[发明专利]在容错系统中以较低的Vmin操作的经标记的存储器

说明书

本公开的实施例涉及在容错系统中以较低的Vmin操作的经标记的存储器。一种存储器管理电路装置，被布置为多个存储器单元。存储器单元被配置为以确定的电压操作。耦合到多个存储器单元的存储器管理电路装置将多个存储器单元中的第一集合标记为低电压单元，并且将多个存储器单元中的第二集合标记为高电压单元。基于标记，电源将低电压提供给存储器单元中的第一集合，并且将高电压提供给存储器单元中的第二集合。

技术领域

本公开总体上涉及存储器阵列，诸如在学习机器(例如，人工神经网络(ANN))中使用的存储器阵列。

背景技术

众所周知，各种计算机视觉、语音识别和信号处理应用都受益于学习机器的使用。如在本公开中所讨论的，学习机器可以落在机器学习、人工智能、神经网络、概率推理引擎、加速器等的技术名下。这样的机器被布置为快速地执行数百、数千以及数百万的并发操作。常规的学习机器可以传递数百万亿(每秒一万亿(10¹²)浮点运算)的计算能力。

已知的计算机视觉、语音识别和信号处理应用受益于学习机器的使用，诸如深度卷积神经网络(DCNN)。DCNN是基于计算机的工具，其处理大量数据、并且通过将在数据内近端相关的特征进行合并、对数据进行广泛地预测、并且基于可靠的结论和新的合并对预测进行完善来自适应地“学习”。DCNN被布置在多个“层”中，并且在每个层处进行不同类型的预测。

例如，如果提供了多个面部的二维图片作为DCNN的输入，则DCNN将学习面部的各种特点(诸如，边缘、曲线、角度、点、颜色对比、亮斑、暗斑等)。在DCNN中的一个或多个第一层处学习这些一个或多个特点。然后，在一个或多个第二层中，DCNN将学习面部的各种可识别特征(诸如，眼睛、眉毛、前额、头发、鼻子、嘴巴、脸颊等)；每个特征都能够与其他特征的所有特征区分。也就是说，DCNN学习以识别、并且将眼睛与眉毛或任何其它面部特征区分。在一个或多个第三层和随后的层中，DCNN学习整个面部和更高阶的特点，诸如种族、性别、年龄、情绪状态等。在一些情况下，DCNN甚至被教导以识别人员的特定身份。例如，可以将随机图像标识为面部，并且面部可以被识别为Person_A、Person_B或一些其它身份。

在其它示例中，DCNN可以被提供有动物的多张图片，并且DCNN可以被教导以标识狮子、老虎和熊；DCNN可以被提供有汽车的多张图片，并且DCNN可以被教导以标识和区分不同类型的车辆；并且可以形成许多其它DCNN。DCNN可以被用于学习在句子中的词语模式、标识音乐、分析个人购物模式、玩视频游戏、创建交通路线、并且DCNN还可以被用于许多其它基于学习的任务。

发明内容

系统可以被概括为包括：多个存储器单元，在操作中，该多个存储器单元储存数据；存储器管理电路装置，与多个存储器单元耦合，其中在操作中，存储器管理电路装置将多个存储器单元中的第一集合标记为与第一操作模式相关联，并且将多个存储器单元中的第二集合标记为与第二操作模式相关联；以及电源控制电路装置，被耦合到存储器管理电路装置和多个存储器单元，其中电源控制电路装置在操作中基于标记，将第一操作电压提供给存储器单元的第一集合，并且将第二操作电压提供给存储器单元的第二集合，其中第一操作电压不同于第二操作电压。

存储器管理电路装置可以将存储器单元的第一集合标识为在第一工作电压处具有低于第一阈值等级的统计错误概率的存储器单元。第一阈值等级可以对应于在多个存储器单元中的百分之一的比特单元感测放大器边缘性故障。存储器管理电路装置可以将存储器单元的第二集合标识为在第二操作电压处具有低于第二阈值等级的统计错误概率的存储器单元，第二阈值等级低于第一阈值等级。在操作中，存储器管理电路装置可以通过将第一值储存在与存储器单元的第一集合相关联的第一存储器中，来标记存储器单元的第一集合。在操作中，存储器管理电路装置可以通过储存存储器单元地址和对应的标记的表，来标记存储器单元。