PDA-LSTM：基于LSTM的知识驱动页数据排列用于QLC 3D NAND存储抑制LCM
硬件体系结构
2025-11-04 v1 机器学习
摘要
四层单元（QLC）3D NAND闪存存储器正成为人工智能时代的主流存储方案。QLC 3D NAND闪存存储4比特/单元以扩大存储密度，导致读信噪比缩小。受限于读信噪比，QLC始终会因相邻存储单元间非均匀电荷密度而引发横向电荷迁移（LCM）。为抑制单元间电荷密度差，有些以页面内数据映射形式存在的算法，如WBVM、DVDS。然而我们观察到页面间的数据排列也能发挥抑制作用。因此，我们提出一种基于LSTM的智能模型PDA-LSTM，用于抑制LCM，该模型为物理知识驱动的神经网络。PDA-LSTM应用长短期记忆（LSTM）神经网络从输入页面数据模式计算数据排列概率矩阵。该排列旨在最小化由LCM引起的全局影响。由于每个页面的数据只能排列一次，我们设计将LSTM网络输出矩阵转换为非重复序列生成概率矩阵，以辅助训练过程。安排后的数据模式可降低数据保存期间的比特错误率（BER）。此外，PDA-LSTM无需额外标志位来记录3D NAND闪存的数据传输，相较于WBVM、DVDS。实验结果表明，PDA-LSTM相对于无数据排列策略的平均BER降低80.4%，分别相对于WBVM和DVDS（代码长度为64）降低18.4%和15.2%。
引用
@article{arxiv.2511.00075,
title = {PDA-LSTM: Knowledge-driven page data arrangement based on LSTM for LCM supression in QLC 3D NAND flash memories},
author = {Qianhui Li and Weiya Wang and Qianqi Zhao and Tong Qu and Jing He and Xuhong Qiang and Jingwen Hou and Ke Chen and Bao Zhang and Qi Wang},
journal= {arXiv preprint arXiv:2511.00075},
year = {2025}
}