一种基于数学模型的闪存分类方法及装置制造方法及图纸

本发明专利技术公开了一种基于数学模型的闪存分类方法及装置，该方法包括：获取目标闪存T

【技术实现步骤摘要】
一种基于数学模型的闪存分类方法及装置


[0001]本专利技术涉及闪存
，特别涉及一种基于数学模型的闪存分类方法及装置。

技术介绍

[0002]随着科学技术的高速发展，如今的我们不仅是信息的生产者，更是信息的依赖者，需要每时每刻对海量的信息进行处理。闪存经过数十年的技术更新，存储容量不断扩大，单位比特价格大幅减小，同时凭借着超大的存储容量、更快的读写性能、更好的防磁抗震能力成为了目前主流的非易失性存储器，在民用、工业、军工等各领域中发挥着越来越重要的作用。
[0003]随着闪存多比特技术的不断发展，伴随着的闪存可靠性问题也日渐突出。闪存信息的存储是通过编程和擦除操作来实现的，但重复的编程和擦除操作会使得闪存单元氧化层变薄以及阈值电压偏移，导致闪存器件损坏，造成数据丢失，因此闪存的可靠性问题成为闪存持续发展亟待解决的难题。

技术实现思路

[0004]鉴于此，本专利技术提供一种基于数学模型的闪存分类方法及装置，能够根据闪存的可靠性等级对闪存进行分类，可以帮助使用者提前了解闪存的耗损程度，能够根据不同的使用场景选取相应等级的闪存，进而及时调整闪存的存储策略。
[0005]具体而言，包括以下的技术方案：
[0006]第一方面，本专利技术实施例提供一种基于数学模型的闪存分类方法，包括：
[0007]获取目标闪存T
m
次编程/擦除(P/E)操作后的特征量；
[0008]对所述特征量进行运算，得到特征量运算数据集合；
[0009]基于特征量运算数据或所述特征量和特征量运算数据的组合构建表征闪存可靠性的数学模型；
[0010]获取待分类闪存的特征量；
[0011]将所述待分类闪存的特征量输入所述数学模型，得到所述待分类闪存的闪存可靠性数据，根据所述闪存可靠性数据来判断闪存可靠性等级，从而根据所述闪存可靠性等级来对所述待分类闪存进行分类，
[0012]其中，所述可靠性等级包括以下结果中的一种或多种：
[0013]待分类闪存芯片的当前错误比特数量等级、待分类闪存芯片的当前错误比特率等级、T
m
次编程/擦除操作后待分类闪存芯片的错误比特数量等级、T
m
次编程/擦除操作后待分类闪存芯片的错误比特率等级和待分类闪存芯片的剩余编程/擦除周期数量等级。
[0014]可选地，所述特征量包括闪存编程时间、读取时间、擦除时间、电流、芯片功耗、阈值电压分布、存储块编号、存储页号、闪存所经历过的编程/擦除周期次数、条件错误页数、条件错误块数、错误比特数和错误率。
[0015]可选地，所述获取目标闪存的特征量，包括：
[0016]a)记录当前状态下所述目标闪存所经历的编程/擦除周期次数；
[0017]b)向所述目标闪存发送测试数据集合，对所述目标闪存执行写入数据操作，同时获取目标闪存编程时的电流、编程时的功耗、各个页面的编程时间以及编程时间所对应的存储块编号和存储页号；
[0018]c)对所述目标闪存执行读数据操作，同时获取所述目标闪存的阈值电压分布、读取操作时的电流、读取操作时的功耗、各个页面的读取时间以及读取时间所对应的存储块编号和存储页号，将该步骤中获得的数据与步骤b)中的数据进行比较，计算得到错误比特数、错误率、条件错误页数及条件错误块数。
[0019]可选地，所述对所述特征量中的一种特征量或多种特征量进行运算，得到特征量运算数据集合，包括：
[0020]特征量的线性运算、特征量的非线性运算、不同特征量之间的线性运算、不同特征量之间的非线性运算、计算不同存储页面特征量的最大值、计算不同存储页面特征量的最小值、不同存储页面特征量之间的线性运算、不同存储页面特征量之间的非线性运算、不同存储块特征量之间的线性运算、不同存储块特征量之间的非线性运算、计算不同存储块特征量的最大值和计算不同存储块特征量的最小值。
[0021]可选地，通过以下构建方式中的一种或多种：回归算法、正则化方法、决策树学习、基于实例的算法、贝叶斯方法、聚类算法、降低维度算法、关联规则学习、遗传算法、人工神经网络、深度学习、基于核的算法和集成算法，来构建所述数学模型。
[0022]可选地，所述基于所述特征量运算数据或所述特征量和所述特征量运算数据的组合构建表征闪存可靠性等级的数学模型，包括：
[0023]通过不同的构建方式构建多个不同的数学模型，在判断闪存可靠性等级时，综合分析多个不同的数学模型得到的多个闪存可靠性数据。
[0024]可选地，所述基于所述特征量运算数据或所述特征量和所述特征量运算数据的组合构建表征闪存可靠性的数学模型，包括：
[0025]基于所述特征量运算数据集合中的第一部分特征量运算数据或所述特征量和所述第一部分特征量运算数据的组合构建表征闪存可靠性的数学模型。
[0026]可选地，在所述基于所述特征量运算数据或所述特征量和所述特征量运算数据的组合构建表征闪存可靠性的数学模型之后，还包括验证所述数学模型，具体包括：
[0027]将所述特征量运算数据集合中的第二部分特征量运算数据输入所述数学模型得到所述目标闪存的闪存可靠性预测数据；
[0028]测量所述目标闪存进行T
m
次编程/擦除操作后的闪存可靠性实际数据；
[0029]比较所述闪存可靠性预测数据和所述闪存可靠性实际数据；
[0030]若所述闪存可靠性预测数据和所述闪存可靠性实际数据相同，则表示数学模型准确；
[0031]若所述可靠性预测数据和所述可靠性实际数据不相同，则重新构建数学模型。
[0032]第二方面，本专利技术实施例提供一种基于数学模型的闪存分类装置，包括：
[0033]第一获取模块，用于获取目标闪存T
m
次编程/擦除操作后的特征量；
[0034]运算模块，用于对所述特征量进行运算，得到特征量运算数据集合；
[0035]构建模块，用于基于特征量运算数据或所述特征量和特征量运算数据的组合构建
表征闪存可靠性的数学模型；
[0036]第二获取模块，用于获取待分类闪存的特征量；
[0037]分类模块，用于将所述待分类闪存的特征量输入所述数学模型，得到所述待分类闪存的闪存可靠性数据，根据所述闪存可靠性数据来判断闪存可靠性等级，从而根据所述闪存可靠性等级来对所述待分类闪存进行分类，
[0038]其中，所述可靠性等级包括以下结果中的一种或多种：
[0039]待分类闪存芯片的当前错误比特数量等级、待分类闪存芯片的当前错误比特率等级、T
m
次编程/擦除操作后待分类闪存芯片的错误比特数量等级、T
m
次编程/擦除操作后待分类闪存芯片的错误比特率等级和待分类闪存芯片的剩余编程/擦除周期数量等级。
[0040]可选地，所述的装置还包括：
[0041]验证模块，用于验证所述数学模型。
[0042]本专利技术实施例提供的技术方案的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数学模型的闪存分类方法，其特征在于，包括：获取目标闪存T
m
次编程/擦除操作后的特征量；对所述特征量进行运算，得到特征量运算数据集合；基于特征量运算数据或所述特征量和特征量运算数据的组合构建表征闪存可靠性的数学模型；获取待分类闪存的特征量；将所述待分类闪存的特征量输入所述数学模型，得到所述待分类闪存的闪存可靠性数据，根据所述闪存可靠性数据来判断闪存可靠性等级，从而根据所述闪存可靠性等级来对所述待分类闪存进行分类，其中，所述可靠性等级包括以下结果中的一种或多种：待分类闪存芯片的当前错误比特数量等级、待分类闪存芯片的当前错误比特率等级、T
m
次编程/擦除操作后待分类闪存芯片的错误比特数量等级、T
m
次编程/擦除操作后待分类闪存芯片的错误比特率等级和待分类闪存芯片的剩余编程/擦除周期数量等级。2.根据权利要求1所述的方法，其特征在于，所述特征量包括闪存编程时间、读取时间、擦除时间、电流、芯片功耗、阈值电压分布、存储块编号、存储页号、闪存所经历过的编程/擦除周期次数、条件错误页数、条件错误块数、错误比特数和错误率。3.根据权利要求2所述的方法，其特征在于，所述获取目标闪存的特征量，包括：a)记录当前状态下所述目标闪存所经历的编程/擦除周期次数；b)向所述目标闪存发送测试数据集合，对所述目标闪存执行写入数据操作，同时获取目标闪存编程时的电流、编程时的功耗、各个页面的编程时间以及编程时间所对应的存储块编号和存储页号；c)对所述目标闪存执行读数据操作，同时获取所述目标闪存的阈值电压分布、读取操作时的电流、读取操作时的功耗、各个页面的读取时间以及读取时间所对应的存储块编号和存储页号，将该步骤中获得的数据与步骤b)中的数据进行比较，计算得到错误比特数、错误率、条件错误页数及条件错误块数。4.根据权利要求1所述的方法，其特征在于，所述对所述特征量中的一种特征量或多种特征量进行运算，得到特征量运算数据集合，包括：特征量的线性运算、特征量的非线性运算、不同特征量之间的线性运算、不同特征量之间的非线性运算、计算不同存储页面特征量的最大值、计算不同存储页面特征量的最小值、不同存储页面特征量之间的线性运算、不同存储页面特征量之间的非线性运算、不同存储块特征量之间的线性运算、不同存储块特征量之间的非线性运算、计算不同存储块特征量的最大值和计算不同存储块特征量的最小值。5.根据权利要求1所述的方法，其特征在于，通过以下构建方式中的一种或多种：回归算法、正则化方法、决策树学习、基于实例的算法、贝叶斯方法...

【专利技术属性】
技术研发人员：刘政林，林羽盛，潘玉茜，张浩明，
申请(专利权)人：置富科技深圳股份有限公司，
类型：发明
国别省市：