一种3D NAND闪存寿命预警方法、系统及存储介质

技术领域

本发明涉及闪存寿命预测技术领域，更具体地，涉及一种3D NAND闪存寿命预警方法、系统及存储介质。

背景技术

随着5G通信、人工智能等各种先进技术的不断发展和应用，人们对于信息存储的需求越来越大，对存储器的存储和读取速度、容量、稳定性等特性的要求也越来越高。

根据存储机制的不同，存储器可以分为易失性存储器和非易失性存储器两类。在半导体存非易失性储器领域，使用最为广泛的是闪存存储器。闪存存储器包括NOR型闪存和NAND型闪存；相比NOR型闪存，NAND型闪存能实现更大容量、更低成本的要求，综合性能良好。

3D NAND闪存凭借其独特的优势，逐渐成为NAND型闪存的主流，应用的场景也越来越广泛，这对3D NAND闪存的可靠性提出了非常高的要求。在3D NAND闪存的使用过程中，若其寿命达到上限，存储的数据就会失效，给用户造成重大的损失，因此芯片制造厂商标定3DNAND闪存的预期寿命时，出于可靠性考量会将预期寿命标定的远小于其最大使用寿命，但也造成了存储资源的浪费。

3D NAND闪存的寿命指的是在3D NAND闪存失效前能使用的最大编程/擦除周期次数。并且由于制造工艺的不同，3D NAND闪存还存在诸如层间差异性以及温度特性等特征。层间差异性是由于3D NAND闪存芯片堆叠层数的增加而导致内存块的页数增加，而位于不同物理位置的页可能具有差异极大的物理特性，如果内存块中某一页无法正常保存数据时，则整个内存块都会被判定为坏块，这将造成存储资源的浪费。温度特性是指在不同的工作温度下，3D NAND闪存的阈值电压等参数会有差异。因此，传统的寿命预测方法无法对3DNAND闪存芯片各个块的寿命进行准确的预测，目前基于深度学习和人工神经网络的寿命预测模型则未充分考虑3D NAND闪存芯片的层间差异性和温度特性以及3D NAND闪存芯片的实际工作场景，获得的3D NAND闪存芯片寿命特征数据仍具有局限性。

目前的现有技术公开了一种闪存寿命预测方法、系统、存储介质，首先通过闪存数据采集装置收集预测闪存寿命所需的特征量数据，然后对特征量进行运算操作，将测量得到的特征量及特征量的运算结果构成集合，取集合中的子集作为人工神经网络的输入，运行人工神经网络，最后由人工神经网络计算得到特征量对应的闪存的寿命预测值；现有技术中方法使用全连接神经网络进行寿命预测，对于3D NAND闪存，未考虑3D NAND闪存因堆叠结构而特有的层间差异性以及温度特性，模型的真实性和可靠性不高；另外，现有技术中的方法通过连续的编程/擦除试验获取3D NAND闪存芯片寿命特征数据，并未考虑3D NAND闪存的实际工作环境；但是3D NAND闪存芯片的退化率与编程/擦除操作的频率有着密切的关系，连续的编程/擦除试验会让3D NAND闪存芯片出现早期故障，获得的寿命特征数据可能与3D NAND闪存的实际工作情况有较大的差别。

发明内容

本发明为克服上述现有技术在对3D NAND闪存进行寿命预测时模型真实性和可靠性不高的缺陷，提供一种3D NAND闪存寿命预警方法、系统及存储介质，通过本发明中的方法获得的数据更完善且更接近实际使用情况，数据可靠性更高。

为解决上述技术问题，本发明的技术方案如下：

一种3D NAND闪存寿命预警方法，包括以下步骤：

S1：构建3D NAND闪存寿命预测模型；

S2：随机选取若干同型号的初始3D NAND闪存芯片进行可靠性试验，获取初始3DNAND闪存芯片的可靠性试验数据；

所述可靠性试验数据包括常温编程/擦除试验数据和温度循环编程/擦除试验数据；

S3：将初始3D NAND闪存芯片的可靠性试验数据输入3D NAND闪存寿命预测模型中进行训练优化，获得优化后的3D NAND闪存寿命预测模型；

S4：获取待预测3D NAND闪存芯片的寿命特征数据、各内存块区间号和工作温度，共同输入优化后的3D NAND闪存寿命预测模型中进行寿命预测，获得待预测3D NAND闪存芯片的预测寿命；

S5：根据待预测3D NAND闪存芯片的预测寿命计算其剩余寿命，当剩余寿命小于预设阈值时，向用户发送寿命预警信息，否则重复步骤S2～S5。

优选地，所述步骤S1中的3D NAND闪存寿命预测模型具体为：

所述3D NAND闪存寿命预测模型为卷积神经网络模型，包括依次连接的输入层、第一中间层和全连接输出层；

所述第一中间层包括若干个依次连接的第二中间层，所有第二中间层结构相同；

每个第二中间层包括依次连接的卷积层、激活层和池化层；

所述激活层的激活函数为RELU函数。

优选地，所述步骤S2中，获取常温编程/擦除试验数据的具体方法为：

S2.1.1：随机选取若干同型号的初始3D NAND闪存芯片作为测试样本；

所述初始3D NAND闪存芯片包括若干个内存块；

S2.1.2：获取所有初始3D NAND闪存芯片各个内存块的物理分布位置，根据获得的物理分布位置将所有内存块进行编号、区间划分和区间编号；从每个区间内选取若干个内存块，将选取到的内存块对应的初始3D NAND闪存芯片作为试验样本；

S2.1.3：将试验样本放入温箱，并将温箱温度设置为初始3D NAND闪存芯片的工作温度a℃；

S2.1.4：擦除试验样本内存块中数据，并将预设的测试数据编程到试验样本擦除数据后的内存块中，完成一次编程/擦除操作，记录试验样本中各个初始3D NAND闪存芯片的内存块号、内存块区间号和各项寿命特征数据；

S2.1.5：提高温箱温度至b℃，对试验样本进行预设时长的烘烤；

S2.1.6：重复步骤S2.1.4和S2.1.5直到试验样本中所有初始3D NAND闪存芯片的内存块损坏，将内存块损坏后的试验样本中各个初始3D NAND闪存芯片经历的编程/擦除操作次数、内存块号、内存块区间号和各项寿命特征数据作为常温编程/擦除试验数据。

优选地，所述步骤S2中，获取温度循环编程/擦除试验数据的具体方法为：

S2.2.1：随机选取若干同型号的初始3D NAND闪存芯片作为测试样本；

所述初始3D NAND闪存芯片包括若干个内存块；

S2.2.2：获取所有初始3D NAND闪存芯片各个内存块的物理分布位置，根据获得的物理分布位置将所有内存块进行编号、区间划分和区间编号；从每个区间内选取若干个内存块，将选取到的内存块对应的初始3D NAND闪存芯片作为试验样本；

S2.2.3：将试验样本放入温箱，将温箱设置为温度循环模式，温箱的温度范围设置为工作温度a±50℃，温变速率为c℃/30min；

S2.2.4：擦除试验样本内存块中数据，并将预设的测试数据编程到试验样本的内存块中，完成一次编程/擦除操作，记录试验样本中各个初始3D NAND闪存芯片的内存块号、内存块区间号和各项寿命特征数据；

S2.2.5：提高温箱温度至b℃，对试验样本进行预设时长的烘烤；

S2.2.6：重复步骤S2.2.4和S2.2.5直到试验样本中所有初始3D NAND闪存芯片的内存块损坏，将内存块损坏后的试验样本中各个初始3D NAND闪存芯片经历的编程/擦除操作次数、内存块号、内存块区间号和各项寿命特征数据作为温度循环编程/擦除试验数据。

优选地，所述步骤S2.1.4或S2.2.4中，试验样本中各个初始3D NAND闪存芯片的各项寿命特征数据包括：内存块已经历的编程/擦除周期数和对应的编程时间、擦除时间、数据读取时间、原始错误比特数、阈值电压漂移量和内存块的最大编程/擦除周期。

优选地，获取所述阈值电压漂移量的具体方法为：

S2.3.1：获取试验样本中初始3D NAND闪存芯片的读参考电压偏移寄存器地址，将读参考电压偏移寄存器设置为默认模式，将读参考电压设置为初始值；

S2.3.2：在所选内存块未经编程/擦除操作前，将内存块中所有存储单元编程为指定状态，设置读参考电压偏移寄存器，使得读参考电压在初始值的基础上偏移预设步长；

S2.3.3：读取所选内存块数据，记录与原始数据对比发生数据翻转的存储单元数量，直到所选内存块中所有存储单元均发生数据翻转；

对每次读取得到的发生数据状态翻转的存储单元数量进行行拟合，得到内存块一个状态的初始阈值电压分布；

S2.3.4：重复步骤S2.3.2和S2.3.3，得到对应内存块所有状态的初始阈值电压分布；

S2.3.5：在所选内存块经历所设定的一次编程/擦除操作后，将内存块中所有存储单元编程为指定状态，再次设置读参考电压偏移寄存器，使得读参考电压在初始值的基础上偏移预设步长；

S2.3.6：再次读取所选内存块数据，记录与编程到内存块中的预设的测试数据对比发生数据翻转的存储单元数量，直到所选内存块中所有存储单元均发生数据翻转；

再次对每次读取得到的发生数据状态翻转的存储单元数量进行行拟合，得到内存块一个状态的当前阈值电压分布；

S2.3.7：重复步骤S2.3.5和S2.3.6，得到对应内存块所有状态的当前阈值电压分布；

S2.3.8：根据内存块的初始阈值电压分布和当前阈值电压分布计算得到内存块的阈值电压漂移量。

优选地，所述步骤S2.1.5或S2.2.5中，确定烘烤温度b℃的具体方法为：

S2.4.1：获取试验样本中初始3D NAND闪存芯片的编程/擦除操作频率，并计算每次编程/擦除操作的间隔时间t

S2.4.2：将所设定的烘烤时长记为t

S2.4.3:根据加速因子AF和初始3D NAND闪存芯片的工作温度a℃确定烘烤温度b℃。

优选地，所述步骤S3中，将初始3D NAND闪存芯片的可靠性试验数据输入3D NAND闪存寿命预测模型中进行训练优化，获得优化后的3D NAND闪存寿命预测模型，具体方法为：

S3.1：将初始3D NAND闪存芯片的可靠性试验数据划分为训练集和验证集；

S3.2：将训练集输入3D NAND闪存寿命预测模型中进行寿命预测，获得预测值，设置均方误差损失函数，预设的Adam优化器根据均方误差损失函数对3D NAND闪存寿命预测模型进行训练和优化；

所述均方误差损失函数具体为：

其中，MES为均方误差损失函数值，n为训练集的样本总数，y

S3.3：将验证集输入训练后的3D NAND闪存寿命预测模型中，利用均方误差损失函数计算验证集的均方误差损失，当验证集的均方误差损失小于预设值时，停止训练，获得优化后的3D NAND闪存寿命预测模型，否则重复步骤S3.2～S3.3。

本发明还提供一种3D NAND闪存寿命预警系统，应用上述的一种3D NAND闪存寿命预警方法，包括：

模型构建单元：用于构建3D NAND闪存寿命预测模型；

可靠性试验单元：用于随机选取若干同型号的初始3D NAND闪存芯片进行可靠性试验，获取初始3D NAND闪存芯片的可靠性试验数据；

模型训练单元：用于将初始3D NAND闪存芯片的可靠性试验数据输入3D NAND闪存寿命预测模型中进行训练优化，获得优化后的3D NAND闪存寿命预测模型；

寿命预测单元：用于获取待预测3D NAND闪存芯片的寿命特征数据、各内存块区间号和工作温度，共同输入优化后的3D NAND闪存寿命预测模型中进行寿命预测，获得待预测3D NAND闪存芯片的预测寿命；

预警单元：用于根据待预测3D NAND闪存芯片的预测寿命计算其剩余寿命，当剩余寿命小于预设阈值时，向用户发送寿命预警信息，否则持续进行寿命预测。

本发明还提供了一种计算机可读的存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述一种3D NAND闪存寿命预警方法的步骤。

与现有技术相比，本发明技术方案的有益效果是：

本发明提供一种3D NAND闪存寿命预警方法、系统及存储介质，该方法通过构建3DNAND闪存寿命预测模型；随机选取若干同型号的初始3D NAND闪存芯片进行可靠性试验，获取初始3D NAND闪存芯片的可靠性试验数据；将初始3D NAND闪存芯片的可靠性试验数据输入3D NAND闪存寿命预测模型中进行训练优化，获得优化后的3D NAND闪存寿命预测模型；获取待预测3D NAND闪存芯片的寿命特征数据、各内存块区间号和工作温度，共同输入优化后的3D NAND闪存寿命预测模型中进行寿命预测，获得待预测3D NAND闪存芯片的预测寿命；根据待预测3D NAND闪存芯片的预测寿命计算其剩余寿命，当剩余寿命小于预设阈值时，向用户发送寿命预警信息；

本发明通过可靠性试验，考虑了3D NAND闪存芯片的工作场景、工作温度、层间差异性及其他寿命特征，依靠试验数据利用卷积神经网络建立3D NAND闪存寿命预测模型，对3D NAND闪存的剩余寿命进行预警，卷积神经网络具有表征学习能力，能更好地从闪存寿命特征数据中提取高阶特征，本发明可以极大地帮助用户了解3D NAND闪存的寿命损耗，降低数据损失的风险，同时提高存储资源的利用率；

本发明充分考虑了3D NAND闪存的层间差异性和温度特性，提高了模型的真实性和可靠性；

本发明考虑了3D NAND闪存的实际工作环境，在对3D NAND闪存进行可靠性试验时，利用高温烘烤恢复部分由于连续编程/擦除操作所带来的错误，降低了3D NAND闪存出现早期故障的风险。

附图说明

图1为实施例1所提供的一种3D NAND闪存寿命预警方法流程图。

图2为实施例2所提供的3D NAND闪存寿命预测模型结构图。

图3为实施例3所提供的一种3D NAND闪存寿命预警系统结构图。

图4为实施例4所提供的一种3D NAND闪存寿命预警电子设备结构图。

具体实施方式

附图仅用于示例性说明，不能理解为对本专利的限制；

为了更好说明本实施例，附图某些部件会有省略、放大或缩小，并不代表实际产品的尺寸；

对于本领域技术人员来说，附图中某些公知结构及其说明可能省略是可以理解的。

下面结合附图和实施例对本发明的技术方案做进一步的说明。

实施例1

如图1所示，本实施例提供一种3D NAND闪存寿命预警方法，包括以下步骤：

S1：构建3D NAND闪存寿命预测模型；

S2：随机选取若干同型号的初始3D NAND闪存芯片进行可靠性试验，获取初始3DNAND闪存芯片的可靠性试验数据；

所述可靠性试验数据包括常温编程/擦除试验数据和温度循环编程/擦除试验数据；

S3：将初始3D NAND闪存芯片的可靠性试验数据输入3D NAND闪存寿命预测模型中进行训练优化，获得优化后的3D NAND闪存寿命预测模型；

S4：获取待预测3D NAND闪存芯片的寿命特征数据、各内存块区间号和工作温度，共同输入优化后的3D NAND闪存寿命预测模型中进行寿命预测，获得待预测3D NAND闪存芯片的预测寿命；

S5：根据待预测3D NAND闪存芯片的预测寿命计算其剩余寿命，当剩余寿命小于预设阈值时，向用户发送寿命预警信息，否则重复步骤S2～S5。

在具体实施过程中，首先构建3D NAND闪存寿命预测模型，随机选取若干同型号的初始3D NAND闪存芯片进行可靠性试验，获取初始3D NAND闪存芯片的可靠性试验数据，将初始3D NAND闪存芯片的可靠性试验数据输入3D NAND闪存寿命预测模型中进行训练优化，获得优化后的3D NAND闪存寿命预测模型；之后获取待预测3D NAND闪存芯片的寿命特征数据、各内存块区间号和工作温度，共同输入优化后的3D NAND闪存寿命预测模型中进行寿命预测，获得待预测3D NAND闪存芯片的预测寿命；根据待预测3D NAND闪存芯片的预测寿命计算其剩余寿命，当剩余寿命小于预设阈值时，向用户发送寿命预警信息；

本方法通过可靠性试验，考虑了3D NAND闪存芯片的工作场景、工作温度、层间差异性及其他寿命特征，依靠试验数据利用卷积神经网络建立3D NAND闪存寿命预测模型，对3D NAND闪存的剩余寿命进行预警，卷积神经网络具有表征学习能力，能更好地从闪存寿命特征数据中提取高阶特征，本发明可以极大地帮助用户了解3D NAND闪存的寿命损耗，降低数据损失的风险，同时提高存储资源的利用率。

实施例2

本实施例提供一种3D NAND闪存寿命预警方法，包括以下步骤：

S1：构建3D NAND闪存寿命预测模型；

S2：随机选取若干同型号的初始3D NAND闪存芯片进行可靠性试验，获取初始3DNAND闪存芯片的可靠性试验数据；

所述可靠性试验数据包括常温编程/擦除试验数据和温度循环编程/擦除试验数据；

S3：将初始3D NAND闪存芯片的可靠性试验数据输入3D NAND闪存寿命预测模型中进行训练优化，获得优化后的3D NAND闪存寿命预测模型；

S4：获取待预测3D NAND闪存芯片的寿命特征数据、各内存块区间号和工作温度，共同输入优化后的3D NAND闪存寿命预测模型中进行寿命预测，获得待预测3D NAND闪存芯片的预测寿命；

S5：根据待预测3D NAND闪存芯片的预测寿命计算其剩余寿命，当剩余寿命小于预设阈值时，向用户发送寿命预警信息，否则重复步骤S2～S5；

如图2所示，所述步骤S1中的3D NAND闪存寿命预测模型具体为：

所述3D NAND闪存寿命预测模型为卷积神经网络模型，包括依次连接的输入层、第一中间层和全连接输出层；

所述第一中间层包括若干个依次连接的第二中间层，所有第二中间层结构相同；

每个第二中间层包括依次连接的卷积层、激活层和池化层；

所述激活层的激活函数为RELU函数；

所述步骤S2中，获取常温编程/擦除试验数据的具体方法为：

S2.1.1：随机选取若干同型号的初始3D NAND闪存芯片作为测试样本；

所述初始3D NAND闪存芯片包括若干个内存块；

S2.1.2：获取所有初始3D NAND闪存芯片各个内存块的物理分布位置，根据获得的物理分布位置将所有内存块进行编号、区间划分和区间编号；从每个区间内选取若干个内存块，将选取到的内存块对应的初始3D NAND闪存芯片作为试验样本；

S2.1.3：将试验样本放入温箱，并将温箱温度设置为初始3D NAND闪存芯片的工作温度a℃；

S2.1.4：擦除试验样本内存块中数据，并将预设的测试数据编程到试验样本擦除数据后的内存块中，完成一次编程/擦除操作，记录试验样本中各个初始3D NAND闪存芯片的内存块号、内存块区间号和各项寿命特征数据；

S2.1.5：提高温箱温度至b℃，对试验样本进行预设时长的烘烤；

S2.1.6：重复步骤S2.1.4和S2.1.5直到试验样本中所有初始3D NAND闪存芯片的内存块损坏，将内存块损坏后的试验样本中各个初始3D NAND闪存芯片经历的编程/擦除操作次数、内存块号、内存块区间号和各项寿命特征数据作为常温编程/擦除试验数据；

所述步骤S2中，获取温度循环编程/擦除试验数据的具体方法为：

S2.2.1：随机选取若干同型号的初始3D NAND闪存芯片作为测试样本；

所述初始3D NAND闪存芯片包括若干个内存块；

S2.2.2：获取所有初始3D NAND闪存芯片各个内存块的物理分布位置，根据获得的物理分布位置将所有内存块进行编号、区间划分和区间编号；从每个区间内选取若干个内存块，将选取到的内存块对应的初始3D NAND闪存芯片作为试验样本；

S2.2.3：将试验样本放入温箱，将温箱设置为温度循环模式，温箱的温度范围设置为工作温度a±50℃，温变速率为c℃/30min；

S2.2.4：擦除试验样本内存块中数据，并将预设的测试数据编程到试验样本的内存块中，完成一次编程/擦除操作，记录试验样本中各个初始3D NAND闪存芯片的内存块号、内存块区间号和各项寿命特征数据；

S2.2.5：提高温箱温度至b℃，对试验样本进行预设时长的烘烤；

S2.2.6：重复步骤S2.2.4和S2.2.5直到试验样本中所有初始3D NAND闪存芯片的内存块损坏，将内存块损坏后的试验样本中各个初始3D NAND闪存芯片经历的编程/擦除操作次数、内存块号、内存块区间号和各项寿命特征数据作为温度循环编程/擦除试验数据；

所述步骤S2.1.4或S2.2.4中，试验样本中各个初始3D NAND闪存芯片的各项寿命特征数据包括：内存块已经历的编程/擦除周期数和对应的编程时间、擦除时间、数据读取时间、原始错误比特数、阈值电压漂移量和内存块的最大编程/擦除周期；

获取所述阈值电压漂移量的具体方法为：

S2.3.1：获取试验样本中初始3D NAND闪存芯片的读参考电压偏移寄存器地址，将读参考电压偏移寄存器设置为默认模式，将读参考电压设置为初始值；

S2.3.2：在所选内存块未经编程/擦除操作前，将内存块中所有存储单元编程为指定状态，设置读参考电压偏移寄存器，使得读参考电压在初始值的基础上偏移预设步长；

S2.3.3：读取所选内存块数据，记录与原始数据对比发生数据翻转的存储单元数量，直到所选内存块中所有存储单元均发生数据翻转；

对每次读取得到的发生数据状态翻转的存储单元数量进行行拟合，得到内存块一个状态的初始阈值电压分布；

S2.3.4：重复步骤S2.3.2和S2.3.3，得到对应内存块所有状态的初始阈值电压分布；

S2.3.5：在所选内存块经历所设定的一次编程/擦除操作后，将内存块中所有存储单元编程为指定状态，再次设置读参考电压偏移寄存器，使得读参考电压在初始值的基础上偏移预设步长；

S2.3.6：再次读取所选内存块数据，记录与编程到内存块中的预设的测试数据对比发生数据翻转的存储单元数量，直到所选内存块中所有存储单元均发生数据翻转；

再次对每次读取得到的发生数据状态翻转的存储单元数量进行行拟合，得到内存块一个状态的当前阈值电压分布；

S2.3.7：重复步骤S2.3.5和S2.3.6，得到对应内存块所有状态的当前阈值电压分布；

S2.3.8：根据内存块的初始阈值电压分布和当前阈值电压分布计算得到内存块的阈值电压漂移量；

所述步骤S2.1.5或S2.2.5中，确定烘烤温度b℃的具体方法为：

S2.4.1：获取试验样本中初始3D NAND闪存芯片的编程/擦除操作频率，并计算每次编程/擦除操作的间隔时间t

S2.4.2：将所设定的烘烤时长记为t

S2.4.3:根据加速因子AF和初始3D NAND闪存芯片的工作温度a℃确定烘烤温度b℃；

所述步骤S3中，将初始3D NAND闪存芯片的可靠性试验数据输入3D NAND闪存寿命预测模型中进行训练优化，获得优化后的3D NAND闪存寿命预测模型，具体方法为：

S3.1：将初始3D NAND闪存芯片的可靠性试验数据划分为训练集和验证集；

S3.2：将训练集输入3D NAND闪存寿命预测模型中进行寿命预测，获得预测值，设置均方误差损失函数，预设的Adam优化器根据均方误差损失函数对3D NAND闪存寿命预测模型进行训练和优化；

所述均方误差损失函数具体为：

其中，MES为均方误差损失函数值，n为训练集的样本总数，y

S3.3：将验证集输入训练后的3D NAND闪存寿命预测模型中，利用均方误差损失函数计算验证集的均方误差损失，当验证集的均方误差损失小于预设值时，停止训练，获得优化后的3D NAND闪存寿命预测模型，否则重复步骤S3.2～S3.3。

在具体实施过程中，首先构建3D NAND闪存寿命预测模型，在本实施例中，3D NAND闪存寿命预测模型为卷积神经网络，包括输入层、第一中间层和全连接输出层；

所述第一中间层包括若干个依次连接的第二中间层，所有第二中间层结构相同；

每个第二中间层包括依次连接的卷积层、激活层和池化层；

所述激活层的激活函数为RELU函数；

随机选取若干同型号的初始3D NAND闪存芯片进行可靠性试验，获取初始3D NAND闪存芯片的可靠性试验数据；

在本实施例中，初始3D NAND闪存芯片和待预测3D NAND闪存芯片均为CT型3D MLCNAND闪存芯片，其堆叠层数为32层，容量为256Gbit，内存块数量为2192，工作温度为25℃，预期编程/擦除次数为10K次，预期工作时间为18000h；

所述可靠性试验数据包括常温编程/擦除试验数据和温度循环编程/擦除试验数据；

获取常温编程/擦除试验数据的具体方法为：

S2.1.1：随机选取若干初始3D NAND闪存芯片作为测试样本；

S2.1.2：获取所有初始3D NAND闪存芯片各个内存块的物理分布位置，根据获得的物理分布位置将所有内存块进行编号、区间划分和区间编号；从每个区间内选取若干个内存块，将选取到的内存块对应的初始3D NAND闪存芯片作为试验样本；

S2.1.3：将试验样本放入温箱，并将温箱温度设置为初始3D NAND闪存芯片的工作温度25℃；

S2.1.4：擦除试验样本内存块中数据，并将预设的测试数据编程到试验样本擦除数据后的内存块中，完成一次编程/擦除操作，记录试验样本中各个初始3D NAND闪存芯片的内存块号、内存块区间号和各项寿命特征数据；

S2.1.5：提高温箱温度至b℃，对试验样本进行预设时长的烘烤；

S2.1.6：重复步骤S2.1.4和S2.1.5直到试验样本中所有初始3D NAND闪存芯片的内存块损坏，将内存块损坏后的试验样本中各个初始3D NAND闪存芯片经历的编程/擦除操作次数、内存块号、内存块区间号和各项寿命特征数据作为常温编程/擦除试验数据；

获取温度循环编程/擦除试验数据的具体方法为：

S2.2.1：随机选取若干初始3D NAND闪存芯片作为测试样本；

S2.2.2：获取所有初始3D NAND闪存芯片各个内存块的物理分布位置，根据获得的物理分布位置将所有内存块进行编号、区间划分和区间编号；从每个区间内选取若干个内存块，将选取到的内存块对应的初始3D NAND闪存芯片作为试验样本；

S2.2.3：将试验样本放入温箱，将温箱设置为温度循环模式，温箱的温度范围设置为工作温度-25～75℃，温变速率为5℃/30min；

S2.2.4：擦除试验样本内存块中数据，并将预设的测试数据编程到试验样本的内存块中，完成一次编程/擦除操作，记录试验样本中各个初始3D NAND闪存芯片的内存块号、内存块区间号和各项寿命特征数据；

S2.2.5：提高温箱温度至b℃，对试验样本进行预设时长的烘烤；

S2.2.6：重复步骤S2.2.4和S2.2.5直到试验样本中所有初始3D NAND闪存芯片的内存块损坏，将内存块损坏后的试验样本中各个初始3D NAND闪存芯片经历的编程/擦除操作次数、内存块号、内存块区间号和各项寿命特征数据作为温度循环编程/擦除试验数据；

将初始3D NAND闪存芯片的可靠性试验数据输入3D NAND闪存寿命预测模型中进行训练优化，获得优化后的3D NAND闪存寿命预测模型；

之后获取待预测3D NAND闪存芯片的寿命特征数据、各内存块区间号和工作温度，共同输入优化后的3D NAND闪存寿命预测模型中进行寿命预测，获得待预测3D NAND闪存芯片的预测寿命；根据待预测3D NAND闪存芯片的预测寿命计算其剩余寿命，当剩余寿命小于预设阈值时，向用户发送寿命预警信息；

本方法通过可靠性试验，考虑了3D NAND闪存芯片的工作场景、工作温度、层间差异性及其他寿命特征，依靠试验数据利用卷积神经网络建立3D NAND闪存寿命预测模型，对3D NAND闪存的剩余寿命进行预警，卷积神经网络具有表征学习能力，能更好地从闪存寿命特征数据中提取高阶特征，本发明可以极大地帮助用户了解3D NAND闪存的寿命损耗，降低数据损失的风险，同时提高存储资源的利用率；

另外，本方法充分考虑了3D NAND闪存的层间差异性和温度特性，提高了模型的真实性和可靠性；

本方法还考虑了3D NAND闪存的实际工作环境，在对3D NAND闪存进行可靠性试验时，利用高温烘烤恢复部分由于连续编程/擦除操作所带来的错误，降低了3D NAND闪存出现早期故障的风险。

实施例3

如图3所示，本实施例提供一种3D NAND闪存寿命预警系统，应用实施例1或2所述的一种3D NAND闪存寿命预警方法，包括：

模型构建单元301：用于构建3D NAND闪存寿命预测模型；

可靠性试验单元302：用于随机选取若干同型号的初始3D NAND闪存芯片进行可靠性试验，获取初始3D NAND闪存芯片的可靠性试验数据；

模型训练单元303：用于将初始3D NAND闪存芯片的可靠性试验数据输入3D NAND闪存寿命预测模型中进行训练优化，获得优化后的3D NAND闪存寿命预测模型；

寿命预测单元304：用于获取待预测3D NAND闪存芯片的寿命特征数据、各内存块区间号和工作温度，共同输入优化后的3D NAND闪存寿命预测模型中进行寿命预测，获得待预测3D NAND闪存芯片的预测寿命；

预警单元305：用于根据待预测3D NAND闪存芯片的预测寿命计算其剩余寿命，当剩余寿命小于预设阈值时，向用户发送寿命预警信息，否则持续进行寿命预测。

在具体实施过程中，首先模型构建单元301构建3D NAND闪存寿命预测模型；可靠性试验单元302随机选取若干同型号的初始3D NAND闪存芯片进行可靠性试验，获取初始3DNAND闪存芯片的可靠性试验数据，所述可靠性试验数据包括常温编程/擦除试验数据和温度循环编程/擦除试验数据；模型训练单元303将初始3D NAND闪存芯片的可靠性试验数据输入3D NAND闪存寿命预测模型中进行训练优化，获得优化后的3D NAND闪存寿命预测模型；之后寿命预测单元304获取待预测3D NAND闪存芯片的寿命特征数据、各内存块区间号和工作温度，共同输入优化后的3D NAND闪存寿命预测模型中进行寿命预测，获得待预测3DNAND闪存芯片的预测寿命；预警单元305根据待预测3D NAND闪存芯片的预测寿命计算其剩余寿命，当剩余寿命小于预设阈值时，向用户发送寿命预警信息，否则重复上述步骤，持续进行寿命预测；

本系统通过可靠性试验，考虑了3D NAND闪存芯片的工作场景、工作温度、层间差异性及其他寿命特征，依靠试验数据利用卷积神经网络建立3D NAND闪存寿命预测模型，对3D NAND闪存的剩余寿命进行预警，卷积神经网络具有表征学习能力，能更好地从闪存寿命特征数据中提取高阶特征，本发明可以极大地帮助用户了解3D NAND闪存的寿命损耗，降低数据损失的风险，同时提高存储资源的利用率。

实施例4

如图4所示，本实施例提供一种3D NAND闪存寿命预警电子设备，包括：

处理器401：用于调用可执行程序代码控制电子设备，执行实施例1或2所述的一种3D NAND闪存寿命预警方法；

存储器402：用于存储可执行程序代码和各项试验数据；

闪存检测模块403：用于检测3D NAND闪存芯片各项所需寿命特征数据；

温度检测模块404：用于检测3D NAND闪存芯片工作环境的实时温度；

预警模块405：包括显示屏幕和蜂鸣器，显示屏幕实时显示闪存剩余寿命，蜂鸣器发出警示音向用户预警。

本实施例还提供了一种计算机可读的存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现实施例1或2所述的一种3D NAND闪存寿命预警方法的步骤。

相同或相似的标号对应相同或相似的部件；

附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制；

显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。