Nuevo método para predecir fallos en la memoria 3D NAND
- Noticias y Actualidad
Científicos e ingenieros de China han creado un nuevo sistema que mejora la capacidad de predecir los fallos que pueden producirse en los chips de memoria 3D NAND. Para lograrlo han empleado un método de aprendizaje por refuerzo que supera la capacidad de predicción de los modelos de aprendizaje automático propuestos hasta ahora.
Uno de los problemas inherentes a la memoria 3D NAND es su propensión a ciertos fallos que limitan su fiabilidad y, para resolverlo, se ha planteado el uso de modelos de machine learning. Pero esta tecnología presenta algunos desafíos importantes, como un desequilibrio entre robustez y portabilidad. Al aplicar el aprendizaje automático en diferentes chips de memoria NAND flash, el rendimiento del modelo de predicción suele degradarse al variar las características del error.
Para que este sistema pueda adaptarse a estas variaciones y se garantice el rendimiento de la predicción de fallas, el modelo de machine learning debe reconstruirse para adaptarse a los nuevas características de los errores, lo que genera una carga de trabajo excesiva.
Para solucionar este problema un equipo de científicos e ingenieros de la Universidad de Ciencia y Tecnología de Huazhong (Wuhan) y de la empresa china Futurepath Technology han desarrollado un sistema de predicción más sencillo de aplicar, basado en algoritmos de aprendizaje por refuerzo sin modelo, que han denominado LightWarner.
Han publicado su trabajo en la revista IEEE Transactions on Computers, donde explican que LightWarner es capaz de aprender de forma dinámica las características de los errores durante la vida útil de la memoria flash, sin necesidad de realizar un entrenamiento previo, lo que supone un gran avance con respecto al uso del aprendizaje automático convencional.
Para determinar la validez de su concepto ha probado este sistema en seis tipos de chips 3D, y sus experimentos indican que se logra más del 93% de los puntos F1 en diferentes tipos de chips flash, un 10% más que con métodos de aprendizaje automático supervisado. Y afirman que esta tecnología puede adaptarse a la variación de las características de los errores con un coste de migración muy bajo.
Más información
¿Cuál es el futuro del mercado de almacenamiento? ¿Qué tecnologías son las más adecuadas? Conoce más sobre el software FUJIFILM Object Archive, el almacenamiento sostenible, las tecnologías de soporte de almacenamiento de datos o las cintas LTO de FUJIFILM para estar al día de un sector en crecimiento.
