コントロールユニット１３４、第１ストレージコントロールユニット１３２、第２ストレージコントロールユニット１５２、第１ストレージユニット１１４、第２ストレージユニット１４６、又はこれらの組み合わせによって具現することができる。
例示的に、学習装置４１０、データブロック４５０、モデル装置４７０、又はこれらの組み合わせは各々分離されたブロックで図示しているが、電子学習システム２００と同様にいずれか１つのブロックは他のブロックのハードウェアの部分を共有できることを容易に理解できる。

一実施形態において、電子学習システム４００は、第１モデル装置４７２、第２モデル装置４７４、第１モデル装置３７２、第２モデル装置３７４、又はこれらの組み合わせのようにアップデート、訂正、修正、代替、記入、記録、挿入、又はこれらの組み合わせのような動作のための投入モデルプロセス４９０を含むことができる。
このモデルは、モデル装置３７０が駆動される学習装置３１０又はモデル装置３７０が駆動される学習装置３１０によってアップデート、訂正、修正、代替、記入、記録、挿入、又はこれらの組み合わせが可能である。

一実施形態において、投入モデルプロセス４９０、機械学習プロセス、ビックデータプロセス、他のプロセッサ、又はこれらの組み合わせはネットワーク４９４を含むことができる。
例えば、ネットワーク４９４は、図１の通信経路１０４と類似な方式のネットワークの多様な変形を含み、ネットワーク伝送部４９６、ネットワーク容量４９８、又はこれらの組み合わせを含むことができる。
ネットワーク伝送部４９６は、モデルやモデルパラメーター（４７６、４７８）を伝送することができる。
ネットワーク容量４９８は、ネットワーク４９４によって支援可能であるネットワーク伝送部４９６の伝送量を含むことができる。

一実施形態において、電子学習システム４００は、ネットワーク４９４、ネットワーク伝送部４９６、ネットワーク容量４９８、又はこれらの組み合わせに、検出、識別、モニターリング、測定、チェック、又はこれらの組み合わせ的な動作を提供することができる。
学習装置４１０、データブロック４５０、モデル装置４７０、及びこれらの組み合わせを含む電子学習システム４００は、ネットワーク容量４９８の問題を検出又は識別し、ボトルネック現象を検出することができる。

一実施形態において、電子学習システム４００は、図３の投入モデルプロセス３９０と同様に獲得モデルプロセス４９０と機械学習プロセス、ビックデータプロセス、他のプロセッサ、又はこれらの組み合わせを含む投入モデルプロセスを含むことができる。
これらのプロセスは、ネットワーク４９４での組み合わせされた問題、ボトルネック現象、又はこれらの組み合わせを提供する可能性がある。同様に、ある実施形態では、図３の電子学習システム３００は図３のネットワーク３９４に対する獲得モデルプロセス４９０、投入モデルプロセス３９０、機械学習プロセス、ビックデータプロセス、他のプロセッサ、又はこれらの組み合わせを提供することができる。

例示的に、電子学習システム４００及び電子学習システム３００は、分離されたシステムで図示しているが、電子学習システム４００、及び電子学習システム３００、又はこれらの組み合わせは部分的に又は全体的に結合することができる。
例えば、電子学習システム４００及び電子学習システム３００は互いに異なるモードで動作する１つのシステムであってもよい。
電子学習システム４００は、並列又は分散機械学習システムのボトルネック現象を検出できることは公知である。
電子学習システム４００は、少なくともネットワーク容量４９８の問題を検出するか、或いは識別することができる。

図５は、本発明の一実施形態による電子システム１００の電子学習システム５００の一部を示すブロック図である。
図５を参照すると、図２の電子学習システム２００と同様に、電子学習システム５００は、図１の第１装置１０２、図１の第２装置１０６、集積回路、集積回路コア、集積回路コンポーネント、ＭＥＭＳ（Ｍｉｃｒｏｅｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍ）、受動素子、又はこれらの組み合わせで具現することができる。

一実施形態において、電子学習システム５００は、機械学習機能を提供する。
機械学習機能は、人工知能、明示的なプログラム無しでコンピュータが動作するようにするか、或は自動推論、自動適応、自動決定、自動学習、明示的なプログラム無しでコンピュータが自動に学習するようにする機能、又はこれらの組み合わせに該当するアルゴリズムを含むことができる。
機械学習は、人工知能ＡＩの１つの形態として考慮することができる。
機械学習は、明示的な設計やプログラム工程で具現され、ルールベースアルゴリズムとしては実行が不可能である。

一実施形態において、電子学習システム５００は、スキャニング、フィルタリング、予測、推薦、機械学習プロセス、機械学習機能、ビックデータ解釈、又はこれらの組み合わせを含む機械学習メカニズムを提供する。
電子学習システム５００は、ストレージ内コンピューティング（ＩＳＣ）プロセッサのみならず、システムプロセッサでの並列処理のためのクラスターコンピューティングを含む並列又は分散機械学習メカニズムを含むことができる。
並列処理のための並列又は分散機械学習メカニズムは、図１の第１コントロールユニット１１２、図１の第２コントロールユニット１３４、図１の第１ストレージユニット１１４、図１の第２ストレージユニット１４６、図１の第１ストレージコントロールユニット１３２、図１の第２ストレージコントロールユニット１５２、図１の第１ストレージ媒体１２６、図１の第２ストレージ媒体１４２、又はこれらの組み合わせの中の少なくとも１つで実行することができる。

一実施形態において、電子学習システム５００は、システム装置５１２、ストレージ装置５１４、学習データのような第１システムデータ５５２、学習データのような第１ストレージデータ５５４、又はこれらの組み合わせを含むことができる。
また、電子学習システム５００は、学習データのような第２システムデータ５６２、第１システムデータ５５２のアップデートされたシステムデータ、第１システムデータ５５２の部分データ、第１システムデータ５５２の中で知的に選択されたデータ、第１システムデータ５５２の知的にアップデートされたデータ、又はこれらの組み合わせと、学習データのような第２ストレージデータ５６４、第１ストレージデータ５５４のアップデートされたシステムデータ、第１ストレージデータ５５４の部分データ、第１ストレージデータ５５４の中で知的に選択されたデータ、又はこれらの組み合わせを含むことができる。
電子学習システム５００は、モデリング装置５７０を提供することができる。

一実施形態において、電子学習システム５００は、ネットワーク伝送部５９６、ネットワーク容量５９８、又はこれらの組み合わせを含むことができる。
電子学習システム５００は、ネットワーク伝送部５９６、ネットワーク容量５９８、又はこれらの組み合わせに、検出、識別、モニターリング、測定、チェック、又はこれらの組み合わせ的な動作を提供することができる。
電子学習システム５００は、システム装置５１２、ストレージ装置５１４、第１システムデータ５５２、第１ストレージデータ５５４、第２システムデータ５６２、第２ストレージデータ５６４、モデリング装置５７０、又はこれらの組み合わせを含んで、ネットワーク容量５９８の問題を検出又は識別し、ボトルネック現象を検出することができる。
学習システム５００は、並列又は分散機械学習システムのボトルネック現象を検出できることは公知である。
学習システム５００は、少なくともネットワーク容量５９８の問題を検出するか、或いは識別することができる。

図６は、本発明の一実施形態による電子システム１００の電子学習システム６００の一部を示すブロック図である。
図６を参照すると、電子学習システム６００は、図１の第１装置１０２、図１の第２装置１０６、集積回路、集積回路コア、集積回路コンポーネント、ＭＥＭＳ（Ｍｉｃｒｏｅｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍ）、受動素子、又はこれらの組み合わせで具現することができる。

一実施形態において、電子学習システム６００は、機械学習機能を提供する。
機械学習機能は、人工知能、明示的なプログラム無しでコンピュータが動作するようにするか、或は自動推論、自動適応、自動決定、自動学習、明示的なプログラム無しでコンピュータが自動に学習するようにする機能、又はこれらの組み合わせに該当するアルゴリズムを含むことができる。
機械学習は、人工知能ＡＩの１つの形態として考慮することができる。
機械学習は、明示的な設計やプログラム工程で具現され、ルールベースアルゴリズムとしては実行が不可能である。

一実施形態において、電子学習システム６００は、確率的勾配降下法（Ｓｔｏｃｈａｓｔｉｃ Ｇｒａｄｉｅｎｔ Ｄｅｓｃｅｎｔ：以下、ＳＧＤ）を含む勾配降下最適化方法のような確率的機械学習方式を含む機械学習メカニズムを提供することができる。
確率的勾配法は、高速の収斂率、増加されたステップサイズ、並列処理で複数のプロセッサによって駆動できる点、又はこれらの組み合わせのような特性を提供することができる。
また、確率的勾配降下法は、確率方式で高速の初期収斂特性と、確率的勾配降下法で低廉な反複費用を維持するための全勾配法（ｆｕｌｌ−ｇｒａｄｉｅｎｔ ｍｅｔｈｏｄ）の速い最終段階収斂特性を提供することができる。

一実施形態において、電子学習システム６００は、データ選択、一括選択、ランダム一括選択、又はこれらの組み合わせのような機械学習プロセスを提供するための選択ブロック６４０を含むことができる。
選択ブロック６４０は、データを受信、処理、選択、分割、伝送、又はこのような動作の組み合わせを遂行することができる。
例えば、選択ブロック６４０は、学習データ、第１データ６５２の部分データのような第２データ６５６、第１データ６５２の知的なアップデートデータ、第１データ６５２の中で知的に選択されたデータ、又はこれらの組み合わせを処理することができる。
また、例えば、選択ブロック６４０は、第１データ６５２から第２データ６５６を選択するか、或いは分割することができる。

一実施形態において、電子学習システム６００は、勾配６６４を計算するための計算ブロック６６０、モデルのベクトル６７４をアップデートするためのアップデートブロック６７０、又はこれらの組み合わせを含むことができる。
アップデートブロック６７０は、ベクトル６７４を含むすべてのモデルをアップデートすることができる。
選択ブロック６４０、計算ブロック６６０、及びアップデートブロック６７０は、集積回路、集積回路コア、集積回路コンポーネント、ＭＥＭＳ（Ｍｉｃｒｏｅｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍ）、受動素子、又はこれらの組み合わせで具現されるハードウェアの一部で具現することができる。

一実施形態において、選択ブロック６４０、計算ブロック６６０、アップデートブロック６７０、又はこれらの組み合わせを含む電子学習システム６００は、ビックデータ機械学習アルゴリズム、ビックデータ解釈アルゴリズム、又はこれらの組み合わせを提供することができる。
選択ブロック６４０、計算ブロック６６０、アップデートブロック６７０、又はこれらの組み合わせは、データや、プロセス、機能を選択するか、或いは分割することができる。
選択、分割、又はこれらの組み合わせはストレージ内コンピューティング（ＩＳＣ）において機械学習プロセスや機械学習機能の負担を軽減（Ｏｆｆｌｏａｄ）させることができる。
負担の軽減（Ｏｆｆｌｏａｄ）は、高い複雑度の計算、高い入出力オーバーヘッド、又はこれらの組み合わせに対応する機能を分散させるか、或いは分割することができる。

例示的に、選択ブロック６４０、計算ブロック６６０、及びアップデートブロック６７０、又はこれらの組み合わせは互いに分離されたものとして図示したが、いずれか１つのブロックは他のブロックとハードウェアの一部を共有できることが容易に理解できる。
例えば、選択ブロック６４０、計算ブロック６６０、及びアップデートブロック６７０、又はこれらの組み合わせは、ハードウェアメモリ回路や、第１コントロールユニット１１２、第２コントロールユニット１３４、第１ストレージユニット１１４、第２ストレージユニット１４６、又はこれらの組み合わせのようなコンポーネントの一部を共有することができる。

さらに詳細に説明すれば、選択ブロック６４０、計算ブロック６６０、及びアップデートブロック６７０、又はこれらの組み合わせは、相互分離されたブロックで図示しているが、ブロックの複数、組み合わせ、分布、分割、パーティショニング、又はこれらの組み合わせによる割り当ても可能であることは容易に理解できる。
例えば、選択ブロック６４０、計算ブロック６６０、及びアップデートブロック６７０、又はこれらの組み合わせは、複数の装置に掛けて分布する複数のブロックを含むことができる。

選択ブロック６４０、計算ブロック６６０、及びアップデートブロック６７０、又はこれらの組み合わせを含む電子システム１００の電子学習システム６００は、機械学習プロセスと機械学習機能の負担を軽減させることができる。
高い複雑度の計算、高い入出力オーバーヘッド、又はこれらの組み合わせに対応する機能は、ストレージ内コンピューティングのために部分的に分割されるか、或いは分割することができる。

図７は、本発明の一実施形態による電子システム１００の電子学習システム７００の一部を示すブロック図である。
図７を参照すると、電子学習システム７００は図１の第１装置１０２、図１の第２装置１０６、集積回路、集積回路コア、集積回路コンポーネント、ＭＥＭＳ（Ｍｉｃｒｏｅｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍ）、受動素子、又はこれらの組み合わせで具現することができる。

一実施形態において、電子学習システム７００は、機械学習機能を提供する。
機械学習機能は、人工知能、明示的なプログラム無しでコンピュータが動作するようにするか、或は自動推論、自動適応、自動決定、自動学習、明示的なプログラム無しでコンピュータが自動に学習するようにする機能、又はこれらの組み合わせに該当するアルゴリズムを含むことができる。
機械学習は、人工知能ＡＩの１つの形態として考慮することができる。
機械学習は、明示的な設計やプログラム工程で具現され、ルールベースアルゴリズムとしては実行が不可能である。

一実施形態において、電子学習システム７００は、並列又は分散機械学習で部分データの画期的な向上を提供するためにデータトレーニングのような知的にデータを選択、又は分割する機能を提供することができる。
部分データの画期的な向上は、モデル、ベクトル、又はこれらの組み合わせのアップデート動作を向上させることができる。
知的な選択又は分割は、入出力データの増加にも高速の収斂特性を提供することができる。

例えば、電子学習システム６００と同様に、電子学習システム７００は、確率的勾配降下（Ｓｔｏｃｈａｓｔｉｃ Ｇｒａｄｉｅｎｔ Ｄｅｓｃｅｎｔ：以下、ＳＧＤ）方法を含む勾配降下最適化方法のような確率的機械学習方式を含む機械学習メカニズムを提供することができる。
確率平均勾配アルゴリズムを含む確率的勾配降下法（ＳＧＤ）は、高速の収斂率、増加されたステップサイズ、並列処理で複数のプロセッサ各々によって独立的に駆動することができる点、高速の初期収斂特性と、確率的勾配降下法で低廉な反複費用を維持するための全勾配法の速い最終段階収斂特性を提供することができる。

一実施形態において、電子学習システム７００は、スキャニング、選択、又はこれらの組み合わせを遂行するスキャン及び選択ブロック７３０を含むことができる。
スキャン及び選択ブロック７３０は、データを受信、スキャン、処理、選択、分割、伝送、又はこれらの組み合わせを遂行することができる。
例えば、スキャン及び選択ブロック７３０は、ローデータのような第１データ７５２、トレーニングデータを処理するための入力データ、処理されたデータのような第２データ７５７、第１データ７５２の中で知的に選択されたトレーニングデータ、第１データ７５２の部分データ、第１データ７５２の知的なアップデートデータ、第１データ７５２の中で知的に選択されたデータ、又はこれらの組み合わせを知的に処理することができる。
また、例えば、スキャン及び選択ブロック７４０は、第１データ７５２から第２データ７５７を知的に選択するか、或いは分割できる。

一実施形態において、電子学習システム７００は、勾配７６４を計算するための計算ブロック７６０、モデルのベクトル７７４をアップデートするためのアップデートブロック７７０、又はこれらの組み合わせを含むことができる。
アップデートブロック７７０は、すべてのモデルをアップデートすることができる。
スキャン及び選択ブロック７４０、計算ブロック７６０、及びアップデートブロック７７０は、集積回路、集積回路コア、集積回路コンポーネント、ＭＥＭＳ（Ｍｉｃｒｏｅｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍ）、受動素子、又はこれらの組み合わせで具現されるハードウェアの一部で具現することができる。

例えば、スキャン及び選択ブロック７４０、計算ブロック７６０、及びアップデートブロック７７０、又はこれらの組み合わせを含む電子学習システム７００は、ビックデータ機械学習アルゴリズム、ビックデータ解釈アルゴリズム、又はこれらの組み合わせを提供することができる。
スキャン及び選択ブロック７４０、計算ブロック７６０、及びアップデートブロック７７０、又はこれらの組み合わせは、データや、プロセス、機能を選択するか、或いは分割することができる。
選択、分割、又はこれらの組み合わせはストレージ内コンピューティング（ＩＳＣ）において機械学習プロセスや機械学習機能の負担を軽減（Ｏｆｆｌｏａｄ）させることができる。
負担の軽減（Ｏｆｆｌｏａｄ）は高い複雑度の計算、高い入出力オーバーヘッド、又はこれらの組み合わせに対応する機能を分散させるか、或いは分割することができる。

例示的に、スキャン及び選択ブロック７４０、計算ブロック７６０、及びアップデートブロック７７０、又はこれらの組み合わせは、互いに分離されたものとして図示したが、いずれか１つのブロックは他のブロックとハードウェアの一部を共有できることが容易に理解できる。
例えば、スキャン及び選択ブロック７４０、計算ブロック７６０、及びアップデートブロック７７０、又はこれらの組み合わせは、ハードウェアメモリ回路や、第１コントロールユニット１１２、第２コントロールユニット１３４、第１ストレージユニット１１４、第２ストレージユニット１４６、又はこれらの組み合わせのようなコンポーネントの一部を共有することができる。

さらに詳細には、スキャン及び選択ブロック７４０、計算ブロック７６０、及びアップデートブロック７７０、又はこれらの組み合わせは、相互分離されたブロックで図示しているが、ブロックの複数、組み合わせ、分布、分割、パーティショニング、又はこれらの組み合わせによる割り当ても可能であることは容易に理解できる。
例えば、スキャン及び選択ブロック７４０、計算ブロック７６０、及びアップデートブロック７７０、又はこれらの組み合わせは、複数の装置に掛けて分布する複数のブロックを含むことができる。

電子システム１００のスキャン及び選択ブロック７４０、計算ブロック７６０、及びアップデートブロック７７０、又はこれらの組み合わせを含む電子学習システム７００は、機械学習プロセスと機械学習機能の負担、特に、増加された入出力機能による負担を軽減させることができる。
高い複雑度の計算、高い入出力オーバーヘッド、又はこれらの組み合わせに対応する機能はストレージ内コンピューティングのために部分的に分割されるか、或いは分割することができる。

図８は、本発明の一実施形態による電子システム１００の電子学習システム８００の一部を示すブロック図である。
図８を参照すると、電子学習システム８００は、図１の第１装置１０２、図１の第２装置１０６、集積回路、集積回路コア、集積回路コンポーネント、ＭＥＭＳ（Ｍｉｃｒｏｅｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍ）、受動素子、又はこれらの組み合わせで具現することができる。

一実施形態において、電子学習システム８００は、機械学習機能を提供する。
機械学習機能は、人工知能、明示的なプログラム無しでコンピュータが動作するようにするか、或は自動推論、自動適応、自動決定、自動学習、明示的なプログラム無しでコンピュータが自動に学習するようにする機能、又はこれらの組み合わせに該当するアルゴリズムを含むことができる。
機械学習は、人工知能ＡＩの１つの形態として考慮することができる。
機械学習は、明示的な設計やプログラム工程で具現され、ルールベースアルゴリズムとしては実行が不可能である。

一実施形態において、電子学習システム８００は、予測、推薦、スパム電子メールフィルタリングのようなフィルタリング、機械学習プロセス、機械学習機能、又はこれらの組み合わせを含む機械学習メカニズムを提供する。
ある実施形態では、ビックデータ分析のような機械学習を提供するための予測は、クリックや広告又は広告主の選択に基づき、品目の推薦、スパムフィルタリング、プロセス、又はこれらの組み合わせであってもよい。

一実施形態において、電子学習システム８００は、ストレージ内コンピューティング（ＩＳＣ）のみならず、システムプロセッサでの並列処理のためのクラスターコンピューティングを含む並列又は分散機械学習メカニズムを含むことができる。
並列処理のための並列又は分散機械学習メカニズムは、図１の第１コントロールユニット１１２、図１の第２コントロールユニット１３４、図１の第１ストレージユニット１１４、図１の第２ストレージユニット１４６、図１の第１ストレージコントロールユニット１３２、図１の第２ストレージコントロールユニット１５２、図１の第１ストレージ媒体１２６、図１の第２ストレージ媒体１４２、又はこれらの組み合わせの中の少なくとも１つで実行することができる。

一実施形態において、電子学習システム８００は、機械学習アルゴリズム、ビックデータ機械学習アルゴリズム、ビックデータ解釈アルゴリズム、又はこれらの組み合わせを具現又は実行するための機械学習ブロックのような学習ブロック８１０を含むことができる。
学習ブロック８１０は、集積回路、集積回路コア、集積回路コンポーネント、ＭＥＭＳ（Ｍｉｃｒｏｅｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍ）、受動素子、又はこれらの組み合わせのようなハードウェアの一部で具現することができる。

一実施形態において、学習ブロック８１０は、並列又は分散処理、クラスターコンピューティング、又はこれらの組み合わせを含むことができる。
学習ブロック８１０は、システムプロセッサ、ストレージコンピューティングプロセッサ、第１コントロールユニット１１２、第２コントロールユニット１３４、第１ストレージコントロールユニット１３２、第２ストレージコントロールユニット１５２、第１ストレージユニット１１４、第２ストレージユニット１４６、又はこれらの組み合わせの中の少なくとも１つで実行することができる。

一実施形態において、電子学習システム８００は、図６の選択ブロック６４０や図７のスキャン及び選択ブロック７４０、又はこれらの組み合わせのような方式にデータを受信、スキャン、処理、選択、分割、伝送、又はこれらの組み合わせを含む学習プロセスを遂行するためのスキャン及びフィルタのような前処理ブロック８３０を含むことができる。
前処理ブロック８３０は、分割データの画期的向上のためのトレーニングデータのような知的に選択するか、或いは分割することができる。
画期的に向上された分割データは、モデル、ベクトル、又はこれらの組み合わせのアップデートを向上させることができる。
知的な選択又は分割は、増加された入出力データに対して高速の収斂特性を提供することができる。
前処理ブロック８３０は、集積回路、集積回路コア、集積回路コンポーネント、ＭＥＭＳ（Ｍｉｃｒｏｅｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍ）、受動素子、又はこれらの組み合わせで具現されるハードウェアの一部で具現することができる。

一実施形態で、前処理ブロック８３０は、トレーニングデータのような第１データブロック８５４の第１データ、第２データブロック８５６の第２データ、又はこれらの組み合わせに対する処理、スキャン、フィルタリング、選択、分割、受信、伝送等を遂行することができる。
第２データブロック８５６は、第１データブロック８５４から知的に選択されたデータ、第１データブロック８５４から知的にアップデートされたデータ、第１データブロック８５４の部分データ、又はこれらの組み合わせを含むことができる。
第１データブロック８５４、第２データブロック８５６は、集積回路、集積回路コア、集積回路コンポーネント、ＭＥＭＳ（Ｍｉｃｒｏｅｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍ）、受動素子、第１ストレージユニット１１４、第２ストレージユニット１４６、第１ストレージ媒体１２６、第２ストレージ媒体１４２、又はこれらの組み合わせで具現されるハードウェアの一部で具現することができる。

例えば、前処理ブロック８３０は、第１データブロック８５４から第２データブロック８５６に提供する一部又は全てに対するスキャン、フィルタリング、選択、分割、受信、伝送、又はこれらの組み合わせを遂行することができる。
第１データブロック８５４は、ローデータ、トレーニングデータ、初期データ、又はこれらの組み合わせを含むことができる。
前処理ブロック８３０は、第２データブロック８５６に提供するために第１データブロック８５４の一部又はすべてのデータをスキャン及びフィルタリングすることができる。
ここにはフィルタリングされたデータ、選択されたデータ、分割されたデータ、トレーニングデータ、部分データ、部分トレーニングデータ、又はこれらの組み合わせを含むことができる。

一実施形態において、学習ブロック８１０は、モデルブロック８７０に少なくとも一部のデータ、モデルパラメーター、ベクトル、すべてのモデル、又はこれらの組み合わせを提供するために第２データブロック８６５の一部又はすべてのデータに対するスキャン、フィルタリング、選択、分割、受信、伝送、又はこれらの組み合わせを遂行することができる。
モデルブロック８７０は、集積回路、集積回路コア、集積回路コンポーネント、ＭＥＭＳ（Ｍｉｃｒｏｅｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍ）、受動素子、第１ストレージユニット１１４、第２ストレージユニット１４６、第１ストレージ媒体１２６、第２ストレージ媒体１４２、又はこれらの組み合わせで具現されるハードウェアの一部で具現することができる。

一実施形態において、モデルブロック８７０は、機械学習データ、分析されたビックデータ、ビックデータ解釈アルゴリズム、又はこれらの組み合わせを格納するストレージ装置を含むことができる。
モデルブロック８７０は、ストレージ装置、メモリ装置、システムプロセッサ、ストレージ内コンピューティング（ＩＳＣ）プロセッサ、第１ストレージユニット１１４、第２ストレージユニット１４６、第１コントロールユニット１１２、第２コントロールユニット１３４、第１ストレージコントロールユニット１３２、第２ストレージコントロールユニット１５２、又はこれらの組み合わせ内で具現することができる。

例えば、第１データブロック８５４は、未処理されるか、或いは部分処理されたデータを格納するストレージ装置を含むことができる。
第１データブロック８５４は、ストレージ装置、メモリ装置、第１ストレージユニット１１４、第２ストレージユニット１４６、第１ストレージ媒体１２６、第２ストレージ媒体１４２、又はこれらの組み合わせを含むことができる。
第２データブロック８５６は、第１データブロック８５４での処理で未処理されたデータを処理したデータを格納するためのストレージ装置を含むことができる。
第２データブロック８５６は、ストレージ装置、メモリ装置、第１ストレージユニット１１４、第２ストレージユニット１４６、第１ストレージ媒体１２６、第２ストレージ媒体１４２、又はこれらの組み合わせによって具現することができる。

例示的に、学習ブロック８１０、前処理ブロック８３０、第１データブロック８５４、第２データブロック８５６、モデルブロック８７０、又はこれらの組み合わせは各々分離されたブロックで図示しているが、いずれか１つのブロックは他の１つのブロックとハードウェアの一部を共有できることが容易に理解できる。
例えば、第１データブロック８５４、第２データブロック８５６、モデルブロック８７０、又はこれらの組み合わせは、ハードウェアメモリ回路や、第１ストレージユニット１１４、第２ストレージユニット１４６、第１ストレージ媒体１２６、第２ストレージ媒体１４２、又はこれらの組み合わせのようなコンポーネントの一部を共有することができる。

さらに具体的に、学習ブロック８１０、前処理ブロック８３０、モデルブロック８７０、又はこれらの組み合わせは相互分離されたブロックで図示しているが、ブロックの複数、組み合わせ、分布、分割、パーティショニング、又はこれらの組み合わせによる割り当ても可能であることは容易に理解できる。
例えば、学習ブロック８１０、前処理ブロック８３０、モデルブロック８７０、又はこれらの組み合わせは、複数の装置に掛けて分布する複数のブロックを含むことができる。

電子学習システム８００の学習ブロック８１０、前処理ブロック８３０、第１データブロック８５４、第２データブロック８５６、モデルブロック８７０、又はこれらの組み合わせは、並列又は分散処理、クラスターコンピューティング、又はこれらの組み合わせを提供することができる。
電子学習システム８００は、前処理ブロック８３０、モデルブロック８７０、又はこれらの組み合わせに対応する機能はストレージ内コンピューティングのために部分的に分割されるか、或いは分割することができる。

図９は、本発明の一実施形態による電子システム１００の電子学習システム９００の一部を示すブロック図である。
図９を参照すると、電子学習システム９００は、図１の第１装置１０２、図１の第２装置１０６、集積回路、集積回路コア、集積回路コンポーネント、ＭＥＭＳ（Ｍｉｃｒｏｅｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍ）、受動素子、又はこれらの組み合わせで具現することができる。

一実施形態において、電子学習システム９００は、機械学習機能を提供する。
機械学習機能は、人工知能、明示的なプログラム無しでコンピュータが動作するようにするか、或は自動推論、自動適応、自動決定、自動学習、明示的なプログラム無しでコンピュータが自動に学習するようにする機能、又はこれらの組み合わせに該当するアルゴリズムを含むことができる。
機械学習は、人工知能ＡＩの１つの形態として考慮することができる。
機械学習は、明示的な設計やプログラム工程で具現され、ルールベースアルゴリズムとしては実行が不可能である。

一実施形態において、電子学習システム９００は、ストレージ内コンピューティング（ＩＳＣ）のみならず、システムプロセッサでの並列処理のためのクラスターコンピューティングを含む並列又は分散機械学習メカニズムを含むことができる。
並列処理のための並列又は分散機械学習メカニズムは、図１の第１コントロールユニット１１２、図１の第２コントロールユニット１３４、図１の第１ストレージユニット１１４、図１の第２ストレージユニット１４６、図１の第１ストレージコントロールユニット１３２、図１の第２ストレージコントロールユニット１５２、図１の第１ストレージ媒体１２６、図１の第２ストレージ媒体１４２、又はこれらの組み合わせの中の少なくとも１つで実行することができる。
例示的に、電子学習システム９００は、学習ブロック９１０がシステム装置９１２の一部として図示しているが、ストレージ装置９１４は、学習ブロック９１０のような学習ブロックを含む他のブロックを含むことが容易に理解できる。

一実施形態において、電子学習システム９００は、データをスキャン、フィルタリング、選択、分割、伝送、処理、受信、又はこれらの組み合わせのためのスキャン及びフィルタブロックのような前処理ブロック９３０を含むことができる。
前処理ブロック９３０は、分割データの画期的向上のためのトレーニングデータのような知的に選択するか、或いは分割することができる。
画期的に向上された分割データは、モデル、ベクトル、又はこれらの組み合わせのアップデートを向上させることができる。
知的な選択又は分割は、増加された入出力データに対して高速の収斂特性を提供することができる。
前処理ブロック９３０は、集積回路、集積回路コア、集積回路コンポーネント、ＭＥＭＳ（Ｍｉｃｒｏｅｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍ）、受動素子、又はこれらの組み合わせで具現されるハードウェアの一部で具現することができる。

例えば、一実施形態において、前処理ブロック９３０は、トレーニングデータのような第１データブロック９５４の第１データ、第２データブロック９５６の第２データ、又はこれらの組み合わせに対する処理、スキャン、フィルタリング、選択、分割、受信、伝送等を遂行することができる。
第２データブロック９５６は、第１データブロック９５４から知的に選択されたデータ、第１データブロック９５４から知的にアップデートされたデータ、第１データブロック９５４の部分データ、又はこれらの組み合わせを含むことができる。
第１データブロック９５４、第２データブロック９５６は、集積回路、集積回路コア、集積回路コンポーネント、ＭＥＭＳ（Ｍｉｃｒｏｅｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍ）、受動素子、第１ストレージユニット１１４、第２ストレージユニット１４６、第１ストレージ媒体１２６、第２ストレージ媒体１４２、又はこれらの組み合わせで具現されるハードウェアの一部で具現することができる。

一実施形態において、学習ブロック９１０は、第２データブロック９５６のデータに対して処理、分析、予測、推薦、フィルタリング、学習、受信、伝送、又はこれらの組み合わせを遂行することができる。
例えば、電子学習システム９００は、予測、推薦、フィルタリング、機械学習プロセス、機械学習機能、又はこれらの組み合わせを遂行することができる。
ある実施形態では、ビックデータ分析のような機械学習を提供するための予測は、クリックや広告又は広告主の選択に基づき、品目の推薦、スパムフィルタリング、プロセス、又はこれらの組み合わせであってもよい。

学習ブロック９１０、前処理ブロック９３０、第１データブロック９５４、第２データブロック９５６、システム装置９１２、ストレージ装置９１４、又はこれらの組み合わせを含む電子学習システム９００は、並列又は分散処理、クラスターコンピューティング等を含む機械学習プロセスと機械学習機能を提供することができる。
前処理ブロック９３０、モデリングブロック９７０、又はこれらの組み合わせはシステム装置９１２、ストレージ装置９１４、又はこれらの組み合わせによって具現することができる。

図１０は、本発明の一実施形態による電子システム１００の電子学習システム１０００の一部を示すブロック図である。
図１０を参照すると、電子学習システム１０００は、図１の第１装置１０２、図１の第２装置１０６、集積回路、集積回路コア、集積回路コンポーネント、ＭＥＭＳ（Ｍｉｃｒｏｅｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍ）、受動素子、又はこれらの組み合わせで具現することができる。
例えば、後述する割り当ての決定のための条件や環境での電子システム１００に基づいてシステムコントロールユニット又は中央処理装置（ＣＰＵ）のようなストレージ装置やシステム装置によって前処理機能を遂行することができる。

一実施形態において、電子学習システム１０００は、機械学習機能を提供する。
機械学習機能は、人工知能、明示的なプログラム無しでコンピュータが動作するようにするか、或は自動推論、自動適応、自動決定、自動学習、明示的なプログラム無しでコンピュータが自動に学習するようにする機能、又はこれらの組み合わせに該当するアルゴリズムを含むことができる。
機械学習は、人工知能ＡＩの１つの形態として考慮することができる。
機械学習は、明示的な設計やプログラム工程で具現され、ルールベースアルゴリズムとしては実行が不可能である。

一実施形態において、電子学習システム１０００は、予測、推薦、フィルタリング、機械学習プロセス、機械学習機能、又はこれらの組み合わせを含む機械学習メカニズムを提供する。
ある実施形態では、ビックデータ分析のような機械学習を提供するための予測は、クリックや広告又は広告主の選択に基づき、品目の推薦、スパムフィルタリング、プロセス、又はこれらの組み合わせであってもよい。

例えば、電子学習システム１０００は、ストレージ内コンピューティング（ＩＳＣ）のみならず、システムプロセッサでの並列処理のためのクラスターコンピューティングを含む並列又は分散機械学習メカニズムを含むことができる。
並列処理のための並列又は分散機械学習メカニズムは、図１の第１コントロールユニット１１２、図１の第２コントロールユニット１３４、図１の第１ストレージユニット１１４、図１の第２ストレージユニット１４６、図１の第１ストレージコントロールユニット１３２、図１の第２ストレージコントロールユニット１５２、図１の第１ストレージ媒体１２６、図１の第２ストレージ媒体１４２、又はこれらの組み合わせの中の少なくとも１つで実行することができる。

一実施形態において、電子学習システム１０００は、システム装置１０１２、ストレージ装置１０１４、インターフェイス１０１６、又はこれらの組み合わせを含むことができる。
システム装置１０１２とストレージ装置１０１４とはインターフェイス１０１６を通じて互いに又は内部的に通信することができる。
システム装置１０１２、ストレージ装置１０１４、インターフェイス１０１６は、集積回路、集積回路コア、集積回路コンポーネント、ＭＥＭＳ（Ｍｉｃｒｏｅｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍ）、受動素子、又はこれらの組み合わせのようなハードウェアの一部で具現することができる。

一実施形態において、電子学習システム１０００は、機械学習アルゴリズム、ビックデータ機械学習アルゴリズム、ビックデータ解釈アルゴリズム、又はこれらの組み合わせを具現又は実行するための機械学習ブロックのような学習ブロック１０２０を含むことができる。
電子学習システム１０００は、ストレージ学習ブロック１０２４、システム学習ブロック１０２８、又はこれらの組み合わせを含むことができる。
ストレージ学習ブロック１０２４、システム学習ブロック１０２８、又はこれらの組み合わせは、集積回路、集積回路コア、集積回路コンポーネント、ＭＥＭＳ（Ｍｉｃｒｏｅｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍ）、受動素子、又はこれらの組み合わせのようなハードウェアの一部で具現することができる。

例えば、ストレージ学習ブロック１０２４、システム学習ブロック１０２８、又はこれらの組み合わせは、並列又は分散処理、クラスターコンピューティング、又はこれらの組み合わせを含むことができる。
ストレージ学習ブロック１０２４、システム学習ブロック１０２８、又はこれらの組み合わせは、システムプロセッサ、ストレージコンピューティングプロセッサ、第１コントロールユニット１１２、第２コントロールユニット１３４、第１ストレージコントロールユニット１３２、第２ストレージコントロールユニット１５２、第１ストレージユニット１１４、第２ストレージユニット１４６、又はこれらの組み合わせの中の少なくとも１つで実行することができる。

一実施形態において、電子学習システム１０００は、データを受信、スキャン、処理、選択、分割、伝送、又はこれらの組み合わせを含む学習プロセスを遂行するためのスキャン及びフィルタのような前処理ブロック１０３０を含むことができる。
前処理ブロック１０３０は、分割データの画期的向上のためにトレーニングデータのようなデータを知的に選択するか、或いは分割することができる。
画期的に向上された分割データは、モデル、ベクトル、又はこれらの組み合わせのアップデートを向上させることができる。
知的な選択又は分割は、増加された入出力データに対して高速の収斂特性を提供することができる。
前処理ブロック１０３０は、集積回路、集積回路コア、集積回路コンポーネント、ＭＥＭＳ（Ｍｉｃｒｏｅｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍ）、受動素子、又はこれらの組み合わせで具現されるハードウェアの一部で具現することができる。

一実施形態において、プロセシングブロックは、ストレージコントロールユニット１０３２を含むことができる。
ストレージコントロールユニット１０３２は、第１ストレージコントロールユニット１３２又は第２ストレージコントロールユニット１５２と同様にプロセッサ、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、埋め込み型プロセッサ、マイクロプロセッサ、ハードウェア制御ロジック、ハードウェア有限状態マシン（ＦＳＭ）、デジタル信号処理器（ＤＳＰ）、又はこれらの組み合わせであってもよい。

同様に、システムコントロールユニット１０３４は、第１コントロールユニット１１２又は第２コントロールユニット１３４のような方式で、プロセッサ、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、埋め込み型プロセッサ、マイクロプロセッサ、ハードウェア制御ロジック、ハードウェア有限状態マシン（ＦＳＭ）、デジタル信号処理器（ＤＳＰ）、又はこれらの組み合わせであってもよい。

一実施形態において、ストレージ装置１０１４の前処理ブロック１０３０は、スキャン、フィルタ、学習、又はこれらの組み合わせのような機能１０４０でシステムコントロールユニット１０３４からストレージコントロールユニット１０３２に負担を軽減させることができる。
同様に、ホストは、これらの機能１０４０をストレージコントロールユニット１０３２に負担させることができる。
機能１０４０は、機械学習、ビックデータ処理、ビックデータ分析、ビックデータ分析アルゴリズム、又はこれらの組み合わせを含むことができる。
機能１０４０、システム装置１０１２、ストレージ装置１０１４、又はこれらの組み合わせは、スマートソリッドステートストレージ装置（ＳＳＤ）のようなストレージ装置１０１４に分散機械学習のためのスケジューリングアルゴリズムを提供することができる。

一実施形態において、電子学習システム１０００は、オフロード（ｏｆｆｌｏａｄ）可能である機械学習コンポーネントや機能を含む機能１０４０を含むか、或いは定義することができる。
オフロード可能である機械学習コンポーネントや機能は、メイン機械学習アルゴリズム、フィルタ、スキャン、ある機械学習アルゴリズム、及びこれらの組み合わせを含むことができる。
また、電子学習システム１０００は、オフロード可能である機械学習コンポーネントや機能を分離、分割、選択することができる。
オフロード可能である機械学習コンポーネントや機能は、１つ以上の反複学習のために分離されるか、分割されるか、或は選択され得る。
電子学習システム１０００は、動的スケジューリングのためにモニターリング機能を提供することができる。

例示的に、電子学習システム１０００の前処理ブロック１０３０がストレージ装置１０１４の内部に存在することとして図示したが、システム装置１０１２がスキャン、フィルタ、前処理ブロック１０３０の機能を含むことが容易に理解できる。
ストレージ装置１０１４、システム装置１０１２、及びこれらの組み合わせは所定の数や形態のブロックをさらに含むことができる。
例えば、前処理ブロック１０３０は、第１データブロック１０５２、第２データブロック１０５４、第３データブロック１０５６のデータをトレーニングするか、或は選択する等の処理をすることができる。

前処理ブロック１０３０は、データトレーニングブロックのような第１データブロック１０５２から受信されたデータを処理、選択、分割して、第２データブロック１０５４や第３データブロック１０５６に提供することができる。
第２データブロック１０５４や第３データブロック１０５６、又はこれらの組み合わせは、第１データブロック１０５２から提供されたデータを知的に選択するデータブロック、知的にアップデートするデータブロック、部分的にデータを格納するブロックを含むことができる。

一実施形態において、第１データブロック１０５２、第２データブロック１０５４、第３データブロック１０５６、及びこれらの組み合わせは、機械学習のための選択データを提供することができる。
第１データブロック１０５２、第２データブロック１０５４、第３データブロック１０５６、又はこれらの組み合わせは、集積回路、集積回路コア、集積回路コンポーネント、ＭＥＭＳ（Ｍｉｃｒｏｅｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍ）、受動素子、第１ストレージユニット１１４、第２ストレージユニット１４６、第１ストレージ媒体１２６、第２ストレージ媒体１４２、又はこれらの組み合わせで具現されるハードウェアの一部で具現することができる。

一実施形態において、ストレージ学習ブロック１０２４は、第３データブロック１０５６のデータに対して処理、分析、予測、推薦、フィルタリング、学習、受信、伝送、又はこれらの組み合わせを遂行することができる。
例えば、電子学習システム１０００は、予測、推薦、フィルタリング、機械学習プロセス、機械学習機能、又はこれらの組み合わせを遂行することができる。
ある実施形態では、ビックデータ分析のような機械学習を提供するための予測はクリックや広告又は広告主の選択に基づき、品目の推薦、スパムフィルタリング、プロセス、又はこれらの組み合わせであってもよい。

一実施形態において、電子学習システム１０００のシステム装置１０１２は、システム装置１０１２の外部で遂行される機械学習プロセスを含む機械学習のためのアプリケーションプログラムインターフェイス（ＡＰＩ）を含むプログラムインターフェイス１０８２を含むことができる。
例えば、プログラムインターフェイス１０８２は、プログラム言語、Ｃ、Ｃ＋＋、スクリプト言語、Ｐｅｒｌ、Ｐｙｔｈｏｎ、又はこれらの組み合わせを含むことができる。
プログラムインターフェイス１０８２は、処理、スキャン、フィルタ、分析、圧縮、Ｋａｒｕｓｈ−Ｋｕｈｎ−Ｔｕｃｋｅｒ（ＫＫＴ）フィルタリング、Ｋａｒｕｓｈ−Ｋｕｈｎ−Ｔｕｃｋｅｒ（ＫＫＴ）ベクトルエラーフィルタリング、ランダムフィルタリング、予測、推薦、学習等を含むすべての機械学習プロセスやアルゴリズムのためのビックデータを含むデータを適用することができる。

一実施形態において、システム装置１０１２、ストレージ装置１０１４、又はこれらの組み合わせは、ボトルネック現象、資源飽和、圧力、資源の制限等の問題を識別することができる。
例えば、インターフェイス１０１６は、飽和された入出力状態を有すると、電子学習システム１０００の減らされた入出力を提供する。
システム装置１０１２、ストレージ装置１０１４、これらの組み合わせは、インターフェイス１０１６の入出力飽和状態を識別し、機能１０４０の機能をストレージコントロールユニット１０３２、システムコントロールユニット１０３４、又はこれらの組み合わせで知的に軽減、スロットル、並列化、分散処理することができる。

一実施形態において、知的に軽減、スロットル、並列化、分散処理するシステム装置１０１２、ストレージ装置１０１４、これらの組み合わせは、ボトルネック現象、資源飽和、圧力、資源限界等を軽減させることができる。
負担の軽減事項は、電子学習システム１０００、電子システム１００に画期的に高いスループットを提供することができる。
例えば、プログラムインターフェイス１０８２は“ＬＥＡＲＮ（学習）“命令語を含むことができる。
“ＬＥＡＲＮ（学習）”命令語は、並列又は分散処理のための機能１０４０のプログラムインターフェイス１０８２を遂行するためのメタデータを含むことができる。
システム装置１０１２、ストレージ装置１０１４、又はこれらの組み合わせは、機能１０４０、スケジューリングアルゴリズム、機能割り当て、データ割り当て等を遂行するための高級プログラム言語を含むことができる。

一実施形態において、スケジューラーブロック１０８４は、ノード当たりアドホックスタイル（ａｄ−ｈｏｃ ｓｔｙｌｅ ｐｅｒ−ｎｏｄｅ）スケジューラーと第１コントロールユニット１１２、第２コントロールユニット１３４等の機械学習に対する選択、分割、分離、又はこれらの組み合わせを遂行する第１ストレージコントロールユニット１３２、第２ストレージコントロールユニット１５２、又はこれらの組み合わせのようなストレージ装置１０１４のコントロールユニットを含むことができる。
電子学習システム１０００は、入出力飽和のような入出力ボトルネック現象に基づいてスキャン及びフィルタリング、メイン反複アルゴリズム等の負担を減らすためにＳＳＤ駆動可能である二進コードを前処理ブロック１０３０に提供することができる。

例えば、前処理ブロック１０３０は、入出力ボトルネック現象、入出力飽和のようなボトルネック現象に対する判断にしたがって第１データブロック１０５２の第１データのような追加データに対するフィルタリングを遂行することができる。
前処理ブロック１０３０は、インターフェイス１０１６の帯域幅に追加的な帯域幅が必要である状況で第１データを含むデータに対して少ないデータをフィルタリングすることができる。
スケジューラーブロック１０８４を含む電子学習システム１０００は、スキャン及びフィルタリングに対する負担軽減の後にも追加的な入出力ボトルネック現象が検出されれば、メイン反複アルゴリズムの少なくとも一部に対する負担軽減を決定することができる。
入出力ボトルネック現象に対する決定のために、データは、システム装置１０１２、ストレージ装置１０１４等によってランダムに又は規則的に復旧することができる。

この実施形態において、プログラムインターフェイス１０８２、機能１０４０等を遂行するためにプログラムインターフェイス１０８２、スケジューラーブロック１０８４等は新しいシステムコール（ｓｙｓｔｅｍ ｃａｌｌ）、拡張システムコール等を含むシステムコールを含むことができる。
プログラムインターフェイス１０８２、機能１０４０等は、システム情報１０８６に基づいて具現することができる。
追加的に、前処理ブロック１０３０は、システム情報１０８６に基づいて第１データに対する知的な選択、分割、フィルタ等の動作を遂行することができる。

一実施形態において、システム情報１０８６は、システム使用率、システム帯域幅、システムパラメーター、入出力使用率、メモリ使用率、メモリアクセス、ストレージ使用率、ストレージアクセス、コントロールユニット使用率、コントロールユニットアクセス、ＣＰＵ使用率、ＣＰＵアクセス、メモリプロセッサ使用率、メモリプロセスアクセス等であってもよい。
システム情報１０８６は、集積回路、集積回路コア、集積回路コンポーネント、ＭＥＭＳ（Ｍｉｃｒｏｅｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍ）、受動素子、第１ストレージ媒体１２６、第２ストレージ媒体１４２、又はこれらの組み合わせで具現されるハードウェアの一部で具現することができる。

一実施形態において、プログラムインターフェイス１０８２、機能１０４０、スケジューラーブロック１０８４、又はこれらの組み合わせは、ウェブサービスインターフェイスを含むサービスインターフェイス１０８８と通信することができる。
例えば、サービスインターフェイス１０８８は、電子学習システム１０００、電子システム１００、又はこれらの組み合わせの外部への通信サービスを提供することができる。
サービスインターフェイス１０８８は、ＲＥＳＴ（Ｒｅｐｒｅｓｅｎｔａｔｉｏｎａｌ ｓｔａｔｅ ｔｒａｎｓｆｅｒ）、ＳＯＡＰ（ｓｉｍｐｌｅ ｏｂｊｅｃｔ ａｃｃｅｓｓ ｐｒｏｔｏｃｏｌ）のようなデータを交換するためのプロトコルスペック、電子システム１００の外部サービス、電子システム１００の外部プロトコル、電子システム１００の外部アーキテクチャのようなクライアント−サーバーアプリケーションを構築するためのアーキテクチャと通信することができる。

一実施形態において、ストレージ装置１０１４は、フラッシュメモリ、ソリッドステートドライブ（ＳＳＤ）、相変化メモリ（ＰＣＭ）、スピン伝達トルクランダムアクセスメモリ（ＳＴＴ−ＲＡＭ）、抵抗性ランダムアクセスメモリ（ＲｅＲＡＭ）、磁気抵抗ランダムアクセスメモリ（ＭＲＡＭ）、所定の形態のストレージ装置、所定の形態のメモリ装置等を含むことができる。
ストレージ装置１０１４、システム装置１０１２はメモリバス、ＳＡＳ（ｓｅｒｉａｌ ａｔｔａｃｈｅｄ ｓｍａｌｌ ｃｏｍｐｕｔｅｒ ｓｙｓｔｅｍ ｉｎｔｅｒｆａｃｅ）、ＳＡＴＡ（ｓｅｒｉａｌ ａｔｔａｃｈｅｄ ａｄｖａｎｃｅｄ ｔｅｃｈｎｏｌｏｇｙ ａｔｔａｃｈｍｅｎｔ）、ＮＶＭｅ（ｎｏｎ−ｖｏｌａｔｉｌｅ ｍｅｍｏｒｙ ｅｘｐｒｅｓｓ）、光チャンネル、イーサーネット（登録商標）（Ｅｔｈｅｒｎｅｔ（登録商標））、ＲＤＭＡ（ｒｅｍｏｔｅ ｄｉｒｅｃｔ ｍｅｍｏｒｙ ａｃｃｅｓｓ）等を含むインターフェイス１０１６と接続されることができる。

例示的に、電子学習システム１０００は、各々１つのコンポーネントで図示しているが、任意の数のコンポーネントが含まれることは容易に理解できる。
例えば、電子学習システム１０００は、各々１つ以上のストレージ装置１０１４、第１データブロック１０５２、第２データブロック１０５４、第３データブロック１０５６を含むことができる。
予測、推薦、フィルタリング、機械学習プロセス、機械学習機能、又はこれらの組み合わせは、ビックデータ解析法のような機械学習メカニズムを提供することができる。
同様に、システム学習ブロック１０２８、ストレージ学習ブロック１０２４等は、第２データブロック１０５４のデータに対する予測、推薦、フィルタリング、機械学習プロセス、機械学習機能等のために処理、分析、予測、推薦、フィルタリング、学習、受信、伝送等を遂行することができる。

システム装置１０１２、ストレージ装置１０１４を含む電子システム１００の電子学習システム１０００は、知的なプロセス、スロットリング、並列処理、分散処理等で発生する問題を識別し、負担を減らすことができる。
知的なプロセス分担、スロットリング、並列処理、分散処理等は、少なくともインターフェイス１０１６でのボトルネック現象、資源飽和、作業累積等を軽減させ、機能１０４０を遂行するためのストレージ装置１０１４での高い帯域幅使用率を提供することができる。

図１１は、本発明の一実施形態による電子システム１００の電子学習システム１１００の一部を示すブロック図である。
図１１を参照すると、電子学習システム１１００は、図１の第１装置１０２、図１の第２装置１０６、集積回路、集積回路コア、集積回路コンポーネント、ＭＥＭＳ（Ｍｉｃｒｏｅｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍ）、受動素子、又はこれらの組み合わせで具現することができる。

一実施形態において、電子学習システム１１００は、機械学習機能を提供する。
機械学習機能は、人工知能、明示的なプログラム無しでコンピュータが動作するようにするか、或は自動推論、自動適応、自動決定、自動学習、明示的なプログラム無しでコンピュータが自動に学習するようにする機能、又はこれらの組み合わせに該当するアルゴリズムを含むことができる。
機械学習は、人工知能ＡＩの１つの形態として考慮することができる。
機械学習は、明示的な設計やプログラム工程で具現され、ルールベースアルゴリズムとしては実行が不可能である

一実施形態において、電子学習システム１１００は、予測、推薦、フィルタリング、機械学習プロセス、機械学習機能、又はこれらの組み合わせを含む機械学習メカニズムを提供する。
ある実施形態では、ビックデータ分析のような機械学習を提供するための予測は、クリックや広告又は広告主の選択に基づき、品目の推薦、スパムフィルタリング、プロセス、又はこれらの組み合わせであってもよい。

例えば、電子学習システム１１００は、ストレージ内コンピューティング（ＩＳＣ）のみならず、システムプロセッサでの並列処理のためのクラスターコンピューティングを含む並列又は分散機械学習メカニズムを含むことができる。
並列処理のための並列又は分散機械学習メカニズムは、図１の第１コントロールユニット１１２、図１の第２コントロールユニット１３４、図１の第１ストレージユニット１１４、図１の第２ストレージユニット１４６、図１の第１ストレージコントロールユニット１３２、図１の第２ストレージコントロールユニット１５２、図１の第１ストレージ媒体１２６、図１の第２ストレージ媒体１４２、又はこれらの組み合わせの中の少なくとも１つで実行することができる。

一実施形態において、電子学習システム１１００は、システム装置１１１２、ストレージ装置１１１４、インターフェイス１１１６、又はこれらの組み合わせを含むことができる。
システム装置１１１２とストレージ装置１１１４とはインターフェイス１１１６を通じて互いに又は内部的に通信することができる。
システム装置１１１２、ストレージ装置１１１４、インターフェイス１１１６は、集積回路、集積回路コア、集積回路コンポーネント、ＭＥＭＳ（Ｍｉｃｒｏｅｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍ）、受動素子、又はこれらの組み合わせのようなハードウェアの一部で具現することができる。

一実施形態において、電子学習システム１１００は、機械学習アルゴリズム、ビックデータ機械学習アルゴリズム、ビックデータ解釈アルゴリズム、又はこれらの組み合わせを具現又は実行するための機械学習ブロックのような学習ブロック１１２０を含むことができる。
電子学習システム１１００は、ストレージ学習ブロック１１２４、システム学習ブロック１１２８、又はこれらの組み合わせを含むことができる。
ストレージ学習ブロック１１２４、システム学習ブロック１１２８、又はこれらの組み合わせは、集積回路、集積回路コア、集積回路コンポーネント、ＭＥＭＳ（Ｍｉｃｒｏｅｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍ）、受動素子、又はこれらの組み合わせのようなハードウェアの一部で具現することができる。

例えば、ストレージ学習ブロック１１２４、システム学習ブロック１１２８、又はこれらの組み合わせは、並列又は分散処理、クラスターコンピューティング、又はこれらの組み合わせを含むことができる。
ストレージ学習ブロック１１２４、システム学習ブロック１１２８、又はこれらの組み合わせは、システムプロセッサ、ストレージコンピューティングプロセッサ、第１コントロールユニット１１２、第２コントロールユニット１３４、第１ストレージコントロールユニット１３２、第２ストレージコントロールユニット１５２、第１ストレージユニット１１４、第２ストレージユニット１４６、又はこれらの組み合わせの中の少なくとも１つで実行することができる。

一実施形態において、電子学習システム１１００は、データをスキャン、フィルタリング、選択、分割、処理、受信、伝送、又はこれらの組み合わせを含む適応処理ブロックのような適応ブロック１１３０を含むことができる。
スキャン及びフィルタブロックのような適応ブロック１１３０は、集積回路、集積回路コア、集積回路コンポーネント、ＭＥＭＳ（Ｍｉｃｒｏｅｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍ）、受動素子、又はこれらの組み合わせで具現されるハードウェアの一部で具現することができる。
例えば、適応プロセシングブロックのような適応ブロック１１３０は、分割データの画期的な向上のためにトレーニングデータのようなデータを知的に選択するか、或いは分割することができる。
画期的に向上された分割データは、モデル、ベクトル、又はこれらの組み合わせのアップデートを向上させることができる。
知的な選択又は分割は、増加された入出力データに対して高速の収斂特性を提供することができる。

一実施形態において、適応ブロック１１３０は、ストレージコントロールユニット１１３２を含むことができる。
ストレージコントロールユニット１１３２は、第１ストレージコントロールユニット１３２又は第２ストレージコントロールユニット１５２と同様にプロセッサ、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、埋め込み型プロセッサ、マイクロプロセッサ、ハードウェア制御ロジック、ハードウェア有限状態マシン（ＦＳＭ）、デジタル信号処理器（ＤＳＰ）、又はこれらの組み合わせであってもよい。

同様に、システムコントロールユニット１１３４は、第１コントロールユニット１１２又は第２コントロールユニット１３４のような方式でプロセッサ、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、埋め込み型プロセッサ、マイクロプロセッサ、ハードウェア制御ロジック、ハードウェア有限状態マシン（ＦＳＭ）、デジタル信号処理器（ＤＳＰ）、又はこれらの組み合わせであってもよい。

一実施形態において、適応ブロック１１３０は、適応選択率、適応学習率、図７の勾配（７６４）、等を計算する選択ブロック１１４０を含むことができる。
ストレージ装置１１１４の適応ブロック１１３０は、システムコントロールユニット１１３４からストレージコントロールユニット１１３２に、ストレージコントロールユニット１１３２からシステムコントロールユニット１１３４に伝達されるデータのスキャン、フィルタ、選択、分割、処理、受信、伝送、学習等の負担軽減機能を提供することができる。
これら機能は、機械学習、ビックデータ処理、バックデータ解釈、ビックデータ解釈アルゴリズム、又はこれらの組み合わせであってもよい。
例えば、適応ブロック１１３０は、適応選択率によるスキャン及び選択のみならず、適応学習率によるシステム資源使用率のような機能のためにシステム資源使用率、ストレージ帯域幅を決定することができる。
適応選択率、学習率等に基づいて、適応ブロック１１３０は、ホスト演算とストレージ演算とを負担軽減率にしたがって制御することができる。

一実施形態において、適応ブロック１１３０、システム装置１１１２、ストレージ装置１１１４、又はこれらの組み合わせは、システム装置１１１２、ストレージ装置１１１４、又はこれらの組み合わせに対する分散機械学習のためのスケジューリングを提供することができる。
スマートＳＳＤのようなストレージ装置１１１４は、機械学習の負担軽減、機械学習の分散、機械学習の分割等を提供することができる。

一実施形態において、電子学習システム１１００は、オフロード可能である機械学習コンポーネントや機能を含むか、或いは定義することができる。
オフロード可能である機械学習コンポーネントや機能は、メイン機械学習アルゴリズム、フィルタ、スキャン、所定の機械学習アルゴリズム、及びこれらの組み合わせを含むことができる。
また、電子学習システム１１００は、オフロード可能である機械学習コンポーネントや機能を分離、分割、選択することができる。
オフロード可能である機械学習コンポーネントや機能は、１つ以上の反複学習のために分離されるか、分割されるか、或は選択され得る。
電子学習システム１１００は、動的スケジューリングのためにモニターリング機能を提供することができる。

例示的に、電子学習システム１１００は、ストレージ装置１１１４の適応ブロック１１３０を含むこととして図示しているが、システム装置１１１２も適応ブロック１１３０、選択ブロック１１４０のような選択ブロック、機能、スキャンのためのブロック、フィルタリングのためのブロック、又はこれらの組み合わせを含むことが容易に理解できる。
ストレージ装置１１４、システム装置１１１２、又はこれらの組み合わせは任意の数や形態のブロックに提供することができる。

一実施形態において、適応ブロック１１３０は、第１データブロック１１５２、第２データブロック１１５４、第３データブロック１１５６のデータをトレーニングするか、或は選択する等の処理をすることができる。
適応ブロック１１３０は、データトレーニングブロックのような第１データブロック１１５２から受信されたデータを処理、選択、分割して、第２データブロック１１５４や第３データブロック１１５６に提供することができる。
第２データブロック１１５４や第３データブロック１１５６、又はこれらの組み合わせは、第１データブロック１１５２から提供されたデータを知的に選択するデータブロック、知的にアップデートするデータブロック、部分的にデータを格納するブロックを含むことができる。

第１データブロック１１５２、第２データブロック１１５４、第３データブロック１１５６、及びこれらの組み合わせは、機械学習のための選択データを提供することができる。
第１データブロック１１５２、第２データブロック１１５４、第３データブロック１１５６、又はこれらの組み合わせは、集積回路、集積回路コア、集積回路コンポーネント、ＭＥＭＳ（Ｍｉｃｒｏｅｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍ）、受動素子、第１ストレージユニット１１４、第２ストレージユニット１４６、第１ストレージ媒体１２６、第２ストレージ媒体１４２、又はこれらの組み合わせで具現されるハードウェアの一部で具現することができる。

一実施形態において、ストレージ学習ブロック１１２４は、第３データブロック１１５６のデータに対して処理、分析、予測、推薦、フィルタリング、学習、受信、伝送、又はこれらの組み合わせを遂行することができる。
例えば、電子学習システム１１００は、予測、推薦、フィルタリング、機械学習プロセス、機械学習機能、又はこれらの組み合わせを遂行することができる。
ある実施形態では、ビックデータ分析のような機械学習を提供するための予測は、クリックや広告又は広告主の選択に基づき、品目の推薦、スパムフィルタリング、プロセス、又はこれらの組み合わせであってもよい。
同様に、システム学習ブロック１１２８は、予測、推薦、フィルタ、機械学習プロセス、機械学習機能等を提供するために第２データブロック１１５４のデータを処理、予測、推薦、フィルタリング、学習、受信、伝送、又はこれらの組み合わせによって処理することができる。

一実施形態において、電子学習システム１１００のシステム装置１１１２は、並列又は分散機械学習のためにシステム装置１１１２の外部で遂行される機械学習プロセスを含む機械学習のためのアプリケーションプログラムインターフェイス（ＡＰＩ）を含む図１０のプログラムインターフェイス１０８２を含むことができる。
命令語としてはビックデータのようなデータに処理、スキャン、フィルタ、分析、圧縮、Ｋａｒｕｓｈ−Ｋｕｈｎ−Ｔｕｃｋｅｒ（ＫＫＴ）フィルタリング、Ｋａｒｕｓｈ−Ｋｕｈｎ−Ｔｕｃｋｅｒ（ＫＫＴ）ベクトルエラーフィルタリング、ランダムフィルタリング、予測、推薦、学習等を含むすべての機械学習プロセスやアルゴリズムを適用することができる。

一実施形態において、システム装置１１１２、ストレージ装置１１１４、又はこれらの組み合わせは、ボトルネック現象、資源飽和、圧力、資源の制限等の問題を識別することができる。
例えば、インターフェイス１１１６は、飽和された入出力状態を有すると、電子学習システム１１００の減らされた入出力を提供する。
システム装置１１１２、ストレージ装置１１１４、これらの組み合わせは、インターフェイス１１１６の入出力飽和状態を識別し、図１０の機能１０４０のような機能をストレージコントロールユニット１１３２、システムコントロールユニット１１３４、又はこれらの組み合わせで知的に軽減、スロットル、並列化、分散処理することができる。

一実施形態において、知的に負担軽減、スロットル、並列化、分散、又はこれらの組み合わせを遂行する適応ブロック１１３０、システム装置１１１２、ストレージ装置１１１４、又はこれらの組み合わせは、ボトルネック現象、資源飽和、圧力、資源限界等を軽減させることができる。
負担の軽減事項は、電子学習システム１１００、電子システム１００に画期的に高いスループットを提供することができる。

一実施形態において、システム装置１１１２、ストレージ装置１１１４、及びこれらの組み合わせは、これら機能を実行するための高級プログラム言語、スケジューリングアルゴリズム、割り当て機能、データ割り当て、等を遂行するための高級プログラム言語のようなスケジューラーブロック１１８４を含むことができる。
スケジューラーブロック１１８４は、ノード当たりアドホックスタイルスケジューラーと、第１コントロールユニット１１２、第２コントロールユニット１３４等のようなシステム装置１１１２の制御ユニットによる並列又は分散機械学習のための選択、分割、分離、又はこれらの組み合わせを遂行する第１ストレージコントロールユニット１３２、第２ストレージコントロールユニット１５２、又はこれらの組み合わせのようなストレージ装置１１１４のコントロールユニットにアクセス又は制御することができる。

電子学習システム１１００は、入出力飽和のような入出力ボトルネック現象に基づいてスキャン及びフィルタリング、メイン反複アルゴリズム等の負担を減らすためにＳＳＤ駆動可能である二進コードを適応ブロック１１３０に提供することができる。
例えば、適応ブロック１１３０は、入出力ボトルネック現象、入出力飽和のようなボトルネック現象に対する判断にしたがって第１データブロック１１５２の第１データのような追加データに対するフィルタリングを遂行することができる。
適応ブロック１１３０は、インターフェイス１１１６の帯域幅に追加的な帯域幅が必要である状況で第１データを含むデータに対して少ないデータをフィルタリングすることができる。
スケジューラーブロック１１８４を含む電子学習システム１１００は、スキャン及びフィルタリングに対する負担軽減の後にも追加的な入出力ボトルネック現象が検出されれば、メイン反複アルゴリズムの少なくとも一部に対する負担軽減を決定することができる。
入出力ボトルネック現象に対する決定のために、データは、システム装置１１１２、ストレージ装置１１１４等によってランダムに又は規則的に復旧することができる。

電子学習システム１０００と同様に、システム装置１１１２、ストレージ装置１１１４、又はこれらの組み合わせは、命令語の実行、機能、スケジューリングアルゴリズム、割り当てアルゴリズム、データ割り当て等を遂行するための高級プログラム言語のようなスケジューラーブロック１１８４を含むことができる。
一実施形態において、命令語、プログラムインターフェイス等は、命令語、機能等を実行するための新しいシステムコール、拡張システムコール、システム状態、入出力帯域幅のシステム状態、演算使用率に関連されたシステム状態、スロットリングに関連されたシステム状態等を含むシステムコールを含むことができる。
命令語、プログラムインターフェイス等は、システム情報１１８６に基づくことができる。
その上に、適応ブロック１１３０は、システム情報１１８６に基づいて第１データに対する知的な選択、分割、フィルタ等の動作を遂行することができる。

一実施形態において、システム情報１１８６は、システム使用率、システム帯域幅、システムパラメーター、入出力使用率、メモリ使用率、メモリアクセス、ストレージ使用率、ストレージアクセス、コントロールユニット使用率、コントロールユニットアクセス、ＣＰＵ使用率、ＣＰＵアクセス、メモリプロセッサ使用率、メモリプロセスアクセス等であってもよい。
システム情報１０８６は、集積回路、集積回路コア、集積回路コンポーネント、ＭＥＭＳ（Ｍｉｃｒｏｅｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍ）、受動素子、第１ストレージ媒体１２６、第２ストレージ媒体１４２、又はこれらの組み合わせで具現されるハードウェアの一部で具現することができる。

一実施形態において、システム装置１１１２、ストレージ装置１１１４、又はこれらの組み合わせは、ウェブサービスインターフェイスを含む図１０のサービスインターフェイス１０８８と通信することができる。
サービスインターフェイス１０８８は、電子学習システム１１００、電子システム１００、又はこれらの組み合わせの外部への通信サービスを提供することができる。

一実施形態において、ストレージ装置１１１４は、フラッシュメモリ、ソリッドステートドライブ（ＳＳＤ）、相変化メモリ（ＰＣＭ）、スピン伝達トルクランダムアクセスメモリ（ＳＴＴ−ＲＡＭ）、抵抗性ランダムアクセスメモリ（ＲｅＲＡＭ）、磁気抵抗ランダムアクセスメモリ（ＭＲＡＭ）、所定の形態のストレージ装置、所定の形態のメモリ装置等を含むことができる。
ストレージ装置１１１４、システム装置１１１２は、メモリバス、ＳＡＳ（ｓｅｒｉａｌ ａｔｔａｃｈｅｄ ｓｍａｌｌ ｃｏｍｐｕｔｅｒ ｓｙｓｔｅｍ ｉｎｔｅｒｆａｃｅ）、ＳＡＴＡ（ｓｅｒｉａｌ ａｔｔａｃｈｅｄ ａｄｖａｎｃｅｄ ｔｅｃｈｎｏｌｏｇｙ ａｔｔａｃｈｍｅｎｔ）、ＮＶＭｅ（ｎｏｎ−ｖｏｌａｔｉｌｅ ｍｅｍｏｒｙ ｅｘｐｒｅｓｓ）、光チャンネル、イーサーネット（登録商標）（Ｅｔｈｅｒｎｅｔ（登録商標））、ＲＤＭＡ（ｒｅｍｏｔｅ ｄｉｒｅｃｔ ｍｅｍｏｒｙ ａｃｃｅｓｓ）等を含むインターフェイス１１１６と接続されることができる。

例示的に、電子学習システム１１００は、各々１つのコンポーネントで図示しているが、任意の数のコンポーネントが含まれることは容易に理解できる。
例えば、電子学習システム１１００は、各々１つ以上のストレージ装置１１１４、第１データブロック１１５２、第２データブロック１１５４、第３データブロック１１５６を含むことができる。

適応ブロック１１３０、ストレージ学習ブロック１１２４、システム学習ブロック１１２８、又はこれらの組み合わせを含む電子学習システム１１００は、知的なプロセス、スロットリング、並列処理、分散処理等で発生する問題を識別し、負担を減らすことができる。
知的なプロセス分担、スロットリング、並列処理、分散処理等は、少なくともインターフェイス１１１６でのボトルネック現象、資源飽和、作業累積等を軽減させ、システム装置１１１２とストレージ装置１１１４での高い帯域幅使用率を提供することができる。

図１２は、本発明の一実施形態による電子システム１００の電子学習システム１２００の一部を示すブロック図である。
図１２を参照すると、電子学習システム１２００は、図１の第１装置１０２、図１の第２装置１０６、集積回路、集積回路コア、集積回路コンポーネント、ＭＥＭＳ（Ｍｉｃｒｏｅｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍ）、受動素子、又はこれらの組み合わせで具現することができる。

一実施形態において、電子学習システム１２００は、図１１の適応ブロック１１３０や図１０の前処理ブロック１０３０を含み、機械学習機能を制御するか、或いは割り当て動作を行うことができる。
機械学習機能は、人工知能、明示的なプログラム無しでコンピュータが動作するようにするか、或は自動推論、自動適応、自動決定、自動学習、明示的なプログラム無しでコンピュータが自動に学習するようにする機能、又はこれらの組み合わせに該当するアルゴリズムを含むことができる。
機械学習は、人工知能ＡＩの１つの形態として考慮することができる。
機械学習は、明示的な設計やプログラム工程で具現され、ルールベースアルゴリズムとしては実行が不可能である。

例えば、電子学習システム１２００は、ストレージ内コンピューティング（ＩＳＣ）のみならず、システムプロセッサでの並列処理のためのクラスターコンピューティングを含む並列又は分散機械学習メカニズムを含むことができる。
並列処理のための並列又は分散機械学習メカニズムは、図１の第１コントロールユニット１１２、図１の第２コントロールユニット１３４、図１の第１ストレージユニット１１４、図１の第２ストレージユニット１４６、図１の第１ストレージコントロールユニット１３２、図１の第２ストレージコントロールユニット１５２、図１の第１ストレージ媒体１２６、図１の第２ストレージ媒体１４２、又はこれらの組み合わせの中の少なくとも１つで実行することができる。

一実施形態において、電子学習システム１２００は、スキャニング、フィルタリング、予測、推薦、機械学習機能、ビックデータ解釈アルゴリズム等のような並列及び分散機械学習メカニズムを実行するための適応プロセスを含むことができる。
適応プロセスは、並列及び分散機械学習及びストレージ内コンピューティング（ＩＳＣ）及びＳＳＤのようなシステムのハードウェアコントロールのためのコントロールパラメーター、選択率、学習率、ホスト演算対ストレージ演算割合等を含むことができる。
例えば、電子学習システム１２００は、並列又は分散機械学習で部分データの画期的な向上を提供するためにデータトレーニングのような知的にデータを選択、又は分割する機能を提供することができる。
部分データの画期的な向上は、モデル、ベクトル、又はこれらの組み合わせのアップデート動作を向上させることができる。
知的な選択又は分割は、入出力データの増加にも高速の収斂特性を提供することができる。

一実施形態において、電子学習システム１２００は、機械学習ブロックのような学習ブロック１２２０、適応メカニズムブロックのような適応ブロック１２３０、負担軽減ブロックのようなロードブロック１２５０、ストレージ内コンピューティング（ＩＳＣ）等を含むことができる。
学習ブロック１２２０、適応ブロック１２３０、ロードブロック１２５０等は、集積回路、集積回路コア、集積回路コンポーネント、ＭＥＭＳ（Ｍｉｃｒｏｅｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍ）、受動素子、又はこれらの組み合わせで具現することができる。
例えば、学習ブロック１２２０は、図１１の機械学習アルゴリズム、機械学習ブロック、学習ブロック１１２０、図１０の学習ブロック１０２０、図９の学習ブロック９２０、図８の学習ブロック８２０、図２の学習ブロック２１０等を含むことができる。

実施形態において、適応ブロック１２３０は、適応選択パラメーター１２５２、適応学習パラメーター１２５４、適応ロードパラメーター１２５６等を処理、計算、決定することができる。
適応選択パラメーター１２５２、適応学習パラメーター１２５４、適応ロードパラメーター１２５６等は、集積回路、集積回路コア、集積回路コンポーネント、ＭＥＭＳ（Ｍｉｃｒｏｅｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍ）、受動素子、又はこれらの組み合わせで具現されるハードウェアの一部で具現することができる。
例えば、適応プロセシングブロックに提供される適応ブロック１２３０は、動的に変化するシステム動作のモニターリング結果に基づいてパーティショニングのためのパラメーターを知的に処理、計算、決定することができる。

例えば、学習ブロック１２２０、適応ブロック１２３０、ロードブロック１２５０、又はこれらの組み合わせは、ハードウェアメモリ回路や、第１コントロールユニット１１２、第２コントロールユニット１３４、第１ストレージコントロールユニット１３２、第２ストレージコントロールユニット１５２、又はこれらの組み合わせのようなコンポーネントの一部を共有することができる。
適応選択パラメーター１２５２、適応学習パラメーター１２５４、適応ロードパラメーター１２５６、又はこれらの組み合わせは、第１ストレージユニット１１４、第２ストレージユニット１４６、第１ストレージ媒体１２６、第２ストレージ媒体１４２、又はこれらの組み合わせの一部で具現することができる。

一実施形態において、適応ブロック１２３０は、学習ブロック１２２０、選択ブロック１２４０等の機械学習アルゴリズムを含む並列又は分散機械学習プロセスのために適応選択パラメーター１２５２、適応学習パラメーター１２５４等を含むソフトウェア制御パラメーターを処理することができる。
適応選択パラメーター１２５２、適応学習パラメーター１２５４等のようなソフトウェアコントロールは、機械学習アルゴリズム、選択率、学習率、又はこれらの組み合わせを含むことができる。

例えば、選択ブロック１２４０は、選択率によるスキャン、選択、任意の機械学習プロセス、任意の機械学習機能、又はこれらの組み合わせを含むことができる。
一実施形態において、適応ブロック１２３０は、ストレージ内コンピューティング（ＩＳＣ）、スマートソリッドステート装置（ＳＳＤ）のようなロードブロック１２５０のロードを軽減するための処理のために適応ロードパラメーター１２５６を含むハードウェア制御パラメーターを処理することができる。
適応ロードパラメーター１２５６のようなハードウェアコントロールは、ホスト演算に対するストレージ演算、負担軽減率の制御比率を含むことができる。

一実施形態において、適応選択パラメーター１２５２、適応学習パラメーター１２５４、適応ロードパラメーター１２５６、又はこれらの組み合わせは、システム使用率、システム帯域幅、システムパラメーター、入出力使用率、メモリ使用率、メモリアクセス、ストレージ使用率、ストレージアクセス、コントロールユニット使用率、コントロールユニットアクセス、ＣＰＵ使用率、ＣＰＵアクセス、ストレージプロセッサ使用率、ストレージプロセッサアクセス等のシステム情報１２８０に基づいて適応ブロック１２３０で計算される選択率、学習率、ロード率を各々含むことができる。
システム情報１２８０は、集積回路、集積回路コア、集積回路コンポーネント、ＭＥＭＳ（Ｍｉｃｒｏｅｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍ）、受動素子、第１ストレージユニット１１４、第２ストレージユニット１４６、第１ストレージ媒体１２６、第２ストレージ媒体１４２、又はこれらの組み合わせで具現されるハードウェアの一部で具現することができる。

例示的に、電子学習システム１２００は、適応ブロック１２３０、適応選択パラメーター１２５２、適応学習パラメーター１２５４、適応ロードパラメーター１２５６、又はこれらの組み合わせが各々１つの構成で図示しているが、電子学習システム１２００は任意の数の適応ブロック１２３０、適応選択パラメーター１２５２、適応学習パラメーター１２５４、適応ロードパラメーター１２５６、又はこれらの組み合わせを含むことは容易に理解できる。

システム情報１２８０を含む電子学習システム１２００は、適応選択パラメーター１２５２、適応学習パラメーター１２５４、適応ロードパラメーター１２５６を含む適応ブロック基づいて増加する入出力単位の高速収斂を提供するためのストレージ内コンピューティング（ＩＳＣ）のみならず、システムプロセッサでの並列処理のためのクラスターコンピューティングを含む並列又は分散機械学習メカニズムを含むことができる。
システム情報１２８０を使用する適応ブロック１２３０は、画期的に向上された部分データを提供するためにトレーニングデータのようなデータを知的に選択し、分離することができる。

図１３は、本発明の一実施形態による電子システム１００の電子学習システム１３００の一部を示すブロック図である。
図１３を参照すると、電子学習システム１３００は、図１の第１装置１０２、図１の第２装置１０６、集積回路、集積回路コア、集積回路コンポーネント、ＭＥＭＳ（Ｍｉｃｒｏｅｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍ）、受動素子、又はこれらの組み合わせで具現することができる。

一実施形態において、電子学習システム１３００は、機械学習機能を提供する。
機械学習機能は、人工知能、明示的なプログラム無しでコンピュータが動作するようにするか、或は自動推論、自動適応、自動決定、自動学習、明示的なプログラム無しでコンピュータが自動に学習するようにする機能、又はこれらの組み合わせに該当するアルゴリズムを含むことができる。
機械学習は、人工知能ＡＩの１つの形態として考慮することができる。
機械学習は、明示的な設計やプログラム工程で具現され、ルールベースアルゴリズムとしては実行が不可能である。

一実施形態において、電子学習システム１３００は、ストレージ内コンピューティング（ＩＳＣ）のみならず、システムプロセッサでの並列処理のためのクラスターコンピューティングを含む並列又は分散機械学習メカニズムを含むことができる。
並列処理のための並列又は分散機械学習メカニズムは、図１の第１コントロールユニット１１２、図１の第２コントロールユニット１３４、図１の第１ストレージユニット１１４、図１の第２ストレージユニット１４６、図１の第１ストレージコントロールユニット１３２、図１の第２ストレージコントロールユニット１５２、図１の第１ストレージ媒体１２６、図１の第２ストレージ媒体１４２、又はこれらの組み合わせの中の少なくとも１つで実行することができる。

一実施形態において、電子学習システム１３００は、スキャニング、フィルタリング、予測、推薦、機械学習機能、ビックデータ解釈アルゴリズム等のような並列及び分散機械学習メカニズムを実行するための適応プロセスを含むことができる。
適応プロセスは、並列及び分散機械学習及びストレージ内コンピューティング（ＩＳＣ）及びＳＳＤのようなシステムのハードウェアコントロールするためのコントロールパラメーター、選択率、学習率、ホスト演算対ストレージ演算割合等を含むことができる。
例えば、電子学習システム１３００は、並列又は分散機械学習で部分データの画期的な向上を提供するためにデータトレーニングのような知的にデータを選択、又は分割する機能を提供することができる。
部分データの画期的な向上は、モデル、ベクトル、又はこれらの組み合わせのアップデート動作を向上させることができる。
知的な選択又は分割は、入出力データの増加にも高速の収斂特性を提供することができる。

一実施形態において、電子学習システム１３００は、第１コンピューティング装置１３１２、第２コンピューティング装置１３１４、第３コンピューティング装置１３１６、又はこれらの組み合わせを含むことができる。
第１コンピューティング装置１３１２、第２コンピューティング装置１３１４、第３コンピューティング装置１３１６、又はこれらの組み合わせは、図５のシステム装置５１２とストレージ装置５１４、図９のシステム装置９１２とストレージ装置９１４、図１０のシステム装置１０１２とストレージ装置１０１４、図１１のシステム装置１１１２とストレージ装置１１１４、第１装置１０２、第２装置１０６、何らかの演算装置、又はこれらの組み合わせを含むシステム装置で具現することができる。
例示的に、電子学習システム１３００は、３つのコンピューティング装置を含むこととして図示しているが、任意の数のコンピューティング装置が含まれることは容易に理解できる。

この実施形態において、電子学習システム１３００は、モデルサーバのようなモデル装置１３７０を含むことができる。
モデル装置１３７０は、システム装置、ストレージ装置等で具現することができる。
モデル装置１３７０は、コンピューティング資源を含むが、要求はしない。
モデル装置１３７０は、機械学習データ、ビックデータ機械学習、分析されたビックデータ、ビックデータ解析法等に基づいて機械学習データ、ベクトル、パラメーター、モデル等を含むことができる。

例示的に、第１コンピューティング装置１３１２、第２コンピューティング装置１３１４、第３コンピューティング装置１３１６、又はこれらの組み合わせは、分離されたブロックで表示されているが、いずれか１つのブロックは他の１つのブロックとハードウェアの一部を共有できることは容易に理解できる。
例えば、第１コンピューティング装置１３１２、第２コンピューティング装置１３１４、第３コンピューティング装置１３１６、又はこれらの組み合わせは、ハードウェア回路の一部を共有することができる。

電子学習システム１３００は、ストレージ装置で計算されたモデルである第１モデル１３７２のベクトルを含むことができる。
また、電子学習システム１３００は、ホスト装置やシステム装置デ計算されたモデルである第２モデル１３７４のベクトルを含むことができる。
電子学習システム１３００は、第１モデル１３７２、第２モデル１３７４の新しい又はアップデートされたベクトルを提供することができる。
第１モデル１３７２、第２モデル１３７４は、モデル装置１３７０上で提供され、格納され、アップデートされ、訂正され、記入され、記録され、入力され、集積され、置換されることができる。
例示的に、第１モデル１３７２は、ストレージ装置で計算されたモデルで図示しているが、第１モデル１３７２は他の装置で計算されることは容易に理解できる。
同様に、第２モデル１３７４は、ホスト又はシステム装置で計算されたモデルで図示しているが、第２モデル１３７４は他の装置で計算されることは容易に理解できる。

スケジューラー１３８０は、第１コンピューティング装置１３１２、第２コンピューティング装置１３１４、第３コンピューティング装置１３１６、モデル装置１３７０、又はこれらの組み合わせに、データ、タスク、機能、動作等を知的に割り当てすることができる。
トレーニングデータのようなデータに対する知的な選択又は分割は、画期的に向上された部分データを提供することができる。
画期的に向上された部分データは、モデル、ベクトル等をアップデートを向上させることができる。
データに対する知的な選択又は分割は、増加された入出力装置で高速の収斂特性を提供することができる。

スケジューラー１３８０は、第１スケジューラーブロック１３８２、第２スケジューラーブロック１３８４、第３スケジューラーブロック１３８６を含み、図１０の機能１０４０のような機能を実行するための高級プログラム言語、スケジューリングアルゴリズム、割り当て機能、データ割り当て等を遂行することができる。
第１スケジューラーブロック１３８２、第２スケジューラーブロック１３８４、第３スケジューラーブロック１３８６、又はこれらの組み合わせは、ノード当たりアドホックスタイルスケジューラーと、第１コンピューティング装置１３１２、第２コンピューティング装置１３１４、第３コンピューティング装置１３１６等のコントロールユニットにアクセス又は制御することができる。

例示的に、スケジューラー１３８０は、第１スケジューラーブロック１３８２、第２スケジューラーブロック１３８４、第３スケジューラーブロック１３８６のように３つのブロックで図示しているが、スケジューラー１３８０は任意の数のブロックを含むことは容易に理解できる。
スケジューラー１３８０は、第１スケジューラーブロック１３８２、第２スケジューラーブロック１３８４、第３スケジューラーブロック１３８６のマルチサブブロックを有する単一ブロックで構成されてもよい。

スケジューラー１３８０を有する電子学習システム１３００は、ビックデータ分析法のような並列又は分散機械学習のためにデータに対する知的な選択、分割、フィルタ等の動作を遂行することができる。
スケジューラー１３８０は、第１コンピューティング装置１３１２、第２コンピューティング装置１３１４、第３コンピューティング装置１３１６を有する第１モデル１３７２、第２モデル１３７４の機能を提供するためにデータ、プロセス、分析、機能、学習等を知的に負担の軽減をさせ、選択、分割、分離等の演算を遂行することができる。

図１４は、本発明の一実施形態による電子システム１００の電子学習システム１４００の処理を説明するためのフローチャートである。
図１４を参照すると、電子学習システム１４００は、図１の第１装置１０２、図１の第２装置１０６、集積回路、集積回路コア、集積回路コンポーネント、ＭＥＭＳ（Ｍｉｃｒｏｅｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍ）、受動素子、又はこれらの組み合わせで具現することができる。

一実施形態において、電子学習システム１４００は、機械学習機能を提供する。
機械学習機能は、人工知能、明示的なプログラム無しでコンピュータが動作するようにするか、或は自動推論、自動適応、自動決定、自動学習、明示的なプログラム無しでコンピュータが自動に学習するようにする機能、又はこれらの組み合わせに該当するアルゴリズムを含むことができる。
機械学習は、人工知能ＡＩの１つの形態として考慮することができる。
機械学習は、明示的な設計やプログラム工程で具現され、ルールベースアルゴリズムとしては実行が不可能である。

例えば、電子学習システム１４００は、ストレージ内コンピューティング（ＩＳＣ）のみならず、システムプロセッサでの並列処理のためのクラスターコンピューティングを含む並列又は分散機械学習メカニズムを含むことができる。
並列処理のための並列又は分散機械学習メカニズムは、図１の第１コントロールユニット１１２、図１の第２コントロールユニット１３４、図１の第１ストレージユニット１１４、図１の第２ストレージユニット１４６、図１の第１ストレージコントロールユニット１３２、図１の第２ストレージコントロールユニット１５２、図１の第１ストレージ媒体１２６、図１の第２ストレージ媒体１４２、又はこれらの組み合わせの中の少なくとも１つで実行することができる。

一実施形態において、電子学習システム１４００は、スキャニング、フィルタリング、予測、推薦、機械学習機能、ビックデータ解釈アルゴリズム等のような並列及び分散機械学習メカニズムを実行するための適応プロセスを含むことができる。
適応プロセスは、並列及び分散機械学習及びストレージ内コンピューティング（ＩＳＣ）及びＳＳＤのようなシステムのハードウェアコントロールするためのコントロールパラメーター、選択率、学習率、ホスト演算対ストレージ演算割合等を含むことができる。
例えば、電子学習システム１４００は、部分データの画期的な向上を提供するためにトレーニングデータのようなデータを知的に又は分割する機能を提供することができる。
部分データの画期的な向上は、モデル、ベクトル、又はこれらの組み合わせのアップデート動作を向上させることができる。
知的な選択又は分割は、入出力データの増加にも高速の収斂特性を提供することができる。

一実施形態において、電子学習システム１４００の動作は、処理の開始（ステップＳ１４１０）、第１検出プロセス（ステップＳ１４２０）、オフロードプロセス（ステップＳ１４３０）、モニターリングプロセス（ステップＳ１４４０）、第２検出プロセス（ステップＳ１４５０）、スロットリングプロセス（ステップＳ１４６０）、チェックプロセス（ステップＳ１４７０）、終了プロセス（ステップＳ１４８０）を含むことができる。

電子学習システム１４００のプロセスの流れは持続的なボトルネック現象の時、各々のプロセスの反複を含むことができる。
例示的に、２つの検出プロセスが図示しているが、任意の数字の検出プロセスが含まれることは容易に理解できる。
その上に、表現のために他のプロセスは１つのプロセスで図示しているが、他の数字のプロセスで表れることは容易に理解できる。

一実施形態において、第１検出プロセス（ステップＳ１４２０）は、電子システム１００のボトルネック現象、資源飽和、圧力、資源限界等の問題を検出することができる。
例えば、第１検出プロセス（ステップＳ１４２０）は、システムやホスト装置、ストレージ装置の入出力問題を検出することができる。
第１検出プロセス（ステップＳ１４２０）は上述した検出結果に基づいてオフロードプロセス（ステップＳ１４３０）に継続するか、或は取消することができる。
問題が検出されなければ、第１検出プロセス（ステップＳ１４２０）はモニターリングプロセス（ステップＳ１４４０）に手続を進行する。

一実施形態において、オフロードプロセス（ステップＳ１４３０）は選択された処理、分割された処理、並列処理、分散処理等の知的な処理を提供することができる。
オフロードプロセス（ステップＳ１４３０）はデータ、タスク、プロセス、機能、ビックデータ、分析法等を含む機械学習に対して選択、分割、並列化、分散等の処理を遂行することができる。
例えば、オフロードプロセス（ステップＳ１４３０）はホストやシステムからストレージ内コンピューティング（ＩＳＣ）のためのデータ及びプロセスを分散させることができる。オフロードプロセス（ステップＳ１４３０）はモニターリングプロセス（ステップＳ１４４０）に手続を移動させる。

モニターリングプロセス（ステップＳ１４４０）は第１検出プロセス（ステップＳ１４２０）で検出されたボトルネック現象、資源飽和、圧力、資源限界等の検出された問題に対する検出、識別、モニターリング、測定、チェッキング等を提供することができる。
モニターリングプロセス（ステップＳ１４４０）は第２検出プロセス（ステップＳ１４５０）に手続を移動させる。

一実施形態において、第２検出プロセス（ステップＳ１４５０）は電子システム１００のボトルネック現象、資源飽和、圧力、資源限界等の問題を検出することができる。
例えば、第２検出プロセス（ステップＳ１４５０）はシステムやホスト装置、ストレージ装置の入出力問題を検出することができる。
第２検出プロセス（ステップＳ１４５０）は上述した検出結果に基づいてスロットリングプロセス（ステップＳ１４３０）に手続を移動させる。
第２検出プロセス（ステップＳ１４５０）は上述した検出結果に基づいてチェックプロセス（ステップＳ１４７０）に手続を移動させる。

スロットリングプロセス（ステップＳ１４６０）は選択された処理、分割された処理、並列処理、分散処理等の知的な処理を提供することができる。
スロットリングプロセス（ステップＳ１４６０）は、データ、タスク、プロセス、機能、ビックデータ、分析法等を含む機械学習に対して選択、分割、並列化、分散等の処理を遂行することができる。
例えば、スロットリングプロセス（ステップＳ１４６０）は、ホストやシステムからストレージ内コンピューティング（ＩＳＣ）のためのデータ及びプロセスを分散させることができる。
スロットリングプロセス（ステップＳ１４６０）はチェックプロセス（ステップＳ１４７０）に手続を移動させる。

一実施形態において、チェックプロセス（ステップＳ１４７０）は電子システム１００のボトルネック現象、資源飽和、圧力、資源限界等の検出された問題に対する解決の可否、動作の完了を決定することができる。
上述した決定によって電子システム１００で発生した問題が解決されれば、チェックプロセス（ステップＳ１４７０）は手続を終了プロセス（ステップＳ１４８０）に移動する。
一方、上述した決定によって電子システム１００で発生した問題が未解決であれば、チェックプロセス（ステップＳ１４７０）は手続をモニターリングプロセス（ステップＳ１４４０）に戻す。

処理開始（ステップＳ１４１０）、第１検出プロセス（ステップＳ１４２０）、オフロードプロセス（ステップＳ１４３０）、モニターリングプロセス（ステップＳ１４４０）、第２検出プロセス（ステップＳ１４５０）、スロットリングプロセス（ステップＳ１４６０）、チェックプロセス（ステップＳ１４７０）、終了プロセス（ステップＳ１４８０）のプロセス流れを有する電子学習システム１４００は、ボトルネック現象が解決されるまで反複されるループを構成することができる。
第１検出プロセス（ステップＳ１４２０）、第２検出プロセス（ステップＳ１４５０）、チェックプロセス（ステップＳ１４７０）、又はこれらの組み合わせは、継続する未解決であるボトルネック現象に基づいて反複することができる。

図１５は、本発明の一実施形態による電子システム１００の電子学習システム１５００の一部を示すブロック図である。
図１５を参照すると、電子学習システム１５００は、図１の第１装置１０２、図１の第２装置１０６、集積回路、集積回路コア、集積回路コンポーネント、ＭＥＭＳ（Ｍｉｃｒｏｅｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍ）、受動素子、又はこれらの組み合わせで具現することができる。

一実施形態において、電子学習システム１５００は、機械学習機能を提供する。
機械学習機能は、人工知能、明示的なプログラム無しでコンピュータが動作するようにするか、或は自動推論、自動適応、自動決定、自動学習、明示的なプログラム無しでコンピュータが自動に学習するようにする機能、又はこれらの組み合わせに該当するアルゴリズムを含むことができる。
機械学習は、人工知能ＡＩの１つの形態として考慮することができる。
機械学習は、明示的な設計やプログラム工程で具現され、ルールベースアルゴリズムとしては実行が不可能である。

一実施形態において、電子学習システム１５００は、予測、推薦、スパム電子メールフィルタリングのようなフィルタリング、機械学習プロセス、機械学習機能、又はこれらの組み合わせを含む機械学習メカニズムを提供する。
ある実施形態では、ビックデータ分析のような機械学習を提供するための予測は、クリックや広告又は広告主の選択に基づき、品目の推薦、スパムフィルタリング、プロセス、又はこれらの組み合わせであってもよい。

一実施形態において、電子学習システム１５００は、ストレージ内コンピューティング（ＩＳＣ）のみならず、システムプロセッサでの並列処理のためのクラスターコンピューティングを含む並列又は分散機械学習メカニズムを含むことができる。
並列処理のための並列又は分散機械学習メカニズムは、図１の第１コントロールユニット１１２、図１の第２コントロールユニット１３４、図１の第１ストレージユニット１１４、図１の第２ストレージユニット１４６、図１の第１ストレージコントロールユニット１３２、図１の第２ストレージコントロールユニット１５２、図１の第１ストレージ媒体１２６、図１の第２ストレージ媒体１４２、又はこれらの組み合わせの中の少なくとも１つで実行することができる。

一実施形態において、電子学習システム１５００は、システム装置のようなホスト装置１５１２、ストレージ装置１５１４を含むことができる。
ホスト装置１５１２とストレージ装置１５１４は、第１装置１０２で構成されるか、或いは第１装置１０２の付属コンポーネント、第２装置１０６で構成されるか、或いは第２装置１０６の付属コンポーネント、集積回路、集積回路コア、集積回路コンポーネント、ＭＥＭＳ（Ｍｉｃｒｏｅｌｅｃｔｒｏｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍ）、受動素子、又はこれらの組み合わせのようなハードウェアの一部で具現することができる。

一実施形態において、ホスト装置１５１２はストレージ装置１５１４とインターフェイス１５１６を通じて通信することができる。
インターフェイス１５１６は、ＳＡＳ（ｓｅｒｉａｌ ａｔｔａｃｈｅｄ ｓｍａｌｌ ｃｏｍｐｕｔｅｒ ｓｙｓｔｅｍ ｉｎｔｅｒｆａｃｅ）、ＳＡＴＡ（ｓｅｒｉａｌ ａｔｔａｃｈｅｄ ａｄｖａｎｃｅｄ ｔｅｃｈｎｏｌｏｇｙ ａｔｔａｃｈｍｅｎｔ）、ＮＶＭｅ（ｎｏｎ−ｖｏｌａｔｉｌｅ ｍｅｍｏｒｙ ｅｘｐｒｅｓｓ）、光チャンネル、イーサーネット（登録商標）（Ｅｔｈｅｒｎｅｔ（登録商標））、ＲＤＭＡ（ｒｅｍｏｔｅ ｄｉｒｅｃｔ ｍｅｍｏｒｙ ａｃｃｅｓｓ）、又はこれらの組み合わせとの中のいずれか１つを含むことができる。

一実施形態において、ストレージ装置１５１４は、学習エンジン１５２４、ストレージ用ＣＰＵ１５３２を含むことができる。
１つ以上のストレージ用ＣＰＵ１５３２は、ストレージ内コンピューティング（ＩＳＣ）のみならず、並列処理のためのクラスターコンピューティングを含む並列又は分散機械学習を提供することができる。
例示的に、４つのストレージ用ＣＰＵ１５３２を図示しているが、任意の数字のストレージ用ＣＰＵ１５３２が含まれることは容易に理解できる。

一実施形態において、ストレージ装置１５１４は、メモリ１５４２、不揮発性メモリ１５４６、ファームウェア１５４８等を含むことができる。
メモリ１５４２は、ＤＲＡＭ、ＳＲＡＭ、他のメモリ技術を含む揮発性メモリを含むことができる。
不揮発性メモリ１５４６は、フラッシュドライブ、ディスクストレージ、不揮発性メモリ（ＮＶＭ）、他のストレージ技術を含むことができる。
ファームウェア１５４８は、ＲＯＭ、ＥＰＲＯＭ、フラッシュメモリ等の不揮発性メモリに格納され得る。
メモリ１５４２、不揮発性メモリ１５４６、ファームウェア１５４８等は、集積回路、集積回路コア、集積回路コンポーネント、受動素子等で具現することができる。

一実施形態において、メモリ１５４２、不揮発性メモリ１５４６、ファームウェア１５４８等は、ストレージ装置１５１４のために関連情報を格納することができる。
関連情報は、ストレージ装置１５１４で動作するための入力データ、以前に存在したデータ、臨時データ、ソーシャルネットワークデーの任意のフォーム、ユーザープロフィール、行動データ、クッキー、ユーザーデータの収集データ等を含むことができる。

一実施形態において、ホスト装置１５１２は、並列又は分散機械学習アプリケーションのようなアプリケーション１５７２、システムコール１５８２、システム命令語１５８４、装置ドライバのようなドライバ１５８６を含むことができる。
アプリケーション１５７２は、ドライバ１５８６に対するシステム状態、入出力制御、図１０の‘ＬＥＡＲＮ’命令語、メタデータ、任意のシステムコールを含むシステムコール１５８２を提供することができる。
ドライバ１５８６は、システムコール１５８２に基づいてストレージ装置１５１４にシステム命令語１５８４を提供することができる。

例示的に、システムコール１５８２とシステム命令語１５８４、又はこれらの組み合わせは、システム資源での潜在的な問題やボトルネック現象の検出、識別、モニターリング、測定、チェッキンクした結果に基づいて提供されることができる。
問題やボトルネック現象は、インターフェイス１５１６を含むシステム資源の資源飽和、圧力、資源制限等を含むことができる。
検出、識別、モニターリング、測定、チェッキング等は、学習エンジン１５２４、システムコール１５８２、システム命令語１５８４等の並列及び分散処理の遂行に知能を提供することができる。

一実施形態において、ドライバ１５８６のシステム命令語１５８４は、学習エンジン１５２４、ストレージ用ＣＰＵ１５３２、ホスト１５１２のために分割、分離、選択させることができる。
ファームウェア１５４８は、ストレージ用ＣＰＵ１５３２と学習エンジン１５２４の学習命令語１５９４とシステム命令語１５８４とをレギュラー命令語１５９２に分割、分離、選択することができる。
機械学習命令語のような学習命令語１５９４は、クラスターコンピューティング、ストレージ用ＣＰＵ１５３２の並列又は分散機械学習を提供することができる。
レギュラー命令語１５９２は、ストレージ装置１５１４に機械学習を要求しないシステム命令語１５９４を含むことができる。

ホスト装置１５１２、ストレージ装置１５１４、システムコール１５８２、システム命令語１５８４、学習エンジン１５２４、ストレージ用ＣＰＵ１５３２、又はこれらの組み合わせを含む電子学習システム１５００は並列又は分散処理、クラスターコンピューティング等を含む機械学習プロセスと機械学習機能を提供することができる。
システムコール１５８２、システム命令語１５８４、又はこれらの組み合わせは、ストレージ用ＣＰＵ１５３２での知的な並列処理を提供することができる。

図１６は、本発明の一実施形態による電子システム１００の例を示す図である。
図１６を参照すると、本発明の実施形態による分割メカニズムを有する電子システム１００は、応用例としてスマートフォン１６１２、自動車のダッシュボード１６２２、ノートブック型コンピュータ１６３２、サーバ１６４２、又はこれらの組み合わせを含むことができる。
応用例は、本発明の多様な実施形態の目的又は機能の例と向上された帯域幅、面積効率等を含む処理性能で向上の重要度を含む。

例えば、図１１のストレージ装置１１１４は、スマートフォン１６１２、自動車のダッシュボード１６２２、ノートブック型コンピュータ１６３２、サーバ１６４２、又はこれらの組み合わせのような電子システム１００で画期的なシステム性能向上とボトルネック現象、資源飽和、圧力、資源限界等のような問題を回避できる手段を提供する。
ストレージ装置１１１４の図１１の適応ブロック１１３０、図１０のスケジューラーブロック１０８４、又はこれらの組み合わせは、知的に機械学習を選択、分離、並列、分割することができる。

例えば、図１３の第１コンピューティング装置１３１２は、スマートフォン１６１２、自動車のダッシュボード１６２２、ノートブック型コンピュータ１６３２、サーバ１６４２、又はこれらの組み合わせのような電子システム１００で画期的なシステム性能向上とボトルネック現象、資源飽和、圧力、資源限界等のような問題を回避できる手段を提供する。
スケジューラーブロック１３８０は、知的に機械学習を選択、分離、並列、分割することができる。
例えば、図１５のストレージ装置１５１４は、スマートフォン１６１２、自動車のダッシュボード１６２２、ノートブック型コンピュータ１６３２、サーバ１６４２、又はこれらの組み合わせのような電子システム１００で画期的なシステム性能向上とボトルネック現象、資源飽和、圧力、資源限界等のような問題を回避できる手段を提供する。
図１５のストレージ装置１５１４の学習エンジン１５２４は、知的に機械学習を選択、分離、並列、分割することができる。

一実施形態において、集積物理論理回路と図１１のストレージ装置１１１４、図１３のコンピューティング装置、図１５のストレージ装置１５１４、又はこれらの組み合わせは、図１のコントロールユニット１１２、ストレージユニット１１４、第１ストレージ媒体１２６、第２ストレージ媒体１４２内に集積することができ、機械学習機能を選択、パーティショニング、並列化、分離して画期的にシステム性能を高めることができる。
多様に変更され得る本発明の実施形態は、機械学習機能を選択、パーティショニング、並列化、分離してシステム性能を向上させ、エネルギー効率を向上させ、新しい技術の適用を可能するようにし、現在の物理階層での互換性を提供し、使用者アプリケーションに対する透明性のある実施を可能する。

スマートフォン１６１２、自動車のダッシュボード１６２２、ノートブック型コンピュータ１６３２、サーバ１６４２、又はこれらの組み合わせのような電子システム１００は多様な実施形態を含む印刷回路基板や、電子組立体のような１つ以上のサブシステムを含むことができる。
電子システム１００は、スマートフォン１６１２、自動車のダッシュボード１６２２、ノートブック型コンピュータ１６３２、サーバ１６４２等の内部に設置されるアダプタカードであってもよい。

したがって、スマートフォン１６１２、自動車のダッシュボード１６２２、ノートブック型コンピュータ１６３２、サーバ１６４２、他の電子装置、又はこれらの組み合わせは、電子システム１００の処理、出力、伝送、ストレージ、通信、ディスプレイ、異なる機能において画期的なスループット向上を提供することができる。
例示的にスマートフォン１６１２、自動車のダッシュボード１６２２、ノートブック型コンピュータ１６３２、サーバ１６４２、他の電子装置、又はこれらの組み合わせを電子システム１００として説明したが、電子システム１００はいずれの電子装置に使用されても構わない。

図１７は、本発明の実施形態による電子システム１００の動作方法１７００を説明するためのフローチャートである。
動作方法１７００は、ステップＳ１７０２で、ストレージインターフェイスからシステム情報を受信する段階、ステップＳ１７０４で、システム情報を参照して前処理ブロックを実行するストレージコントロールユニットでパーティショニングを遂行する段階、及びステップＳ１７０６で、学習ブロックを実行するストレージコントロールユニットがデータの部分データを処理するための機械学習を分配する段階を含む。

一実施形態において、動作方法１７００のステップＳ１７０４は、前処理ブロックを実行するためのストレージコントロールユニットを含むことができる。
動作方法１７００のステップＳ１７０４はプログラムインターフェイスを実行するストレージコントロールユニットを含むことができる。
一実施形態において、動作方法１７００のステップＳ１７０４は選択ブロックを実行するストレージユニットを含むことができる。
動作方法１７００のステップＳ１７０４はスキャン及び選択ブロックを実行するストレージコントロールユニットを含むことができる。
動作方法１７００のステップＳ１７０６はスケジューラーブロックを実行するストレージコントロールユニットを含むことができる。
動作方法１７００はデータを格納するストレージ媒体を有するデータストレージ段階をさらに含むことができる。

予め生産され、効率的であり、経済的な製造、適用、活用のために多様な公知された構成を適用することにおいて本発明の方法、プロセス、手段、装置、商品、及び／又はシステムは簡略であり、費用が低廉であり、複雑でなく、高い多目的性、正確であり、敏感であり、効果的に具現することができる。ここで、説明した本発明の他の特徴によれば、費用の減少、システムの簡易化、及び性能向上の典型的なトレンドを支援することができ、サービスすることができる。

尚、本発明は、上述の実施形態に限られるものではない。本発明の技術的範囲から逸脱しない範囲内で多様に変更実施することが可能である。

１０２ 第１装置
１０４ 通信経路
１０６ 第２装置
１０８ 第１装置伝送部
１１０ 第２装置伝送部
１１２ 第１コントロールユニット
１１４ 第１ストレージユニット
１１６ 第１通信ユニット
１１８ 第１ユーザーインターフェイス
１２２ 第１コントロールインターフェイス
１２４ 第１ストレージインターフェイス
１２６ 第１ストレージ媒体
１２８ 第１通信インターフェイス
１３０ 第１ディスプレイインターフェイス
１３２ 第１ストレージコントロールユニット
１３４ 第２コントロールユニット
１３６ 第２通信ユニット
１３８ 第２ユーザーインターフェイス
１４０ 第２ディスプレイインターフェイス
１４２ 第２ストレージ媒体
１４４ 第２コントロールインターフェイス
１４６ 第２ストレージユニット
１４８ 第２ストレージインターフェイス
１５０ 第２通信インターフェイス
１５２ 第２ストレージコントロールユニット

Claims (20)

1. システム情報を受信するストレージインターフェイスと、
   前記ストレージインターフェイスと接続され、前記システム情報に基づいてデータをパーティショニング（ｐａｒｔｉｔｉｏｎｉｎｇ）するための前処理ブロックと、マシン学習プロセスを分配するために前記データの部分データを処理する学習ブロックとを実行するストレージコントロールユニットと、を有することを特徴とする電子システム。
2. 前記ストレージコントロールユニットは、適応的な前処理ブロックを実行することを特徴とする請求項１に記載の電子システム。
3. 前記ストレージコントロールユニットは、プログラミングインターフェイスを実行することを特徴とする請求項１に記載の電子システム。
4. 前記ストレージコントロールユニットは、スケジュールブロックを実行することを特徴とする請求項１に記載の電子システム。
5. 前記ストレージコントロールユニットは、選択ブロックを実行することを特徴とする請求項１に記載の電子システム。
6. 前記ストレージコントロールユニットは、スキャン及び選択ブロックを実行することを特徴とする請求項１に記載の電子システム。
7. 前記データを格納するためのストレージ媒体をさらに有することを特徴とする請求項１に記載の電子システム。
8. 電子システムの動作方法において、
   ストレージインターフェイスでシステム情報を受信する段階と、
   前処理ブロックを実行するストレージコントロールユニットで、前記システム情報に基づいてデータをパーティショニングする段階と、
   学習ブロックを実行するストレージコントロールユニットで、前記データの部分データを処理するためのマシン学習プロセスを分配する段階と、を有することを特徴とする電子システムの動作方法。
9. 前記データをパーティショニングする段階は、前記ストレージコントロールユニットで適応的な前処理ブロックを実行する段階を含むことを特徴とする請求項８に記載の電子システムの動作方法。
10. 前記データをパーティショニングする段階は、前記ストレージコントロールユニットでプログラミングインターフェイスを実行する段階を含むことを特徴とする請求項８に記載の電子システムの動作方法。
11. マシン学習プロセスを分配する段階は、前記ストレージコントロールユニットでスケジューラーブロックを実行する段階を含むことを特徴とする請求項８に記載のメモリシステムの動作方法。
12. 前記データをパーティショニングする段階は、前記ストレージコントロールユニットで選択ブロックを実行する段階を含むことを特徴とする請求項８に記載の電子システムの動作方法。
13. 前記データをパーティショニングする段階は、前記ストレージコントロールユニットでスキャン及び選択ブロックを実行する段階を含むことを特徴とする請求項８に記載の電子システムの動作方法。
14. 前記データをストレージ媒体に格納する段階をさらに有することを特徴とする請求項８に記載の電子システムの動作方法。
15. コントロールユニットによって実行される命令語を具備する不揮発性のコンピュータ読取可能ストレージ媒体において、
    前記命令語は、ストレージインターフェイスでシステム情報を受信し、
    ストレージコントロールユニットで前記システム情報に基づいて前処理ブロックを実行するためのデータのパーティショニングを遂行し、
    前記ストレージブロックに接続されて学習ブロックを実行するストレージコントロールユニットで前記データの部分データを処理するためにマシン学習プロセスを分配する動作を含むことを特徴とする不揮発性コンピュータ読取可能ストレージ媒体。
16. 前記データのパーティショニングは、前記ストレージコントロールユニットで適応的な前処理ブロックを遂行する動作を含むことを特徴とする請求項１５に記載の不揮発性コンピュータ読取可能ストレージ媒体。
17. 前記データのパーティショニングは、前記ストレージコントロールユニットでプログラミングインターフェイスを実行する動作を含むことを特徴とする請求項１５に記載の不揮発性コンピュータ読取可能ストレージ媒体。
18. 前記マシン学習プロセスを分配する動作は、前記ストレージコントロールユニットでスケジュールブロックを実行する動作を含むことを特徴とする請求項１５に記載の不揮発性コンピュータ読取可能ストレージ媒体。
19. 前記データのパーティショニングは、前記ストレージコントロールユニットで選択ブロックを実行する動作を含むことを特徴とする請求項１５に記載の不揮発性コンピュータ読取可能ストレージ媒体。
20. 前記データのパーティショニングは、前記ストレージコントロールユニットでスキャン及び選択ブロックを実行する段階を含むことを特徴とする請求項１５に記載の不揮発性コンピュータ読取可能ストレージ媒体。
    

Images