存储设备及操作方法技术

提供了存储设备及操作方法。存储设备可以包括：非易失性存储器，非易失性存储器包括第一存储区域、第二存储区域和第三存储区域，第一存储区域包括第一存储单元，第一存储单元具有第一数据存储容量，第二存储区域包括第二存储单元，第二存储单元具有大于第一数据存储容量的第二数据存储容量，第三存储区域包括第三存储单元，第三存储单元具有大于第二数据存储容量的第三数据存储容量；以及，存储控制器，存储控制器被配置为：从主机接收请求、数据和与数据相关联的存储时间信息，以及，响应于请求并且基于存储时间信息将数据编程在第一存储区域、第二存储区域和第三存储区域中的选定存储区域中。储区域中。储区域中。

【技术实现步骤摘要】
存储设备及操作方法
[0001]相关申请的交叉引用
[0002]本申请要求于2021年11月10日在韩国知识产权局提交的韩国专利申请No.10
‑
2021
‑
0154290的优先权，该韩国专利申请的主题通过引用被整体合并于本文。


[0003]本专利技术构思涉及存储设备及其操作方法。更具体地，本专利技术构思涉及包括具有不同数据容量的存储单元的存储设备及其操作方法。

技术介绍

[0004]闪存是一种类型的非易失性存储器，所述非易失性存储器能够在没有施加的电力的情况下保持所存储的数据。包括诸如固态硬盘(SSD)和存储卡的闪存的存储设备可广泛使用。闪存通过改变构成的存储单元的阈值电压来存储数据，并且使用各种预定读取电平来读取数据。然而，某些存储单元的阈值电压可能由于诸如存储单元的性能劣化的各种因素而随着时间的推移不希望地迁移(或偏移)。并且偏移的阈值电压可能导致读取错误。

技术实现思路

[0005]本专利技术构思的实施例提供存储设备和有关操作方法，其中，可以根据写入数据的一个或更多个特征将所述数据写入在预定数据区域中。因此，可以增强与本专利技术构思的实施例相关联的数据可靠性并且可以提高总体性能。
[0006]根据本专利技术构思的一方面，一种存储设备可以包括：非易失性存储器，所述非易失性存储器包括第一存储区域、第二存储区域和第三存储区域，所述第一存储区域包括第一存储单元，所述第一存储单元具有第一数据存储容量，所述第二存储区域包括第二存储单元，所述第二存储单元具有大于所述第一数据存储容量的第二数据存储容量，所述第三存储区域包括第三存储单元，所述第三存储单元具有大于所述第二数据存储容量的第三数据存储容量；以及，存储控制器，所述存储控制器被配置为：从主机接收请求、数据和与所述数据相关联的存储时间信息，以及，响应于所述请求并且基于所述存储时间信息将所述数据编程在所述第一存储区域、所述第二存储区域和所述第三存储区域中的选定存储区域中。其中，所述存储控制器进一步被配置为：当所述数据的存储时间大于或等于第一参考时间时，将所述数据编程在所述第一存储区域中；当所述数据的存储时间大于或等于第二参考时间并且小于所述第一参考时间时，将所述数据编程在所述第二存储区域中；以及当所述数据的存储时间小于所述第二参考时间时，将所述数据编程在所述第三存储区域中。
[0007]根据本专利技术构思的一方面，一种存储设备可以包括：非易失性存储器，所述非易失性存储器包括第一存储区域、第二存储区域和第三存储区域，所述第一存储区域包括第一存储单元，所述第一存储单元具有第一数据存储容量，所述第二存储区域包括第二存储单元，所述第二存储单元具有大于所述第一数据存储容量的第二数据存储容量，所述第三存储区域包括第三存储单元，所述第三存储单元具有大于所述第二数据存储容量的第三数据
存储容量；以及，存储控制器，所述存储控制器包括处理器和存储器，所述存储器被配置为存储机器学习模型，其中，所述存储控制器被配置为：响应于从主机接收的写入请求将数据编程在所述非易失性存储器中，使用所述机器学习模型通过机器学习推理从所述数据的特征信息提取所述数据的存储时间信息，以及，基于所述存储时间信息将所述数据编程在所述第一存储区域、所述第二存储区域和所述第三存储区域中的选定存储区域中。
[0008]根据本专利技术构思的一方面，一种存储设备可以包括：非易失性存储器，所述非易失性存储器包括第一存储区域、第二存储区域和第三存储区域，所述第一存储区域包括第一存储单元，所述第一存储单元具有第一数据存储容量，所述第二存储区域包括第二存储单元，所述第二存储单元具有大于所述第一数据存储容量的第二数据存储容量，所述第三存储区域包括第三存储单元，所述第三存储单元具有大于所述第二数据存储容量的第三数据存储容量；以及，存储控制器，所述存储控制器被配置为：从主机接收请求、数据和与所述数据相关联的存储时间信息，以及，响应于所述请求并且基于所述存储时间信息将所述数据编程在所述第一存储区域、所述第二存储区域和所述第三存储区域中的选定存储区域中，其中，所述第一存储单元是被配置为存储1
‑
位数据的单阶存储单元，所述第二存储单元是被配置为存储2
‑
位数据和3
‑
位数据中的至少一者的多阶存储单元，并且所述第三存储单元是被配置为存储4
‑
位数据的四阶存储单元，所述存储控制器进一步被配置为：当所述数据的存储时间大于或等于第一参考时间时，将所述数据编程在所述第一存储区域中；当所述数据的存储时间大于或等于第二参考时间并且小于所述第一参考时间时，将所述数据编程在所述第二存储区域中；当所述数据的存储时间小于所述第二参考时间时，将所述数据编程在所述第三存储区域中；以及在所述数据被编程之后过去擦除预期时间之后对所述数据进行自擦除，其中，所述擦除预期时间是基于所述存储时间信息确定的。
[0009]根据本专利技术构思的一方面，一种存储设备的操作方法可以包括：接收写入请求、数据和与所述数据相关联的存储时间信息；基于所述存储时间信息将所述数据编程在所述存储设备中包括的非易失性存储器中的指定存储区域中，其中，所述非易失性存储器包括第一存储区域、第二存储区域和第三存储区域，所述第一存储区域包括第一存储单元，所述第一存储单元具有第一数据存储容量，所述第二存储区域包括第二存储单元，所述第二存储单元具有大于所述第一数据存储容量的第二数据存储容量，所述第三存储区域包括第三存储单元，所述第三存储单元具有大于所述第二数据存储容量的第三数据存储容量；以及，当在所述数据被编程之后过去擦除预期时间时对所述数据进行自擦除，其中，所述擦除预期时间是基于所述存储时间信息确定的。
[0010]根据本专利技术构思的一方面，一种存储设备的操作方法可以包括：收集存储在所述存储设备中包括的非易失性存储器中的数据的特征信息和存储时间信息，使用所收集的特征信息和存储时间信息来执行机器学习训练以提取机器学习模型，接收新的写入请求和新的写入数据，使用所述机器学习模型通过机器学习推理从所述特征信息提取所述新的写入数据的存储时间信息，以及基于所提取的存储时间信息将所述新的写入数据编程在所述非易失性存储器的指定存储区域中。
附图说明
[0011]在将以下具体实施方式与附图一起考虑时，可以更清楚地理解本专利技术构思的优
点、益处、特征以及作出和使用本专利技术构思，在附图中：
[0012]图1是示出根据实施例的存储系统的框图；
[0013]图2是在一个实施例中另外示出图1的存储控制器的框图；
[0014]图3是另外示出可以合并在图1的非易失性存储器中的存储装置的框图；
[0015]图4是示出根据实施例的存储设备的操作方法的流程图；
[0016]图5是在一个实施例中另外示出图4的操作方法的步骤S20的概念图；
[0017]图6是在一个实施例中另外示出图4的操作方法的步骤S30的流程图；
[0018]图7是在另一个实施例中另外示出图1的存储控制本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种存储设备，包括：非易失性存储器，所述非易失性存储器包括第一存储区域、第二存储区域和第三存储区域，所述第一存储区域包括第一存储单元，所述第一存储单元具有第一数据存储容量，所述第二存储区域包括第二存储单元，所述第二存储单元具有大于所述第一数据存储容量的第二数据存储容量，所述第三存储区域包括第三存储单元，所述第三存储单元具有大于所述第二数据存储容量的第三数据存储容量；以及存储控制器，所述存储控制器被配置为：从主机接收请求、数据和与所述数据相关联的存储时间信息，以及响应于所述请求并且基于所述存储时间信息将所述数据编程在所述第一存储区域、所述第二存储区域和所述第三存储区域中的选定存储区域中，其中，所述存储控制器进一步被配置为：当所述数据的存储时间大于或等于第一参考时间时，将所述数据编程在所述第一存储区域中；当所述数据的存储时间大于或等于第二参考时间并且小于所述第一参考时间时，将所述数据编程在所述第二存储区域中；以及当所述数据的存储时间小于所述第二参考时间时，将所述数据编程在所述第三存储区域中。2.根据权利要求1所述的存储设备，其中，所述第一存储单元是被配置为存储1
‑
位数据的单阶存储单元，所述第二存储单元是被配置为存储2
‑
位数据和3
‑
位数据中的至少一者的多阶存储单元，并且所述第三存储单元是被配置为存储4
‑
位数据的四阶存储单元。3.根据权利要求1所述的存储设备，其中，所述存储控制器还被配置为：在所述数据被编程之后过去擦除预期时间之后对所述数据进行自擦除，并且所述擦除预期时间是基于所述存储时间信息确定的。4.根据权利要求3所述的存储设备，其中，所述擦除预期时间大于或等于所述数据的存储时间，并且所述数据的存储时间是所述数据满足编程状态的可靠性条件的最小时间段。5.根据权利要求3所述的存储设备，其中，所述存储控制器还被配置为基于是否执行与所述数据相关联的恢复代码来重置所述擦除预期时间。6.根据权利要求1所述的存储设备，其中，所述第一存储区域、所述第二存储区域和所述第三存储区域中的每一者包括多个存储块，并且所述多个存储块中的每一个存储块构成自擦除操作的擦除单位。7.根据权利要求1所述的存储设备，所述存储设备还包括：处理器；和存储器，所述存储器被配置为存储由所述处理器执行的机器学习工具，其中，所述机器学习工具基于数据的特征提取与所述数据的存储时间相关的信息，所述存储器进一步被配置为存储所述存储时间信息、包括所述第一参考时间和所述第二参考时间的参考时间信息、以及擦除预期时间信息中的至少一者，所述存储控制器还被配置为：在所述数据被编程之后过去擦除预期时间之后对所述数据进行自擦除，并且所述擦除预期时间是基于所述存储时间信息确定的。
8.一种存储设备，包括：非易失性存储器，所述非易失性存储器包括第一存储区域、第二存储区域和第三存储区域，所述第一存储区域包括第一存储单元，所述第一存储单元具有第一数据存储容量，所述第二存储区域包括第二存储单元，所述第二存储单元具有大于所述第一数据存储容量的第二数据存储容量，所述第三存储区域包括第三存储单元，所述第三存储单元具有大于所述第二数据存储容量的第三数据存储容量；以及存储控制器，所述存储控制器包括处理器和存储器，所述存储器被配置为存储机器学习模型，其中，所述存储控制器被配置为：响应于从主机接收的写入请求将数据编程在所述非易失性存储器中，使用所述机器学习模型通过机器学习推理从所述数据的特征信息提取所述数据的存储时间信息，以及基于所述存储时间信息将所述数据编程在所述第一存储区域、所述第二存储区域和所述第三存储区域中的选定存储区域中。9.根据权利要求8所述的存储设备，其中，所述存储控制器还被配置为：收集与先前从所述主机接收到的数据相关联的信息和先前从所述主机接收到的数据的存储时间信...

【专利技术属性】
技术研发人员：李承翰，
申请(专利权)人：三星电子株式会社，
类型：发明
国别省市：