学术报告：3D QLC NAND闪存的数据保持加速测试：表征、分析与建模
一、主要作者与发表信息
本文由Shaoqi Yang、Meng Zhang、Xuepeng Zhan、Peng Guo、Xiaohuan Zhao、Guangkuo Yang、Xinyi Guo、Jixuan Wu、Fei Wu和Jiezhi Chen（IEEE高级会员）共同撰写。作者分别来自山东大学信息科学与工程学院、华中科技大学计算机科学与技术学院、武汉光电国家实验室以及山东中芯半导体有限公司。本文已发表于IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems，并计划于2025年正式出版。
二、学术背景与研究动机
3D NAND闪存因其高存储密度和成本效益，在数据中心和移动设备中得到了广泛应用。特别是3D四层单元（Quad-Level Cell, QLC）NAND闪存，通过电荷捕获（Charge-Trap, CT）结构，每个单元可存储4比特数据，进一步提升了存储容量。然而，容量的提升往往以牺牲数据可靠性为代价，尤其是数据保持（Data Retention）寿命对非易失性存储至关重要。传统的Arrhenius模型广泛用于寿命预测和高温加速测试，但研究发现，该模型在3D QLC NAND闪存的数据保持特性分析中存在不准确性。因此，本文提出了一种基于参数影响的表观活化能（Apparent Activation Energy, Ea）修正模型，以更准确地预测数据寿命并进行加速实验。
三、研究流程与方法
1. 实验平台与研究对象
本研究使用基于FPGA（现场可编程门阵列）的测试平台NPLUST对3D CT QLC NAND闪存芯片进行测试。测试芯片具有112层垂直堆叠结构，适用于移动设备、消费级和企业级固态硬盘（SSD）等应用场景。
数据保持特性表征
实验选择了四个温度（40°C、55°C、65°C和85°C）进行数据保持测试，以传统Arrhenius模型为基础估算各温度下的等效保持时间。测试过程中，为避免读写温度差异引起的交叉温度效应，读取操作在室温下进行。
错误率分析与拟合
通过原始比特错误率（Raw Bit Error Rate, RBER）表征数据保持特性，并采用对数函数和线性函数的叠加模型对RBER与时间进行拟合。结果表明，RBER在初期快速上升后逐渐趋于稳定。
表观活化能（Ea）分析
基于Arrhenius公式，分析了温度、耐久性（Endurance）和数据保持时间对Ea的影响。研究发现，Ea与温度和耐久性呈线性关系，且随着数据保持时间的增加，Ea值趋于稳定。
修正模型开发
提出了一种动态调整Ea的模型，通过输入温度和耐久性参数，生成修正后的Ea值，并将其应用于Arrhenius公式，以实现更准确的加速测试和寿命预测。此外，还提出了一种将各温度映射到40°C保持时间的简化模型，用于验证修正模型的有效性。
四、主要研究结果
1. 数据保持特性分析
实验数据显示，RBER随数据保持时间的增加呈现先快速上升后趋于稳定的趋势。通过拟合模型，成功表征了不同温度下的数据保持特性。
Ea的影响因素分析
Ea与温度和耐久性呈线性关系，且随着数据保持时间的增加，Ea值趋于稳定。这表明，在高温加速测试中，Ea值需要根据具体条件进行动态调整。
修正模型的有效性验证
通过外推实验数据，验证了修正模型的有效性。与传统Arrhenius模型相比，修正模型将误差降低了约70%，显著提高了寿命预测的准确性。
五、研究结论与意义
本文通过实验和建模，系统分析了3D QLC NAND闪存的数据保持特性，并提出了一种动态调整Ea的修正模型。该模型不仅能够更准确地预测数据寿命，还为高温加速测试提供了可靠的参数支持。此外，本文还揭示了Ea与温度、耐久性之间的定量关系，为未来3D NAND闪存的可靠性研究提供了重要参考。
六、研究亮点
1. 创新性模型：提出了一种动态调整Ea的修正模型，显著提高了高温加速测试的准确性。
2. 系统性分析：首次系统分析了温度、耐久性和数据保持时间对Ea的影响，揭示了其定量关系。
3. 实验验证：通过外推实验数据，验证了修正模型的有效性，为实际应用提供了可靠依据。
七、其他有价值的内容
本文还探讨了3D QLC NAND闪存在冷数据存储中的应用潜力，并提出了未来研究方向，包括进一步优化Ea模型和探索更多影响数据保持特性的因素。这些内容为3D NAND闪存的可靠性研究开辟了新的思路。