温度辅助的NAND闪存管理的制作方法

温度辅助的nand闪存管理
技术领域
[0001]
本公开内容涉及nand闪存设备的管理和实现，尤其涉及温度辅助nand闪存设备的管理。


背景技术：

[0002]
固态硬盘(ssd)的出现在一定程度上推动了现代计算系统的发展，固态硬盘(ssd)的速度和延迟性能比传统硬盘更高。与依靠磁性来存储数据的硬盘不同，固态驱动器使用nand闪存设备来实现数据存储。nand闪存设备是通过先进的工艺和封装技术制造的集成电路系列，可实现多层存储单元垂直堆叠到较小面积的颗粒和封装中，从而实现高存储容量。
[0003]
随着新的nand闪存工艺技术的突破，例如多层单元(mlc)和三层单元(tlc)，ssd的存储容量得到了提高。然而，由于阈值电压间隔的减小，新技术的突破也带来了新的挑战，即增加的比特误码率和缩短的器件寿命。代表每个存储状态的电荷电平通常处于具有均值和方差的高斯统计分布中，其中相邻分布之间的边界表示可以实现最小读取比特误码率的读取参考电压的最佳电平。
[0004]
nand设备的寿命和可靠性也显示出对温度的极大依赖性。一方面，保留误差随着温度的升高而增加。另一方面，阈值电压随着较高的编程温度而增加，这有助于降低误码率并提高可靠性。
[0005]
大多数现有的nand闪存设备都包括温度传感器。传感器输出可以由存储控制器以大约几百微秒的延迟读出。最初设计此功能是为了防止过热，并且由控制器执行nand温度传感器的读出效率不是很高，因为在读出期间数据总线的使用将受到限制，从而导致常规编程和读取操作的更长的延迟和减少的带宽。
[0006]
如果没有及时准确地读取nand温度，则当控制器意识到由于温度变化而导致的潜在阈值电压偏移时，ssd控制器通常采用暴力读取重试方法，即增量扫描基准电压，直到找到在最低比特误码率的最佳电压电平为止。这种方法很简单，但通常很耗时，因为电压扫描通常可能需要5到20次读取重试迭代。另外，当阈值电压变化更为明显时，增量电压扫描可能会指向错误的方向，从而无法收敛得到解。
[0007]
在现代ssd中，在本领域中需要一种具有实时温度的设置和优化nand参考电压的解决方案。


技术实现要素：

[0008]
本公开提供了一种温度辅助硬件技术，以在不牺牲nand数据总线带宽的情况下主动地监视和建模nand设备的温度。在示例性实施例中，提供了一种方法，该方法可以包括：从非易失性存储系统中的温度传感器获得读出，基于该读出为存储器系统中的非易失性存储设备生成预测的实时片内温度，基于该预测的实时片内温度生成用于读取存储在非易失性存储设备中的数据的估计的阈值电压，并使用该估计的阈值电压为起点进行参考电压的局部扫描以获得具有最小读取比特误码率的最终读取参考电压。
[0009]
在另一个示例性实施例中，提供了一种非易失性存储系统。该非易失性存储系统可以包括非易失性存储设备、温度传感器和处理器。该处理器可以被配置为从温度传感器获取读出，基于该读出为非易失性存储设备生成预测的实时片内温度，基于该预测的实时片内温度生成用于读取存储在非易失性存储设备中的数据的估计的阈值电压，并使用该估计的阈值电压为起点进行参考电压的局部扫描以获得具有最小读取比特误码率的最终读取参考电压。
[0010]
在又一示例性实施例中，提供了一种非暂时性机器可读介质。该非易失性机器可读介质可以具有计算机指令，该计算机指令在由硬件处理器执行时可以使硬件处理器执行从非易失性存储系统中的温度传感器获得读出，基于该读出为存储器系统中的非易失性存储设备生成预测的实时片内温度，基于该预测的实时片内温度生成用于读取存储在非易失性存储设备中的数据的估计的阈值电压，并使用该估计的阈值电压为起点进行参考电压的局部扫描以获得具有最小读取比特误码率的最终读取参考电压。附图简要说明
[0011]
图1a示意性地示出了根据本公开的一个实施例的非易失性存储系统。
[0012]
图1b示意性地示出了根据本公开的另一个实施例的非易失性存储系统。
[0013]
图1c示意性地示出了根据本公开的又一个实施例的非易失性存储系统。
[0014]
图2是根据本公开的一个实施例的用于温度辅助的非易失性存储设备管理的过程的流程图。
具体实施方式
[0015]
现在将参考附图详细描述根据本申请的具体实施例。为了一致性，各个图中的相同元件由相同的附图标记表示。
[0016]
本公开提供了用于温度辅助硬件技术的系统和方法，以在不牺牲非易失性存储数据总线带宽的情况下主动地监视和建模非易失性存储设备的温度。如这里所使用的，非易失性存储器设备可以是计算机存储设备，其可以在断电之后保持存储的信息，并且可以在重新通电(关闭和重新打开)之后检索所存储的信息。非易失性存储设备可以包括nand闪存、nor闪存、磁阻随机存取存储器(mram)、电阻式随机存取存储器(rram)、相变随机存取存储器(pcram)、nano-ram等。nand闪存可以用作示例，以演示控制器实现的电子镜像技术。然而，根据本公开的各种实施例可以利用其他类型的非易失性存储设备来实现该技术。
[0017]
图1示意性地示出了根据本公开的一个实施例的非易失性存储系统100a。非易失性存储系统100a可以包括非易失性存储控制器102和非易失性存储设备104。当非易失性存储系统100a耦合到主机时，其可以向主机提供数据存储和/或对所存储的数据的访问。该一个非易失性存储设备104可以是非易失性存储器(nvm)，例如，nand设备。应当注意的是，非易失性存储系统100a可以包括多个非易失性存储设备，并且非易失性存储设备104可以被示出为多个非易失性存储设备的代表。
[0018]
非易失性存储控制器102可以包括处理器106、非易失性计算机可读存储介质108和温度传感器110a。处理器106可以是计算机处理器，例如但不限于微处理器或微控制器。温度传感器110a可以提供用于温度的读出。用于获取存储在非易失性存储设备104上的数据的参考阈值电压可能受到实时片内温度的影响。片内温度可以指的是非易失性存储设备
104上的温度。
[0019]
在一些实施例中，可以基于从温度传感器110a的读出来建立热模型以预测实时片内温度。即，来自温度传感器110a的读出可以用于获得该一个非易失性存储设备104的预测的实时片内温度。
[0020]
在一个实施例中，可以开发多变量温度回归模型来对非易失性存储设备的片内温度进行建模，以作为具有校正(例如，t
read-out
校正)的温度传感器读出。例如，可以将在最新时间戳处的温度传感器110a的读出用作要校正的初始温度值t
read-out
。温度校正可以取决于多种因素，包括温度传感器的读出，从温度传感器110a到非易失性存储设备104的物理距离，系统中导热材料的热特性，对非易失性存储设备104的访问频率和读/写访问强度(在固定时间间隔内的访问次数)。这些因素可能是回归模型中的各种变量。每个变量的各自系数和每个变量的数学关系(例如，线性、多项式、对数等)可以通过将模拟结果准确地拟合到测量数据(例如，最小二乘、最小绝对偏差回归等)来获得。例如，在受控设置(例如，实验室或实验)中，可以使用温度传感器来监视实际的实时片内温度，并且可以使用实际的实时片内温度来拟合回归模型。
[0021]
在一些实施例中，温度回归模型可以作为计算机指令存储在非暂时性计算机可读存储介质108中，并且在系统100a的操作期间，可以由处理器106执行以基于从温度传感器110a的读出来获得非易失性存储设备104的预测的实时片内温度。
[0022]
利用非易失性存储设备104的实时预测的温度，可以获得估计的阈值电压。在一些实施例中，多变量电压回归模型可以用于获得估计的阈值电压。可以将估计的阈值电压建模为具有电压校正δv的初始参考电压v0。初始参考电压v0可以是在非易失性存储设备104中的单元被编程之后随即的阈值电压。在编程期间，较高的编程温度可能会增加每个电荷状态的中值，因此也会增加可能具有最小读取比特误码率的参考电压。在一个实施例中，可以基于在单元被编程之后随即的片内温度以及单元的编程/擦除(p/e)循环数来获得初始参考电压。例如，可以建立经验模型以基于在单元被编程之后随即的片内温度以及单元的p/e循环数来估计初始参考电压。电压校正可能取决于多种因素，包括预测的实时片内温度、自恢复影响、数据保留时间(retention time)和p/e循环数。这些因素可能是电压回归模型中的各种变量。
[0023]
在一个实施例中，每次对非易失性存储设备104中的存储块进行编程时，存储控制器102都可以保存时间戳(time stamp)。因此，可以将驻留时间(dwell time)计算为两次连续编程访问之间的时间段。在预定的p/e循环数后，可以在多个p/e循环中获得平均驻留时间。自恢复影响因素可以在多变量回归模型中用平均驻留时间表示。通常，从较新的p/e循环获得的平均驻留时间可能比较早的p/e循环具有更有效的自恢复影响。例如，用于多变量回归模型的平均驻留时间可以在最近20到50个p/e循环或最近10％的p/e循环(例如，从20到高达数百个p/e循环)中获得。对于非易失性存储设备104的每个存储块，存储控制器102可以保持p/e循环计数的记录。对于数据保留时间，可以使用对非易失性存储设备104的存储块进行编程的时间戳。数据保留时间可以作为读取访问和最后一次编程访问之间的时间差获得。由于自恢复影响，参考电压也可能随着驻留时间的增加而增加。较长的驻留时间有助于延长nand器件的寿命。通常，驻留时间越长，保留损耗就越慢，参考电压的变化就越慢。
[0024]
在一些实施例中，随着数据保留时间的增加，估计的阈值电压v0可以低于初始参
考电压。即，调整δv可以是负值，并且当数据保留时间较长时，调整的绝对值较大。此外，在一个实施例中，较高的预测的实时片内温度可导参考电压更致快地降低，并且电压回归模型生成较低的估计的阈值电压。然而，在一些实施例中，驻留时间的增加可能导致参考电压增加，并且电压回归模型生成更高的估计的阈值电压。这可能是由于自恢复影响引起的。此外，较高的编程温度将增加每个电荷状态的中值，因此也可能会增加最佳参考电压，并使电压回归模型生成较高的估计的阈值电压。各种因素对估计的阈值电压的这些影响可以是示例，并且回归拟合过程可以生成用于这些影响的相应系数，以反映在所生成的估计的阈值电压中。
[0025]
在一些实施例中，电压回归模型也可以作为计算机指令存储在非暂时性计算机可读存储介质108中，并且在系统100a的操作期间，可以由处理器106执行以获得用于非易失性存储设备104的估计的参考电压。
[0026]
利用估计的阈值电压，处理器106可以被配置为执行局部扫描过程以找到具有最小读取比特误差的最终参考电压。在一些实施例中，处理器106可以使用由回归模型生成的估计的参考电压作为进行参考电压的局部扫描的起点。在一个实施例中，处理器106可以被配置为根据估计的参考电压来调整参考电压。在执行局部扫描时，处理器106可以被配置为控制存储控制器102以调节读取的参考电压而不会盲目地进行参考电压的增量扫描。例如，处理器106可以被配置为控制存储控制器102向非易失性存储设备104发送命令以指示非易失性存储设备104使用调整后的参考电压从非易失性存储设备104读取。控制器可以利用由每个电压阶跃调节的参考电压来进行读取或读取重试操作。基于从非易失性存储设备104接收的数据，可以针对每次读取计算比特误码率或错误计数，并且处理器102可以确定具有最小读取误码的最终读取参考电压。最终读取参考电压可以是新的最佳参考电压，因为该参考电压可能具有最小的比特误码率。使用该方法的实施例不仅消除了常规方法中的冗长的电压扫描迭代，而且还防止了控制器102由于明显的阈值电压变化而陷入错误的结果。
[0027]
在一些实施例中，局部扫描过程也可以作为计算机指令存储在非暂时性计算机可读存储介质108中，并且在系统100a的操作期间，可以由处理器106执行以执行局部扫描。处理器106可以控制控制器102使用局部地调整的参考电压向非易失性存储设备104发送命令以从非易失性存储设备104读取数据。
[0028]
图1b示意性地示出了根据本公开的另一个实施例的非易失性存储系统100b。在图1b所示的实施例中，系统100b可以包括在印刷电路板(pcb)上的温度传感器110b，该印刷电路板承载存储控制器102和非易失性存储设备104。除了温度传感器110b的位置不同于温度传感器110a的位置之外，系统100b的其他组件可以与系统100a的它们各自的对应部分相同。与温度传感器110a相似，从温度传感器110b的读出可用于获得非易失性存储设备104的预测的实时片内温度。应当注意，使用温度传感器110b开发的温度回归模型可以包含相同的变量集，并且可以以与使用来自温度传感器110a的读出的相同的方式构建。但是某些变量(例如，因素)的某些系数可能不同。电压回归模型和局部扫描过程可以与系统100a的相同。
[0029]
图1c示意性地示出了根据本公开的又一个实施例的非易失性存储系统100c。在图1c所示的实施例中，系统100c可以包括位于非易失性存储设备104上的温度传感器110c。除了温度传感器110c的位置不同于温度传感器110a的位置之外，系统100c的其他组件可以与
系统100a的它们各自的对应部分相同。与温度传感器110a相似，从温度传感器110c的读出可以用于获得非易失性存储设备104的预测的实时片内温度。
[0030]
应当注意，尽管温度传感器100c可以位于非易失性存储设备104上，但是系统100c不需要实时轮询温度传感器100c以获得实时片内温度。因为数据总线的使用可能受到限制，所以与从温度传感器110c获得读出相比，可以给常规编程和读取操作更高的优先级。因此，与使用系统100a中的温度传感器110a的读出一样，在上一次的时间戳处获得的先前的读出可以被用来预测实时片内温度。可以使用与使用来自温度传感器110a的读出相同的方式来构建温度回归模型和因素(例如，模型中的变量)，但是用于某些变量(例如，因素)的一些系数可以不同。电压回归模型和局部扫描过程可以与系统100a的相同。
[0031]
应当注意的是，非易失性存储系统的一些实施例可以具有一个以上的温度传感器。例如，非易失性存储系统的实施例可以包括温度传感器110a、110b和110c中的任何两个或全部。在系统中存在多个温度传感器的一些实施例中，每个单独的温度传感器的读出可以用作温度回归模型中的因素，以预测nand闪存设备的实时片内温度。
[0032]
在非易失性存储设备104包括温度传感器110c的非易失性存储系统100c的实施例中，可以周期性地轮询温度传感器110c以主动地调整预测的实时片内温度。这可以帮助提高预测温度的准确性，同时最大程度地减少对存储设备数据总线和系统吞吐量的影响。
[0033]
应当注意，在各个实施例中，非易失性存储系统(例如100a、100b或100c)可以包括多个非易失性存储设备104，可以为非易失性存储设备104中的任何一个单独地获得预测的实时片内温度，以读取存储在各个非易失性存储设备中的数据。
[0034]
在至少一个实施例中，处理器106、存储介质108和温度传感器110a(如果有)中的一些或全部可以集成在一个集成电路(ic)芯片中。
[0035]
图2是根据本公开的一个实施例的用于在非易失性存储设备中获得最终参考电压的过程200的流程图。在框202中，可以从非易失性存储系统中的温度传感器获取读出。例如，可以从非易失性存储系统100a、100b或100c中获得来自温度传感器110a、110b或110c的读出。在框204中，可以基于该读出为存储系统中的非易失性存储设备生成预测的实时片内温度。在各个实施例中，温度回归模型可以用于在考虑多个因素的情况下确定对读出的温度校正。在框206中，可以生成用于读取存储在非易失性存储设备中的数据的估计的阈值电压。在各种实施例中，可以基于预测的实时片内温度来生成估计的阈值电压。例如，电压回归模型可以用于基于预测的实时片内温度并考虑多个因素来生成估计的阈值电压。
[0036]
在框208中，可以使用估计的阈值电压作为起点来进行参考电压的局部扫描，以获得具有最小读取比特误码率的最终读取参考电压。在一个实施例中，参考电压的局部扫描可以通过从估计的阈值电压减小来开始。
[0037]
可以使用软件(例如，可由计算机处理器(cpu，gpu或两者执行)执行)，硬件(例如，现场可编程门阵列(fpga)或专用ic(asic))，固件，或三者的任何适当组合来实现过程200。在一个实施例中，例如，过程200可以以硬件电路(例如，fpga或asic)来实现。在另一个实施例中，过程200可以在固件中实现并且存储在只读存储器(例如，存储器108)中，并且由执行固件的处理器106执行。此外，过程200可以在计算机处理器可执行指令中被编程，存储在非暂时性机器可读介质(例如，硬盘驱动器、cd、dvd等)中，并由执行可执行指令的计算机处理器(例如，微处理器或处理器)执行。
[0038]
在一个示例性实施例中，提供了一种方法，该方法可以包括：从非易失性存储系统中的温度传感器获取读出，基于该读出为存储器系统中的非易失性存储设备生成预测的实时片内温度，基于该预测的实时片内温度生成用于读取存储在非易失性存储设备中的数据的估计的阈值电压，并使用该估计的阈值电压为起点进行参考电压的局部扫描以获得具有最小读取比特误码率的最终读取参考电压。
[0039]
在一个实施例中，所述温度传感器可以位于所述非易失性存储系统的存储控制器、所述非易失性存储系统的印刷电路板或所述非易失性存储设备上。
[0040]
在一个实施例中，可以通过使用所述读出作为输入的温度回归模型来生成所述预测的实时片内温度。
[0041]
在一个实施例中，所述温度回归模型可以是基于多个因素的多变量回归模型，所述多个因素可以包括所述读出、所述温度传感器与所述非易失性存储设备之间的物理距离、所述非易失性存储系统中的导热材料的热特性、和所述非易失性存设储备的访问频率和读/写访问强度。
[0042]
在一个实施例中，可以通过使用所述预测的实时片内温度作为输入的电压回归模型来生成所述估计的阈值电压。
[0043]
在一个实施例中，所述电压回归模型可以是基于多个因素的多变量回归模型，所述多个因素可以包括所述预测的实时片内温度、平均驻留时间、数据保留时间和p/e循环数。
[0044]
在一个实施例中，由所述电压回归模型生成的所述估计的阈值电压可以随着所述数据保留时间的增加而减小。
[0045]
在一个实施例中，所述多个因素可以包括编程温度，并且由所述电压回归模型生成的所述估计的阈值电压可以随着所述编程温度的增加而增加。
[0046]
在另一个示例性实施例中，提供了一种非易失性存储系统。该非易失性存储系统可以包括非易失性存储设备、温度传感器和处理器。该处理器可以被配置为从温度传感器获取读出，基于该读出为非易失性存储设备生成预测的实时片内温度，基于该预测的实时片内温度生成用于读取存储在非易失性存储设备中的数据的估计的阈值电压，并使用该估计的阈值电压为起点进行参考电压的局部扫描以获得具有最小读取比特误码率的最终读取参考电压。
[0047]
在一个实施例中，所述温度传感器可以位于所述非易失性存储系统的存储控制器、所述非易失性存储系统的印刷电路板或所述非易失性存储设备上。
[0048]
在一个实施例中，可以通过使用所述读出作为输入的温度回归模型来生成所述预测的实时片内温度，并且所述温度回归模型可以是基于多个因素的多变量回归模型，所述多个因素可以包括所述读出、所述温度传感器与所述非易失性存储设备之间的物理距离、所述非易失性存储系统中的导热材料的热特性、和所述非易失性存设储备的访问频率和读/写访问强度。
[0049]
在一个实施例中，可以通过使用所述预测的实时片内温度作为输入的电压回归模型来生成所述估计的阈值电压，其中，所述电压回归模型可以是基于多个因素的多变量回归模型，所述多个因素包括所述预测的实时片内温度、平均驻留时间、数据保留时间和p/e循环数。
[0050]
在一个实施例中，由所述电压回归模型生成的所述估计的阈值电压可以随着所述数据保留时间的增加而减小。
[0051]
在一个实施例中，所述多个因素可以包括编程温度，并且由所述电压回归模型生成的所述估计的阈值电压可以随着所述编程温度的增加而增加。
[0052]
在又一示例性实施例中，提供了一种非暂时性机器可读介质。该非易失性机器可读介质可以具有计算机指令，该计算机指令在由硬件处理器执行时可以使硬件处理器执行从非易失性存储系统中的温度传感器获得读出，基于该读出为存储器系统中的非易失性存储设备生成预测的实时片内温度，基于该预测的实时片内温度生成用于读取存储在非易失性存储设备中的数据的估计的阈值电压，并使用该估计的阈值电压为起点进行参考电压的局部扫描以获得具有最小读取比特误码率的最终读取参考电压。
[0053]
在一个实施例中，所述温度传感器可以位于所述非易失性存储系统的存储控制器、所述非易失性存储系统的印刷电路板或所述非易失性存储设备上。
[0054]
在一个实施例中，可以通过使用所述读出作为输入的温度回归模型来生成所述预测的实时片内温度，并且所述温度回归模型可以是基于多个因素的多变量回归模型，所述多个因素可以包括所述读出、所述温度传感器与所述非易失性存储设备之间的物理距离、所述非易失性存储系统中的导热材料的热特性、和所述非易失性存设储备的访问频率和读/写访问强度。
[0055]
在一个实施例中，可以通过使用所述预测的实时片内温度作为输入的电压回归模型来生成所述估计的阈值电压，其中，所述电压回归模型可以是基于多个因素的多变量回归模型，所述多个因素可以包括所述预测的实时片内温度、平均驻留时间、数据保留时间和p/e循环数。
[0056]
在一个实施例中，由所述电压回归模型生成的所述估计的阈值电压可以随着所述数据保留时间的增加而减小。
[0057]
在一个实施例中，所述多个因素可以包括编程温度，并且由所述电压回归模型生成的所述估计的阈值电压可以随着所述编程温度的增加而增加。
[0058]
任何公开的方法和操作可以被实现为存储在一个或多个计算机可读存储介质(例如，非暂时性计算机可读介质，例如，一个或更多个光盘介质，易失性存储组件(例如dram或sram)，或非易失性存储组件(例如硬盘驱动器)上并在设备控制器(例如，asic执行的固件)上执行的计算机可执行指令(例如，本文描述的操作的软件代码)。可以将用于实现所公开的技术的任何计算机可执行指令以及在所公开的实施例的实现期间创建和使用的任何数据可以存储在一个或多个计算机可读介质(例如，非暂时性计算机可读介质)上。
[0059]
尽管本文已经公开了各个方面和实施例，但是其他方面和实施例对于本领域技术人员将是显而易见的。本文所公开的各个方面和实施例是出于说明的目的，而不是旨在进行限制，真实的范围和精神由所附权利要求书指示。