用于动态补偿非易失性存储器存储装置中多个干扰源的系统和方法制造方法及图纸

本公开涉及用于动态补偿非易失性存储器存储装置中多个干扰源的系统和方法。一种动态估计存储器页的干扰补偿阈值的方法，包括：基于干扰源的多个干扰状态，计算柱状图和对应阈值；对多个干扰状态进行聚类以确定有效数量的干扰状态；以及基于柱状图，估计读取阈值以动态补偿与目标行的有效数量的干扰状态中的每个干扰状态相关联的干扰噪声。个干扰状态相关联的干扰噪声。个干扰状态相关联的干扰噪声。

【技术实现步骤摘要】
用于动态补偿非易失性存储器存储装置中多个干扰源的系统和方法


[0001]本布置一般地涉及存储器装置，更具体地涉及通过减轻相邻基元(cell)的干扰来获得非易失性存储器存储装置的提高的耐用性和平均读取性能。

技术介绍

[0002]随着计算设备的数量和类型不断扩大，对此类设备所用存储器的需求也在不断增加。存储器包括易失性存储器(例如RAM)和非易失性存储器(例如闪速存储器或NAND型闪速存储器)。非易失性存储器阵列包括基元的行和列(串)。基元可以包括晶体管并且与单个位(bit)相关联。
[0003]在读取操作期间，可以读取非易失性存储器阵列的整行/整页。这可以通过向非正读取的所有行施加偏置电压并向应被读取的行施加参考阈值电压来实现。偏置电压可允许非易失性存储器阵列的晶体管完全导通。如果阈值电压足够高以克服浮置栅极中的俘获电荷，则位于正在读取的行上的基元将导通。感测放大器可以连接到每个串，其测量通过串的电流，并根据电流是否通过特定阈值而输出“1”或“0”。
[0004]随着非易失性存储器基元尺寸变小，存储器基元尺寸的按比例缩小可能会导致存储器块中邻近基元(浮栅晶体管)之间的寄生电容耦合增加。这种被称为“基元间干扰”(ICI)的现象可能会导致存储器中的错误，从而导致非易失性存储器存储装置的耐用性和读取性能下降。
[0005]非易失性存储器存储装置可实施快速编程方法，该方法可在对邻近行编程期间引发高水平的干扰，因为邻近行与目标编程行的隔离程度较低。

技术实现思路

[0006]本布置涉及通过减轻相邻基元的干扰获得非易失性装置的更高耐用性和更高平均读取性能的方法。
[0007]根据某些方面，一种动态估计存储器页的干扰补偿阈值的方法，包括：基于干扰源的多个干扰状态，计算柱状图(histogram)和对应阈值；对所述多个干扰状态进行聚类(cluster)以确定有效数量的干扰状态；以及基于所述柱状图，估计读取阈值以动态补偿与目标行的所述有效数量的干扰状态中的每个干扰状态相关联的干扰噪声。
[0008]根据其他方面，一种存储器系统，包括：具有多个行的存储器页；以及用于执行所述存储器页的操作的电路，所述电路被配置为：基于干扰源的多个干扰状态，计算柱状图和对应阈值；对所述多个干扰状态进行聚类以确定有效数量的干扰状态；以及基于所述柱状图，估计读取阈值以动态补偿与目标行的所述有效数量的干扰状态中的每个干扰状态相关联的干扰噪声。
[0009]根据另外一些方面，一种包含处理器可读指令的非暂时性处理器可读介质，使得当由一个或多个处理器执行时，通过以下方式执行用于动态估计存储器页的干扰补偿阈值
的方法：基于干扰源的多个干扰状态，计算柱状图和对应阈值；基于所述柱状图，识别应力条件；对所述多个干扰状态进行聚类以确定有效数量的干扰状态；以及基于所述柱状图，估计读取阈值以动态补偿与目标行的所述有效数量的干扰状态中的每个干扰状态相关联的干扰噪声。
附图说明
[0010]专利或申请文件包含至少一个彩色绘图。专利局将根据请求和必要费用的支付提供具有彩色附图的本专利或专利申请公开的副本。
[0011]当结合附图阅读以下对具体布置的描述时，本布置的这些和其他方面和特征对于本领域普通技术人员将变得显而易见，其中：
[0012]图1是示出根据一些布置的非易失性存储装置的框图。
[0013]图2是根据一些布置的具有4位/基元(bpc)非易失性存储器存储装置的VT分布的柱状图的图表。
[0014]图3是根据一些布置的具有非易失性存储器存储装置的每个编程状态的VT分布的柱状图的图表。
[0015]图4是根据一些布置的具有非易失性存储器存储装置的每个编程状态(例如，四个ICI状态)的VT分布的柱状图的图表。
[0016]图5是根据一些布置的使用固定ICI补偿阈值的读取流程的流程图。
[0017]图6是根据一些布置的使用应力条件分类以在当前应力条件下通过目标页的调整后的(adapted)读取阈值执行动态ICI补偿的读取流程的流程图。
[0018]图7是根据一些布置的对具有非易失性存储器存储装置的VT分布的柱状图执行的多次读取操作的图。
[0019]图8示出了根据一些布置的将ICI状态对聚类成组以改进ICI补偿阈值移位估计的示例。
[0020]图9A
‑
9B示出了16个ICI状态和为校正与ICI状态对应的干扰而执行的移位的关系。
[0021]图10A
‑
10B示出了64个ICI状态和为校正与ICI状态对应的干扰而执行的移位的关系。
[0022]图11是来自非易失性存储器存储装置和两个干扰源的BER分布的示例。
[0023]图12是根据一些布置的多层感知器网络的框图。
[0024]图13是根据一些布置的使用监督学习的示例机器学习模型的框图。
[0025]图14是根据一些布置的利用用于多个ICI读取的固定ICI补偿来确定ICI补偿的读取阈值的软位解码读取流程。
[0026]图15是根据一些布置的利用用于每个ICI状态的多次读取的动态ICI补偿来确定ICI补偿的读取阈值的软位解码读取流程。
[0027]图16是根据一些布置的利用用于每个ICI状态的多次读取的动态ICI补偿来确定ICI补偿的读取阈值的软位解码读取流程，其中利用了用于计算ICI补偿的多项式系数的估计。
具体实施方式
[0028]根据某些方面，本公开中的布置涉及用于在给定多个相邻干扰基元的情况下估计目标页的最佳(或改进的)补偿读取阈值的技术。多个邻近行可能在目标行上引起多个干扰状态。通过确定每个物理行的ICI补偿阈值，可以最小化(或降低)目标页读出误码率(bit error rate，BER)。对各种应力条件进行分类可以进一步降低BER，这是因为应力条件会在目标行上引起不同干扰水平。
[0029]非易失性存储器基元之间的固有耦合噪声可能发生在平面或三维(3D)非易失性存储器存储装置内。在平面非易失性存储器装置中，(1)同一行上的邻近基元和(2)相邻行的同一列上的邻近基元可能是ICI的主要贡献者。因此，可以通过估计邻近基元的状态来获得硬/软输入的可靠性增益。
[0030]主要干扰源可能是编程方案。例如，如果在对下一行编程之前对一行完全编程，则主要干扰源可能是编程方案。例如，在三电平基元(TLC)编程期间，对一行的编程可能会影响已编程的附近或相邻行。被编程到最高电平的基元可能是(比被编程到低于最高电平的电平的那些基元)更强干扰的来源，这可能导致相邻基元的非故意编程。
[0031]然而，对非易失性存储器装置(例如NAND存储器，包括四电平基元(QLC)和五电平基元(PLC))进行密集编程可能包括将编程分解为多个步骤。例如，可以将数据编程到过程(初始)设置中的给定行。然后在目标行在精细编程阶段被编程为最终电压值之前，可以对相邻(相关)行粗略地编程。这种编程方法可能需要更多的数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种动态估计存储器页的干扰补偿阈值的方法，包括：基于干扰源的多个干扰状态，计算柱状图和对应阈值；对所述多个干扰状态进行聚类以确定有效数量的干扰状态；以及基于所述柱状图，估计读取阈值以动态补偿与目标行的所述有效数量的干扰状态中的每个干扰状态相关联的干扰噪声。2.根据权利要求1所述的方法，还包括：基于所述柱状图识别应力条件，其中，所述应力条件是保持应力或跨温度应力中的至少一种。3.根据权利要求2所述的方法，其中，基于所述柱状图识别所述应力条件包括：将所述柱状图应用于使用训练数据集训练的支持向量机，所述训练数据集包括目标行的多个干扰状态、特征和对应的应力条件，其中，所述特征包括物理行号、编程周期计数、擦除周期计数或无基元间干扰阈值中的至少一者。4.根据权利要求2所述的方法，其中，基于所述柱状图识别所述应力条件包括：将所述柱状图应用于使用训练数据集训练的机器学习模型，所述训练数据集包括目标行的多个干扰状态、特征和对应的应力条件，其中，所述特征包括物理行号、编程周期计数、擦除周期计数或无基元间干扰阈值中的至少一者。5.根据权利要求1所述的方法，其中，对所述多个干扰状态进行聚类以确定所述有效数量的干扰状态包括使用k均值聚类。6.根据权利要求1所述的方法，其中，对所述多个干扰状态进行聚类以确定所述有效数量的干扰状态包括：基于在目标行上引起的相似效应，对所述干扰源的所述多个干扰状态进行聚类。7.根据权利要求1所述的方法，其中，估计所述读取阈值包括使用线性估计器，其中，所述线性估计器的向量包含所述读取阈值以动态补偿所述目标行的所述有效数量的干扰状态中的所述干扰状态，所述线性估计器的向量包含所述柱状图的值，并且所述线性估计器的矩阵包含系数。8.根据权利要求1所述的方法，其中，估计所述读取阈值包括利用使用训练数据集训练的神经网络，所述训练数据集包括目标行的多个干扰状态、第二干扰源的第二多个干扰状态、特征和对应的读取阈值，其中所述特征包括物理行号、编程周期计数、擦除周期计数和无基元间干扰阈值中的至少一者。9.根据权利要求1所述的方法，还包括：基于第二干扰源的第二多个干扰状态，计算第二柱状图和第二对应阈值；基于所述第二柱状图，识别第二应力条件；使用多项式对所述第二多个干扰进行建模以确定对所述第二干扰源的所述第二多个干扰状态中的每个干扰状态的补偿。10.根据权利要求9所述的方法，其中，所述多项式的系数使用线性估计器来估计，其中所述线性估计器的向量包含所述读取阈值以动态补偿所述第二干扰源的所述第二多个干扰状态的所述干扰噪声，所述线性估计器的向量包含所述第二柱状图的值，并且所述线性估计器的矩阵包含系数。11.根据权利要求9所述的方法，其中，所述多项式的系数使用在训练数据集上训练的神经网络来估计，所述训练数据集包括...

【专利技术属性】
技术研发人员：A，
申请(专利权)人：铠侠股份有限公司，
类型：发明
国别省市：