【技术实现步骤摘要】
一种大规模存储器可靠性分析方法、装置、存储介质及设备
[0001]本专利技术涉及一种大规模存储器可靠性分析方法
、
装置
、
存储介质及设备,属于存储器性能分析
。
技术介绍
[0002]存储器的可靠性分析通常需要运行数以万计的蒙特卡洛
(Monte Carlo,MC)
仿真,然后对评估出的性能进行统计得到
。
然而由于存储器是由数以百万计的单元电路构成,规模较大且每次都需要晶体管级仿真评估性能,因此总体耗时极长
。
现有的通过替代晶体管级仿真降低仿真开销的模型在小规模电路上表现出较高的精度,然而当电路规模增大,输入工艺参数达到上万维时,建模的开销大幅度增加,从而效率较低,且精度难以保证
。
[0003]传统的高维非线性模型通过将高维函数拆解为低维函数的线性累加和实现,然而由于存储器性能模型中输入参数达到了上万维,且随着工艺的进步,这些参数对性能产生了复杂的非线性影响和交互影响
。
因此在有限的训练 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.
一种大规模存储器可靠性分析方法,其特征在于,包括:获取存储器中的超高维工艺参数;将所述超高维工艺参数分割成切片向量;将所述切片向量输入到训练好的存储器可靠性分析模型中,得到电路响应,完成存储器可靠性分析
。2.
根据权利要求1所述的大规模存储器可靠性分析方法,其特征在于,所述存储器可靠性分析模型包括改进
sub
‑
RBF
和
MLP
,所述改进
sub
‑
RBF
用于衡量切片向量对存储器中电路的影响,所述
MLP
用于建立切片影响与电路响应之间的映射关系,改进
sub
‑
RBF
和
MLP
之间通过层归一化操作进行连接;所述切片向量输入到所述改进
sub
‑
RBF
中,得到切片影响,所述切片影响经过层归一化操作后输入到所述
MLP
中,得到电路响应
。3.
根据权利要求2所述的大规模存储器可靠性分析方法,其特征在于,所述切片影响的表达式为:其中,
f0是用于衡量参考点对电路的零阶影响的常数,
X0是一个包含多个切片向量的超高维度变量,是使用切片向量
x
i
代替
X0中第
i
个切片向量得到的变量,
Y
是仿真出的电路响应,
f
i
(x
i
)
是
x
i
的一阶影响
。4.
根据权利要求2所述的大规模存储器可靠性分析方法,其特征在于,所述改进
sub
‑
RBF
的表达式为:
G
sub
‑
RBF
(x)
=
G
linear
(x)+G
RBF
(x)
其中,
x
是输入的切片向量,
G
sub
‑
RBF
(x)
是改进
sub
‑
RBF
的输出,
G
RBF
(x)
是传统
RBF
技术研发人员:庞亮,游恒,尚德龙,周玉梅,
申请(专利权)人:中科南京智能技术研究院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。