論文の概要: Modeling Flash Memory Channels Using Conditional Generative Nets
- arxiv url: http://arxiv.org/abs/2111.10039v1
- Date: Fri, 19 Nov 2021 04:38:15 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-22 16:34:11.800611
- Title: Modeling Flash Memory Channels Using Conditional Generative Nets
- Title(参考訳): 条件付き生成ネットを用いたフラッシュメモリチャネルのモデリング
- Authors: Simeng Zheng, Chih-Hui Ho, Paul H. Siegel
- Abstract要約: 本稿では,フラッシュメモリチャネルを特徴付けるデータ駆動生成モデリング手法を提案する。
学習したモデルは、セルのプログラムレベルに基づいて、個々のメモリセルから読み出した電圧を再構成することができる。
単語行とビット行の特定のパターンの誤り確率の比較により,学習モデルが正確なセル間干渉(ICI)効果を捉えることができることを確認した。
- 参考スコア(独自算出の注目度): 26.51906108763802
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Understanding the NAND flash memory channel has become more and more
challenging due to the continually increasing density and the complex
distortions arising from the write and read mechanisms. In this work, we
propose a data-driven generative modeling method to characterize the flash
memory channel. The learned model can reconstruct the read voltage from an
individual memory cell based on the program levels of the cell and its
surrounding array of cells. Experimental results show that the statistical
distribution of the reconstructed read voltages accurately reflects the
measured distribution on a commercial flash memory chip, both qualitatively and
as quantified by the total variation distance. Moreover, we observe that the
learned model can capture precise inter-cell interference (ICI) effects, as
verified by comparison of the error probabilities of specific patterns in
wordlines and bitlines.
- Abstract(参考訳): nandフラッシュメモリチャネルの理解は、継続的な密度増加と書き込みおよび読み取り機構に起因する複雑な歪みのため、ますます困難になっている。
本研究では,フラッシュメモリチャネルを特徴付けるデータ駆動型生成モデリング手法を提案する。
学習したモデルは、セルとその周辺セルのプログラムレベルに基づいて、個々のメモリセルから読み出し電圧を再構成することができる。
実験の結果, 再構成された読み出し電圧の統計的分布は, 市販フラッシュメモリチップ上で測定された分布を, 総変動距離で定量的かつ定量に反映することがわかった。
さらに,単語行とビット行の特定のパターンの誤り確率の比較により,学習モデルが正確なセル間干渉(ICI)効果を捉えることができることを確認した。
関連論文リスト
- Learning Associative Memories with Gradient Descent [21.182801606213495]
この研究は、トークン埋め込みの外部積を格納する1つの連想メモリモジュールのトレーニングダイナミクスに焦点を当てている。
相関埋め込みによるトークン周波数とメモリ干渉の不均衡が過渡的状態を引き起こすことを示す。
論文 参考訳(メタデータ) (2024-02-28T21:47:30Z) - Recurrent Memory Decision Transformer [55.41644538483948]
本稿では,リカレントメモリ決定変換器(RMDT)を提案する。
我々は,アタリゲームと MuJoCo 制御問題に関する徹底的な実験を行い,提案モデルが再帰的なメモリ機構を伴わずに,そのモデルよりもはるかに優れていることを示す。
論文 参考訳(メタデータ) (2023-06-15T19:29:08Z) - An Efficient and Accurate Memristive Memory for Array-based Spiking
Neural Networks [0.43431539537721414]
我々は,旋律的シナプスの読み書きにおいて,より予測可能なアナログメモリ動作を提供する,電流制限ベースのソリューションを実証する。
さらに,神経スパイクネットワークのようなニューロモルフィック特異的な応用に,この行動が与える影響を観察した。
論文 参考訳(メタデータ) (2023-06-11T00:47:09Z) - Reflected Diffusion Models [93.26107023470979]
本稿では,データのサポートに基づいて進化する反射微分方程式を逆転する反射拡散モデルを提案する。
提案手法は,一般化されたスコアマッチング損失を用いてスコア関数を学習し,標準拡散モデルの主要成分を拡張する。
論文 参考訳(メタデータ) (2023-04-10T17:54:38Z) - Diffusion Glancing Transformer for Parallel Sequence to Sequence
Learning [52.72369034247396]
モーダリティ拡散プロセスと残差グランシングサンプリングを併用した拡散グランシング変換器を提案する。
DIFFGLATは、自己回帰モデルと非自己回帰モデルの両方と比較して、高速な復号速度を維持しながら、より優れた生成精度を実現する。
論文 参考訳(メタデータ) (2022-12-20T13:36:25Z) - A Framework for Machine Learning of Model Error in Dynamical Systems [7.384376731453594]
データから動的システムを特定するために,機械的アプローチと機械学習アプローチを混在させる統一フレームワークを提案する。
モデルエラーがメモリレスであり、大きなメモリを持つ問題に対して、連続時間と離散時間の両方で問題を提起した。
ハイブリッド手法は、データ飢餓、モデルの複雑さの要求、全体的な予測性能において、データ駆動アプローチよりも大幅に優れています。
論文 参考訳(メタデータ) (2021-07-14T12:47:48Z) - SignalNet: A Low Resolution Sinusoid Decomposition and Estimation
Network [79.04274563889548]
本稿では,正弦波数を検出するニューラルネットワークアーキテクチャであるSignalNetを提案する。
基礎となるデータ分布と比較して,ネットワークの結果を比較するための最悪の学習しきい値を導入する。
シミュレーションでは、我々のアルゴリズムは常に3ビットデータのしきい値を超えることができるが、しばしば1ビットデータのしきい値を超えることはできない。
論文 参考訳(メタデータ) (2021-06-10T04:21:20Z) - Automatic Recall Machines: Internal Replay, Continual Learning and the
Brain [104.38824285741248]
ニューラルネットワークのリプレイには、記憶されたサンプルを使ってシーケンシャルなデータのトレーニングが含まれる。
本研究では,これらの補助サンプルをフライ時に生成する手法を提案する。
代わりに、評価されたモデル自体内の学習したサンプルの暗黙の記憶が利用されます。
論文 参考訳(メタデータ) (2020-06-22T15:07:06Z) - DNN-aided Read-voltage Threshold Optimization for MLC Flash Memory with
Finite Block Length [34.35931246437989]
MLCフラッシュメモリの誤り訂正性能は、リード電圧閾値の誤り訂正符号(ECC)のブロック長とログライクリフ比(LLR)と密接に関連している。
本稿では, MLCフラッシュメモリのリード電圧閾値を最適化し, 有限ブロック長ECCの復号性能を向上させる。
論文 参考訳(メタデータ) (2020-04-11T09:03:50Z) - Data-Driven Symbol Detection via Model-Based Machine Learning [117.58188185409904]
機械学習(ML)とモデルベースアルゴリズムを組み合わせた,検出設計のシンボル化を目的とした,データ駆動型フレームワークについてレビューする。
このハイブリッドアプローチでは、よく知られたチャネルモデルに基づくアルゴリズムをMLベースのアルゴリズムで拡張し、チャネルモデル依存性を除去する。
提案手法は, 正確なチャネル入出力統計関係を知らなくても, モデルベースアルゴリズムのほぼ最適性能が得られることを示す。
論文 参考訳(メタデータ) (2020-02-14T06:58:27Z) - Improving trapped-ion-qubit memories via code-mediated error-channel
balancing [2.867517731896504]
劣化誤りの誤り訂正を組み込むことにより,ノイズバイアス付きトラップイオン量子ビットメモリを大幅に改善できることを示す。
我々のプロトコルは、非常に低い忠実度を持つ単一のグローバルエンタングリング位相ゲートで実現可能であることを示す。
論文 参考訳(メタデータ) (2016-05-31T21:42:25Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。