[发明专利]3D NAND闪存阈值电压分布预测方法、设备及存储系统

权利要求书

1.一种3D NAND闪存阈值电压分布预测方法，其特征在于，包括：

获得已训练好的阈值电压分布预测模型，用于预测由N个干扰特征组合而成的输入特征集合S_I对应的阈值电压分布；所述干扰特征为影响所述3D NAND闪存阈值电压分布的特征；N为正整数；

获得所述3D NAND闪存的一个或多个干扰特征，组成待测特征集合S_U；若则将所述待测特征集合S_U中相对于所述输入特征集合S_I缺失的干扰特征赋值为0，连同所述待测特征集合S_U其余干扰特征的取值输入所述阈值电压分布预测模型，以预测得到所述3D NAND闪存阈值电压分布；

其中，所述阈值电压分布预测模型为神经网络模型，其训练方法包括：

获得第一数据集，其中每一条样本包含所述输入特征集合S_I中的N个干扰特征，以及对应的阈值电压分布；

利用所述第一数据集对神经网络模型进行训练，得到所述阈值电压分布预测模型；训练时，以样本中的N个干扰特征作为输入，以对应的阈值电压分布作为标签信息。

2.如权利要求1所述的3D NAND闪存阈值电压分布预测方法，其特征在于，所述阈值电压分布预测模型的训练方法还包括：

对于所述第一数据集中的每一条样本，按照各干扰特征对应的概率用0来填充相应的干扰特征，得到新增样本；新增样本不为全0；

利用所有新增样本对所述阈值电压分布预测模型进行训练，以对所述阈值电压分布预测模型进行调整，将调整后的模型作为最终的阈值电压分布预测模型。

3.如权利要求2所述的3D NAND闪存阈值电压分布预测方法，其特征在于，生成新增样本时，各干扰特征的被0填充的概率，与相应干扰特征的使用频率反相关。

4.如权利要求2所述的3D NAND闪存阈值电压分布预测方法，其特征在于，生成新增样本时，各干扰特征的被0填充的概率，与相应干扰特征与阈值电压分布的相关性反相关。

5.如权利要求1所述的3D NAND闪存阈值电压分布预测方法，其特征在于，所述神经网络模型为三层结构，包括输入层、隐藏层和输出层；

并且，所述3D NAND闪存阈值电压分布预测方法，还包括：

若则获取第二数据集，其中每一条样本包含所述输入特征集合S_I中的N个干扰特征和S_I相对于S_U缺失的特征，以及对应的阈值电压分布；所述第二数据集的规模小于所述第一数据集；

利用所述第二数据集对所述阈值电压分布预测模型进行训练，以得到更新后的阈值电压分布预测模型；

将所述待测特征集合S_U中相对于所述输入特征集合S_I缺失的干扰特征赋值为0，连同所述待测特征集合S_U其余干扰特征的取值输入所述更新后的阈值电压分布预测模型，以预测得到所述3D NAND闪存的阈值电压分布。

6.如权利要求1～5任一项所述的3D NAND闪存阈值电压分布预测方法，其特征在于，所述输入特征集合S_I中的N个干扰特征包括以下干扰特征中的至少之一：

编程/擦除周期、数据保存时间、读干扰、层间差异。

7.如权利要求6所述的3D NAND闪存阈值电压分布预测方法，其特征在于，所述输入特征集合S_I中的N个干扰特征还包括以下干扰特征中的至少之一：

层内差异、编程干扰和剩余寿命。

8.一种3D NAND闪存阈值电压分布预测设备，其特征在于，包括：

计算机可读存储介质，用于存储计算机程序；

处理器，用于读取所述计算机可读存储介质中存储的所述计算机程序，执行权利要求1～7任一项所述的3D NAND闪存阈值电压分布预测方法。

9.一种基于3D NAND闪存的存储系统，其特征在于，包括：3D NAND闪存和权利要求8所述的3D NAND闪存阈值电压分布预测设备。