存储装置和用于非易失性存储器装置的访问方法与流程

相关申请的交叉引用

本申请要求于2016年9月6日在韩国知识产权局提交的韩国专利申请no.10-2016-0114495的优先权，该申请的全部内容以引用方式全文并入本文中。

本发明构思的实施例涉及半导体装置，并且更具体地说，涉及包括非易失性存储器装置的存储装置和用于非易失性存储器装置的访问方法。

背景技术：

存储装置可包括非易失性存储器。包括非易失性存储器的存储装置即使断电也可保持存储在其中的数据，因此包括非易失性存储器的存储装置可有利于长期存储数据。存储装置可在诸如计算机、智能手机和智能平板的各种电子装置中用作主要存储装置。

在存储装置上执行读和写数据的模式可根据用户的数据使用模式和使用数据的环境而变化。如果在存储装置上执行读和写数据的模式变化，则存储装置的操作性能可变化。

存储装置的制造商可基于平均使用模式和使用环境针对其内部操作(例如，写和读操作)设置算法。如果将平均使用模式和使用环境应用于存储装置，则存储装置可能不能针对不同于平均使用模式和使用环境的特定用户提供最佳操作性能。

技术实现要素：

本发明构思的实施例可提供用于为一个或多个用户提供最佳或改进的操作性能的非易失性存储器装置的存储装置和访问方法。

根据本发明构思的一些实施例，提供了存储装置。存储装置可包括非易失性存储器装置、缓冲器存储器和控制器。控制器可执行以下操作，包括：利用缓冲器存储器对非易失性存储器装置执行第一访问；在缓冲器存储器中收集第一访问的访问结果信息和访问环境信息；以及基于在缓冲器存储器中收集的访问结果信息和访问环境信息，通过执行机器学习来产生访问分类器，访问分类器预测对非易失性存储器装置的第二访问的结果。

根据本发明构思的一些实施例，一种存储装置可包括非易失性存储器装置、缓冲器存储器、控制器和处理单元。控制器可被构造为利用缓冲器存储器对非易失性存储器装置执行第一访问。处理单元可被构造为在缓冲器存储器中收集第一访问的访问结果信息和访问环境信息，和基于在缓冲器存储器中收集的访问结果信息和访问环境信息，通过执行机器学习来产生访问分类器，访问分类器预测对非易失性存储器装置执行第二访问的结果。控制器可被构造为基于访问分类器对非易失性存储器装置选择性地执行第二访问。

根据本发明构思的一些实施例，存储装置可包括非易失性存储器装置和控制器。控制器可被构造为基于对非易失性存储器装置的未来访问的预测结果来对非易失性存储器装置选择性地执行读恢复操作或再编程操作。所述预测结果可基于通过控制器从对非易失性存储器装置的先前访问中收集的访问信息。

根据本发明构思的一些实施例，可提供非易失性存储器装置的访问方法。非易失性存储器装置的访问方法可包括：对非易失性存储器装置执行第一访问和收集第一访问的访问结果信息和访问环境信息；基于收集到的访问结果信息和访问环境信息通过执行机器学习来产生访问分类器；以及在对非易失性存储器装置执行第二访问之前，利用第二访问的访问环境信息和访问分类器来预测第二访问的结果。

附图说明

参照具体实施方式和附图，本发明构思将被理解得更加清楚，其中，除非另有说明，否则相同的附图标记可在多个附图中始终指代相同的部件。

图1是示出根据本发明构思的一些实施例的存储装置的框图。

图2是示出根据本发明构思的一些实施例的通过图1的用于机器学习的核实施的模块的框图。

图3是示出根据本发明构思的一些实施例的存储装置的操作方法的操作的流程图。

图4是示出根据本发明构思的一些实施例的其中存储装置利用访问分类器来对新访问请求的访问结果进行预测(或分类)的操作方法的操作的流程图。

图5是示意性地示出根据本发明构思的一些实施例的存储器块的透视图。

图6是示出根据本发明构思的一些实施例的其中控制器访问非易失性存储器装置的方法的曲线图的流程图。

图7是示出根据本发明构思的一些实施例的当将机器学习应用于可靠性验证读操作时的访问结果信息和访问环境信息的表。

图8是示出根据本发明构思的一些实施例的在获得分类结果之后处理与分类结果关联的可靠性验证读操作的方法的操作的流程图。

图9是示出根据本发明构思的一些实施例的当将机器学习应用于读操作、写操作或擦除操作时的访问结果信息和访问环境信息的表。

图10是示出根据本发明构思的一些实施例的其中控制器访问非易失性存储器装置的方法的曲线图的流程图。

图11是示出根据本发明构思的一些实施例的当将机器学习应用于检查操作时的访问结果信息和访问环境信息的表。

图12是示出根据本发明构思的一些实施例的在获得分类结果之后处理与分类结果关联的检查操作的方法的操作的流程图。

图13是示出根据本发明构思的一些实施例的通过利用子访问操作的结果作为访问环境信息来分类的访问操作的结果的表。

图14是示出根据本发明构思的一些实施例的利用图13的访问环境信息和访问结果信息的方法的操作的流程图。

图15是根据本发明构思的一些实施例的通过机器学习产生的访问分类器的图。

图16是根据本发明构思的一些实施例的通过机器学习产生的访问分类器的图。

图17是根据本发明构思的一些实施例的通过机器学习产生的访问分类器的图。

图18是示出根据本发明构思的一些实施例的图1的存储装置的应用的框图。

具体实施方式

现在，将参照其中示出了本发明构思的示例性实施例的附图在下文中更加完全地描述本发明构思。本发明构思以及实现它们的方法将从以下将参照附图更详细地描述的示例性实施例中变得清楚。然而，本发明构思的实施例可按照不同形式实施，并且不应理解为限于本文阐述的实施例。相反，提供这些实施例以使得本公开将是彻底和完整的，并且将把本发明构思的范围完全传递给本领域技术人员。

如本文所用，除非上下文清楚地指定不是这样，否则单数形式“一个”、“一”和“该”也旨在包括复数形式。应该理解，当元件被称作“连接至”或“耦接至”另一元件时，其可直接连接至或耦接至所述另一元件，或者可存在中间元件。如本文所用，术语“和/或”包括相关所列项之一或多个的任何和所有组合。还应该理解，术语“包括”、“包括……的”、“包含”和“包含……的”当用于本说明书中时，指定存在所列特征、整体、步骤、操作、元件和/或组件，但不排除存在或添加一个或多个其它特征、整体、步骤、操作、元件、组件和/或它们的组。

相似地，应该理解，当诸如层、区或衬底的元件被称作“连接至”另一元件或“位于”另一元件“上”时，其可直接连接至所述另一元件或直接位于所述另一元件上，或者可存在中间元件。相反，术语“直接”意指不存在中间元件。另外，可参照作为本发明构思的理想示意图的剖视图来描述在具体实施方式中描述的实施例。因此，根据制造技术和/或可允许的误差，可修改示例性示图的形状。因此，本发明构思的实施例不限于示意图中所示的具体形状，而是可包括可根据制造工艺生成的其它形状。

本文解释和示出的本发明构思的实施例可包括它们的互补对应部分。相同的附图标记或相同的参考指示符在整个说明书中指示相同的元件。

图1是示出根据本发明构思的一些实施例的存储装置的框图。参照图1，存储装置100可包括非易失性存储器装置110、控制器120和缓冲器存储器130。

非易失性存储器装置110可在控制器120的控制下执行写操作、读操作和擦除操作。非易失性存储器装置110可从控制器120接收写命令、地址和数据，并且可将数据写在对应于所述地址的存储空间中。非易失性存储器装置110可从控制器120接收读命令和地址，可从对应于所述地址的存储空间读数据，并且可将读取的数据输出至控制器120。非易失性存储器装置110可从控制器120接收擦除命令和地址，并且可擦除对应于所述地址的存储空间的数据。

非易失性存储器装置110可包括多个存储器块blk1至blkz。存储器块blk1至blkz中的每一个可包括多个存储器单元。存储器单元可形成非易失性存储器装置110的存储空间。存储器块blk1至blkz中的每一个还可包括允许存储器单元彼此独立地被选择的选择晶体管。可根据非易失性存储器装置110的操作特征或结构特征来区分存储器块blk1至blkz。

非易失性存储器装置110可包括闪速存储器、相变随机存取存储器(pram)、铁电ram(feram)、磁性ram(mram)、电阻式ram(rram)等。

控制器120可访问非易失性存储器装置110和缓冲器存储器130。控制器120可响应于外部主机装置的请求执行写操作、读操作和擦除操作。控制器120可将写请求的数据写在非易失性存储器装置110中，并且可从非易失性存储器装置110读和输出读请求的数据。

控制器120可利用缓冲器存储器130管理存储装置100。例如，控制器120可把将被写在非易失性存储器装置110中的数据或从非易失性存储器装置110读的数据临时存储在缓冲器存储器130中。控制器120可将管理非易失性存储器装置110所需的元数据加载在缓冲器存储器130上。

控制器120可在访问非易失性存储器装置110时收集访问环境信息和访问结果信息。例如，可在缓冲器存储器130中收集访问环境信息和访问结果信息。控制器120可基于在缓冲器存储器130中收集的访问环境信息和访问结果信息执行机器学习。例如，控制器120可基于与两个或更多个访问关联的访问环境信息和访问结果信息执行机器学习。控制器120可基于机器学习的结果来选择下一访问方法、是否执行、以及访问参数。

控制器120可包括总线121、核122和核123、ram124、主机接口125、缓冲器控制电路126和存储器接口127。

总线121可被构造为在控制器120的元件之间提供通道。

可使用(或分配或指定)核122和123中的一些核122来管理存储装置100，并且可使用(或分配或指定)其中的其它核123来执行机器学习。

核122可控制控制器120的整体操作，并且可执行逻辑操作。核122可通过主机接口125与外部主机装置通信，可通过存储器接口127与非易失性存储器装置110通信，并且可通过缓冲器控制电路126与缓冲器存储器130通信。核122可利用ram124作为工作存储器、高速缓冲存储器和/或缓冲器存储器来控制存储装置100。核122可请求核123来预测与通过外部主机装置请求的至少一些访问或者内部策略作出的访问关联的结果。核122可基于从核123接收到的预测结果来选择是否进行执行、进行执行的方式、执行的流程和所述至少一些访问的执行参数。

核123可基于存储在缓冲器存储器130中的访问环境信息和访问结果信息来执行机器学习。例如，核123可通过执行机器学习来产生(或者更新)诸如决策树、神经网络和支持向量机的学习结果，作为访问分类器。核123可将访问分类器加载在ram124或者缓冲器存储器130上，以进行驱动。在产生访问分类器之后，核123可响应于核122的请求通过利用访问分类器来预测与至少一些访问关联的结果。核123可将预测结果传递至核122。核123可定期地或者当感测到存储装置100断电时将访问分类器写在非易失性存储器装置110中。例如，可将访问分类器写在存储器块blk1至blkz中的分配用于存储元数据信息的存储器块中。当将电力供应至存储装置100时，核123可从非易失性存储器装置110读访问分类器，并且可将读取的访问分类器加载在缓冲器存储器130或ram124上。

ram124可用作核122和123的工作存储器、高速缓冲存储器和/或缓冲器存储器。ram124可存储可由核122和123执行的代码和/或命令。ram124可存储通过核122和123处理的数据。在一些实施例中，ram124可包括静态ram(sram)。

主机接口125可被构造为在核122的控制下与外部主机装置通信。主机接口125可被构造为利用各种通信方式中的至少一种传达通信，所述各种通信方式诸如通用串行总线(usb)、串行at附件(sata)、串行连接的scsi(sas)、高速芯片间连接(hsic)、小计算机系统接口(scsi)、外围组件互连(pci)、快速pci(pcie)、快速非易失性存储器(nvme)、通用闪速存储(ufs)、安全数位卡(sd)、多媒体卡(mmc)、嵌入式mmc(emmc)、双列直插式存储器模块(dimm)、注册的dimm(rdimm)和低负载dimm(lrdimm)。

缓冲器控制电路126可在核122的控制下控制缓冲器存储器130。

存储器接口127可被构造为响应于核122的控制与非易失性存储器装置110通信。存储器接口127可通过输入/输出通道将命令、地址和数据传达至非易失性存储器装置110。存储器接口127可通过控制通道将控制信号传达至非易失性存储器装置110。

存储器接口127可包括错误校正块128。错误校正块128可包括错误校正码ecc。错误校正块128可执行错误校正。错误校正块128可基于将通过存储器接口127被写在非易失性存储器装置110中的数据执行错误校正编码。可通过存储器接口127将错误校正编码数据提供至非易失性存储器装置110。错误校正块128可对通过存储器接口127从非易失性存储器装置110接收到的数据执行错误校正解码。

在一些实施例中，如果存储装置100不包括缓冲器存储器130，则控制器120可不包括缓冲器控制电路126。

图2是示出通过根据本发明构思的一些实施例的图1的用于机器学习的核实施的模块的框图。参照图1和图2，核123可包括信息收集模块123_1、访问环境信息收集模块123_2、训练模块123_3和分类模块123_4。

信息收集模块123_1可收集当控制器120访问非易失性存储器装置110时产生的访问结果信息ai。例如，信息收集模块123_1可收集与针对非易失性存储器装置110的各种访问中的可由核122或123指定类型的访问关联的访问结果信息ai。另外，可收集通过各个访问产生的各种结果信息中的可由核122或123指定类型的多条结果信息，作为访问结果信息ai。另外，信息收集模块123_1可收集与指定的类型的访问关联的访问环境信息ei。收集到的访问结果信息ai可被存储在缓冲器存储器130中。换句话说，核122或123可指定将被存储在缓冲器存储器130中的包括结果信息、多条结果信息和/或访问环境信息的一种或多种信息。

访问环境信息收集模块123_2可接收与由核122处理的访问中的其类型可由核122或123指定的访问关联的命令cmd和/或地址addr。访问环境信息收集模块123_2可基于命令cmd和/或地址addr来收集访问环境信息ei。可将收集到的访问环境信息ei传递至信息收集模块123_1和/或分类模块123_4。

训练模块123_3可在收集到的访问环境信息ei和收集到的访问结果信息ai达到训练条件时执行机器学习。作为机器学习的结果，训练模块123_3可产生新的访问分类器cf或者可更新先前的访问分类器cf。新的访问分类器cf可被存储在缓冲器存储器130或ram124中，并且可将控制新的访问分类器cf的权力传递至分类模块123_4。在一些实施例中，在预测与分类的访问相对应的结果方面，可将访问分类器cf称作“分类器”，然而，访问分类器cf的功能和特征可不被术语“分类器”限制。

分类模块123_4可从访问环境信息收集模块123_2接收访问环境信息ei。分类模块123_4可基于访问环境信息ei和访问分类器cf输出分类结果cr。可将分类结果cr传递至核122。

在图2中，通过第一箭头a1和第二箭头a2示出了其中模块123_1至123_4处理多条信息的两个示例。

参照第一箭头a1，可从核122请求第一特定访问的结果预测。访问环境信息收集模块123_2可收集访问环境信息ei。分类模块123_4可利用访问环境信息ei和访问分类器cf获得分类结果cr。可将分类结果cr传递至核122。如果基于分类结果cr确定核122不执行访问，则可不收集访问结果信息ai。因此，信息收集模块123_1也可不收集访问环境信息ei。

参照第二箭头a2，可从核122请求第二特定访问的结果预测。访问环境信息收集模块123_2可收集访问环境信息ei。分类模块123_4可利用访问环境信息ei和访问分类器cf获得分类结果cr。可将分类结果cr传递至核122。如果基于分类结果cr确定核122决定执行访问，则可收集访问结果信息ai。因此，信息收集模块123_1可收集访问环境信息ei和访问结果信息ai。

图3是示出根据本发明构思的一些实施例的存储装置的操作方法的操作的流程图。参照图1至图3，在操作s110中，信息收集模块123_1可与访问环境信息收集模块123_2一起收集针对非易失性存储器装置110的访问的访问结果信息ai和访问环境信息ei。所述访问可包括写操作、读操作或擦除操作。

在操作s120中，训练模块123_3可确定是否满足学习条件。例如，在当收集到的访问结果信息ai和收集到的访问环境信息ei的大小达到预定大小时的预定时间段中，在空闲时间中(或者当到空闲时间时)，当感测到断电时和/或当确定缓冲器存储器的存储容量不足时，学习条件可被满足。如果学习条件未被满足，则处理可返回至操作s110，以继续收集信息。如果学习条件被满足，则处理可前进至操作s130。

在操作s130中，训练模块123_3可基于收集到的访问结果信息ai和收集到的访问环境信息ei执行机器学习以产生访问分类器cf。例如，训练模块123_3可产生新的访问分类器cf，或者可改变先前的访问分类器的诸如权重的参数。

图4是示出根据本发明构思的一些实施例的其中存储装置利用访问分类器对新的访问请求的访问结果进行预测(或分类)的操作方法的操作的流程图。参照图1、图2和图4，在操作s210中，核122可从外部主机装置接收访问请求，或者可基于内部策略产生访问请求。在核122响应于访问请求执行访问之前，核122可请求核123来预测访问结果。例如，访问环境信息收集模块123_2可接收包括命令cmd和地址addr的访问请求。

在操作s220中，访问环境信息收集模块123_2可收集与接收到的访问请求关联的访问环境信息ei。

在操作s230中，分类模块123_4可利用访问环境信息ei和访问分类器cf获得分类结果cr。核122可基于分类结果cr处理访问请求。例如，核122可基于分类结果cr确定是否执行访问。另外，当核122执行访问时，核122可基于分类结果cr选择(或者改变)诸如在非易失性存储器装置110中使用的电压和/或次数的各种参数。

图5是示意性地示出根据本发明构思的一些实施例的存储器块的透视图。参照图1和图5，存储器块blka可包括按照多行多列排列在衬底sub上的多个单元串cs。单元串cs可共同连接至衬底sub上(或中)的共源极线csl。在图5中，例示出了衬底sub的位置以帮助理解存储器块blka的结构。图5示出了连接至单元串cs的下端的共源极线csl。然而，共源极线csl电连接至单元串cs的下端是足够的，并且本发明构思的实施例可不限于共源极线csl在物理上位于单元串cs的下端。在图5中，单元串cs按照4乘4的矩阵排列。然而，根据一些实施例，存储器块blka中的单元串cs的数量和/或排列可增加或减少。

一行单元串可连接至第一地选择线gsl1至第四地选择线gsl4中的对应的一个和第一串选择线ssl1至第四串选择线ssl4中的对应的一个。一列单元串可连接至第一位线bl1至第四位线bl4中的对应的一个。为了易于示出，连接至第二地选择线gsl2和第三地选择线gsl3或者第二串选择线ssl2和第三串选择线ssl3的单元串被绘制为浅色的。

各个单元串cs可包括连接至对应的地选择线的至少一个地选择晶体管gst、连接至第一伪字线dwl1的第一伪存储器单元dmc1、分别连接至多条字线wl1至wl8的多个存储器单元mc、连接至第二伪字线dwl2的第二伪存储器单元dmc2和分别连接至串选择线ssl的串选择晶体管sst。在各个单元串cs中，地选择晶体管gst、第一伪存储器单元dmc1、存储器单元mc、第二伪存储器单元dmc2和串选择晶体管sst可沿着垂直于衬底sub的方向彼此串联地连接，并且可沿着垂直于衬底sub的方向按次序堆叠。

在一些实施例中，如图5所示，一个或多个伪存储器单元可排列在各个单元串cs中的地选择晶体管gst与存储器单元mc之间。在各个单元串cs中，一个或多个伪存储器单元可排列在串选择晶体管sst与存储器单元mc之间。在一些实施例中，一个或多个伪存储器单元可排列在存储器单元mc之间。伪存储器单元可与存储器单元mc具有相同的结构，并且可不被编程(例如，禁止编程)或者可与存储器单元mc被不同地编程。例如，当存储器单元被编程以形成两个或更多个阈电压分布时，伪存储器单元可被编程以具有一个阈电压分布范围或者具有数量少于存储器单元mc的阈电压分布的数量的阈电压分布。

相对于衬底sub或者地选择晶体管gst排列在相同高度(或次序)的单元串cs的存储器单元的栅极可彼此电连接。相对于衬底sub或地选择晶体管gst排列在不同高度(或次序)的单元串cs的存储器单元的栅极可彼此电隔离。在图5中，相同高度的存储器单元的栅极被示出为连接至相同的字线。然而，在一些实施例中，相同高度的存储器单元的栅极可在其中形成存储器单元的平面内彼此直接连接，或者可通过诸如金属层的另一层间接彼此连接。

对应于串(或地)选择线和字线的存储器单元可构成一页。可通过该页执行写操作和读操作。在各页中，各个存储器单元可存储两个或更多个位。写在属于一个物理页的存储器单元中的每一个中的所述两个或更多个位可形成两个或更多个逻辑页。例如，分别写在各页的存储器单元中的第k位可形成第k逻辑页。

存储器块blka可为三维(3d)存储器阵列。3d存储器阵列可按照存储器单元mc的阵列的一个或多个物理层整体地形成，所述存储器单元mc具有布置在硅衬底上的有源区域和与这些存储器单元mc的操作关联的电路。与存储器单元mc的操作关联的电路可位于所述衬底上或内。术语“整体”意指所述阵列的各个等级的层直接沉积在3d存储器阵列的各个下一等级的层上。

在本发明构思的一些实施例中，3d存储器阵列可包括竖直地取向以使得至少一个存储器单元位于另一存储器单元上方的竖直nand串(或单元串)。该至少一个存储器单元可包括电荷俘获层。各个竖直nand串还可包括位于存储器单元mc上的至少一个选择晶体管。所述至少一个选择晶体管可与存储器单元mc具有相同结构，并且可与存储器单元mc均匀地形成。

以引用方式并入本文的以下专利文献描述了用于三维存储器阵列的合适的构造，其中所述三维存储器阵列被构造为多个等级，在这些等级之间共享字线和/或位线：美国专利no.7,679,133；no.8,553,466；no.8,654,587；no.8,559,235；和美国专利公开no.2011/0233648。

图6是示出根据本发明构思的一些实施例的其中控制器访问非易失性存储器装置的方法的曲线图的流程图。在图6的第一曲线图g1和第二曲线图g2中，横坐标表示存储器单元的阈电压，并且纵坐标表示存储器单元的数量。在图6中，假设在各个存储器单元中写了三个位并且一页具有三个逻辑页。然而，本发明构思的实施例可不限于此。

参照图1和图5和图6的第一曲线图g1，存储器单元中的每一个可具有八个状态。所述八个状态可通过阈电压范围限定。随着在各个存储器单元中写三个位，可将各个存储器单元编程以具有属于八个状态之一的阈电压vth。可通过利用其电平在八个阈电压分布的范围内的七个读电压区分所述八个状态。

在将数据写至存储器单元中之后可发生扰乱和保留劣化(retentiondeterioration)。扰乱是指其中存储器单元的阈电压随着在存储器单元的外围产生的编程、读取、擦除、耦合等而变化的现象。保留劣化是指其中存储器单元的阈电压随着通过编程操作在存储器单元的电荷俘获层中俘获的电荷随时间排放而变化的现象。

通常，扰乱和保留劣化可导致属于低阈电压范围的存储器单元的阈电压增大和属于高阈电压范围的存储器单元的阈电压减小。当发生扰乱和保留劣化时，存储器单元的阈电压可从第一曲线图g1变为第二曲线图g2。

参照第二曲线图g2，属于不同阈电压范围的存储器单元的阈电压可混合。例如，属于第一阈电压范围的存储器单元的阈电压可变为属于第二阈电压范围；相反，属于第二阈电压范围的存储器单元的阈电压可变为属于第一阈电压范围。当存储器单元的阈电压如第二曲线图g2中所示地变化时，通过错误校正块128可能不可校正在读操作中产生的错误。

可执行可靠性验证读操作以防止在读操作中产生不可校正的错误。可靠性验证读操作可使用读电压，该读电压数量小于在一般读操作中使用的读电压的数量。例如，可靠性验证读操作可包括利用第一读电压vr1执行第一读取的第一操作和利用第二读电压vr2执行读取的第二操作中的至少一个。可通过在第一操作中将接通的单元的数量与阈值进行比较来监控阈电压由于扰乱或保留劣化的改变。可通过在第二操作中将关断的单元的数量与阈值进行比较来监控阈电压由于扰乱或保留劣化的改变。

根据本发明构思的一些实施例的存储装置100可通过将机器学习应用于可靠性验证读操作来产生访问分类器。基于访问分类器，控制器120可预先对可靠性验证读操作的结果进行分类(或预测)。

图7是示出根据本发明构思的一些实施例的当将机器学习应用于可靠性验证读操作时的访问结果信息ai和访问环境信息ei的表。参照图1、图2、图6和图7，可在对应于一条串选择线和一条字线的页中执行可靠性验证读操作。

访问环境信息收集模块123_2可收集目标块、目标串选择线、目标字线、温度、时间戳、编程/擦除计数、擦除计数和读计数中的至少一个，作为访问环境信息ei。

目标块可包括其中执行可靠性验证读操作的存储器块的地址或者与所有存储器块blk1至blkz中的目标块的位置相关的信息，例如，指示目标块是否位于存储器块blk1至blkz的中心或者是否对应于最外面的存储器块的信息。

目标串选择线可包括与其中执行可靠性验证读操作的页相对应的串选择线的地址或者与目标块中的串选择线的位置相关的信息，例如，指示串选择线是更靠近第一串选择线ssl1还是第四串选择线ssl4的信息。

目标字线可包括连接至其中执行可靠性验证读操作的页的字线的地址或者与目标块中的字线的位置相关的信息，例如，与字线相对于衬底sub的高度相关的信息。

例如，所述温度可为当在控制器120的控制下对非易失性存储器装置110执行可靠性验证读操作时存储装置100的温度。

时间戳可为当在其中执行可靠性验证读操作的页中写数据时的时间或者在写了数据之后过去的时间。

编程/擦除计数可为对目标块执行的编程/擦除循环的次数。

读计数可为在目标块中写入数据之后执行的读操作的次数。

信息收集模块123_1可收集指示针对第一读电压vr1的接通的单元的数量是否大于阈值的信息和/或指示针对第二读电压vr2的关断的单元的数量是否大于阈值的信息中的至少一个。例如，针对接通的单元的阈值可与针对关断的单元的阈值不同。

如果收集了访问环境信息ei和访问结果信息ai，则可通过机器学习来产生访问分类器cf。在产生访问分类器cf之后，当控制器120想要对非易失性存储器装置110执行可靠性验证读操作时，可在执行可靠性验证读操作之前利用访问分类器cf预先进行结果预测。例如，访问环境信息收集模块123_2可收集与将被执行的访问关联的访问环境信息ei。分类模块123_4可利用访问环境信息ei和访问分类器cf来获得分类结果cr。

如果执行可靠性验证读操作，则分类结果cr可包括指示针对第一读电压vr1的接通的单元的数量是否大于阈值的信息和/或指示针对第二读电压vr2的关断的单元的数量是否大于阈值的信息。

图8是示出根据本发明构思的一些实施例的在获得分类结果之后处理与分类结果关联的可靠性验证读操作的方法的操作的流程图。参照图1、图6和图8，在操作s310中，可确定分类结果cr是否指示接通的单元的数量和/或关断的单元的数量大于阈值。例如，控制器120或者核122可确定针对第一读电压vr1的接通的单元的数量和/或针对第二读电压vr2的关断的单元的数量是全部还是其中之一大于阈值。

如果确定分类结果cr指示接通的单元的数量和/或关断的单元的数量大于阈值，则在操作s320中，控制器120或核122可安排访问分类(即，可靠性验证读操作)目标的一页的读恢复操作或者该页所属的存储器块的读恢复操作。例如，读恢复操作可包括读取非易失性存储器装置110的一页或者一个存储器块的数据和将读取的数据写在非易失性存储器装置110的另一页或另一个存储器块中。通过执行读恢复操作，数据的扰乱和保留劣化可减少或消失。

如果分类结果cr指示接通的单元的数量和/或关断的单元的数量不大于阈值，则处理可前进至操作s330。在操作s330中，控制器120可对其中进行了访问分类的一页执行可靠性验证读操作。在操作s340中，控制器120可对针对第一读电压vr1的接通的单元的数量和/或针对第二读电压vr2的关断的单元的数量进行计数。可替换地，控制器120可控制非易失性存储器装置110以允许非易失性存储器装置110对接通的单元和/或关断的单元的数量进行计数和输出所述数量。

在操作s350中，控制器120可确定接通的单元的计数和/或关断的单元的计数是否大于阈值。如果接通的单元的计数和/或关断的单元的计数大于阈值，则可执行操作s360和操作s370。如果接通的单元的计数和/或关断的单元的计数不大于阈值，则可执行操作s370，而不执行操作s360。

在操作s360中，控制器120可安排其中执行了操作s330的可靠性验证读操作的页或者包括该页的存储器块的读恢复操作。在操作s370中，控制器120或核123可收集访问结果信息ai和访问环境信息ei。

换句话说，核122可基于内部策略对非易失性存储器装置110中的目标块的目标页执行可靠性验证读操作。在核122执行可靠性验证读操作之前，核122可从核123请求分类结果cr。核123可收集与目标页关联的访问环境信息ei，并且可基于收集到的结果输出分类结果cr。分类结果cr可预测接通的单元的数量和/或关断的单元的数量是否大于阈值。

如果分类结果cr预测接通的单元的数量和/或关断的单元的数量大于阈值，也就是说，如果预测存储器单元的数据被扰乱或劣化的程度大于阈值，则核122可安排读恢复，而不用执行可靠性验证读操作。可靠性验证读操作可结束而不必执行。如图2的第一箭头a1所示，当不执行可靠性验证读操作时可不收集相关信息。

如果分类结果cr指示接通的单元的数量和/或关断的单元的数量不大于阈值，也就是说，如果预测存储器单元的数据被扰乱或劣化的程度不大于阈值，则核122可控制非易失性存储器装置110以使得非易失性存储器装置110执行可靠性验证读操作。核122可基于可靠性验证读操作的结果来确定是否安排读恢复操作。如图2的第二箭头a2所示，当执行可靠性验证读操作时可收集访问结果信息ai和访问环境信息ei。

图9是示出根据本发明构思的一些实施例的当将机器学习应用于读操作、写操作或擦除操作时的访问结果信息和访问环境信息的表。参照图1、图2、图4和图9，与读操作、写操作或擦除操作关联的访问环境信息ei可包括目标块、目标串选择线、目标字线、目标逻辑页、温度、时间戳、编程/擦除计数(或编程/擦除循环的数量)和读计数中的至少一个。除目标逻辑页之外，访问环境信息ei可与图7的访问环境信息ei相同或相似。因此，为了简单起见可省略其相似部分的描述。

目标逻辑页可包括与目标逻辑页是否属于目标页中的lsb逻辑页、csb逻辑页和msb逻辑页中的任一个相关的信息。

在一些实施例中，可通过页或者通过逻辑页执行写操作。当通过所述页执行写操作时，与写操作关联的访问环境信息ei可包括除目标逻辑页之外的图9的访问环境信息ei的其余信息中的至少一个。当通过逻辑页执行写操作时，与写操作关联的访问环境信息ei可包括图9的访问环境信息ei中的至少一个。可通过逻辑页执行读操作。与读操作关联的访问环境信息ei可包括除目标逻辑页之外的图9的访问环境信息ei的其余信息中的至少一个。可通过存储器块执行擦除操作。与擦除操作关联的访问环境信息ei可包括除目标字线、目标逻辑页和目标串选择线之外的图9的访问环境信息ei的其余信息中的至少一个。

与读操作、写操作或擦除操作关联的访问结果信息ai可包括读电平、读通过电平、是否执行软决策、误码率(ber)、编程起始电平、编程电压的增量、编程通过电平、编程循环的数量、擦除起始电平、擦除电压的增量和擦除循环的数量中的至少一个。

结合读操作收集的访问结果信息ai可包括读电平、读通过电平、是否执行软决策和误码率ber。读电平可为将通过字线被施加至被选为读目标的一页的读电压的电平。读通过电平可为将被施加至与被选为读目标的存储器块的未被选为读目标的页相对应的字线的读通过电压的电平。是否执行软决策可为是否激活其中通过利用通过对选择的页执行多个读操作获得的读结果来执行软决策的操作。误码率ber可为在错误校正块128对从非易失性存储器装置110读取的数据执行错误校正解码之后检测到的错误位的比率(或数量)。

结合写操作收集的访问结果信息ai可包括编程起始电平、编程电压的增量、编程通过电平和编程循环的数量。可通过重复编程循环来执行写操作。编程起始电平可为在第一编程循环中将被施加至被选为写目标的字线的编程电压的电平。编程电压的增量可为在重复编程循环时编程电压增加的电压电平。编程通过电平可为将被施加至连接至未被选为写目标的页的字线的编程通过电压的电平。编程循环的数量可为在将选择的页的存储器单元完全编程之前重复的编程循环的数量。

结合擦除操作收集的访问结果信息ai可包括擦除起始电平、擦除电压的增量和擦除循环的数量。可通过重复擦除循环来执行擦除操作。擦除起始电平可为在第一擦除循环中将被施加至被选为擦除目标的存储器块的擦除电压的电平。擦除电压的增量可为在重复擦除循环时擦除电压增加的电压电平。擦除循环的数量可为在将选择的存储器块的存储器单元完全擦除之前重复的擦除循环的数量。

如果收集了访问环境信息ei和访问结果信息ai，则可通过机器学习来产生访问分类器cf。在产生访问分类器cf之后，当控制器120对非易失性存储器装置110执行写操作、读操作或擦除操作时，可在执行写操作、读操作或擦除操作之前通过利用访问分类器cf预先进行结果预测。例如，访问环境信息收集模块123_2可收集与将被执行的访问关联的访问环境信息ei。分类模块123_4可通过利用访问环境信息ei和访问分类器cf来获得分类结果cr。

分类结果cr可包括在执行读操作时导致较少错误的读电平和读通过电平中的至少一个、在执行读操作时是否执行软决策和在执行读操作时预测的误码率ber。基于分类结果cr，控制器120可选择读电平或读通过电平，或者可确定是否执行软决策。另外，基于分类结果cr的误码率ber，控制器120可确定是否执行读操作(例如，当误码率ber大于阈值时不执行读操作)以及是否安排选择的页或包括选择的页的存储器块的读恢复操作(例如，当误码率ber大于阈值时，控制器120安排读恢复操作)。

分类结果cr可包括编程起始电平、编程电压的增量、编程通过电平或者用于当执行写操作时提高数据的可靠性、减少编程时间或防止编程失败的编程循环的数量。控制器120可基于分类结果cr选择编程起始电平、编程电压的增量或编程通过电平。另外，基于分类结果cr的编程循环的数量，控制器120可确定是否执行写操作(例如，当编程循环的数量大于阈值时，不执行写操作)或者是否将包括选择的页的存储器块分类为不良块(例如，当编程循环的数量大于阈值时，控制器120将存储器块分类为不良块)。

分类结果cr可包括擦除起始电平、擦除电压的增量或擦除循环的数量。擦除循环的数量可为当执行擦除操作时用于提高数据的可靠性、减少擦除时间或者防止擦除失败的擦除循环的数量。控制器120可基于分类结果cr选择擦除起始电平或者擦除电压的增量。另外，基于分类结果cr的擦除循环的数量，控制器120可确定是否执行擦除操作(例如，当擦除循环的数量大于阈值时，不执行擦除操作)以及是否将选择的存储器块分类为不良块(例如，当擦除循环的数量大于阈值时，控制器120将存储器块分类为不良块)。

图10是示出根据本发明构思的一些实施例的其中控制器访问非易失性存储器装置的方法的曲线图的流程图。在图10的第一曲线图g1和第二曲线图g2中，横坐标代表伪存储器单元或选择晶体管的阈电压，而纵坐标代表伪存储器单元或选择晶体管的数量。

参照图1和图5和图10的第一曲线图g1，各个伪存储器单元或者选择晶体管可具有通过一个阈电压范围限定的一个逻辑状态。伪存储器单元可包括图5的第一伪存储器单元dmc1和第二伪存储器单元dmc2。选择晶体管可包括图5的串选择晶体管sst和地选择晶体管gst。

在将伪存储器单元或者选择晶体管编程之后可发生扰乱和保留劣化。当发生扰乱和保留劣化时，伪存储器单元或者选择晶体管的阈电压可从第一曲线图g1改变为第二曲线图g2。

如果伪存储器单元或选择晶体管的阈电压分布变宽，如第二曲线图g2所示，则在写、读或擦除存储器单元时产生的单元电流的量可变化。因此，存储器单元的阈电压可分布得更宽，从而导致写在存储器单元中的数据的可靠性降低。

可检查伪存储器单元或选择晶体管的阈电压以防止其阈电压如第二曲线图g2所示地变宽。例如，对于伪存储器单元或选择晶体管的阈电压，可利用第一读电压vr1和第二读电压vr2执行读操作。如果利用第一读电压vr1和第二读电压vr2执行读操作，则可检查伪存储器单元或选择晶体管的阈电压是否离开通过第一读电压vr1和第二读电压vr2限定的范围rng。

根据本发明构思的一些实施例的存储装置100可通过将机器学习应用于检查伪存储器单元或选择晶体管的阈电压的操作来产生访问分类器。基于访问分类器，控制器120可预先对检查操作的结果进行分类(或预测)。

图11是示出根据本发明构思的一些实施例的当将机器学习应用于检查操作时的访问结果信息和访问环境信息的表。参照图1、图2、图10和图11，可在与一条串选择线或一条地选择线相对应的选择晶体管的单元中或在与一条串选择线和一条字线相对应的伪存储器单元(例如，通过伪页)的单元中执行检查操作。

访问环境信息收集模块123_2可收集目标块、目标串选择线或目标地选择线、目标字线、温度、时间戳、编程/擦除计数(或编程/擦除循环的数量)和读计数中的至少一个。关于伪存储器单元的访问环境信息ei可包括图11的访问环境信息ei中的至少一个。关于选择晶体管的访问环境信息ei可包括除目标字线之外的图11的访问环境信息ei的其余信息中的至少一个。

访问结果信息ai可包括与离开所述范围的rng的伪存储器单元或选择晶体管的数量是否大于阈值相关的信息。

如果收集了访问环境信息ei和访问结果信息ai，则可通过机器学习来产生访问分类器cf。在产生访问分类器cf之后，当控制器120想要对非易失性存储器装置110执行检查操作时，可在执行检查操作之前利用访问分类器cf预先进行结果预测。例如，访问环境信息收集模块123_2可收集与将被执行的检查操作关联的访问环境信息ei。分类模块123_4可利用访问环境信息ei和访问分类器cf来获得分类结果cr。分类结果cr可包括与具有离开所述范围rng的阈电压的伪存储器单元或选择晶体管的数量是否大于阈值相关的信息。

图12是示出根据本发明构思的一些实施例的在获得分类结果之后处理与分类结果关联的检查操作的方法的操作的流程图。参照图1、图10和图12，在操作s410中，可确定分类结果cr是否指示伪存储器单元或选择晶体管的数量大于阈值。例如，控制器120或核122可确定具有离开所述范围rng的阈电压的伪存储器单元或选择晶体管的数量是否大于阈值。

如果确定分类结果cr指示伪存储器单元或选择晶体管的数量大于阈值，则在操作s420中，控制器120或核122可安排访问分类目标(即，检查目标)的选择晶体管或伪存储器单元所属的存储器块的再编程操作。例如，再编程操作可包括通过对阈电压降低的选择晶体管或伪存储器单元编程来增大选择晶体管或伪存储器单元的阈电压，或者通过在擦除选择晶体管或伪存储器单元以使得其阈电压降低之后对选择晶体管或伪存储器单元编程来增大选择晶体管或伪存储器单元的阈电压。

如果分类结果cr指示选择晶体管或伪存储器单元的数量不大于阈值，则处理可前进至操作s430。在操作s430中，控制器120可执行用于检查选择晶体管和/或伪存储器单元的阈电压的检查操作。在操作s440中，控制器120可对具有离开所述范围rng的阈电压的伪存储器单元或选择晶体管的数量进行计数。可替换地，控制器120可控制非易失性存储器装置110以允许非易失性存储器装置110对具有离开所述范围rng的阈电压的伪存储器单元或选择晶体管的数量进行计数和输出所述数量。

在操作s450中，控制器120可确定具有离开所述范围rng的阈电压的伪存储器单元或选择晶体管的数量是否大于阈值。如果伪存储器单元或选择晶体管的数量大于阈值，则执行操作s460和操作s470。如果伪存储器单元或选择晶体管的数量不大于阈值，则执行操作s470，而不执行操作s460。

在操作s460中，控制器120可安排其中执行了检查操作的存储器块的再编程操作。在操作s470中，控制器120或核123可收集访问结果信息ai和访问环境信息ei。

图13是示出根据本发明构思的一些实施例的利用子访问操作的结果作为访问环境信息来分类的访问操作的结果的表。在一些实施例中，子访问操作可为参照图6所述的可靠性验证读操作，并且访问操作可为读操作。

参照图1、图2、图6和图13，访问环境信息ei可包括与在选择的页的可靠性验证读操作中针对第一读电压vr1的接通的单元的数量和针对第二读电压vr2的关断的单元的数量相关的信息。访问环境信息ei还可包括目标块、目标串选择线、目标字线、温度、时间戳、编程/擦除计数(或者编程/擦除循环的数量)和读计数中的至少一个。

访问结果信息ai可包括与当对选择的页执行读操作时的误码率ber是否超过阈值相关的信息。

如果收集了访问环境信息ei和访问结果信息ai，则可通过机器学习来产生访问分类器cf。

图14是示出根据本发明构思的一些实施例的利用图13的访问环境信息和访问结果信息的方法的操作的流程图。在一些实施例中，可将利用访问环境信息ei和访问结果信息ai的分类应用于可靠性验证读操作的一部分。

参照图1、图13和图14，在操作s510中，控制器120可对非易失性存储器装置110执行可靠性验证读操作。可收集通过可靠性验证读操作获得的接通的单元的数量和关断的单元的数量，作为访问环境信息ei。

响应于执行可靠性验证读操作，在操作s520中，访问分类器cf可利用收集到的访问环境信息ei来获得分类结果cr。例如，分类模块123_4可对在对选择的页不执行可靠性验证读操作而执行读操作时产生的误码率(即，ber)进行预测(或分类)。分类结果cr可包括与误码率ber是否大于阈值相关的信息。

在操作s530中，可确定分类结果cr是否指示误码率ber大于阈值。如果分类结果cr指示误码率ber不大于阈值，则可靠性验证读操作结束。如果分类结果cr指示误码率ber大于阈值，则在操作s540中，控制器120可安排被选为可靠性验证读目标的页或包括所选择的页的存储器块的读恢复操作。

与图13和图14所示的实施例进行比较，图6至图8所示的实施例可在执行可靠性验证读操作之前基于访问环境信息ei来确定是否执行可靠性验证读操作。在所述实施例中，可通过将接通的单元的数量和/或关断的单元的数量与阈值进行比较来确定是否安排读恢复。

在图13和图14所示的实施例中，可执行可靠性验证读操作，并且可将可靠性验证读操作的结果用作访问环境信息。在可靠性验证读操作中，可通过基于访问环境信息ei对当执行读操作时的误码率ber进行分类(或预测)和将误码率ber与阈值进行比较来确定是否安排读恢复。也就是说，可使用所述分类来确定在执行可靠性验证读操作之后是否执行读恢复。

在一些实施例中，随着执行读操作，可随机地或周期性地执行可靠性验证读操作。可收集可靠性验证读操作的结果和与可靠性验证读操作相对应的读操作的结果，作为访问环境信息。

图15是根据本发明构思的一些实施例的通过机器学习产生的访问分类器的图。在一些实施例中，访问分类器cf1可为决策树。参照图1至图15，访问分类器cf1可包括根节点rn、第一内部节点in1至第四内部节点in4和第一叶节点ln1至第六叶节点ln6。根节点rn、第一内部节点in1至第四内部节点in4和第一叶节点ln1至第六叶节点ln6可通过分支线连接。

在根节点rn和第一内部节点in1至第四内部节点in4中的每一个中，可相对于一个访问环境信息ei进行比较。根据比较结果选择连接至各个节点的分支线之一。当另一内部节点已连接至选择的分支线时，可相对于内部节点中的另一个访问环境信息ei进行比较。当叶节点已连接至选择的分支线时，可获得叶节点的值，作为分类结果cr。在一些实施例中，可将访问环境信息ei中的具有最高选择性的信息与根节点rn中的访问环境信息ei进行比较。

基于收集的信息的机器学习可包括：确定与根节点rn和第一内部节点in1至第四内部节点in4中的每一个中的访问环境信息ei进行比较的比较值。

当制造和售出存储装置100时可在存储装置100中存储初始访问分类器cf1。例如，可基于存储装置100的制造商从多个用户收集的访问结果信息ai和访问环境信息ei来产生初始访问分类器cf1。可将初始访问分类器cf1可看作是通过‘线下’学习产生的，原因是可通过先前收集的信息来产生初始访问分类器cf1。

在存储装置100被售出之后被用户使用的同时，可持续通过用户的访问环境信息ei和访问结果信息ai来更新访问分类器cf1。可通过机器学习进行访问分类器cf1的更新，通过机器学习，更新了与根节点rn和第一内部节点in1至第四内部节点in4中的每一个中的访问环境信息ei进行比较的比较值。由于在售出存储装置100之后访问分类器cf1可通过用户利用实时访问结果信息ai和实时访问环境信息ei来更新，因此可通过‘线上’学习来更新访问分类器cf1。

图16是根据本发明构思的一些实施例的通过机器学习产生的访问分类器的图。在一些实施例中，访问分类器cf2可为神经网络。参照图1至图16，访问分类器cf2可包括第一输入节点in1至第四输入节点in4、第一隐藏节点hn1至第十隐藏节点hn10和输出节点on。输入节点的数量、隐藏节点的数量和输出节点的数量可在构造神经网络时预先确定。

第一输入节点in1至第四输入节点in4可形成输入层。第一隐藏节点hn1至第五隐藏节点hn5可形成第一隐藏层。第六隐藏节点hn6至第十隐藏节点hn10可形成第二隐藏层。输出节点on可形成输出层。隐藏层的数量可在构造神经网络时预先确定。

可将访问环境信息ei输入至第一输入节点in1至第四输入节点in4。可将不同类型的访问环境信息输入至不同的输入节点。可将各个输入节点的访问环境信息ei和权重一起传递至第一隐藏层的第一隐藏节点hn1至第五隐藏节点hn5。可将第一五隐藏节点hn1至第五隐藏节点hn5中的每一个的输入和权重一起传递至第二隐藏层的第六隐藏节点hn6至第十隐藏节点hn10。可将第六隐藏节点hn6至第十隐藏节点hn10的输入和权重一起传递至输出节点on。

可基于在将访问环境信息ei输入至第一输入节点in1至第四输入节点in4时获得的输出节点on的值与当执行访问时获得的访问结果信息ai之间的差通过重复地更新权重来执行机器学习。

可通过线下学习产生基于神经网络的初始访问分类器cf2，并且可将初始访问分类器cf2存储在存储装置100中。随着用户使用存储装置100，可通过线上学习来更新基于神经网络的访问分类器cf2。

图17是根据本发明构思的一些实施例的通过机器学习来产生的访问分类器的图。在一些实施例中，访问分类器cf可为支持向量机。在图17中，横坐标“x”和纵坐标“y”中的每一个指示不同的访问环境信息ei。在图17中分布的样本的形状(方形和圆形)指示不同的访问结果信息ai。

参照图1和图17，线a和线b可有效地用于分类方形样本sq和圆形样本cr。然而，考虑到将在稍后收集的样本的可能性，线a的裕量可大于线b的裕量。例如，方形样本sq和圆形样本cr中的一些更靠近线b而不是线a。访问分类器cf可选择像线a那样具有更大裕量的分类标准。

访问分类器cf可通过线下学习具有初始分类标准。样本的数量随着用户使用存储装置100而增大，并且访问分类器cf可通过线上学习来更新分类标准。

图18是示出根据本发明构思的一些实施例的图1的存储装置的应用的框图。参照图1和图18，存储装置200可包括非易失性存储器装置210、控制器220、缓冲器存储器230和用于机器学习的处理单元240。处理单元240可为微处理单元(mpu)或图形处理单元(gpu)。

控制器220可包括总线221、核222、外部接口223、ram224、主机接口225、缓冲器控制电路226和包括错误校正块228的存储器接口227。

在一些实施例中，控制器220的核222可不直接用于执行机器学习。作为替代，控制器220可包括用于与分离地设置在控制器220外部的处理单元240通信的外部接口223。核222可通过外部接口223从处理单元240请求机器学习。另外，核222可通过外部接口223从处理单元240请求分类结果cr。

根据本发明构思的实施例，可根据机器学习来调整其中控制器访问非易失性存储器装置的方法。

因此，可提供一种存储装置和一种非易失性存储器装置的访问方法，其通过与用户的模式相适应来为用户提供了改进的或最佳的操作性能。

虽然已经参照一些实施例描述了本发明构思，但是可在不脱离本发明构思的精神和范围的情况下作出各种改变和修改。因此，应该理解，以上实施例不是限制性的而是说明性的。