하나 이상의 프로세서들, 및상기 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치에서 수행되는 방법으로서, 메모리의 각 셀의 위치에 대한 정보를 획득하는 단계;상기 메모리의 각 셀의 위치를 기초로 타겟 셀에 대한 그래프 구조 데이터를 생성하는 단계; 및상기 그래프 구조 데이터를 그래프 신경망 모델에 입력하여 상기 그래프 신경망 모델이 상기 타겟 셀에 대한 전기적 특성 및 상기 타겟 셀의 PV 레벨(program 0026# verify level) 중 하나 이상을 예측하도록 학습하는 단계를 포함하며,상기 그래프 구조 데이터를 생성하는 단계는, 상기 메모리에서 상기 타겟 셀 및 상기 타겟 셀과 인접한 셀을 노드로 설정하고, 상기 타겟 셀과 상기 인접한 셀 간의 연결을 에지로 설정하여 상기 그래프 구조 데이터를 생성하며,상기 타겟 셀을 기준으로 상기 타겟 셀과 인접한 셀이 XY축 방향으로 연결된 경우, 조인트 워드 라인(Joint Word Line)의 연결 관계를 갖는 것으로 판단하여 제1 타입의 에지로 표현하고, 상기 타겟 셀을 기준으로 상기 타겟 셀과 인접한 셀이 Z축 방향으로 연결된 경우, 조인트 스트링 라인(Joint String Line)의 연결 관계를 갖는 것으로 판단하여 제2 타입의 에지로 표현하는, 메모리의 셀 단위 분석 방법.

삭제

삭제

청구항 1에 있어서, 상기 전기적 특성은, 상기 타겟 셀의 문턱 전압(threshold voltage)이고, 상기 학습하는 단계는, 상기 그래프 신경망 모델이 아래 수학식의 손실 함수를 갖도록 하는, 메모리의 셀 단위 분석 방법.(수학식): 그래프 신경망 모델이 예측한 문턱 전압: 정답 값인 문턱 전압

하나 이상의 프로세서들, 및상기 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치에서 수행되는 방법으로서, 메모리의 각 셀의 위치에 대한 정보를 획득하는 단계;상기 메모리의 각 셀의 위치를 기초로 타겟 셀에 대한 그래프 구조 데이터를 생성하는 단계; 및상기 그래프 구조 데이터를 그래프 신경망 모델에 입력하여 상기 그래프 신경망 모델이 상기 타겟 셀에 대한 전기적 특성 및 상기 타겟 셀의 PV 레벨(program 0026# verify level) 중 하나 이상을 예측하도록 학습하는 단계를 포함하며, 상기 그래프 구조 데이터를 생성하는 단계는, 상기 메모리에서 상기 타겟 셀 및 상기 타겟 셀과 인접한 셀을 노드로 설정하고, 상기 타겟 셀과 상기 인접한 셀 간의 연결을 에지로 설정하여 상기 그래프 구조 데이터를 생성하며,상기 학습하는 단계는, 상기 그래프 구조 데이터의 각 노드로부터 노드 특징을 추출하고, 각 에지로부터 에지 특징을 추출하는 단계;상기 추출한 노드 특징 및 에지 특징을 각각 상기 그래프 신경망 모델로 입력하는 단계; 및상기 그래프 신경망 모델의 복수 개의 출력 채널 중 하나의 출력 채널에서 상기 타겟 셀의 전기적 특성을 예측하고, 상기 복수 개의 출력 채널 중 나머지 출력 채널에서 상기 타겟 셀의 PV 레벨을 예측하도록 하는 단계를 포함하는, 메모리의 셀 단위 분석 방법.

하나 이상의 프로세서들, 및상기 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치에서 수행되는 방법으로서, 메모리의 각 셀의 위치에 대한 정보를 획득하는 단계;상기 메모리의 각 셀의 위치를 기초로 타겟 셀에 대한 그래프 구조 데이터를 생성하는 단계; 및상기 그래프 구조 데이터를 그래프 신경망 모델에 입력하여 상기 그래프 신경망 모델이 상기 타겟 셀에 대한 전기적 특성 및 상기 타겟 셀의 PV 레벨(program 0026# verify level) 중 하나 이상을 예측하도록 학습하는 단계를 포함하며, 상기 그래프 구조 데이터를 생성하는 단계는, 상기 메모리에서 상기 타겟 셀 및 상기 타겟 셀과 인접한 셀을 노드로 설정하고, 상기 타겟 셀과 상기 인접한 셀 간의 연결을 에지로 설정하여 상기 그래프 구조 데이터를 생성하며,상기 전기적 특성은, 상기 타겟 셀의 문턱 전압(threshold voltage)이고, 상기 방법은, 기 학습된 상기 그래프 신경망 모델을 이용하여 상기 메모리 중 소거 셀(erased cell)에 대한 교차 온도 효과(cross-temperature effect)를 최소화 하는 PV 레벨을 예측하는 단계를 더 포함하는, 메모리의 셀 단위 분석 방법.

청구항 6에 있어서, 상기 교차 온도 효과를 최소화 하는 PV 레벨을 예측하는 단계는, 상기 메모리 중 임의의 소거 셀에 대해 기 설정된 복수 개 상태의 레벨로 각각 가상으로 프로그래밍 하는 단계;상기 소거 셀의 각 상태의 레벨에 대한 그래프 구조 데이터를 각각 생성하는 단계; 및상기 소거 셀의 각 상태의 레벨에 대한 그래프 구조 데이터를 상기 학습된 그래프 신경망 모델로 각각 입력하여 상기 소거 셀의 각 상태의 레벨에 대한 문턱 전압을 각각 예측하는 단계를 포함하는, 메모리의 셀 단위 분석 방법.

청구항 7에 있어서, 상기 교차 온도 효과를 최소화 하는 PV 레벨을 예측하는 단계는, 상기 소거 셀의 각 상태의 레벨에 대한 예측된 문턱 전압과 해당 상태의 레벨에 대해 기 설정된 문턱 전압 간의 차이를 각각 비교하는 단계; 및상기 차이가 가장 작은 상태의 레벨을 상기 교차 온도 효과를 최소화 하는 PV 레벨로 설정하는 단계를 더 포함하는, 메모리의 셀 단위 분석 방법.

하나 이상의 프로세서들, 및상기 하나 이상의 프로세서들에 의해 실행되는 하나 이상의 프로그램들을 저장하는 메모리를 구비한 컴퓨팅 장치에서 수행되는 방법으로서, 메모리의 각 셀의 위치에 대한 정보를 획득하는 단계;상기 메모리의 각 셀의 위치를 기초로 타겟 셀에 대한 그래프 구조 데이터를 생성하는 단계; 및상기 그래프 구조 데이터를 그래프 신경망 모델에 입력하여 상기 그래프 신경망 모델이 상기 타겟 셀에 대한 전기적 특성 및 상기 타겟 셀의 PV 레벨(program 0026# verify level) 중 하나 이상을 예측하도록 학습하는 단계를 포함하며, 상기 그래프 구조 데이터를 생성하는 단계는, 상기 메모리에서 상기 타겟 셀 및 상기 타겟 셀과 인접한 셀을 노드로 설정하고, 상기 타겟 셀과 상기 인접한 셀 간의 연결을 에지로 설정하여 상기 그래프 구조 데이터를 생성하며,상기 전기적 특성은, 상기 타겟 셀의 문턱 전압(threshold voltage)이고, 상기 방법은, 기 학습된 상기 그래프 신경망 모델을 이용하여 타겟 셀과 인접한 셀들에 대해 교차 온도 효과에 대한 영향도를 각각 산출하는 단계를 더 포함하는, 메모리의 셀 단위 분석 방법.

청구항 9에 있어서, 상기 영향도를 각각 산출하는 단계는, 상기 메모리 중 분석을 원하는 타겟 셀을 선택하는 단계;상기 선택된 타겟 셀에 대한 그래프 구조 데이터를 생성하는 단계;상기 타겟 셀에 대한 그래프 구조 데이터를 상기 학습된 그래프 신경망 모델로 입력하여 상기 타겟 셀에 대한 예측된 문턱 전압을 출력하는 단계;상기 타겟 셀에 대한 예측된 문턱 전압과 상기 타겟 셀의 초기 문턱 전압 간의 차이를 산출하는 단계;상기 산출된 차이를 역 전파하여 상기 그래프 구조 데이터의 각 노드의 기울기를 산출하는 단계; 및상기 각 노드의 기울기를 통해 상기 타겟 셀의 인접한 셀들의 교차 온도 효과에 대한 영향도를 각각 산출하는 단계를 포함하는, 메모리의 셀 단위 분석 방법.

하나 이상의 프로세서들;메모리; 및하나 이상의 프로그램들을 포함하고,상기 하나 이상의 프로그램들은 상기 메모리에 저장되고, 상기 하나 이상의 프로세서들에 의해 실행되도록 구성되며, 상기 하나 이상의 프로그램들은, 메모리의 각 셀의 위치에 대한 정보를 획득하기 위한 명령;상기 메모리의 각 셀의 위치를 기초로 타겟 셀에 대한 그래프 구조 데이터를 생성하기 위한 명령; 및상기 그래프 구조 데이터를 그래프 신경망 모델에 입력하여 상기 그래프 신경망 모델이 상기 타겟 셀에 대한 전기적 특성 및 상기 타겟 셀의 PV 레벨(program 0026# verify level) 중 하나 이상을 예측하도록 학습하기 위한 명령을 포함하며,상기 그래프 구조 데이터를 생성하기 위한 명령은, 상기 메모리에서 상기 타겟 셀 및 상기 타겟 셀과 인접한 셀을 노드로 설정하고, 상기 타겟 셀과 상기 인접한 셀 간의 연결을 에지로 설정하여 상기 그래프 구조 데이터를 생성하며, 상기 타겟 셀을 기준으로 상기 타겟 셀과 인접한 셀이 XY축 방향으로 연결된 경우, 조인트 워드 라인(Joint Word Line)의 연결 관계를 갖는 것으로 판단하여 제1 타입의 에지로 표현하고, 상기 타겟 셀을 기준으로 상기 타겟 셀과 인접한 셀이 Z축 방향으로 연결된 경우, 조인트 스트링 라인(Joint String Line)의 연결 관계를 갖는 것으로 판단하여 제2 타입의 에지로 표현하는, 컴퓨팅 장치.

삭제

삭제

하나 이상의 프로세서들;메모리; 및하나 이상의 프로그램들을 포함하고,상기 하나 이상의 프로그램들은 상기 메모리에 저장되고, 상기 하나 이상의 프로세서들에 의해 실행되도록 구성되며, 상기 하나 이상의 프로그램들은, 메모리의 각 셀의 위치에 대한 정보를 획득하기 위한 명령;상기 메모리의 각 셀의 위치를 기초로 타겟 셀에 대한 그래프 구조 데이터를 생성하기 위한 명령; 및상기 그래프 구조 데이터를 그래프 신경망 모델에 입력하여 상기 그래프 신경망 모델이 상기 타겟 셀에 대한 전기적 특성 및 상기 타겟 셀의 PV 레벨(program 0026# verify level) 중 하나 이상을 예측하도록 학습하기 위한 명령을 포함하며,상기 그래프 구조 데이터를 생성하기 위한 명령은, 상기 메모리에서 상기 타겟 셀 및 상기 타겟 셀과 인접한 셀을 노드로 설정하고, 상기 타겟 셀과 상기 인접한 셀 간의 연결을 에지로 설정하여 상기 그래프 구조 데이터를 생성하며, 상기 전기적 특성은, 상기 타겟 셀의 문턱 전압(threshold voltage)이고, 상기 하나 이상의 프로그램들은,기 학습된 상기 그래프 신경망 모델을 이용하여 상기 메모리 중 소거 셀(erased cell)에 대한 교차 온도 효과(cross-temperature effect)를 최소화 하는 PV 레벨을 예측하기 위한 명령을 더 포함하는, 컴퓨팅 장치.

청구항 14에 있어서, 상기 교차 온도 효과를 최소화 하는 PV 레벨을 예측하기 위한 명령은,상기 메모리 중 임의의 소거 셀에 대해 기 설정된 복수 개 상태의 레벨로 각각 가상으로 프로그래밍 하기 위한 명령;상기 소거 셀의 각 상태의 레벨에 대한 그래프 구조 데이터를 각각 생성하기 위한 명령; 및상기 소거 셀의 각 상태의 레벨에 대한 그래프 구조 데이터를 상기 학습된 그래프 신경망 모델로 각각 입력하여 상기 소거 셀의 각 상태의 레벨에 대한 문턱 전압을 각각 예측하기 위한 명령을 포함하는, 컴퓨팅 장치.

청구항 15에 있어서, 상기 교차 온도 효과를 최소화 하는 PV 레벨을 예측하기 위한 명령은,상기 소거 셀의 각 상태의 레벨에 대한 예측된 문턱 전압과 해당 상태의 레벨에 대해 기 설정된 문턱 전압 간의 차이를 각각 비교하기 위한 명령; 및상기 차이가 가장 작은 상태의 레벨을 상기 교차 온도 효과를 최소화 하는 PV 레벨로 설정하기 위한 명령을 더 포함하는, 컴퓨팅 장치.

하나 이상의 프로세서들;메모리; 및하나 이상의 프로그램들을 포함하고,상기 하나 이상의 프로그램들은 상기 메모리에 저장되고, 상기 하나 이상의 프로세서들에 의해 실행되도록 구성되며, 상기 하나 이상의 프로그램들은, 메모리의 각 셀의 위치에 대한 정보를 획득하기 위한 명령;상기 메모리의 각 셀의 위치를 기초로 타겟 셀에 대한 그래프 구조 데이터를 생성하기 위한 명령; 및상기 그래프 구조 데이터를 그래프 신경망 모델에 입력하여 상기 그래프 신경망 모델이 상기 타겟 셀에 대한 전기적 특성 및 상기 타겟 셀의 PV 레벨(program 0026# verify level) 중 하나 이상을 예측하도록 학습하기 위한 명령을 포함하며,상기 그래프 구조 데이터를 생성하기 위한 명령은, 상기 메모리에서 상기 타겟 셀 및 상기 타겟 셀과 인접한 셀을 노드로 설정하고, 상기 타겟 셀과 상기 인접한 셀 간의 연결을 에지로 설정하여 상기 그래프 구조 데이터를 생성하며, 상기 전기적 특성은, 상기 타겟 셀의 문턱 전압(threshold voltage)이고, 상기 하나 이상의 프로그램들은, 기 학습된 상기 그래프 신경망 모델을 이용하여 타겟 셀과 인접한 셀들에 대해 교차 온도 효과에 대한 영향도를 각각 산출하기 위한 명령을 더 포함하는, 컴퓨팅 장치.

청구항 17에 있어서, 상기 영향도를 각각 산출하기 위한 명령은,상기 메모리 중 분석을 원하는 타겟 셀을 선택하기 위한 명령;상기 선택된 타겟 셀에 대한 그래프 구조 데이터를 생성하기 위한 명령;상기 타겟 셀에 대한 그래프 구조 데이터를 상기 학습된 그래프 신경망 모델로 입력하여 상기 타겟 셀에 대한 예측된 문턱 전압을 출력하기 위한 명령;상기 타겟 셀에 대한 예측된 문턱 전압과 상기 타겟 셀의 초기 문턱 전압 간의 차이를 산출하기 위한 명령;상기 산출된 차이를 역 전파하여 상기 그래프 구조 데이터의 각 노드의 기울기를 산출하기 위한 명령; 및상기 각 노드의 기울기를 통해 상기 타겟 셀의 인접한 셀들의 교차 온도 효과에 대한 영향도를 각각 산출하기 위한 명령을 포함하는, 컴퓨팅 장치.

비일시적 컴퓨터 판독 가능한 저장 매체(non-transitory computer readable storage medium)에 저장된 컴퓨터 프로그램으로서, 상기 컴퓨터 프로그램은 하나 이상의 명령어들을 포함하고, 상기 명령어들은 하나 이상의 프로세서들을 갖는 컴퓨팅 장치에 의해 실행될 때, 상기 컴퓨팅 장치로 하여금, 메모리의 각 셀의 위치에 대한 정보를 획득하는 단계;상기 메모리의 각 셀의 위치를 기초로 타겟 셀에 대한 그래프 구조 데이터를 생성하는 단계; 및상기 그래프 구조 데이터를 그래프 신경망 모델에 입력하여 상기 그래프 신경망 모델이 상기 타겟 셀에 대한 전기적 특성 및 상기 타겟 셀의 PV 레벨(program 0026# verify level) 중 하나 이상을 예측하도록 학습하는 단계를 수행하도록 하며,상기 그래프 구조 데이터를 생성하는 단계는, 상기 메모리에서 상기 타겟 셀 및 상기 타겟 셀과 인접한 셀을 노드로 설정하고, 상기 타겟 셀과 상기 인접한 셀 간의 연결을 에지로 설정하여 상기 그래프 구조 데이터를 생성하며,상기 타겟 셀을 기준으로 상기 타겟 셀과 인접한 셀이 XY축 방향으로 연결된 경우, 조인트 워드 라인(Joint Word Line)의 연결 관계를 갖는 것으로 판단하여 제1 타입의 에지로 표현하고, 상기 타겟 셀을 기준으로 상기 타겟 셀과 인접한 셀이 Z축 방향으로 연결된 경우, 조인트 스트링 라인(Joint String Line)의 연결 관계를 갖는 것으로 판단하여 제2 타입의 에지로 표현하는, 비일시적 컴퓨터 판독 가능한 저장 매체에 저장된 컴퓨터 프로그램.