[发明专利]存储器控制器及其操作方法在审

专利信息
申请号: 202010578829.5 申请日: 2020-06-23
公开(公告)号: CN112506421A 公开(公告)日: 2021-03-16
发明(设计)人: 张埈赫;郑溟隨 申请(专利权)人: 爱思开海力士有限公司;延世大学校产学协力团
主分类号: G06F3/06 分类号: G06F3/06;G06N3/04;H03M7/30
代理公司: 北京路浩知识产权代理有限公司 11002 代理人: 李青;王莹
地址: 韩国*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 存储器 控制器 及其 操作方法
【权利要求书】:

1.一种控制存储器装置的存储器控制器,所述存储器控制器包括:

可用时间预测组件,基于关于从主机输入的输入/输出请求的输入/输出请求信息,使用递归神经网络(RNN)模型来执行机器学习操作,并预测表示预计在此期间不从所述主机输入所述输入/输出请求的时间的空闲时间;以及

数据压缩控制器,响应于长于设置参考时间的所述空闲时间,通过压缩映射数据来生成经压缩的映射数据,所述映射数据指示由所述主机提供的逻辑地址与指示所述存储器装置中包括的存储块的物理位置的物理地址之间的映射关系。

2.根据权利要求1所述的存储器控制器,其中所述可用时间预测组件包括:

多个预处理组件,将所述输入/输出请求信息转换为用于机器学习的数据;以及

多个信息处理组件,通过使用所述多个预处理组件的输出来执行用于预测所述空闲时间的机器学习,并且输出关于表示可用时间的所述空闲时间是否足够压缩所述映射数据的可用时间预测信息。

3.根据权利要求2所述的存储器控制器,其中所述多个信息处理组件通过所述递归神经网络(RNN)模型来执行机器学习。

4.根据权利要求3所述的存储器控制器,其中所述多个信息处理组件通过长短时期记忆(LSTM)方法来执行机器学习,所述长短时期记忆(LSTM)方法是被设计成具有长期存储器或短期存储器的递归神经网络(RNN)模型。

5.根据权利要求2所述的存储器控制器,其中所述多个信息处理组件具有全连接层(FCL),其中先前层的节点和当前层的节点完全连接。

6.根据权利要求2所述的存储器控制器,其中所述数据压缩控制器包括:

块选择组件,响应于长于所述设置参考时间的所述空闲时间,根据所述存储块的块信息来确定压缩目标映射数据,所述压缩目标映射数据是所述映射数据之中的待压缩的映射数据;

相似性检测器,检测所述压缩目标映射数据之间的差异;以及

压缩组件,压缩所述压缩目标映射数据。

7.根据权利要求6所述的存储器控制器,其中所述压缩组件通过增量压缩方法压缩所述压缩目标映射数据。

8.根据权利要求6所述的存储器控制器,其中所述压缩组件通过GZIP方法压缩所述压缩目标映射数据。

9.根据权利要求6所述的存储器控制器,其中所述块信息包括关于所述存储块中包括的有效页面的数量或所述存储块中包括的页面的读取计数的信息。

10.根据权利要求1所述的存储器控制器,其中所述设置参考时间是压缩所述映射数据花费的平均时间。

11.一种操作存储器控制器的方法,所述方法包括:

从主机接收输入/输出请求信息;

基于使用递归神经网络(RNN)模型的机器学习,预测表示预计在此期间不从所述主机输入输入/输出请求的时间的空闲时间;以及

响应于长于设置参考时间的所述空闲时间,压缩映射数据,所述映射数据是指示数据块的逻辑位置的逻辑地址和指示实际数据块的物理位置的物理地址的映射信息。

12.根据权利要求11所述的方法,其中预测所述空闲时间包括:

处理所述输入/输出请求信息以优化机器学习;

基于所述输入/输出请求信息来执行机器学习以预测所述空闲时间;以及

生成关于表示可用时间的所述空闲时间是否足够压缩所述映射数据的可用时间预测信息。

13.根据权利要求12所述的方法,其中执行所述机器学习是通过长短时期记忆(LSTM)方法执行的,所述长短时期记忆(LSTM)方法是被设计成具有长期存储器或短期存储器的递归神经网络(RNN)模型。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于爱思开海力士有限公司;延世大学校产学协力团,未经爱思开海力士有限公司;延世大学校产学协力团许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010578829.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top