存储设备和操作存储设备的方法技术

一种存储设备，包括：特征信息数据库，被配置为存储关于存储器设备的特征信息；以及机器学习模块，被配置为基于该特征信息从与存储器设备的操作相对应的多个机器学习模型中选择机器学习模型，其中该存储器设备被配置为根据所选择的机器学习模型来进行操作。

【技术实现步骤摘要】
存储设备和操作存储设备的方法相关申请的交叉引用本申请基于2019年9月11日向韩国知识产权局提交的第10-2019-0112920号韩国专利申请并要求其优先权，该申请的公开内容通过引用整体结合于此。
本公开涉及一种半导体存储器，并且更具体地，涉及一种存储设备及操作该存储设备的方法。
技术介绍
存储设备可以包括非易失性存储器。即使断电，存储设备也可以保留存储的数据。因此，存储设备可用于长期数据存储。存储设备可以用作各种电子设备(诸如计算机、智能电话和智能板)中的主存储库。随着移动设备变得更小，更小的存储设备被开发出来。因此，最终的工艺小型化增加了晶圆中的芯片的数量、芯片中的块的数量以及块中的字线的数量。晶圆、芯片或块中的元件的集成度的增加也增加了相邻芯片之间、相邻块之间以及相邻字线之间发生的特征变化。
技术实现思路
根据实施例，一种存储设备包括：特征信息数据库，被配置为存储关于存储器设备的特征信息；以及机器学习模块，被配置为基于特征信息从与存储器设备的操作相对应的多个机器学习模型中选择机器学习模型，其中本文档来自技高网...

【技术保护点】
1.一种存储设备，包括：/n特征信息数据库，被配置为存储关于存储器设备的特征信息；以及/n机器学习模块，被配置为基于所述特征信息从与所述存储器设备的操作相对应的多个机器学习模型中选择机器学习模型，/n其中，所述存储器设备被配置为根据所选择的机器学习模型来进行操作。/n

【技术特征摘要】
20190911 KR 10-2019-01129201.一种存储设备，包括：
特征信息数据库，被配置为存储关于存储器设备的特征信息；以及
机器学习模块，被配置为基于所述特征信息从与所述存储器设备的操作相对应的多个机器学习模型中选择机器学习模型，
其中，所述存储器设备被配置为根据所选择的机器学习模型来进行操作。


2.根据权利要求1所述的存储设备，其中，所述机器学习模块包括：
模型池，包括所述多个机器学习模型；以及
模型选择器，被配置为基于所述特征信息从所述模型池中选择所述机器学习模型。


3.根据权利要求1所述的存储设备，其中，所述特征信息数据库还被配置为存储：
包括关于所述存储器设备的物理信息和根据所述存储器设备的操作的退化信息的直接信息；以及
基于所述直接信息根据所述存储器设备的操作而计算的间接信息。


4.根据权利要求2所述的存储设备，其中，所述模型选择器还被配置为根据映射表基于关于所述存储器设备的所述特征信息来选择所述机器学习模型。


5.根据权利要求2所述的存储设备，其中，所述模型选择器还被配置为：
基于所述特征信息来确定所述多个机器学习模型的多个预测值；
基于所述多个预测值和所述存储器设备中的实际测量值之间的比较来确定多个误差；以及
基于所述多个误差来选择所述机器学习模型。


6.根据权利要求2所述的存储设备，其中，所述模型选择器还被配置为：
基于关于所述存储器设备的所述特征信息，选择所述多个机器学习模型中的至少两个机器学习模型作为候选；以及
通过将关于所述存储器设备的当前特征信息应用于所述候选来选择所述机器学习模型。


7.根据权利要求2所述的存储设备，其中，所述机器学习模块还包括模型调整器，所述模型调整器被配置为在所述存储器设备的运行时间期间调整所述所选择的机器学习模型。


8.根据权利要求7所述的存储设备，其中，所述模型调整器还被配置为增大或减小所述所选择的机器学习模型的参数。


9.根据权利要求7所述的存储设备，其中，所述模型调整器还被配置为重新选择由所述模型选择器选择的所述机器学习模型。


10.根据权利要求1所述的存储设备，其中，所述多个机器学习模型包括基于合成数据而生成的虚拟机器学习模型，其中所述合成数据包括用于执行学习以生成所述多个机器学习模型的训练数据以及虚拟数据。


11.一种操作存储设备的方法，所述方法包括：
确定用于存储器设备的操作的一个或多个机器学习模型是...

【专利技术属性】
技术研发人员：李静雨，金灿河，卢羌镐，李侊祐，李熙元，
申请(专利权)人：三星电子株式会社，
类型：发明
国别省市：韩国;KR