[發明專利]一種NAND閃存錯誤率預測方法及系統

有效

• 申請號: 202010046777.7
• 申請日: 2020-01-16
• 公開（公告）號: CN111459706B
• 公開（公告）日: 2021-07-27
• 發明（設計）人: 吳非;劉偉華;朱奧;劉嘉宏;謝長生
• 申請（專利權）人: 華中科技大學
• 主分類號: G06F11/10
• 分類號: G06F11/10
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 李智

1.一種NAND閃存錯誤率預測方法，其特征在于，包括：

從NAND閃存的歷史數據中獲取M個干擾特征作為前期干擾特征，同時獲取各前期干擾特征所對應的原始比特錯誤率，將前期干擾特征及其對應的原始比特錯誤率作為一條預測樣本，從而得到M條預測樣本；

將所得到的M條預測樣本輸入已訓練好的錯誤率預測模型中，預測N個后期干擾特征中，各后期干擾特征所對應的原始比特誤碼率；

其中，干擾特征為影響NAND閃存原始比特錯誤率的特征或特征組合；所述錯誤率預測模型為多輸入多輸出模型，用于根據前期的干擾特征及對應的原始比特誤碼率預測后期干擾特征所對應的原始比特誤碼率；后期干擾特征在時間順序上晚于前期干擾特征；M和N均為正整數。

2.如權利要求1所述的NAND閃存錯誤率預測方法，其特征在于，所述干擾特征包括編程/擦除周期、數據保存時間、編程干擾、讀干擾以及層間干擾中的一種或多種干擾。

3.如權利要求1所述的NAND閃存錯誤率預測方法，其特征在于，所述錯誤率預測模型的訓練方法包括：

(S1)從NAND閃存的歷史數據中獲取M+N個干擾特征，以及各干擾特征所對應的原始比特錯誤率，將所獲取的干擾特征劃分為前期的M個干擾特征和后期的N個干擾特征，由前期的干擾特征及其對應的原始比特錯誤率構成訓練數據，由后期的干擾特征及其對應的原始比特錯誤率構成標簽數據，從而得到一條由訓練數據和標簽數據組成的訓練樣本；

(S2)重復執行步驟(S1)，直至獲取到T條訓練樣本；

(S3)基于多輸入多輸出模型建立錯誤率預測模型后，利用所獲取到的所有訓練樣本對其進行訓練，從而在訓練結束后得到已訓練好的錯誤率預測模型；

其中，T為正整數。

4.如權利要求1-3任一項所述的NAND閃存錯誤率預測方法，其特征在于，干擾特征及原始比特錯誤率均以塊為單位獲取。

5.如權利要求1-3任一項所述的NAND閃存錯誤率預測方法，其特征在于，干擾特征及原始比特錯誤率均以頁為單位獲取。

6.如權利要求1-3任一項所述的NAND閃存錯誤率預測方法，其特征在于，所述錯誤率預測模型為人工神經網絡模型或者循環神經網絡模型。

7.如權利要求1-3任一項所述的NAND閃存錯誤率預測方法，其特征在于，還包括：若在從NAND閃存的歷史數據中獲取干擾特征及對應的原始比特錯誤率時，數據獲取失敗，則通過數據補齊的方式補充缺失的數據，以保證能夠成功獲取到所需數據。

8.一種NAND閃存錯誤率預測系統，其特征在于，包括：預測樣本獲取模塊和預測模塊；

所述預測樣本獲取模塊，用于從NAND閃存的歷史數據中獲取M個干擾特征作為前期干擾特征，同時獲取各前期干擾特征所對應的原始比特錯誤率，將前期干擾特征及其對應的原始比特錯誤率作為一條預測樣本，從而得到M條預測樣本；

所述預測模塊，用于所述預測樣本獲取模塊獲取到的M條預測樣本輸入已訓練好的錯誤率預測模型中，預測N個后期干擾特征中，各后期干擾特征所對應的原始比特誤碼率；

其中，干擾特征為影響NAND閃存原始比特錯誤率的特征或特征組合；所述錯誤率預測模型為多輸入多輸出模型，用于根據前期的干擾特征及對應的原始比特誤碼率預測后期干擾特征所對應的原始比特誤碼率；后期干擾特征在時間順序上晚于前期干擾特征；M和N均為正整數。