Hedendaagse computertoepassingen stellen hoge bandbreedte- en capaciteitseisen aan het geheugensysteem. Traditionele DRAM-geheugens zijn echter beperkt schaalbaar naar nieuwe chiptechnologieën, terwijl nieuwe 3D-geheugens beperkt zijn qua capaciteit en relatief kwetsbaar zijn voor tijdelijke fouten. Hybride geheugens maken het mogelijk hoge bandbreedte én capaciteit aan te bieden. Jammer genoeg wordt de betrouwbaarheid van een hybride geheugensysteem beperkt door de zwakste schakel, namelijk het 3D-geheugen. Een concreet praktisch probleem bij de exploratie en evaluatie van hybride geheugensystemen is dat bestaande simulatiemethodes ontoereikend zijn. De simulatietijden nemen exponentieel toe met systeemgrootte, en in sommige gevallen is het zelfs onmogelijk wegens beperkingen van de simulatie-infrastructuur. In deze doctoraatsthesis stellen we betrouwbaarheidsbewust geheugenbeheer voor om hoge betrouwbaarheid én hoge prestatie te bekomen in hybride geheugens. Verder stellen we een nieuwe modelleringsmethode voor om op basis van de simulatie van schaalmodellen en machinaal leren de prestatie van een groter multicoresysteem te voorspellen. Ten slotte passen we de schaalmodellen toe voor de evaluatie van betrouwbaarheidsbewust geheugenbeheer op grote multicoresystemen, hetgene onmogelijk is met bestaande simulatiemethodes.