신경망을 이용한 플래시 메모리의 수명 예측. 자주 읽지 않는 콜드 데이터의 데이터 유지 시간을 예측하고, 자주 쓰는 핫 데이터는 사용 횟수를 예측해 각각의 특성에 맞는 스토리지로 자동 발송합니다.
일본 추오 대학 이공학부의 타케우치 켄 교수 연구팀은 신경망을 이용하여 데이터를 저장할 수있는 시간과 판독 가능한 횟수 등, 플래시 메모리의 수명을 예측하는 기술을 개발했습니다. 구체적으로는 신경망을 이용해 출하 전에 재기록 횟수가 1번인 상태에서 재기록 수 2천번(스트레스 상태)의 오류율(ECC Decoding Fail Rate : EDFR. 오류 정정에 실패할 확률)을 예측했습니다.
플래시 메모리는 PC 나 스마트폰의 스토리지를 비롯해 다양한 용도로 사용 중이나, 그 용도에 따라 요구되는 수명이 다릅니다. 자를 저장용이라면 처음 저장 후 나중에 업데이트나 불러올 일이 많지 않아, 장기간의 데이터 저장 성능이 필요합니다. 반면 SNS의 이미지나 동영상처럼 자주 불러오는 핫 데이터라면 읽기 작업 시 스트레스를 받아 메모리 셀의 수명이 떨어질 수 있습니다. 따라서 데이터의 활용 방법에 따라 플래시 메모리에 요구되는 신뢰성과 수명이 달라집니다.
이번 연구에서 예측한 EDFR는 플래시 메모리의 신뢰성을 나타내는 값으로, 콜드 데이터는 데이터 유지 시간 예측에, 핫 데이터는 읽기 횟수의 예측에 해당됩니다. 데이터 유지 시간이 긴 칩은 콜드 데이터 저장에 적합하기에 장기간 보관 등의 시장에 출시하고, 읽기 가능 횟수가 많다고 예측한 칩은 액세스가 잦은 시장으로 선별해서 출하합니다.
플래시 메모리의 수명을 예측하는 신경망(콜드 데이터)
신경망의 수명 예측 결과. 왼쪽에선 오류율(EDFR)이 정밀하게 예측됐습니다. 오른쪽에선 메모리 셀 블럭 안의 워드라인 당 EDFR 편차도 재현했습니다.
제품 출시 후엔 신경망을 이용해 오류가 발생한 메모리 셀을 감지할 수 있으며, 오류 셀의 메모리 데이터를 토대로 오류를 정정할 수 있어 플래시 메모리의 내구성 향상에도 기여합니다.
이 실험에선 90% 확률로 오류 검출에 성공했다고 합니다.
이 기술은 다양한 용도에서 필요로 하는 다양한 수명(신뢰성)을 정확하게 충족시킬 수 있어, 플래시 메모리를 더 많은 용도로 보급해 시장이 확대되는데 도움을 줄 것이라고 기대합니다. 이 연구는 실용화를 위한 초보적인 검증을 한 단계이며, 앞으로 플래시 메모리가 대량 출시되며 칩 사이에 편차가 생기는데, 그 편차가 어느 정도인지를 예측해 대처해 나가는 용도로도 응용할 것으로 기대합니다.