機械学習で抵抗変化型メモリ（ReRAM）の エラーを予測、メモリの寿命を１３倍に向上

2015年5月21日

中央大学

機械学習で抵抗変化型メモリ（ReRAM）の エラーを予測、メモリの寿命を１３倍に向上

機械学習を用いて抵抗変化型メモリ（ReRAM）のエラーを予測し、寿命（書き換え可能な回数）を１３倍に増加させることに成功しました。携帯電話からデータセンタのストレージ（記憶装置）までフラッシュメモリを記憶媒体とするＳＳＤが幅広く使われています。フラッシュメモリは容量が大きい利点があるものの、書き換えが１ミリ秒（１０－３秒）と遅いという問題があります。一方、ＲｅＲＡＭは１００ナノ秒（１０－９秒）と、フラッシュメモリの１万倍も高速に書き換えが可能という特徴がありますが、多くの書き換えを繰り返すと、データを記憶するメモリセルが不良し、記憶したデータが破壊されるという問題がありました。今回、機械学習のアルゴリズムを用いて、ＲｅＲＡＭのメモリセルの過去の履歴から将来の疲労を予測し、完全に誤動作してしまう不良のメモリセル（ハードエラー）と、誤動作した後に書き換えると正常動作に復帰するメモリセル（ソフトエラー）を判別する方法を開発しました。将来、不良になるメモリセル（ハードエラー）を事前に予測することが可能になりました。そして、実際に不良が起こる前に、不良になるメモリセルを正常なメモリセルに置き換えることで、不良を未然に封じ込めることに成功しました。この技術により、ＲｅＲＡＭの寿命（書き換え可能な回数）を従来の１３倍に延ばすことに成功しました。ＲｅＲＡＭを携帯端末や車、データセンタのストレージとして使うことで、高速かつ高信頼にデータを記憶、処理することが可能になり、自動運転、インダストリ4.0などの高速でリアルタイムな応答ができるサービスが実現することが期待されます。