질량 분석 (Mass Spectrometry, MS)에서의 개방형 수정 검색 (Open Modification Search, OMS)은 계산보다는 참조 데이터 이동에 의해 성능이 지배적으로 제한되는 데이터 집약적 워크로드입니다. 기존의 OMS 가속기들은 주로 개별적으로 평가되어 왔기에, 플랫폼 전반에 걸친 시스템 수준의 트레이드오프 (trade-off)를 이해하기 어려웠습니다. 본 논문은 일관된 알고리즘 및 정확도 가정을 바탕으로, 범용 플랫폼뿐만 아니라 GPU, 스토리지 근접 FPGA (near-storage FPGAs), DRAM 근접 메모리 프로세싱 (near-memory processing), ReRAM/PCM 인메모리 프로세싱 (in-memory processing), 그리고 3D NAND/FeNAND 인스토리지 프로세싱 (in-storage processing)을 포함하는 차세대 메모리 및 스토리지 중심 아키텍처를 연구함으로써, MS 검색을 위한 가속기에 대한 최초의 워크로드 기반 교차 플랫폼 조사를 제시합니다. 유사도 평가를 경량 비트 단위 프리미티브 (bitwise primitives)로 축소하고 장치 수준의 비이상성 (non-idealities)을 허용하는 이진 하이퍼디멘셔널 컴퓨팅 (Binary Hyperdimensional Computing, HDC) 기반의 OMS 정식화를 활용하여, 장치 수준의 비이상성과 제한된 컴퓨팅 능력에도 불구하고 메모리 중심 아키텍처에서 견고한 실행을 가능하게 합니다. 종합적으로, 본 연구는 메모리 및 스토리지 중심 아키텍처를 대규모 고속 검색 가속을 위한 핵심적인 아키텍처 혁신으로 식별하였으며, 최대 100배 이상의 속도 향상과 40,000배 이상의 에너지 효율 개선을 달성했습니다.