[发明专利]使用机器学习估计由存储器子系统所存储的数据的位错误率

说明书

本公开描述用于估计存储在一组存储器单元中的数据的原始位错误率的技术。从一组存储器单元读取编码数据。基于所述组存储器单元中的第一数目个存储器单元具有在第一读取电压范围内的读取电压而获得第一总体值，每一读取电压表示所述编码数据的一或多个位。确定所述数据的所估计原始位错误率满足第一阈值。使用第一经训练机器学习模型且部分地基于第一总体值来做出所述确定。响应于所述所估计原始位错误率满足所述第一阈值的所述确定，启动第一媒体管理操作。

技术领域

本公开大体上涉及存储器子系统，且更具体地，涉及使用机器学习估计由所述存储器子系统所存储的数据的位错误率。

背景技术

存储器子系统可为存储系统，例如固态驱动器(SSD)或硬盘驱动器(HDD)。存储器子系统可为存储器模块，例如双列直插式存储器模块(DIMM)、小型DIMM(SO-DIMM)或非易失性双列直插式存储器模块存储器模块(NVDIMM)。存储器子系统可包含存储数据的一或多个存储器组件。存储器组件可为例如非易失性存储器组件及易失性存储器组件。通常，主机系统可利用存储器子系统来将数据存储在存储器组件处并从存储器组件检索数据。

附图说明

从下文给出的详细描述且从本公开的各种实施例的附图将更全面理解本公开。然而，不应将图式用于将本公开限制于特定实施例，而仅为了解释及理解。

图1根据本公开的一些实施例说明包含存储器子系统的实例计算环境。

图2根据本公开的一些实施例说明可用于预测位错误率的数据总体特征的实例。

图3根据本公开的一些实施例说明可用于预测位错误率的数据总体特征的另一实例。

图4根据本公开的一些实施例说明用于训练机器学习模型以预测位错误率的实例技术。

图5根据本公开的一些实施例说明用于训练机器学习模型以预测位错误率的另一实例技术。

图6根据本公开的一些实施例说明训练模型的实例实施方案。

图7为根据本公开的一些实施例的用以训练及使用位错误率估计模型的实例方法的流程图。

图8为其中本公开的实施例可操作的实例计算机系统的框图。

具体实施方式

本公开的方面涉及存储器子系统中的原始位错误率(RBER)估计器。存储器子系统在下文中也被称作为“存储器装置”。存储器子系统的实例是存储器模块，所述存储器模块经由存储器总线连接到中央处理单元(CPU)。存储器模块的实例包含双列直插式存储器模块(DIMM)、小型DIMM(SO-DIMM)、非易失性双列直插式新模块(NVDIMM)等等。存储器子系统的另一实例是经由外围互连(例如，输入/输出总线、存储区域网络等等)连接到中央处理单元(CPU)的存储装置。存储装置的实例包含固态驱动器(SSD)、快闪驱动器、通用串行总线(USB)快闪驱动器及硬盘驱动器(HDD)。在一些实施例中，存储器子系统是混合存储器/存储子系统。一般来说，主机系统可利用包含一或多个存储器组件的存储器子系统。主机系统可提供待存储在存储器子系统处的数据，且可请求待从存储器子系统检索的数据。