JP2021141448A - メモリシステム - Google Patents

Abstract

【課題】誤り訂正（復号）能力を向上させる。【解決手段】実施形態のメモリシステムは、不揮発性メモリと、メモリコントローラと、を備える。メモリコントローラは、不揮発性メモリから受信語を読み出し、受信語に含まれる雑音を推定する相互に異なる複数のモデルを用いて雑音を推定して複数の雑音推定値を求め、複数の雑音推定値から１つの雑音推定値を選択し、選択された雑音推定値を、読み出した受信語から減算した値により受信語を更新し、更新された受信語を確率伝播法により復号する。【選択図】図１

Description

以下の実施形態は、メモリシステムに関する。

メモリシステムでは、一般に、記憶するデータを保護するために、誤り訂正符号化されたデータが記憶される。このため、メモリシステムに記憶されたデータを読み出す際には、誤り訂正符号化されたデータに対する復号が行われる。

Fei Liang et al. "An Iterative BP-CNN Architecture for Channel Decoding", in arXiv: 1707.05697v1 18 Jul. 2017.

本発明の実施形態は、誤り訂正（復号）能力を向上させることができるメモリシステムを提供することを目的とする。

実施形態のメモリシステムは、不揮発性メモリと、メモリコントローラと、を備える。メモリコントローラは、不揮発性メモリから受信語を読み出し、受信語に含まれる雑音を推定する相互に異なる複数のモデルを用いて雑音を推定して複数の雑音推定値を求め、複数の雑音推定値から１つの雑音推定値を選択し、選択された雑音推定値を、読み出した受信語から減算した値により受信語を更新し、更新された受信語を確率伝播法により復号する。

図１は、第１の実施形態に係るメモリシステムの概略構成例を示すブロック図である。 図２は、第１の実施形態に係る復号部の構成例を示すブロック図である。 図３は、確率伝播法で用いられるタナーグラフの一例を示す図である。 図４は、第１の実施形態に係るデータの読出し処理の一例を示すフローチャートである。 図５は、第２の実施形態に係る復号部の構成例を示すブロック図である。 図６は、第２の実施形態に係るデータの読出し処理の一例を示すフローチャートである。 図７は、第２の実施形態のＢＰ復号の繰り返し回数の例を示す図である。

以下に添付図面を参照して、実施形態に係るメモリシステムを詳細に説明する。なお、以下の実施形態により本発明が限定されるものではない。

（第１の実施形態）
まず、第１の実施形態に係るメモリシステムについて、図面を参照して詳細に説明する。図１は、第１の実施形態に係るメモリシステムの概略構成例を示すブロック図である。図１に示すように、メモリシステム１は、メモリコントローラ１０と不揮発性メモリ２０とを備える。メモリシステム１は、ホスト３０と接続可能であり、図１ではホスト３０と接続された状態が示されている。ホスト３０は、例えば、パーソナルコンピュータ、携帯端末などの電子機器であってよい。

不揮発性メモリ２０は、データを不揮発に記憶する不揮発性メモリであり、例えば、ＮＡＮＤ型フラッシュメモリ（以下、単にＮＡＮＤメモリという）である。以下の説明では、不揮発性メモリ２０としてＮＡＮＤメモリが用いられた場合を例示するが、不揮発性メモリ２０として３次元構造フラッシュメモリ、ＲｅＲＡＭ（Resistive Random Access Memory）、ＦｅＲＡＭ（Ferroelectric Random Access Memory）等のＮＡＮＤメモリ以外の記憶装置を用いることも可能である。また、不揮発性メモリ２０が半導体メモリであることは必須ではなく、半導体メモリ以外の種々の記憶媒体に対して本実施形態を適用することも可能である。

メモリシステム１は、いわゆるＳＳＤ（Solid State Drive）や、メモリコントローラ１０と不揮発性メモリ２０とが１つのパッケージとして構成されるメモリカード等、不揮発性メモリ２０を備える種々のメモリシステムであってよい。

メモリコントローラ１０は、ホスト３０からの書込み要求に従って不揮発性メモリ２０への書込みを制御する。また、メモリコントローラ１０は、ホスト３０からの読出し要求に従って不揮発性メモリ２０からの読み出しを制御する。メモリコントローラ１０は、例えばＳｏＣ（System On a Chip）として構成される半導体集積回路である。メモリコントローラ１０は、ホストＩ／Ｆ（ホストインタフェース）１５、メモリＩ／Ｆ（メモリインタフェース）１３、制御部１１、符号化／復号部（コーデック）１４およびデータバッファ１２を備える。ホストＩ／Ｆ１５、メモリＩ／Ｆ１３、制御部１１、符号化／復号部１４およびデータバッファ１２は、内部バス１６で相互に接続されている。以下で説明するメモリコントローラ１０の各構成要素の動作の一部または全部は、ＣＰＵ（Central Processing Unit）がファームウエアを実行することによって実現されてもよいし、ハードウエアで実現されてもよい。

ホストＩ／Ｆ１５は、ホスト３０との間のインタフェース規格に従った処理を実施し、ホスト３０から受信した命令、書込み対象のユーザデータなどを内部バス１６に出力する。また、ホストＩ／Ｆ１５は、不揮発性メモリ２０から読み出されて復元されたユーザデータ、制御部１１からの応答などをホスト３０へ送信する。

メモリＩ／Ｆ１３は、制御部１１の指示に基づいて、不揮発性メモリ２０への書込み処理を行う。また、メモリＩ／Ｆ１３は、制御部１１の指示に基づいて、不揮発性メモリ２０からの読み出し処理を行う。

制御部１１は、メモリシステム１の各構成要素を統括的に制御する。制御部１１は、ホスト３０からホストＩ／Ｆ１５経由で命令を受けた場合に、その命令に従った制御を行う。例えば、制御部１１は、ホスト３０からの命令に従って、不揮発性メモリ２０へのユーザデータおよびパリティの書き込みをメモリＩ／Ｆ１３へ指示する。また、制御部１１は、ホスト３０からの命令に従って、不揮発性メモリ２０からのユーザデータおよびパリティの読み出しをメモリＩ／Ｆ１３へ指示する。

また、制御部１１は、ホスト３０から書込み要求を受信した場合、データバッファ１２に蓄積されるユーザデータに対して、不揮発性メモリ２０上の記憶領域（メモリ領域）を決定する。すなわち、制御部１１は、ユーザデータの書込み先を管理する。ホスト３０から受信したユーザデータの論理アドレスと該ユーザデータが記憶された不揮発性メモリ２０上の記憶領域を示す物理アドレスとの対応はアドレス変換テーブルとして記憶される。

また、制御部１１は、ホスト３０から読出し要求を受信した場合、読出し要求により指定された論理アドレスを上述のアドレス変換テーブルを用いて物理アドレスに変換し、該物理アドレスからの読み出しをメモリＩ／Ｆ１３へ指示する。

ＮＡＮＤメモリでは、一般に、ページと呼ばれるデータ単位で、書き込みおよび読み出しが行われ、ブロックと呼ばれるデータ単位で消去が行われる。本実施形態では、この同一のワード線に接続される複数のメモリセルをメモリセルグループと呼ぶ。メモリセルがシングルレベルセル（ＳＬＣ：Single Level Cell）である場合は、１つのメモリセルグループが１ページに対応する。メモリセルがマルチレベルセル（ＭＬＣ：Multiple Level Cell）である場合は、１つのメモリセルグループが複数ページに対応する。なお、本説明において、ＭＬＣには、ＴＬＣ（Triple Level Cell）やＱＬＣ（Quad Level Cell）等が含まれる。また、各メモリセルはワード線に接続するとともにビット線にも接続される。従って、各メモリセルは、ワード線を識別するアドレスとビット線を識別するアドレスとで識別することが可能である。

データバッファ１２は、メモリコントローラ１０がホスト３０から受信したユーザデータを不揮発性メモリ２０へ記憶するまでに一時記憶する。また、データバッファ１２は、不揮発性メモリ２０から読み出したユーザデータをホスト３０へ送信するまでに一時記憶する。データバッファ１２には、例えば、ＳＲＡＭ（Static Random Access Memory）やＤＲＡＭ（Dynamic Random Access Memory）などの汎用メモリを用いることができる。なお、データバッファ１２は、メモリコントローラ１０に内蔵されずに、メモリコントローラ１０の外部に搭載されてもよい。

ホスト３０から送信されるユーザデータは、内部バス１６に転送されてデータバッファ１２に一旦記憶される。符号化／復号部１４は、不揮発性メモリ２０に記憶されるユーザデータを符号化して符号語を生成する。また、符号化／復号部１４は、不揮発性メモリ２０から読み出された受信語を復号してユーザデータを復元する。そこで符号化／復号部１４は、符号化部（Encoder）１７と復号部（Decoder）１８を備える。なお、符号化／復号部１４により符号化されるデータには、ユーザデータ以外にも、メモリコントローラ１０内部で用いる制御データ等が含まれてもよい。

次に、本実施形態の書込み処理について説明する。制御部１１は、不揮発性メモリ２０への書込み時に、ユーザデータの符号化を符号化部１７に指示する。その際、制御部１１は、不揮発性メモリ２０における符号語の記憶場所（記憶アドレス）を決定し、決定した記憶場所もメモリＩ／Ｆ１３へ指示する。

符号化部１７は、制御部１１からの指示に基づいて、データバッファ１２上のユーザデータを符号化して符号語を生成する。符号化方式としては、例えば、ＢＣＨ（Bose-Chaudhuri-Hocquenghem）符号、および、ＲＳ（Reed-Solomon）符号のような代数的符号を用いた符号化方式、これらの符号を行方向および列方向の成分符号として用いた符号化方式（積符号など）、並びに、ＬＤＰＣ（Low-Density Parity-Check）符号のような疎グラフに基づく符号を用いた符号化方式を採用することができる。メモリＩ／Ｆ１３は、制御部１１から指示された不揮発性メモリ２０上の記憶場所へ符号語を記憶する制御を行う。

次に、本実施形態の不揮発性メモリ２０からの読出し時の処理について説明する。制御部１１は、不揮発性メモリ２０からの読出し時に、不揮発性メモリ２０上のアドレスを指定してメモリＩ／Ｆ１３へ読み出しを指示する。また、制御部１１は、復号部１８へ復号の開始を指示する。メモリＩ／Ｆ１３は、制御部１１の指示に従って、不揮発性メモリ２０の指定されたアドレスから受信語を読み出し、読み出した受信語を復号部１８に入力する。復号部１８は、この不揮発性メモリ２０から読み出された受信語を復号する。

復号部１８は、不揮発性メモリ２０から読み出された受信語を復号する。図２は、本実施形態に係る復号部の構成例を示すブロック図である。図２に示すように、復号部１８は、ＢＰ復号部１０１と、推定部１０２_１〜１０２_ｍ（ｍは２以上の整数）と、選択部１０３と、を備えている。

ＢＰ復号部１０１は、確率伝播法（ＢＰ:Belief-Propagation）により不揮発性メモリ２０から読み出された受信語を復号する。

以下、確率伝播法の概要について説明する。図３は、確率伝播法で用いられるタナーグラフの一例を示す図である。なお、適用可能なグラフはタナーグラフに限られるものではなく、因子グラフ（Factor Graph）などの他の２部グラフ（Bipartile Graph）を用いてもよい。タナーグラフは、復号の対象となる符号が満たすべきルール構造を表現したグラフであると解釈することができる。図３は、７ビットのハミング符号（符号語の一例）に対するタナーグラフの例である。

変数ノード３１０〜３１６は、７ビットの符号ビットＣ_０〜Ｃ_６に相当する。チェックノード３２１〜３２３は、３つのルールＲ１、Ｒ２、Ｒ３に相当する。符号ビットは７ビットに限られるものではない。またルールの個数は３に限られるものではない。図３では、接続されている符号ビットをすべて加算すると値が０になる、というルールが用いられる。例えばルールＲ３は、対応するチェックノード３２３に接続される変数ノード３１０、３１１、３１２および３１４に対応する符号ビットＣ_０、Ｃ_１、Ｃ_２、および、Ｃ_４の加算値が０になるというルールを示す。

確率伝播法では、例えばタナーグラフを用いた軟判定復号が実行される。軟判定復号は、各符号ビットが０である確率を示す情報を入力とする復号方法である。例えば、符号ビットが０である尤度と１である尤度との比を対数で表した対数尤度比（ＬＬＲ：Log-Likelihood Ratio）が、軟判定復号の入力として用いられる。

タナーグラフ上での軟判定復号では、各変数ノードは、チェックノードを介して他の変数ノードとの間でＬＬＲを受け渡す。そして、最終的に各変数ノードの符号ビットが０であるか、１であるかが判断される。なお、このようにして受け渡されるＬＬＲが、確率伝播法で伝達されるメッセージの例である。

例えば以下のような手順でタナーグラフ上での軟判定復号が実行される。
（Ｓ１）変数ノードは、入力されたＬＬＲ（チャネルＬＬＲ）を、接続されたチェックノードに送信する。
（Ｓ２）チェックノードは、各変数ノード（送信元）に対して、接続されている他の変数ノードのＬＬＲおよび対応するルールに基づいて、送信元の変数ノードのＬＬＲを決定して返送する。
（Ｓ３）変数ノードは、チェックノードから返送されたＬＬＲ、および、チャネルＬＬＲに基づいて、自ノードのＬＬＲを更新し、チェックノードに送信する。

変数ノードは、（Ｓ２）および（Ｓ３）を繰り返した後に得られるＬＬＲに基づいて、自ノードに対応する符号ビットが０であるか、１であるかを決定する。

ＢＰ復号部１０１は、ソフトビットリードにより読み出された受信語ｙ（軟判定値）を入力し、確率伝播法により受信語ｙを復号する。ソフトビットリードとは、読出し対象のデータを構成する各ビットが０であるか１であるかの確率に関する情報として受信語（軟判定値）を読出す方法である。上記のように確率伝播法では、ＬＬＲが入力として用いられる。このため、ＢＰ復号部１０１は、軟判定値である受信語ｙからＬＬＲを算出し、上記のような軟判定復号の入力として用いる。例えばＢＰ復号部１０１は、軟判定値とＬＬＲとの対応を定めた情報（テーブル等）を参照して、受信語ｙからＬＬＲを算出する。ＢＰ復号部１０１は、確率伝播法による復号結果を出力する。以下では“ハット（＾）”を“ｓ”の後に付した“ｓ＾”で復号結果を表す。

推定部１０２_１〜１０２_ｍは、受信語に含まれる雑音を推定する、それぞれ相互に異なるモデルを用いて雑音を推定して雑音推定値を求める。以下では“チルダ（〜）”を“ｎ”の後に付した“ｎ〜”で雑音推定値を表す。また数式内では、“チルダ（〜）”を“ｎ”の上に付して雑音推定値を表す。

モデルは、例えば、ＣＮＮ（Convolutional Neural Network）で表される。以下では、モデルとしてＣＮＮを用いる例を主に説明する。ＣＮＮは、例えば、受信語ｙと復号結果ｓ＾との差分により得られる雑音を入力し、雑音推定値を出力するように学習される。入力する雑音ｎ＾は例えば以下の（１）式により表される。
ｎ＾＝ｙ−ｓ＾ ・・・（１）

ＣＮＮは、雑音推定値の誤差（入力された雑音と、出力される雑音推定値との差分）が正規分布に従うように学習されてもよい。これにより、雑音間に相関があるときに雑音の推定精度をより向上させることができる。

推定された雑音推定値は、受信語ｙの更新に用いられる。また、更新された受信語がさらにＢＰ復号部１０１による復号に用いられる。このように更新された受信語を用いることにより、ＢＰ復号部１０１による復号の精度を向上させることが可能となる。

雑音を推定するモデルは、学習に使用した学習データが想定する雑音に特化したモデルとなる場合がある。このため、学習データが想定する雑音と異なる性質を有する雑音が付加された受信語に対しては、雑音の推定精度が低下し、その結果、ＢＰ復号部１０１による復号の精度も低下する場合がある。

そこで、本実施形態の復号部１８は、相互に異なる複数のモデルを用いて、複数の雑音推定値を求める。そして復号部１８は、求められた複数の雑音推定値から最適な雑音推定値を選択し、受信語ｙの更新に用いる。

例えば、推定部１０２_１〜１０２_ｍは、相互に異なる性質を有する雑音を想定した学習データを用いて学習した、相互に異なるＣＮＮを用いて雑音推定値“ｎ_１〜”〜“ｎ_ｍ〜”をそれぞれ推定する。

各ＣＮＮは、不揮発性メモリ２０の属性を示す属性情報を用いて学習されてもよい。ｖは、例えば不揮発性メモリ２０のワード線数、ブロック数、および、ページ数の少なくとも１つである。例えば各ＣＮＮは、雑音に加えて属性情報を入力し、雑音推定値を出力するように構成されてもよい。各ＣＮＮは、それぞれ相互に異なる属性情報が付加された雑音を学習データとして入力して学習される。属性情報が異なる学習データを用いて学習された複数のモデルを用いることにより、様々なストレス条件下でより高精度に雑音を推定可能となり、この結果、復号の成功率を向上させることができる。

各ＣＮＮは、ハードエラーが生じたときの復号結果を学習データとして用いて学習されてもよい。このような学習データは、ハードエラーの発生をシミュレーションして得られた復号結果を含むデータであってもよい。これにより、ハードエラーが生じたときの雑音の推定精度を向上させることができる。

推定時には、推定部１０２_１〜１０２_ｍは、受信語ｙと復号結果ｓ＾との差分により得られる雑音とともに、受信語ｙを読み出した不揮発性メモリ２０の属性情報を対応するモデルに入力し、雑音推定値を推定する。

選択部１０３は、推定された雑音推定値“ｎ_１〜”〜“ｎ_ｍ〜”から１つの雑音推定値を選択する。例えば選択部１０３は、受信語ｙから雑音推定値を減算した値と、最尤復号語との距離（マンハッタン距離）が他の雑音推定値より小さくなる雑音推定値（例えば距離が最小となる雑音推定値）を選択する。以下の（２）式は、距離を算出する式の一例である。Ｎは、受信語に含まれるビット数を表す。ｙ_ｉは、受信語ｙに含まれるビットのうちｉ番目のビットを表す。“ｎ_ｊ，ｉ〜”は、ｊ番目の雑音推定値“ｎ_ｊ〜”（１≦ｊ≦ｎ）に含まれるビットのうちｉ番目のビットを表す。

（２）式は、最尤復号語“１”までの距離、および、最尤復号語“−１”までの距離のうちの最小値の和が最小となる雑音推定値“ｎ〜”を求める式に相当する。選択の基準はこれに限られるものではない。例えば選択部１０３は、他の雑音推定値より小さい値である雑音推定値を選択してもよい。

ＢＰ復号部１０１は、選択された雑音推定値により更新した受信語を用いて、さらに確率伝播法による復号を実行する。例えばＢＰ復号部１０１は、読み出された受信語ｙから、選択された雑音推定値“ｎ〜”を減算した値により、受信語を更新し、更新後の受信語を用いて、確率伝播法により復号を繰り返す。

このような構成により、より高精度に推定された雑音を用いて更新した受信語を使用することができるため、確率伝播法による復号の精度を向上させることができる。

図４は、第１の実施形態に係るデータの読出し処理の一例を示すフローチャートである。制御部１１は、メモリＩ／Ｆ１３に対して、読み出すアドレスを指定してソフトビットリードにより不揮発性メモリ２０からデータを読み出すよう指示し、これに対し、メモリＩ／Ｆ１３はソフトビットリードを実行する（ステップＳ１０１）。読み出された軟判定値の受信語ｙは、例えば、内部バス１６を経由して符号化／復号部１４の復号部１８に入力される。

復号部１８内のＢＰ復号部１０１は、入力された受信語ｙを用いて確率伝播法による復号（ＢＰ復号）を実行する（ステップＳ１０２）。ここでの復号は、例えば上記（Ｓ２）、（Ｓ３）の繰り返しのうち１回の処理に相当する。ＢＰ復号部１０１は、ＢＰ復号に成功したか否かを判定する（ステップＳ１０３）。例えばＢＰ復号部１０１は、復号結果とパリティ検査行列とによりシンドロームを算出し、シンドロームの値がすべて０となった場合に、復号に成功したと判定する。

復号に成功した場合（ステップＳ１０３：Ｙｅｓ）、復号部１８は、例えば制御部１１へ復号成功を通知する（ステップＳ１０９）。制御部１１は、ホストＩ／Ｆ１５を介して、復号結果をホスト３０に出力する。

復号に失敗した場合（ステップＳ１０３：Ｎｏ）、復号部１８は、ＢＰ復号の繰り返し回数が上限値Ａ（例えば２５回）に達したか否かを判定する（ステップＳ１０４）。ＢＰ復号の繰り返し回数は、例えば上記（Ｓ２）、（Ｓ３）のような処理を繰り返す回数である。上限値Ａに達していない場合（ステップＳ１０４：Ｎｏ）、ステップＳ１０２に戻り、さらにＢＰ復号（（Ｓ２）、（Ｓ３））が繰り返される。

上限値Ａに達した場合（ステップＳ１０４：Ｙｅｓ）、復号部１８は、さらにＢＰ復号の繰り返し回数が上限値Ａより大きい上限値Ｂ（例えば５０回）に達したか否かを判定する（ステップＳ１０５）。

上限値Ａは、ＢＰ復号の繰り返しを中断して、雑音の推定および推定した雑音による受信語の更新を行うために用いられる上限値に相当する。一方、上限値Ｂは、ＢＰ復号および受信語の更新を繰り返しても復号に成功しない場合に、復号失敗として処理を終了するために用いられる上限値に相当する。

繰り返し回数が上限値Ｂに達したと判定された場合（ステップＳ１０５：Ｙｅｓ）、復号部１８は、例えば制御部１１へ復号失敗を通知する（ステップＳ１１０）。繰り返し回数が上限値Ｂに達していない場合（ステップＳ１０５：Ｎｏ）、複数の推定部１０２_１〜１０２_ｍそれぞれが、対応するモデルを用いて雑音を推定し、雑音推定値を出力する（ステップＳ１０６）。

選択部１０３は、複数の推定部１０２_１〜１０２_ｍそれぞれから出力された複数の雑音推定値“ｎ_１〜”〜“ｎ_ｍ〜”から最適な雑音推定値を選択する（ステップＳ１０７）。例えば選択部１０３は、上記（２）式の距離が最小となる雑音推定値“ｎ〜”を選択する。

ＢＰ復号部１０１は、選択された雑音推定値“ｎ〜”により受信語を更新する（ステップＳ１０８）。例えばＢＰ復号部１０１は、以下の（３）式により更新した受信語ｙ＾を算出する。
ｙ＾＝ｙ−（ｎ〜） ・・・（３）

この後、ステップＳ１０２に戻り、ＢＰ復号部１０１は、更新された受信語ｙ＾を用いて確率伝播法により復号を再度実行する。

以上のように、本実施形態では、ストレス条件（不揮発性メモリの属性情報など）が異なる学習データを用いて学習された複数のモデルを用いて、より高精度に雑音を推定可能となる。また推定された雑音により更新された受信語を用いることにより、復号の成功率を向上させることができる。

（第２の実施形態）
第１の実施形態では、最初に確率伝播法による復号が実行され、この復号が失敗した場合に、推定部による雑音の推定処理が実行された。第２の実施形態では、確率伝播法による復号の前に雑音の推定処理が実行される。そして、推定された雑音で更新された受信語を用いて、確率伝播法による復号が実行される。

第２の実施形態のメモリシステムの概略構成は、第１の実施形態のメモリシステムの概略構成を示す図１と同様である。第２の実施形態では、復号部の機能が第１の実施形態と異なっている。以下では、第２の実施形態の復号部１８−２の機能の詳細について説明する。

図５は、本実施形態に係る復号部１８−２の構成例を示すブロック図である。図５に示すように、復号部１８−２は、推定部１０２−２_１〜１０２−２_ｍと、選択部１０３と、ＢＰ復号部１０１−２と、を備えている。選択部１０３の機能は第１の実施形態と同様であるため同一の符号を付し、説明を省略する。

推定部１０２−２_１〜１０２−２_ｍは、ＢＰ復号部１０１−２によるＢＰ復号の前に、硬判定値を用いて雑音を推定する点が、第１の実施形態の推定部１０２_１〜１０２_ｍと異なっている。硬判定値は、各ビットが０または１のいずれであるかを示す値である。例えば１０２−２_１〜１０２−２_ｍは、軟判定値の符号ビットが正（＋）である場合に硬判定値を０と算出し、軟判定値の符号ビットが負（−）である場合に硬判定値を１と算出する。そして、推定部１０２−２_１〜１０２−２_ｍは、軟判定値である受信語ｙと算出した硬判定値との差分により雑音を推定する。ＢＰ復号が実行された後は、推定部１０２−２_１〜１０２−２_ｍは、第１の実施形態と同様に、ＣＮＮを用いて雑音を推定する。

ＢＰ復号部１０１−２は、選択部１０３により選択された雑音推定値により更新した受信語を用いて、確率伝播法による復号を実行する。

確率伝播法による復号が実行された後は、推定部１０２−２_１〜１０２−２_ｍは、受信語ｙと復号結果ｓ＾との差分により得られる雑音をＣＮＮに入力することにより雑音推定値を推定する。

図６は、第２の実施形態に係るデータの読出し処理の一例を示すフローチャートである。ステップＳ２０１は、第１の実施形態の読み出し処理を示す図４のステップＳ１０１と同様である。

本実施形態では、推定部１０２−２_１〜１０２−２_ｍは、繰り返しの１回目のステップＳ２０２で、以下のように雑音を推定する。まず推定部１０２−２_１〜１０２−２_ｍは、軟判定値である受信語ｙから、硬判定値を算出する。推定部１０２−２_１〜１０２−２_ｍは、受信語ｙと硬判定値との差分により雑音を推定し、複数の雑音推定値を出力する（ステップＳ２０２）。

ステップＳ２０３、Ｓ２０４は、図４のステップＳ１０６、Ｓ１０７と同様である。

ステップＳ２０４で受信語が更新されると、ＢＰ復号部１０１−２は、更新された受信語を用いて確率伝播法により復号を実行する（ステップＳ２０５）。ＢＰ復号部１０１−２は、ＢＰ復号に成功したか否かを判定する（ステップＳ２０６）。復号に成功した場合（ステップＳ２０６：Ｙｅｓ）、復号部１８−２は、例えば制御部１１へ復号成功を通知する（ステップＳ２０９）。制御部１１は、ホストＩ／Ｆ１５を介して、復号結果をホスト３０に出力する。

復号に失敗した場合（ステップＳ２０６：Ｎｏ）、復号部１８−２は、ＢＰ復号の繰り返し回数が上限値Ａに達したか否かを判定する（ステップＳ２０７）。上限値に達していない場合（ステップＳ２０７：Ｎｏ）、ステップＳ２０５に戻り、さらにＢＰ復号が繰り返される。

上限値Ａに達した場合（ステップＳ２０７：Ｙｅｓ）、復号部１８−２は、ＢＰ復号の繰り返し回数が上限値Ｂに達したか否かを判定する（ステップＳ２０８）。繰り返し回数が上限値Ｂに達した場合（ステップＳ２０８：Ｙｅｓ）、復号部１８−２は、例えば制御部１１へ復号失敗を通知する（ステップＳ２１０）。

繰り返し回数が上限値Ｂに達していない場合（ステップＳ２０８：Ｎｏ）、ステップＳ２０２に戻り、複数の推定部１０２−２_１〜１０２−２_ｍそれぞれが、対応するモデルを用いて雑音推定値を出力する処理をさらに実行する。２回目以降のステップＳ２０２では、第１の実施形態と同様に、受信語ｙと復号結果ｓ＾との差分により得られる雑音（上記（１）式）をモデルに入力することにより雑音推定値が算出される。

図７は、第２の実施形態のＢＰ復号の繰り返し回数の例を示す図である。横軸は、処理対象とする受信語の信号対雑音比（ＳＮＲ）を表す。縦軸は、第２の実施形態による復号処理を複数回実行したときの、ＢＰ復号の繰り返し回数の平均値を表す。

曲線７０１は、上記（Ｓ１）〜（Ｓ３）の手順によりＢＰ復号のみを、上限値を５０回として実行した場合（雑音の推定、受信語の更新は実行しない）の復号成功までの繰り返し回数を表す。曲線７０２は、１回目のＢＰ復号（上限値２５回）を実行した後、１つの推定部により推定した雑音により更新した受信語を用いて２回目のＢＰ復号（上限値２５回）を実行した場合の復号成功までの繰り返し回数を表す。曲線７０３は、推定部の個数を２とした第２の実施形態（２つの推定部１０２−２_１、１０２−２_２を用いる構成、上限値Ａ＝２５、上限値Ｂ＝５０）による復号成功までの繰り返し回数を表す。

なお、２つの推定部１０２−２_１、１０２−２_２が使用するモデルは、それぞれ、隣接するノイズ間の相関係数η＝０．８とする有色雑音に基づき学習したモデル、および、加算性白色ガウス雑音（Additive white Gaussian noise：ＡＷＧＮ）に基づき学習したモデルである。

第２の実施形態によれば、復号性能を改善するのみでなく、図７に示すように、復号成功までのＢＰ復号の繰り返し回数を減少させることができる。

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

１ メモリシステム
１０ メモリコントローラ
１１ 制御部
１２ データバッファ
１３ メモリＩ／Ｆ
１４ 符号化／復号部
１５ ホストＩ／Ｆ
１６ 内部バス
１７ 符号化部
１８、１８−２ 復号部
２０ 不揮発性メモリ
３０ ホスト
１０１、１０１−２ ＢＰ復号部
１０２_１〜１０２_ｍ、１０２−２_１〜１０２−２_ｍ 推定部
１０３ 選択部

Claims (9)

1. 不揮発性メモリと、
   前記不揮発性メモリから受信語を読み出し、
   前記受信語に含まれる雑音を推定する相互に異なる複数のモデルを用いて前記雑音を推定して複数の雑音推定値を求め、
   複数の前記雑音推定値から１つの前記雑音推定値を選択し、
   選択された前記雑音推定値を、読み出した前記受信語から減算した値により前記受信語を更新し、
   更新された前記受信語を確率伝播法により復号する、
   メモリコントローラと、
   を備えるメモリシステム。
2. 前記メモリコントローラは、
   読み出した前記受信語を前記確率伝播法により復号し、
   前記確率伝播法による復号に失敗した場合に、複数の前記モデルを用いて複数の前記雑音推定値を求め、
   複数の前記雑音推定値から１つの前記雑音推定値を選択し、
   選択された前記雑音推定値を、読み出した前記受信語から減算した値により前記受信語を更新し、
   更新された前記受信語を確率伝播法により復号する、
   請求項１に記載のメモリシステム。
3. 前記メモリコントローラは、
   前記不揮発性メモリから前記受信語を軟判定値として読み出し、
   前記軟判定値と、前記軟判定値に基づいて算出される硬判定値と、に基づいて複数の雑音推定値を求め、
   求められた複数の前記雑音推定値から１つの前記雑音推定値を選択し、
   選択された前記雑音推定値を、前記受信語から減算した値により前記受信語を更新し、
   更新された前記受信語を前記確率伝播法により復号し、
   前記確率伝播法による復号に失敗した場合に、複数の前記モデルを用いて複数の前記雑音推定値を求める、
   請求項１に記載のメモリシステム。
4. 前記メモリコントローラは、
   複数の前記雑音推定値のうち、前記雑音推定値を読み出した前記受信語から減算した値と、最尤復号語と、の間の距離が他の前記雑音推定値より小さい１つの前記雑音推定値を選択する、
   請求項１に記載のメモリシステム。
5. 前記メモリコントローラは、
   複数の前記雑音推定値のうち、他の前記雑音推定値より値が小さい１つの前記雑音推定値を選択する、
   請求項１に記載のメモリシステム。
6. 複数の前記モデルそれぞれは、ＣＮＮ（Convolutional Neural Network）である、
   請求項１に記載のメモリシステム。
7. 複数の前記モデルそれぞれは、前記不揮発性メモリの属性を示す相互に異なる属性情報を用いて学習される、
   請求項１に記載のメモリシステム。
8. 前記属性情報は、前記不揮発性メモリのワード線数、ブロック数、および、ページ数の少なくとも１つを含む、
   請求項７に記載のメモリシステム。
9. 複数の前記モデルそれぞれは、ハードエラーが生じたときの復号結果を用いて学習される、
   請求項１に記載のメモリシステム。

Images