[发明专利]用于机器学习的增强型存储设备存储架构

权利要求书

1.一种被配置为执行神经网络计算的数据存储设备，所述设备包括：

非易失性存储器，所述非易失性存储器包括被配置为存储由主机系统提供的数据的第一存储区域和被配置为存储与神经网络计算相关的数据的第二存储区域；

控制器，所述控制器被配置为：

响应于从所述主机系统接收的至少一个数据传输命令来将数据存储在所述第一存储区域中并从所述第一存储区域检索数据；以及

在所述第二存储区域中执行神经网络计算。

2.根据权利要求1所述的设备，其中所述第二存储区域被配置为存储多个存储流，每个流包括所述非易失性存储器的一组连续物理存储器存储单元，并且其中所述控制器被进一步配置为对所述多个存储流执行神经网络计算。

3.根据权利要求2所述的设备，其中所述控制器被进一步配置为通过公共标识符来识别所述多个存储流中的每个存储流。

4.根据权利要求2所述的设备，其中所述多个存储流包括第一存储流和第二存储流。

5.根据权利要求2所述的设备，其中所述控制器被进一步配置为存储用于所述多个存储流中的至少一个存储流中的神经网络计算的输入数据。

6.根据权利要求2所述的设备，其中所述多个存储流包括至少一个输入存储流和至少一个输出存储流，并且其中所述控制器被进一步配置为对存储在所述至少一个输入存储流中的数据执行神经网络计算，并且将所述神经网络计算的结果存储在所述至少一个输出存储流中。

7.根据权利要求6所述的设备，其中所述控制器被进一步配置为从所述至少一个输出存储流接收所述神经网络计算的所述结果并将所述结果提供给所述主机系统。

8.根据权利要求2所述的设备，其中所述控制器包括被配置为基本上同时处理多个存储流的多个处理器内核。

9.根据权利要求1所述的设备，其中所述控制器包括I/O内核，并且其中所述设备包括神经网络内核的另一个控制器。

10.一种用于在数据存储设备内执行神经网络计算的方法，所述方法包括由所述数据存储设备的控制器：

从主机系统接收对存储在所述数据存储设备的非易失性存储器的存储区域中的数据执行分析的第一请求；

锁定所述非易失性存储器的所述存储区域；

复制所述非易失性存储器的所述存储区域；

解锁所述非易失性存储器的所述存储区域；以及

通过对所复制的数据应用神经网络来启动对所述数据的处理。

11.根据权利要求10所述的方法，其中所述神经网络包括收缩流引擎。

12.根据权利要求10所述的方法，其中神经网络参数被存储在所述非易失性存储器中，并且经由所述神经网络的所述数据的所述处理发生在所述数据存储设备内。

13.根据权利要求10所述的方法，其中所述方法还包括由所述控制器：

从所述主机系统接收对存储在所述非易失性存储器的所述存储区域中的数据执行操作的第二请求；以及

响应于确定所述存储区域被锁定来将所述第二请求存储在日志中，直到所述存储区域变为解锁。

14.根据权利要求13所述的方法，其中所述操作包括写入操作。

15.根据权利要求10所述的方法，其中所述方法还包括由所述控制器：

响应于确定经由所述神经网络的所述数据的所述处理已完成来删除所述存储区域的所述副本。