Caltech 分布式信息系统研究组在闪存编码与 DNA 演化上的研究思路

该研究组在闪存方向的核心思路是：不只停留在编码理论，而是把新发明的调制与编码方案放到真实器件上做理论与实验研究，检验物理实现带来的挑战和收益；在 DNA 演化方向则提出一个可检验的猜想——序列多样性与演化主要来自复制机制，而非随机突变，并用信息论方法评估字符串复制系统来检验它。这两条线共享同一套底层视角：把信息存储与复制过程当作可建模、可分析的编码系统。

闪存编码：从 rank modulation 到重写码

根据网站资料，该组当前开展的是针对闪存的新型调制与编码方案的严谨理论与实验研究，明确提到的例子包括 rank modulation 和 rewriting codes（重写码）。其研究取向有两个特点：

• 关注物理实现：研究重点不是纸面上的容量提升，而是这些方案在实际器件中实现时会遇到什么限制、又能带来什么收益。
• 与产业和 JPL 合作：一方面与工业伙伴合作设计下一代闪存系统，另一方面与 JPL 合作，为太空任务提供非易失性存储方案。

对读者而言，这意味着该组的工作处在编码理论与存储工程之间：rank modulation 这类方案试图用相对排序而非绝对电平来承载信息，重写码则关注在不大幅擦除的前提下多次写入数据。网站未给出具体性能数字，判断其价值需要看后续论文中的实验数据。

分布式存储：最优重建的 RAID 与最优解码的安全方案

除闪存外，该组还研究分布式存储系统，方向包括：

• 开发具有最优重建能力的 RAID 方案；
• 开发具有最优解码能力的安全编码方案。

这两个方向对应分布式存储中的两个经典张力：节点失效后重建数据需要多少下载量，以及如何在保证安全的同时不牺牲解码效率。“最优”在这里是设计目标，具体达到何种界，需查阅其论文。

DNA 演化：复制机制作为多样性的主要来源

在生物系统计算理论方向，该组处理的问题是：DNA 序列演化与多样性的主要机制是什么？

一种常见答案是随机突变。但网站指出一个常被引用的观察：人类基因组中超过 50% 由重复序列构成，且重复序列在其他物种中也很常见。基于此，该组提出猜想：生物系统的多样性与演化主要通过复制机制实现。

为检验这一猜想，他们采取的方法是从信息论角度评估字符串复制系统，并研究两类具体机制：

• 串联重复（tandem duplication）
• 散布重复（interspersed duplication）

例如需要判断一段重复序列是如何在基因组中扩增的，就可以把复制过程抽象为字符串操作规则，再比较不同规则下序列复杂度的变化，看哪种机制更能解释观察到的重复结构。这是一种把生物学假说转化为可计算的编码问题的做法。

两条研究线的共同点

闪存编码与 DNA 复制看似相隔很远，但都围绕“信息如何在有噪声、有约束的物理载体上被写入、复制和保持”展开：闪存侧关心写入次数、电平漂移与重建开销，DNA 侧关心复制规则如何生成多样性。理解该组的研究，抓住“用信息论建模存储与复制过程，再用实验或形式化分析检验”这条主线，比逐个记项目名称更有用。

进一步了解

网站页面提供 Reports、Dissertations、Teaching、Alumni 等栏目入口，可据此查找论文、学位论文与教学资料。另据页面信息，Jehoshua (Shuki) Bruck 已于 2025 年 7 月转为 Caltech 荣休教授，页面提到可通过 Information Celebration 网站了解其研究、教学遗产及 Caltech Oral History。