[发明专利]基于人工神经网络模型推断读取电平的存储设备

说明书

一种存储设备，包括：非易失性存储器，包括多个块；缓冲存储器，存储通过使用读取电平读取与所述多个块的多个参考字线相连的存储器单元而生成的多个接通单元计数和人工神经网络模型；以及控制器，向人工神经网络模型输入所述多个接通单元计数中与目标块对应的接通单元计数和目标块的目标字线的编号，并且使用人工神经网络模型推断用于读取与目标字线相连的存储器单元的数据的多个读取电平。

相关申请的交叉引用

本申请要求于2018年11月14日在韩国知识产权局提交的韩国专利申请No.10-2018-0139727的优先权，其公开内容通过引用整体并入本文中。

技术领域

本文描述的发明构思的示例实施例涉及一种基于人工神经网络模型推断读取电平的存储设备和一种人工神经网络模型的学习方法。

背景技术

存储设备可以包括非易失性存储器。随着存储设备的容量增加，如今，堆叠在非易失性存储器的基板上的存储器单元的数量和堆叠在其上的字线的数量增加，并且存储器单元中存储的数据的位数也增加。

由于取决于用户的使用模式、使用环境等的各种因素，非易失性存储器随着时间的推移而劣化。例如，存储设备的控制器可以通过使用初始设置的读取电压来读取存储在与目标字线相连的存储器单元中的数据，并且可以确定读取数据中是否存在不可校正的错误。存储设备可以通过改变非易失性存储器的操作条件来应对劣化。在读取数据包括不可校正的错误的情况下，控制器可以将初始设置的读取电压改变为具有预先确定的电平，然后可以通过使用具有改变后的预先确定的电平的读取电压(而不是初始设置的读取电压)来读取存储在与目标字线相连的存储器单元中的数据。改变后的操作条件可以是仅针对平均使用模式和典型使用环境向存储设备预先设置的。然而，这种应对劣化的方式不适合克服存储器单元的阈值电压分布的偏移对于每条字线而变化的问题。因为存储器单元可能基于实际使用模式和实际使用环境随时间的推移以不同的量和/或速率劣化，所以预先确定的电平可能不是能够应对各种劣化的最佳值。因此，期望一种用于防止(或减少)由于非易失性存储器的劣化而导致的数据损坏或数据丢失的改进的存储设备和操作方法。

发明内容

本发明构思的示例实施例提供了一种基于人工神经网络模型推断读取电平的存储设备和一种人工神经网络模型的学习方法。

根据一些示例实施例，一种存储设备包括：非易失性存储器，包括多个块；缓冲存储器，存储通过使用读取电平读取与所述多个块的多个参考字线相连的存储器单元而生成的多个接通单元计数和人工神经网络模型；以及控制器，向人工神经网络模型输入所述多个接通单元计数中与目标块对应的接通单元计数和目标块的目标字线的编号，并且使用人工神经网络模型推断用于读取与目标字线相连的存储器单元的数据的多个读取电平。

根据一些示例实施例，一种存储设备包括：非易失性存储器，包括多个块；缓冲存储器，存储人工神经网络模型；以及控制器，控制非易失性存储器和缓冲存储器。控制器通过使用第一读取电平和第二读取电平来读取与所述多个块的参考字线相连的存储器单元，以获取所述多个块的多个第一接通单元计数和多个第二接通单元计数，将所述多个块的所述多个第一接通单元计数和所述多个第二接通单元计数存储在所述缓冲存储器中，向所述人工神经网络模型输入所述多个第一接通单元计数和所述多个第二接通单元计数中与目标块对应的第一接通单元计数和第二接通单元计数以及所述目标块的目标字线的编号，并且使用所述人工神经网络模型推断用于读取与所述目标字线相连的存储器单元的数据的多个读取电平。