特開 2024-155089 半導体装置

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2024155089

(43)【公開日】2024-10-31

(54)【発明の名称】半導体装置

(51)【国際特許分類】

   G11C 14/00 20060101AFI20241024BHJP

【ＦＩ】

G11C14/00 230

【審査請求】未請求

【請求項の数】7

【出願形態】ＯＬ

(21)【出願番号】P 2023069504

(22)【出願日】2023-04-20

(71)【出願人】

【識別番号】598121341

【氏名又は名称】慶應義塾

(74)【代理人】

【識別番号】100107766

【弁理士】

【氏名又は名称】伊東 忠重

(74)【代理人】

【識別番号】100070150

【弁理士】

【氏名又は名称】伊東 忠彦

(72)【発明者】

【氏名】山▲崎▼ 信行

(72)【発明者】

【氏名】中別府 将太

(57)【要約】

【課題】不揮発性記憶部への書き込み動作における消費エネルギーを低減する。
【解決手段】不揮発性記憶部を備える半導体装置が、半導体装置の状態を示す状態情報に基づいて不揮発性記憶部に対する書き込み成功率を予測する予測回路部と、書き込み成功率の予測結果に基づいて不揮発性記憶部に対する書き込み動作を制御する記憶制御部と、書き込み動作の結果に基づいて、機械学習モデルのモデルパラメタを更新する学習回路部と、を備える。
【選択図】図３

【特許請求の範囲】

【請求項1】

不揮発性記憶部を備える半導体装置であって、
前記半導体装置の状態を示す状態情報に基づいて前記不揮発性記憶部に対する書き込み成功率を予測する予測回路部と、
前記書き込み成功率の予測結果に基づいて前記不揮発性記憶部に対する書き込み動作を制御する記憶制御部と、
を備える半導体装置。

【請求項2】

請求項１に記載の半導体装置であって、
前記予測回路部は、前記状態情報及び前記不揮発性記憶部への電流流入時間に基づいて前記書き込み成功率を予測し、
前記記憶制御部は、前記書き込み成功率が閾値以上となる前記電流流入時間で前記書き込み動作を実行する、
半導体装置。

【請求項3】

請求項２に記載の半導体装置であって、
前記状態は、前記不揮発性記憶部の温度及び前記半導体装置の電圧を含む、
半導体装置。

【請求項4】

請求項２又は３に記載の半導体装置であって、
前記不揮発性記憶部は、磁気トンネル接合素子を含む、
半導体装置。

【請求項5】

請求項３に記載の半導体装置であって、
前記予測回路部は、前記温度、前記電圧及び前記電流流入時間を説明変数とし、前記書き込み成功率を目的変数とする機械学習モデルを用いて、前記書き込み成功率を予測する、
半導体装置。

【請求項6】

請求項５に記載の半導体装置であって、
前記書き込み動作の結果に基づいて、前記機械学習モデルのモデルパラメタを更新する学習回路部をさらに備える、
半導体装置。

【請求項7】

請求項５又は６に記載の半導体装置であって、
前記機械学習モデルは、多層ニューラルネットワークである、
半導体装置。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、半導体装置に関する。

【背景技術】

【0002】

省エネルギーかつ高信頼性を要求される組込みシステムでは、消費エネルギーを抑制することができる不揮発性デバイスが利用されている。例えば、特許文献１には、フリップフロップと不揮発性記憶部とを備え、不揮発性記憶部に記憶されているデータとフリップフロップが保持するデータとが同一でない場合、フリップフロップが保持するデータを不揮発性記憶部に書き込ませる制御を行う半導体装置が開示されている。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０１８－１０１４５６号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

しかしながら、従来技術では、確率的にデータを記憶する不揮発性素子を用いているため、高確率でデータの書き込みが成功するように書き込み動作を制御する。そのため、従来技術では、消費エネルギーを低減する余地がある。

【0005】

本開示の一態様は、上記のような技術的課題に鑑みて、不揮発性記憶部への書き込み動作における消費エネルギーを低減することを目的とする。

【課題を解決するための手段】

【0006】

本開示の一態様による半導体装置は、不揮発性記憶部を備える半導体装置であって、半導体装置の状態を示す状態情報に基づいて不揮発性記憶部に対する書き込み成功率を予測する予測回路部と、書き込み成功率の予測結果に基づいて不揮発性記憶部に対する書き込み動作を制御する記憶制御部と、を備える。

【発明の効果】

【0007】

本開示の一態様によれば、不揮発性記憶部への書き込み動作における消費エネルギーを低減することができる。

【図面の簡単な説明】

【0008】

【図1】従来技術におけるストア動作の一例を示すフローチャートである。

【図2】予測モデルの一例を示すブロック図である。

【図3】半導体装置の機能構成の一例を示すブロック図である。

【図4】実施形態におけるストア動作の一例を示すフローチャートである。

【図5】決定処理の一例を示すフローチャートである。

【発明を実施するための形態】

【0009】

以下、本発明の各実施形態について添付の図面を参照しながら説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複した説明を省略する。

【0010】

［実施形態］
近年、例えば自動車、ロボット又は宇宙機等の様々な組込みシステムが社会インフラを担っている。組込みシステムは例えばバッテリ等のようなエネルギー量に制限があるエネルギー源で駆動することが多いため、消費エネルギーを削減することが求められる。また、社会インフラを担う組込みシステムの故障は事故の原因となるため、高い信頼性を担保することも重要である。

【0011】

省エネルギーかつ高信頼性を満たすためには、電源を落としてもデータを保持できる不揮発性デバイスが有用である。特許文献１には、パワーゲーティングにより消費エネルギーを削減しつつ、不意に電源が落ちてもデータを保持することで高い信頼性を担保する不揮発性デバイスが開示されている。特許文献１に開示された不揮発性デバイスは、「ＶＲ－ＮＶＦＦ（Verify and Retryable Non-Volatile Flip-Flop）」とも呼ばれる。

【0012】

ＶＲ－ＮＶＦＦは、フリップフロップ部（以下、「ＦＦ」とも呼ぶ）、不揮発性素子部及び検証回路部で構成される。フリップフロップ部は通常のフリップフロップ回路と同様に動作する。フリップフロップ部が保持する値は、電源を落とすと消失する。不揮発性素子部は、２個の磁気トンネル接合（MTJ; Magnetic Tunnel Junction）素子により１ビットの値を記憶する。不揮発性素子部に記憶された値は、電源を落としても保持される。検証回路部は、フリップフロップ部が保持する値と不揮発性素子部に記憶された値とを比較検証する。

【0013】

フリップフロップ部が保持する値を不揮発性素子部に書き込む動作は、ストア動作と呼ばれる。不揮発性素子部に記憶された値をフリップフロップ部に復元する動作は、リストア動作と呼ばれる。不揮発性素子部に記憶された値を検証回路部に復元し、フリップフロップ部が保持する値と検証回路部が保持する値とを比較検証する動作は、検証動作と呼ばれる。

【0014】

本開示の一実施形態では、ＶＲ－ＮＶＦＦを備える半導体装置において、不揮発性素子部にデータを書き込むストア動作を省エネルギーで実現することを目的とする。一の側面では、本実施形態によれば、不揮発性記憶部への書き込み動作における消費エネルギーを低減することができる。

【0015】

＜磁気トンネル接合素子＞
磁気トンネル接合素子（以下、「ＭＴＪ素子」とも呼ぶ）は、磁化方向の違いにより値を記憶する不揮発性素子である。ＭＴＪ素子は、電流を流す方向により、低抵抗状態と高抵抗状態とを切り替えることが可能であり、この現象を利用して値の書き込みを行う。ＭＴＪ素子は、電源を落としても状態が保持される特徴を活かし、不揮発性記憶部として用いられる。参考文献１には、ＭＴＪ素子の状態遷移が発生する確率（言い替えると、ＭＴＪ素子への書き込みが成功する確率）が、温度、電圧及び電流流入時間等に依存することが開示されている。

【0016】

〔参考文献１〕Sun, J. Z.: "Spin-transfer torque switched magnetic tunnel junction for memory technologies," Journal of Magnetism and Magnetic Materials, Vol. 559, p. 169479 (online), DOI: https://doi.org/10.1016/j.jmmm.2022.169479 (2022).

【0017】

しかしながら、実チップ上では、ある電流流入時間におけるＭＴＪ素子の書き込み成功率を動的に予測することは困難である。例えば、実チップではプロセスがばらつくことや、温度及び電圧が動的に変化すること等が、予測を困難とする要因として挙げられる。

【0018】

参考文献２には、ＭＴＪ素子を用いた確率的スイッチングデバイスが開示されている。参考文献２に開示された確率的スイッチングデバイスは、ＭＴＪ素子への書き込みが確率的な動作であることを応用している。しかしながら、参考文献２では、プロセスのばらつきや温度及び電圧の動的な変化等を考慮してＭＴＪ素子の書き込み成功率を動的に予測することは行っていない。

【0019】

〔参考文献２〕米国特許出願公開第２０１９／１３０９５４号明細書

【0020】

＜ストア動作の流れ＞
ＶＲ－ＮＶＦＦは、２個のＭＴＪ素子に対して書き込みを行うため、ストア動作の成功率はＭＴＪ素子の書き込み成功率に依存する。ＶＲ－ＮＶＦＦは、ＭＴＪ素子への書き込みが確率的な動作であることを踏まえ、不揮発性素子部に対する書き込み成功率を向上するために、書き込み動作を行った後に検証動作を行い、失敗していた場合は再度書き込み動作を行うといった工程を繰り返す。

【0021】

ＭＴＪ素子への書き込みでは、電流流入時間を長くするほど成功率が向上する。一方、電流流入時間を長くすれば、それだけ消費エネルギーは増大する。ＶＲ－ＮＶＦＦでは、不揮発性素子部への書き込みの消費エネルギーを削減するために、１回目の書き込み動作における電流流入時間を短くし、２回目以降の書き込み動作における電流流入時間を長くする制御を行う。

【0022】

ＶＲ－ＮＶＦＦを備える半導体装置のストア動作について、図１を参照しながら説明する。図１は、従来技術におけるストア動作の一例を示すフローチャートである。なお、ストア動作は半導体装置の制御部により実行される。

【0023】

ステップＳ１において、半導体装置の制御部は、不揮発性素子部への書き込みが必要か否かを検証する。具体的には、制御部はＶＲ－ＮＶＦＦの検証回路部に、フリップフロップ部が保持する値と不揮発性素子部に記憶された値とを比較検証させ、その検証結果を出力させる。

【0024】

検証回路部が出力した検証結果が、フリップフロップ部が保持する値と不揮発性素子部に記憶された値とが異なることを示す場合、制御部は不揮発性素子部への書き込みが必要と判定する。一方、検証回路部が出力した検証結果が、フリップフロップ部が保持する値と不揮発性素子部に記憶された値とが等しいことを示す場合、制御部は不揮発性素子部への書き込みが不要と判定する。

【0025】

不揮発性素子部への書き込みが必要と判定した場合（ＹＥＳ）、制御部はステップＳ２に処理を進める。一方、不揮発性素子部への書き込みが不要と判定した場合（ＮＯ）、制御部はストア動作を終了する。

【0026】

ステップＳ２において、半導体装置の制御部は、ＶＲ－ＮＶＦＦに短時間書き込み動作を実行させる。短時間書き込み動作は、予め定めた第１の電流流入時間でフリップフロップ部が保持する値を不揮発性素子部に書き込む動作である。第１の電流流入時間は、統計的にある程度の書き込み成功率（例えば、８０％程度）が期待できる電流流入時間を任意に定めればよい。第１の電流流入時間は、例えば４０ナノ秒である。

【0027】

ステップＳ３において、半導体装置の制御部は、ステップＳ２で実行した短時間書き込み動作の書き込み結果を判定する。具体的には、制御部はＶＲ－ＮＶＦＦの検証回路部に、フリップフロップ部が保持する値と不揮発性素子部に記憶された値とを比較検証させ、その検証結果を出力させる。

【0028】

検証回路部が出力した検証結果が、フリップフロップ部が保持する値と不揮発性素子部に記憶された値とが等しいことを示す場合、制御部は短時間書き込み動作が成功したと判定する。一方、検証回路部が出力した検証結果が、フリップフロップ部が保持する値と不揮発性素子部に記憶された値とが異なることを示す場合、制御部は短時間書き込み動作が失敗したと判定する。

【0029】

短時間書き込み動作が成功した場合（ＹＥＳ）、制御部はストア動作を終了する。一方、短時間書き込み動作が失敗した場合（ＮＯ）、制御部はステップＳ４に処理を進める。

【0030】

ステップＳ４において、半導体装置の制御部は、書き込み回数を示すカウンタが所定の閾値未満であるか否かを判定する。所定の閾値は、書き込みを再試行する上限回数である。上限回数は任意に定めればよいが、例えば１６である。

【0031】

カウンタが閾値未満である場合（ＹＥＳ）、制御部はステップＳ６に処理を進める。このとき、制御部はカウンタをインクリメントする。一方、カウンタが閾値以上である場合（ＮＯ）、制御部はステップＳ５に処理を進める。

【0032】

ステップＳ５において、半導体装置の制御部は、割り込みを通知し、ストア動作を中断する。

【0033】

ステップＳ６において、半導体装置の制御部は、ＶＲ－ＮＶＦＦに長時間書き込み動作を実行させる。長時間書き込み動作は、予め定めた第２の電流流入時間でフリップフロップ部が保持する値を不揮発性素子部に書き込む動作である。第２の電流流入時間は第１の電流流入時間よりも長く設定される。第２の電流流入時間は、統計的にほぼ１００％の書き込み成功率が期待できる電流流入時間を定めればよい。第２の電流流入時間は、例えば１００ナノ秒である。

【0034】

半導体装置の制御部はＶＲ－ＮＶＦＦに長時間書き込み動作を実行させた後、ステップＳ３に処理を戻す。その後、制御部は、不揮発性素子部への書き込みが成功するか、カウンタが上限回数に達するまで、長時間書き込み動作を繰り返し実行する。

【0035】

＜ストア動作の消費エネルギー＞
本実施形態では、ストア動作における消費エネルギーを以下のようにモデル化する。ここで、モデル化する消費エネルギーは、複数のＶＲ－ＮＶＦＦで構成されるメモリバンクを備える半導体装置におけるストア動作の消費エネルギーである。以下では、本モデルを消費エネルギーモデルと呼ぶ。

【0036】

なお、消費エネルギーモデルは、下記３点を仮定している。
（１）１回目の長時間書き込み動作で書き込みが成功する。
（２）Ｎ個のＶＲ－ＮＶＦＦに対してストア動作を実行する。
（３）ＭＴＪ素子の消費エネルギーのみを考慮する。

【0037】

【数1】

【0038】

ここで、消費エネルギーモデルの各パラメタは、以下のとおりである。
・Ｅ_store：ストア動作全体の消費エネルギー
・Ｅ_firstverify：１回目の検証動作の消費エネルギー
・Ｅ_shortstore：短時間書き込み動作の消費エネルギー
・Ｅ_secondverify：２回目の検証動作の消費エネルギー
・Ｅ_longstore：長時間書き込み動作の消費エネルギー
・Ｅ_thirdverify：３回目の検証動作の消費エネルギー
・Ｅ_verify：検証動作の消費エネルギー（ＶＲ－ＮＶＦＦ１個あたり）
・Ｎ：ＮＶＦＦの総数
・Ｎ₁：１回目の検証動作後、ＦＦとＭＴＪ素子とで値が異なるＶＲ－ＮＶＦＦの総数
・Ｎ₂：２回目の検証動作後、ＦＦとＭＴＪ素子とで値が異なるＶＲ－ＮＶＦＦの総数
・Ｖ：電圧
・Ｉ：ＭＴＪ素子に流入する電流値
・ｔ_shortstore：短時間書き込み動作の電流流入時間
・ｔ_longstore：長時間書き込み動作の電流流入時間
・Ｐ_shortstore：短時間書き込み動作の成功率
・Ｐ_longstore：長時間書き込み動作の成功率

【0039】

消費エネルギーモデルに基づくと、短時間書き込み動作の成功率Ｐ_shortstoreは短時間書き込み動作の電流流入時間ｔ_shortstoreに依存することがわかる。したがって、短時間書き込み動作の消費エネルギーＥ_shortstoreと長時間書き込み動作の消費エネルギーＥ_longstoreの和（Ｅ_shortstore＋Ｅ_longstore）を最小化するように、短時間書き込み動作の電流流入時間ｔ_shortstoreを設定すべきである。

【0040】

また、消費エネルギーモデルに基づくと、長時間書き込み動作の成功率Ｐ_longstoreは長時間書き込み動作の電流流入時間ｔ_longstoreに依存することがわかる。したがって、長時間書き込み動作の成功率Ｐ_longstoreが１００％に近くなり、かつ長時間書き込み動作の消費エネルギーＥ_longstoreを最小化するように、長時間書き込み動作の電流流入時間ｔ_longstoreを設定すべきである。

【0041】

＜書き込み動作の成功率＞
ＭＴＪ素子への書き込み成功率モデルは複数存在するが（参考文献１等参照）、本実施形態では、ＭＴＪ素子への書き込み動作の成功率を以下のようにモデル化する。なお、書き込み動作の成功条件は、不揮発性素子部を構成する２個のＭＴＪ素子両方への書き込みに成功したことである。以下では、本モデルを成功率モデルと呼ぶ。

【0042】

【数2】

【0043】

ここで、成功率モデルの各パラメタは、以下のとおりである。
・Ｐ_store：ストア動作の成功率
・Ｐ_sw：ＭＴＪ素子の書き込み成功率（ＭＴＪ素子１個あたり）
・ｔ：電流流入時間
・Ｔ：ＭＴＪ素子の温度
・Ｖ：電圧
・Ｉ：ＭＴＪ素子に流入する電流値
・Ｒ_MTJ：ＭＴＪ素子の抵抗値
・τ₀：試行時間（１ナノ秒程度）
・Ｅ_b：エネルギー障壁
・ｋ_b：ボルツマン定数
・Ｉ_c：クリティカル電流値
・ν：定数（１≦ν≦２）

【0044】

成功率モデルに基づくと、書き込み動作の成功率Ｐ_storeは、ＭＴＪ素子の書き込み成功率Ｐ_swを用いて計算可能であることがわかる。また、ＭＴＪ素子の書き込み成功率Ｐ_swは、温度Ｔ、電圧Ｖ及び電流流入時間ｔに依存することがわかる。

【0045】

＜電流流入時間の決定手法＞
ある電流流入時間におけるＭＴＪ素子の書き込み成功率を動的に予測し、ＭＴＪ素子への書き込み動作における電流流入時間を適切に制御すれば、ストア動作の消費エネルギーをより効果的に削減することができる。

【0046】

本実施形態では、機械学習により動的にストア動作全体の消費エネルギーＥ_storeを最小化する電流流入時間ｔを決定する。具体的には、温度Ｔ、電圧Ｖ及び電流流入時間ｔを説明変数とし、書き込み成功率Ｐ_swを目的関数とする機械学習モデルを用いて、ＭＴＪ素子の書き込み成功率を予測する。以下、この機械学習モデルを「予測モデル」と呼ぶ。

【0047】

図２は、予測モデルの一例を示すブロック図である。図２に示されているように、本実施形態における予測モデル１００は、温度Ｔ、電圧Ｖ及び電流流入時間ｔを入力とし、書き込み成功率Ｐ_swを出力する。

【0048】

上記の成功率モデルに基づくと、温度Ｔ、電圧Ｖ及び電流流入時間ｔと書き込み成功率Ｐ_swとは、非線形関数で表現されることがわかる。そのため、予測モデルは、非線形関数を予測可能とするために、多層ニューラルネットワークで構成するとよい。多層ニューラルネットワークの構造は限定されないが、例えば、８層４ノードの順伝播型ニューラルネットワークを用いることができる。ただし、層数及びノード数はこれらに限定されず、計算量及び予測精度に応じて任意に設計すればよい。

【0049】

予測モデルは、予め様々な温度Ｔ、電圧Ｖ及び電流流入時間ｔで書き込み動作を行い、その温度Ｔ、電圧Ｖ及び電流流入時間ｔに書き込み成功率を関連付けた学習データを用いて学習することができる。予測モデルは、オフラインで学習した学習済みの予測モデルを使い続けてもよいし、書き込み動作を行うたびにオンラインで再学習可能としてもよい。

【0050】

学習済みの予測モデルは、ＭＴＪ素子を用いる半導体装置の制御部にハードウェアとして組み込むとよい。予測モデルを再学習可能とするために、予測モデルのモデルパラメタは不揮発性の記憶部に記憶するとよい。モデルパラメタを記憶する記憶部は、制御対象とするＶＲ－ＮＶＦＦでもよいし、その他の記憶部でもよい。

【0051】

また、本実施形態では、学習済みの予測モデルによる予測結果に基づいて、消費エネルギーＥ_storeを最小化する電流流入時間（以下、「最適電流流入時間」と呼ぶ）を探索する。最適電流流入時間は、書き込み成功率がほぼ１００％と予測される電流流入時間ｔのうち最も短い電流流入時間ｔである。そして、本実施形態では、探索された最適電流流入時間に従って、ＭＴＪ素子への書き込み動作における電流流入時間ｔを決定する。

【0052】

さらに、本実施形態では、書き込み動作を行ったときの温度Ｔ、電圧Ｖ、電流流入時間ｔ及び書き込み結果（成功又は失敗）に基づいて、予測モデルを再学習する。これにより、書き込み動作を繰り返すに連れて、半導体装置の動作環境に対して予測モデルを最適化することができる。

【0053】

＜半導体装置の機能構成＞
本実施形態における半導体装置の機能構成について、図３を参照しながら説明する。図３は、半導体装置の機能構成の一例を示すブロック図である。

【0054】

図３に示されているように、本実施形態における半導体装置１は、Ｎ（≧１）個の不揮発性フリップフロップ２及び制御部３を備える。不揮発性フリップフロップ２は、電源を落としてもデータを保持できる不揮発性デバイスである。不揮発性フリップフロップ２は、例えば、ＶＲ－ＮＶＦＦである。制御部３は、不揮発性フリップフロップ２の動作を制御する。

【0055】

図３では、半導体装置１がＮ個の不揮発性フリップフロップ２を備える例が示されているが、半導体装置１が備える不揮発性フリップフロップ２の数は限定されない。複数個の不揮発性フリップフロップ２を備える場合、制御部３がすべての不揮発性フリップフロップ２を制御すればよい。

【0056】

不揮発性フリップフロップ２は、フリップフロップ部２１、不揮発性素子部２２（不揮発性記憶部の一例）及び検証回路部２３を備える。制御部３は、取得部３１、予測回路部３２、決定部３３、記憶制御部３４及び学習回路部３５を備える。

【0057】

フリップフロップ部２１は、フリップフロップ回路で構成される揮発性の記憶部である。

【0058】

不揮発性素子部２２は、２個のＭＴＪ素子で構成される不揮発性の記憶部である。

【0059】

検証回路部２３は、フリップフロップ部２１が保持する値と不揮発性素子部２２が保持する値とを比較検証し、検証結果を出力する。検証回路部２３が出力する検証結果は、フリップフロップ部２１が保持する値と不揮発性素子部２２に記憶された値とが同一であるか否かを示す真理値である。

【0060】

取得部３１は、半導体装置１の状態を示す状態情報を取得する。状態情報は、半導体装置１の温度を計測した温度データ、及び半導体装置１の電源電圧を示す電圧データを含む。温度データは、半導体装置１が備える温度センサから取得することができる。電圧データは、半導体装置１の電源から取得することができる。

【0061】

なお、上記の成功率モデルではＭＴＪ素子の温度をパラメタとしていたが、ＭＴＪ素子自体の温度を計測することは困難である。一方、半導体装置１の温度センサで計測できる温度はＭＴＪ素子の温度と同視できる。そのため、本実施形態では半導体装置１が備える温度センサで計測される温度をＭＴＪ素子の温度として用いる。

【0062】

予測回路部３２は、取得部３１が出力した状態情報に基づいて、不揮発性素子部２２の書き込み成功率を予測する。具体的には、予測回路部３２は、学習済みの予測モデルに、温度、電圧及び電流流入時間を入力することで、書き込み成功率を予測する。予測モデルに入力する温度及び電圧は、状態情報に含まれる温度データ及び電圧データから取得する。予測モデルに入力する電流流入時間は、決定部３３により選択される。

【0063】

決定部３３は、予測回路部３２による書き込み成功率の予測結果に基づいて、電流流入時間を決定する。具体的には、決定部３３は、予測対象とする電流流入時間を選択し、その電流流入時間における書き込み成功率の予測結果を予測回路部３２から取得する。決定部３３は、電流流入時間を変化させながら書き込み成功率の予測結果を取得することを繰り返し、ストア動作の消費エネルギーを最小化する最適電流流入時間を探索する。

【0064】

また、決定部３３は、探索された最適電流流入時間に基づいて、ＭＴＪ素子への書き込み動作における電流流入時間を決定する。具体的には、記憶制御部３４は、最適電流流入時間を長時間書き込み動作における電流流入時間（第２の電流流入時間）として決定する。また、記憶制御部３４は、最適電流流入時間よりも短い電流流入時間を短時間書き込み動作における電流流入時間（第１の電流流入時間）として決定する。

【0065】

記憶制御部３４は、決定部３３により決定した電流流入時間に従って、ストア動作を制御する。言い替えると、記憶制御部３４は、決定部３３により決定した第１の電流流入時間に従って、短時間書き込み動作を実行する。また、記憶制御部３４は、決定部３３により決定した第２の電流流入時間に従って、長時間書き込み動作を実行する。

【0066】

学習回路部３５は、記憶制御部３４による書き込み動作の結果に基づいて、予測モデルを再学習する。具体的には、学習回路部３５は、記憶制御部３４により短時間書き込み動作又は長時間書き込み動作が実行されるたびに、不揮発性フリップフロップ２の検証回路部２３から検証結果を取得し、書き込み動作が成功したか否かを判定する。また、学習回路部３５は、書き込み動作が成功した不揮発性フリップフロップ２の数に基づいて、書き込み成功率を計算する。書き込み成功率は、Ｍ（≦Ｎ）を書き込み動作が成功した不揮発性フリップフロップ２の数として、Ｍ／Ｎである。そして、学習回路部３５は、書き込み動作を実行したときの温度、電圧及び電流流入時間に、書き込み成功率を関連付けた学習データを生成する。

【0067】

そして、学習回路部３５は、生成した学習データに基づいて予測モデルのモデルパラメタを更新する。具体的には、学習回路部３５は、学習データに含まれる温度、電圧及び電流流入時間に基づいて予測回路部３２により書き込み成功率を予測する。次に、学習回路部３５は、書き込み成功率の予測結果と学習データに含まれる書き込み成功率との誤差を計算する。そして、学習回路部３５は、誤差が最小化するように予測モデルのモデルパラメタを更新する。モデルパラメタの更新は、例えば誤差逆伝播法等に基づいて行えばよい。

【0068】

＜ストア動作の処理手順＞
本実施形態における半導体装置１が実行するストア動作について、図４及び図５を参照しながら説明する。図４は、本実施形態におけるストア動作の一例を示すフローチャートである。

【0069】

ステップＳ１１において、半導体装置１の制御部３は、電流流入時間の決定処理を実行する。電流流入時間の決定処理は、不揮発性素子部２２への書き込み動作における電流流入時間を決定する処理である。

【0070】

≪電流流入時間の決定処理≫
電流流入時間の決定処理（図４のステップＳ１１）について、図５を参照しながらより詳細に説明する。図５は、決定処理の一例を示すフローチャートである。

【0071】

ステップＳ２１において、制御部３の取得部３１は、半導体装置１が備える温度センサから温度データを取得する。次に、取得部３１は、半導体装置１の電源から電圧データを取得する。そして、取得部３１は、温度データ及び電圧データを含む状態情報を、予測回路部３２に送る。

【0072】

ステップＳ２２において、制御部３の決定部３３は、予測対象とする電流流入時間を選択する。１回目のステップＳ２２では、決定部３３は、予め定めた電流流入時間の初期値を選択すればよい。電流流入時間の初期値は、予測モデルを学習したときに決定しておけばよい。そして、決定部３３は、選択した電流流入時間を、予測回路部３２に送る。

【0073】

ステップＳ２３において、制御部３の予測回路部３２は、取得部３１から状態情報を受け取る。また、予測回路部３２は、決定部３３から電流流入時間を受け取る。次に、予測回路部３２は、状態情報から温度及び電圧を取得する。続いて、予測回路部３２は、学習済みの予測モデルに温度、電圧及び電流流入時間を入力する。予測モデルは、温度、電圧及び電流流入時間に基づいて書き込み成功率を予測し、その予測結果を出力する。

【0074】

ステップＳ２４において、制御部３の決定部３３は、予測回路部３２が出力した予測結果が所定の条件を満たすか否かを判定する。書き込み成功率の予測結果が所定の条件を満たす場合（ＹＥＳ）、制御部３の決定部３３はステップＳ２５に処理を進める。一方、書き込み成功率の予測結果が所定の条件を満たさない場合（ＮＯ）、制御部３の決定部３３はステップＳ２２に処理を戻す。

【0075】

所定の条件は、予測された最適電流流入時間が最適か否かを判定するための条件である。所定の条件は、例えば、書き込み成功率が予め定めた閾値以上であり、かつ予め定めた閾値との差が所定の範囲以内であること等である。書き込み成功率に対する閾値は１００％に近い値を定めればよい。閾値は、例えば９９．９９９％である。

【0076】

ＭＴＪ素子への書き込みは電流流入時間が長いほど成功率が高くなる。一方、書き込み成功率が１００％近くなると電流流入時間を長くしても成功率の向上幅はわずかとなる。したがって、書き込み成功率と電流流入時間（すなわち消費エネルギー量）とのバランスを考慮し、高い確率で書き込みに成功する電流流入時間のうち最も短い電流流入時間を探索するとよい。

【0077】

２回目以降のステップＳ２２では、ステップＳ２３で予測回路部３２が出力した予測結果に基づいて、予測対象とする電流流入時間を再選択する。例えば、書き込み成功率の予測結果が所定の閾値未満であった場合、決定部３３は、前回よりも長い電流流入時間を選択すればよい。また、例えば、書き込み成功率の予測結果が所定の閾値以上、かつ所定の範囲外であった場合、決定部３３は、前回よりも短い電流流入時間を選択すればよい。

【0078】

ステップＳ２５において、制御部３の決定部３３は、書き込み成功率の予測結果が所定の条件を満たしたときの電流流入時間を、最適電流流入時間として決定する。次に、決定部３３は、最適電流流入時間に基づいて、第１の電流流入時間及び第２の電流流入時間を決定する。そして、決定部３３は、第１の電流流入時間及び第２の電流流入時間を記憶制御部３４に設定する。

【0079】

図４に戻って説明する。ステップＳ１２において、半導体装置１の制御部３は、不揮発性素子部２２への書き込みが必要か否かを検証する。具体的には、制御部３は、不揮発性フリップフロップ２の検証回路部２３に、フリップフロップ部２１が保持する値と不揮発性素子部２２に記憶された値とを比較検証させ、その検証結果を出力させる。

【0080】

検証回路部２３が出力した検証結果が、フリップフロップ部２１が保持する値と不揮発性素子部２２に記憶された値とが異なることを示す場合、制御部３は、不揮発性素子部２２への書き込みが必要と判定する。一方、検証回路部２３が出力した検証結果が、フリップフロップ部２１が保持する値と不揮発性素子部２２に記憶された値とが等しいことを示す場合、制御部３は、不揮発性素子部２２への書き込みが不要と判定する。

【0081】

不揮発性素子部２２への書き込みが必要と判定した場合（ＹＥＳ）、制御部３はステップＳ１３に処理を進める。一方、不揮発性素子部２２への書き込みが不要と判定した場合（ＮＯ）、制御部３はストア動作を終了する。

【0082】

ステップＳ１３において、半導体装置１の制御部３は、不揮発性フリップフロップ２に短時間書き込み動作を実行させる。具体的には、制御部３の記憶制御部３４が、ステップＳ１１で決定した第１の電流流入時間で、フリップフロップ部２１が保持する値を不揮発性素子部２２へ書き込ませる。

【0083】

ステップＳ１４において、半導体装置１の制御部３は、ステップＳ１３で実行した短時間書き込み動作の書き込み結果に基づいて、予測モデルを再学習する。具体的には、制御部３は、不揮発性フリップフロップ２の検証回路部２３に、フリップフロップ部２１が保持する値と不揮発性素子部２２に記憶された値とを比較検証させ、その検証結果を出力させる。

【0084】

検証回路部２３が出力した検証結果が、フリップフロップ部２１が保持する値と不揮発性素子部２２に記憶された値とが等しいことを示す場合、学習回路部３５は短時間書き込み動作が成功したと判定する。一方、検証回路部２３が出力した検証結果が、フリップフロップ部２１が保持する値と不揮発性素子部２２に記憶された値とが異なることを示す場合、学習回路部３５は短時間書き込み動作が失敗したと判定する。

【0085】

次に、学習回路部３５は、Ｍを書き込み動作が成功した不揮発性フリップフロップ２として、書き込み成功率Ｍ／Ｎを計算する。学習回路部３５は、短時間書き込み動作を実行したときの温度、電圧及び電流流入時間に、書き込み成功率を関連付ける。これにより、学習データが生成される。

【0086】

続いて、学習回路部３５は、学習データに含まれる温度、電圧及び電流流入時間に基づいて書き込み成功率を予測する。次に、学習回路部３５は、書き込み成功率の予測結果と学習データに含まれる書き込み成功率との誤差を計算する。そして、学習回路部３５は、誤差が最小化するように予測モデルのモデルパラメタを更新する。

【0087】

なお、予測モデルの再学習は行わず、オフラインで学習した予測モデルを使用し続けてもよい。この場合、制御部３は、ステップＳ１４をスキップし、ステップＳ１５に処理を進めればよい。

【0088】

ステップＳ１５において、半導体装置１の制御部３は、ステップＳ１３で実行した短時間書き込み動作の書き込み結果を判定する。短時間書き込み動作が成功した場合（ＹＥＳ）、制御部３はストア動作を終了する。一方、短時間書き込み動作が失敗した場合（ＮＯ）、制御部３はステップＳ１６に処理を進める。

【0089】

ステップＳ１６において、半導体装置１の制御部３は、書き込み回数を示すカウンタが所定の閾値未満であるか否かを判定する。カウンタが閾値未満である場合（ＹＥＳ）、制御部３はカウンタをインクリメントし、ステップＳ１８に処理を進める。一方、カウンタが閾値以上である場合（ＮＯ）、制御部３はステップＳ１７に処理を進める。

【0090】

ステップＳ１７において、半導体装置１の制御部３は、割り込みを通知し、ストア動作を中断する。

【0091】

ステップＳ１８において、半導体装置１の制御部３は、不揮発性フリップフロップ２に長時間書き込み動作を実行させる。具体的には、制御部３の記憶制御部３４が、ステップＳ１１で決定した第２の電流流入時間で、フリップフロップ部２１が保持する値を不揮発性素子部２２へ書き込ませる。

【0092】

半導体装置１の制御部３は、不揮発性フリップフロップ２に長時間書き込み動作を実行させた後、ステップＳ１４に処理を戻す。長時間書き込み動作を実行した後のステップＳ１４では、制御部３は、ステップＳ１８で実行した長時間書き込み動作の書き込み結果に基づいて、予測モデルを再学習する。その後、制御部３は不揮発性素子部２２への書き込みが成功するか、カウンタが上限回数に達するまで、長時間書き込み動作を繰り返し実行する。

【0093】

＜実施形態の効果＞
本実施形態における半導体装置１は、半導体装置１の状態に基づいて不揮発性素子部２２に対する書き込み成功率を予測し、その予測結果に基づいて不揮発性素子部２２に対する書き込み動作を制御する。例えば、半導体装置１の状態に応じて消費エネルギーが最小化するように書き込み動作を制御すれば、書き込み動作における消費エネルギーを低減することができる。したがって、本実施形態によれば、不揮発性素子部２２への書き込み動作における消費エネルギーを低減することができる。

【0094】

本実施形態における半導体装置１は、半導体装置１の状態及び不揮発性素子部２２への電流流入時間に基づいて書き込み成功率を予測し、書き込み成功率が閾値以上となる電流流入時間で書き込み動作を実行する。したがって、本実施形態によれば、所定の書き込み成功率を維持できる範囲で、不揮発性素子部２２への書き込み動作における消費エネルギーを最小化することができる。

【0095】

本実施形態における半導体装置１の状態は、不揮発性素子部２２の温度及び半導体装置１の電圧を含む。したがって、本実施形態によれば、不揮発性素子部２２の温度及び半導体装置１の電圧に応じて、不揮発性素子部２２への書き込み動作における消費エネルギーを低減することができる。

【0096】

本実施形態における不揮発性素子部２２は、磁気トンネル接合素子を含む。したがって、本実施形態によれば、磁気トンネル接合素子を備える不揮発性素子部２２への書き込み動作における消費エネルギーを低減することができる。

【0097】

本実施形態における半導体装置１は、温度、電圧及び電流流入時間を説明変数とし、書き込み成功率を目的変数とする機械学習モデルを用いて、書き込み成功率を予測する。したがって、本実施形態によれば、不揮発性素子部２２の温度、半導体装置１の電圧及び不揮発性素子部２２への電流流入時間に基づいて、書き込み成功率を予測することができる。

【0098】

本実施形態における半導体装置１は、書き込み動作の結果に基づいて、機械学習モデルを再学習する。したがって、本実施形態によれば、半導体装置１の動作環境に応じて予測モデルを最適化することができる。

【0099】

本実施形態における機械学習モデルは、多層ニューラルネットワークである。したがって、本実施形態によれば、半導体装置１の状態と書き込み成功率とが非線形な関係にある場合であっても、半導体装置１の状態に基づいて書き込み成功率を予測することができる。

【0100】

［補足］
上記の実施形態では、ＶＲ－ＮＶＦＦを備える半導体装置を対象として、不揮発性素子部への書き込み動作における消費エネルギーを低減する構成を説明した。しかしながら、本開示の一実施形態を適用可能な不揮発性デバイスは、ＶＲ－ＮＶＦＦに限定されない。本開示の一実施形態は、半導体装置の状態に応じて書き込み成功率が変動する不揮発性デバイスを備える半導体装置であれば、どのようなものであっても適用することができる。

【0101】

例えば、本開示の一実施形態は、ＶＲ－ＮＶＦＦ以外のＮＶＦＦを備える半導体装置に適用することができる。ＶＲ－ＮＶＦＦ以外のＮＶＦＦとしては、例えば、ＰＳＭ－ＮＶＦＦ（pseudo-spin-MOSFETs NVFF）等が挙げられる。また、例えば、本開示の一実施形態は、磁気抵抗メモリ（MRAM; Magnetoresistive Random Access Memory）や強誘電体メモリ（FeRAM; Ferroelectric Random Access Memory）等の不揮発性デバイスを備える半導体装置に適用することができる。

【0102】

以上、本発明の実施の形態について詳述したが、本発明はこれらの実施形態に限定されるものではなく、特許請求の範囲に記載された本発明の要旨の範囲内において、種々の変形又は変更が可能である。

【符号の説明】

【0103】

１ 半導体装置
２ 不揮発性フリップフロップ
３ 制御部
２１ フリップフロップ部
２２ 不揮発性素子部
２３ 検証回路部
３１ 取得部
３２ 予測回路部
３３ 決定部
３４ 記憶制御部
３５ 学習回路部

【図1】

【図2】

【図3】

【図4】

【図5】