[發(fā)明專利]訓(xùn)練人工智能更正存儲(chǔ)裝置的對(duì)數(shù)概度比的方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201811173062.7
• 申請(qǐng)日: 2018-10-09
• 公開（公告）號(hào): CN110969256A
• 公開（公告）日: 2020-04-07
• 發(fā)明（設(shè)計(jì)）人: 彭祥恩;吳昇翰
• 申請(qǐng)（專利權(quán)）人: 深圳衡宇芯片科技有限公司
• 主分類號(hào): G06N20/00
• 分類號(hào): G06N20/00;G06N3/063;G06F7/556
• 代理公司: 北京律和信知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11446
• 代理人: 武玉琴;冷文燕

本發(fā)明提供一種訓(xùn)練人工智能更正存儲(chǔ)裝置的對(duì)數(shù)概度比的方法，包含以下步驟：(a)定義多種存儲(chǔ)狀態(tài)；(b)分類記憶單元；(c)計(jì)算強(qiáng)正確區(qū)的多個(gè)記憶單元數(shù)量，占強(qiáng)正確區(qū)與弱正確區(qū)總和的記憶單元數(shù)量的強(qiáng)正確比例；(d)計(jì)算強(qiáng)錯(cuò)誤區(qū)的多個(gè)記憶單元數(shù)量，占強(qiáng)錯(cuò)誤區(qū)與弱錯(cuò)誤區(qū)總和的記憶單元數(shù)量的強(qiáng)錯(cuò)誤比例；(e)計(jì)算分類在弱正確區(qū)與弱錯(cuò)誤區(qū)的記憶單元的數(shù)量以取得直方圖參數(shù)；(f)輸入比例以及參數(shù)至人工智能類神經(jīng)網(wǎng)絡(luò)系統(tǒng)；以及(g)使用機(jī)器學(xué)習(xí)分析出實(shí)作對(duì)數(shù)概度比。

技術(shù)領(lǐng)域

本發(fā)明是有關(guān)于一種存儲(chǔ)裝置，且特別是有關(guān)于一種訓(xùn)練人工智能更正存儲(chǔ)裝置的對(duì)數(shù)概度比的方法。

背景技術(shù)

現(xiàn)在內(nèi)存應(yīng)用越來越普及化，在使用過程中會(huì)隨著抹除與寫入次數(shù)一些因素造成內(nèi)存內(nèi)部損傷，進(jìn)而造成錯(cuò)誤率上升，使得非揮發(fā)性內(nèi)存(non-volatile memory)可靠度急速下降，因此可以通過可靠性設(shè)計(jì)技術(shù)，特別是更正錯(cuò)誤技術(shù)來提高非揮發(fā)性內(nèi)存的可靠性，可以讓產(chǎn)品更為長壽與穩(wěn)定。

為了確保延長非揮發(fā)性內(nèi)存的使用壽命，控制電路中會(huì)設(shè)計(jì)錯(cuò)誤更正模塊，對(duì)從非揮發(fā)性內(nèi)存讀出來的數(shù)據(jù)進(jìn)行錯(cuò)誤糾正，消除非揮發(fā)性內(nèi)存因?yàn)橥庠谝蛩卦斐傻腻e(cuò)誤。傳統(tǒng)上，主流的錯(cuò)誤更正編碼都是采用BCH(Bose-Chaudhuri-Hochquenghem)Code，這種編碼的計(jì)算速度相當(dāng)快，糾正能力隨著冗余位越多，更正能力會(huì)越強(qiáng)。但是隨著非揮發(fā)性內(nèi)存制造技術(shù)越來越高，BCH編碼技術(shù)已經(jīng)無法提供足夠的更正能力，所以開始轉(zhuǎn)向使用在通信領(lǐng)域廣泛應(yīng)用的低密度奇偶檢查碼(Low Density Parity Code,LDPC)糾錯(cuò)技術(shù)，借由強(qiáng)大的更正能力開始成為存儲(chǔ)領(lǐng)域中的新趨勢。

發(fā)明內(nèi)容

為解決背景技術(shù)的缺失，本發(fā)明的目的在于提供一種訓(xùn)練人工智能更正存儲(chǔ)裝置的對(duì)數(shù)概度比的方法，適用于存儲(chǔ)裝置，存儲(chǔ)裝置包含多個(gè)記憶單元，記憶單元存儲(chǔ)一或多個(gè)位元值，位元值為邏輯0或邏輯1，訓(xùn)練人工智能更正存儲(chǔ)裝置的對(duì)數(shù)概度比的方法包含以下步驟：

(a)定義多個(gè)存儲(chǔ)狀態(tài)，多個(gè)存儲(chǔ)狀態(tài)包含強(qiáng)正確區(qū)、弱正確區(qū)、強(qiáng)錯(cuò)誤區(qū)以及弱錯(cuò)誤區(qū)；

(b)依據(jù)各記憶單元的存儲(chǔ)狀態(tài)，分類記憶單元屬于強(qiáng)正確區(qū)、弱正確區(qū)、強(qiáng)錯(cuò)誤區(qū)或弱錯(cuò)誤區(qū)；

(c)計(jì)算分類在強(qiáng)正確區(qū)的多個(gè)記憶單元數(shù)量，占分類在強(qiáng)正確區(qū)與弱正確區(qū)總和的多個(gè)記憶單元數(shù)量的強(qiáng)正確比例；

(d)計(jì)算分類在強(qiáng)錯(cuò)誤區(qū)的多個(gè)記憶單元數(shù)量，占分類在強(qiáng)錯(cuò)誤區(qū)與弱錯(cuò)誤區(qū)總和的多個(gè)記憶單元數(shù)量的強(qiáng)錯(cuò)誤比例；

(e)計(jì)算分類在弱正確區(qū)的多個(gè)記憶單元的數(shù)量，與分類在弱錯(cuò)誤區(qū)的多個(gè)記憶單元的數(shù)量，加總的直方圖參數(shù)；

(f)輸入強(qiáng)正確比例、強(qiáng)錯(cuò)誤比例以及直方圖參數(shù)至人工智能類神經(jīng)網(wǎng)絡(luò)系統(tǒng)；以及

(g)使用機(jī)器學(xué)習(xí)基于強(qiáng)正確比例、強(qiáng)錯(cuò)誤比例以及直方圖參數(shù)，以分析出實(shí)作對(duì)數(shù)概度比。

優(yōu)選地，所述訓(xùn)練人工智能更正存儲(chǔ)裝置的對(duì)數(shù)概度比的方法還包含以下步驟：

(h)利用查表存儲(chǔ)多個(gè)初始對(duì)數(shù)概度比；

(i)從所述查表選擇其中一所述初始對(duì)數(shù)概度比，作為目標(biāo)對(duì)數(shù)概度比；

(j)輸入所述目標(biāo)對(duì)數(shù)概度比、所述強(qiáng)正確比例、所述強(qiáng)錯(cuò)誤比例以及所述直方圖參數(shù)至人工智能類神經(jīng)網(wǎng)絡(luò)系統(tǒng)；

(k)使用機(jī)器學(xué)習(xí)基于所述目標(biāo)對(duì)數(shù)概度比、所述強(qiáng)正確比例、所述強(qiáng)錯(cuò)誤比例以及所述直方圖參數(shù)，分析出預(yù)測對(duì)數(shù)概度比；以及

(l)比對(duì)所述預(yù)測對(duì)數(shù)概度比與所述目標(biāo)對(duì)數(shù)概度比的差值是否小于差值門限值，若是，將所述預(yù)測對(duì)數(shù)概度比作為所述實(shí)作對(duì)數(shù)概度比，若否，執(zhí)行步驟(i)從所述查表選擇另一所述初始對(duì)數(shù)概度比作為所述目標(biāo)對(duì)數(shù)概度比，接著基于所述另一初始對(duì)數(shù)概度比依序執(zhí)行步驟(k)～(l)。