[发明专利]存储器装置的基于深度学习的编程验证建模和电压估计

权利要求书

1.一种提高存储器装置的性能的方法，包括：

针对施加到所述存储器装置的多个读取电压中的每一个获得多个单元计数，其中所述多个读取电压中的每一个对应于编程验证状态即PV状态，并且其中所述多个单元计数中的每一个代表单元电压值处于与施加到其上的读取电压相对应的电压带内的单元的数量；

基于所述多个单元计数和所述多个读取电压，生成至少一个1计数、至少一个校验和以及与所述多个读取电压中的至少一个读取电压的分布函数相对应的多个样本；

基于深度神经网络的输出即DNN的输出来确定所述至少一个读取电压的更新值，其中所述DNN的输入包括所述至少一个1计数、所述至少一个校验和以及所述多个样本；并且

将所述至少一个读取电压的更新值施加到所述存储器装置以从所述存储器装置检索信息。

2.根据权利要求1所述的方法，其中所述DNN包括第一DNN和第二DNN，其中所述第一DNN的输入包括所述至少一个1计数和所述至少一个校验和，其中所述第二DNN的输入包括所述第一DNN的输出和所述多个样本，并且其中所述第二DNN的输出包括所述至少一个读取电压的更新值。

3.根据权利要求2所述的方法，其中所述第一DNN包括浮点DNN，并且其中所述第二DNN包括定点DNN。

4.根据权利要求2所述的方法，其中所述第一DNN使用32位浮点数据类型进行操作，并且其中所述第二DNN使用16位定点数据类型进行操作。

5.根据权利要求1所述的方法，其中获得所述多个单元计数包括：

获得与最低有效位页面即LSB页面、中央有效位页面即CSB页面和最高有效位页面即MSB页面相对应的第一多个单元计数；并且

获得与所述LSB页面、所述CSB页面和所述MSB页面中的至少两个相对应的第二多个单元计数。

6.根据权利要求5所述的方法，进一步包括：

基于所述第一多个单元计数，生成第一组逆累积质量函数样本即ICMF样本；并且

基于所述第二多个单元计数，生成第二组ICMF样本，

其中所述第二DNN的输入进一步包括所述第一组ICMF样本和所述第二组ICMF样本。

7.根据权利要求1所述的方法，其中利用所述分布函数对所述至少一个读取电压建模，并且其中所述分布函数是偏态正态分布。

8.根据权利要求7所述的方法，其中所述偏态正态分布包括非对称高斯分布，特征在于位置参数、尺度参数和形状参数。

9.一种提高存储器装置的性能的系统，包括：

处理器和存储器，所述存储器包括存储在所述存储器上的指令，其中所述指令在被所述处理器运行时使所述处理器：

针对施加到所述存储器装置的多个读取电压中的每一个获得多个单元计数，其中所述多个读取电压中的每一个对应于编程验证状态即PV状态，并且所述多个单元计数中的每一个代表单元电压值处于与施加到其上的读取电压相对应的电压带内的单元的数量；

基于所述多个单元计数和所述多个读取电压，生成至少一个1计数、至少一个校验和以及与所述多个读取电压中的至少一个读取电压的分布函数相对应的多个样本；

基于深度神经网络的输出即DNN的输出来确定所述至少一个读取电压的更新值，其中所述DNN的输入包括所述至少一个1计数、所述至少一个校验和以及所述多个样本；以及

将所述至少一个读取电压的更新值施加到所述存储器装置以从所述存储器装置检索信息。

10.根据权利要求9所述的系统，其中所述DNN包括第一DNN和第二DNN，其中所述第一DNN的输入包括所述至少一个1计数和所述至少一个校验和，其中所述第二DNN的输入包括所述第一DNN的输出和所述多个样本，并且其中所述第二DNN的输出包括所述至少一个读取电压的更新值。