Towards Migration-Free Data Preservation using Synthetic DNA

Vers une préservation des données sans migration utilisant l'ADN synthétique L'adoption croissante de l'IA et de l'analyse des données dans divers secteurs a fait de la préservation des données un défi intersectoriel, qui touche tout le monde, des entreprises axées sur les données aux institutions de la mémoire. La préservation des informations dans le temps nécessite de conserver initialement les données pendant une période suffisamment longue et d'être en mesure de récupérer ces données sur le support de stockage à l'avenir. Malheureusement, tous les supports de stockage contemporains présentent des limites fondamentales en termes de densité et de durabilité, ce qui entraîne des remastérisations périodiques coûteuses. Ce processus implique la migration des données d'une ancienne génération de supports d'archivage vers une nouvelle, ce qui rend difficile l'archivage rentable des données. Dans cette thèse, nous présentons notre vision de l'archivage de données sans migration dans le contexte de la préservation des données à l'aide d'ADN synthétique. Ce faisant, nous soulignons les défis que pose l'utilisation de l'ADN pour l'archivage des données et nous présentons un pipeline de stockage de l'ADN innovant et de bout en bout que nous avons mis en place pour surmonter ces défis. Grâce à sa méthode d'encodage basée sur les motifs, à sa disposition en colonnes et à l'intégration de l'appel au consensus et du décodage, notre système de stockage de l'ADN permet de réduire les coûts de lecture et d'écriture par rapport à l'état de l'art. Nous validons notre système de stockage d'ADN par des expériences simulées et en laboratoire, démontrant que notre système est plus performant que l'état de l'art en termes de coûts de lecture et d'écriture.