[发明专利]以机器学习针对服务质量优化进行存取控制的方法和设备

说明书

本发明公开了借助于机器学习来针对记忆装置的服务质量优化进行存取控制的方法和相关设备如所述记忆装置及其控制器。此方法包括：对所述非挥发性存储器进行背景扫描以收集所述非挥发性存储器中的记忆细胞的电压分布的谷信息，且依据所述谷信息进行基于一强化学习模型的机器学习，以通过基于所述强化学习模型的所述机器学习预先准备多个表，以供用来从所述非挥发性存储器读取数据；于一第一时间区间内，写入第一数据以及使用所述多个表中的一第一表来读取所述第一数据；以及于一第二时间区间内，使用所述多个表中的一第二表来读取所述第一数据。本发明的方法及相关设备确保整个系统妥善运作，避免问题如位错误率提高、随机读取延迟增加及相关问题。

技术领域

本发明是关于闪存的存取，特别是关于一种借助于机器学习来针对一记忆装置的服务质量(quality of service，QoS)优化(optimization)进行存取控制的方法、相关设备(例如：所述记忆装置及其控制器诸如所述记忆装置中的一存储器控制器)。

背景技术

近年来由于存储器的技术不断地发展，各种可携式或非可携式记忆装置(例如：分别符合SD/MMC、CF、MS、XD及UFS标准的记忆卡；又例如：固态硬盘(solid state drive,SSD)；又例如：分别符合UFS及EMMC规格的嵌入式(embedded)记忆装置)被广泛地实施于诸多应用中。因此，这些记忆装置中的存储器的存取控制遂成为相当热门的议题。

以常用的NAND型闪存而言，其主要可包括单阶细胞(single level cell，SLC)与多阶细胞(multiple level cell，MLC)两大类的闪存。单阶细胞闪存中的每一个被当作记忆细胞(memory cell)的晶体管只有两种电荷值，分别用来表示逻辑值0与逻辑值1。另外，多阶细胞闪存中的每一个被当作记忆细胞的晶体管的存储能力则被充分利用，是采用较高的电压来驱动，以通过不同级别的电压在一个晶体管中记录至少两个位(bit；也可称为“比特”)的信息(诸如00、01、11、10)。理论上，多阶细胞闪存的记录密度可以达到单阶细胞闪存的记录密度的至少两倍，这对于曾经在发展过程中遇到瓶颈的NAND型闪存的相关产业而言，是非常好的消息。

相较于单阶细胞闪存，由于多阶细胞闪存的价格较便宜，并且在有限的空间里可提供较大的容量，故多阶细胞闪存很快地成为市面上的记忆装置竞相采用的主流。然而，多阶细胞闪存的不稳定性所导致的问题也一一浮现。为了确保在记忆装置中对闪存的存取控制能符合相关规范，闪存的控制器通常备有某些管理机制以妥善地管理数据的存取。

依据相关技术，具备上列管理机制的记忆装置仍有不足的地方。例如，当三阶细胞(triple level cell，TLC)闪存及四阶细胞(quadruple level cell，QLC)闪存被应用于记忆装置时，会有某些问题诸如增加的位错误率(bit error rate，BER)等。另外，采用三维(three dimensional，3D)NAND快闪架构来实现的闪存的方案已被提出以达到更高的存储容量，却衍生出某些额外的问题诸如随机写入延迟以及随机读取延迟。由于大多数用户行为可对应于随机读取，所以在大多数情况下，随机读取延迟问题可导致较低的服务质量(QoS)。此外，在3D NAND快闪架构的堆栈(stack)中的记忆细胞增加的情况下，基于某些目的诸如易于实现，一浮栅(floating gate，FG)解决方案可被取代为采用电荷捕获(charge-trap，CT)材料的新解决方案，这可能对应地造成有数据保留(data-retention)问题，使得读取数据的延迟时间增加，所以服务质量可能变得更低。尤其，所述数据保留问题可能触发上述管理机制中的一移动读取机制(moving read mechanism)进行一或多个额外读取操作，这造成整体性能下降。因此，需要一种新颖的方法以及相关架构，以在没有副作用或较不会带来副作用的情况下加强整体效能。

发明内容

本发明的一目的在于提供一种借助于机器学习来针对一记忆装置的服务质量优化进行存取控制的方法以及相关设备(例如：所述记忆装置及其控制器诸如所述记忆装置中的一存储器控制器)，以解决上述问题。