[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

说明书

本发明公开了一种3D NAND闪存阈值电压分布预测方法、设备及存储系统，属于计算机存储领域，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；干扰特征为影响3D NAND闪存单元阈值电压分布的特征；N为正整数；获得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S_U中相对于S_I缺失的干扰特征赋值为0，连同待测特征集合S_U其余干扰特征的取值输入阈值电压分布预测模型，以预测得到3DNAND闪存的阈值电压分布；阈值电压分布预测模型由包含S_I中的N个干扰特征以及对应的阈值电压分布的样本所构成的数据集训练而成。本发明能够提高3D NAND闪存阈值电压分布预测的精度和通用性。

技术领域

本发明属于计算机存储领域，更具体地，涉及一种3D NAND闪存阈值电压分布预测方法、设备及存储系统。

背景技术

日益增长的存储性能和容量要求，基于三维(3D)NAND闪存的固态驱动器(SSD)正在成为主流选择。同时，随着工艺技术的不断扩展、堆叠层数和存储密度的增加，各种干扰对3D NAND闪存的可靠性和性能提出了巨大的挑战。当前，为缓解可靠性和性能问题，以阈值电压分布模型为骨干，提出了更强的纠错码和自适应读取策略。但此类技术需要深入了解3D NAND闪存中的阈值电压分布。现有的建模方法面临着3D NAND闪存阈值电压分布模型预测的挑战。

现有的针对3D NAND闪存的阈值电压分布进行建模的方法包括面向结果的基于形状的建模方法(the result-oriented Shape-based Modeling method，SBM)和面向原因的基于变量的建模方法(the cause-oriented Variable-based Modeling method，VBM)。SBM使用分布函数对阈值电压分布进行建模，拟合真实的阈值电压分布形状，较好的建模通用性，但其并未具体考虑对阈值电压分布产生影响的复杂因素，导致预测值和真实阈值电压分布之间差距较大；VBM以干扰相关因素为变量构建阈值电压分布模型，在预测精度方面有所提升，但无法统一异构芯片模型、结构和工艺技术的建模，面对不同干扰的影响因素需要手动构造分布函数并进行拟合，在考虑新的干扰因素和分布形态时必须重新建立新的模型，建模通用性较差。总的来说，SBM和VBM无法同时获得较高的预测精度和较好的通用性。

针对上述问题，也有研究人员提出了基于神经网络模型的预测方法，该方法考虑了干扰特征之间的协同作用，能够在3D NAND闪存阈值电压分布模型预测中同时获得较高的预测精度和较好的通用性，但是，在预测精度和通用性方面，仍存在一定的优化空间。

发明内容

针对现有技术的缺陷和改进需求，本发明提供了一种3D NAND闪存阈值电压分布预测方法、设备及存储系统，其目的在于，提高3D NAND闪存阈值电压分布预测的精度和通用性。

为实现上述目的，按照本发明的一个方面，提供了一种3D NAND闪存阈值电压分布预测方法，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；干扰特征为影响3D NAND闪存单元阈值电压分布的特征；N为正整数；

获得3D NAND闪存的一个或多个干扰特征，组成待测特征集合S_U；若则将待测特征集合S_U中相对于输入特征集合S_I缺失的干扰特征赋值为0，连同待测特征集合S_U其余干扰特征的取值输入阈值电压分布预测模型，以预测得到3D NAND闪存的阈值电压分布；

其中，阈值电压分布预测模型为神经网络模型。

进一步地，阈值电压分布预测模型，其训练方法包括：