本文案涉及多存储器裸片技术。存储器装置可包含多个存储器裸片且可经配置以与主机装置通信。举例来说，每一存储器裸片可与包含相应数据引脚子集的一组数据引脚(例如具有4个数据引脚的两个子集的一组8个数据引脚)耦合。此外，每一存储器裸片可具有用于经过所述数据引脚子集中的一或多者传递的数据的通道编码信息的一或多个辅助引脚。在一些情况中，每一存储器裸片可包含一或多个额外辅助引脚，其可用于相应数据引脚子集或多个数据引脚子集的通道编码信息。与所述辅助引脚相关联的所述通道编码信息可包含错误检测码信息、数据编码信息或其任何组合。

公开了一种具有可更新电子显示器的可运输附接网络的数据存储装置。可更新电子显示器用于显示运输目的地信息。所述装置可由服务提供商初始化(例如，准备来接收数据，且所述可更新电子运输显示器设置到所述运输目的地)，并根据所述显示的目的地地址作为独立运输单元来运输。所述装置可被安装至所述目的地处的网络上并加载有数据。所述显示器也可用下一个目的地地址被更新，使得所述装置被运输至所述更新的目的地地址(例如，被运输回到所述服务提供商，或在被发送回到所述服务提供商之前到达其它目的地)。当在所述服务提供商处往回接收所述装置时，所述数据被从所述装置传输至服务提供商存储设施、被擦除数据并准备再次发送出去。

本文案涉及使用电路降级的认证记录。本技术提供与记录失败的认证尝试相关的设备及方法。可通过使电路降级来将失败的认证尝试记录在所述电路中。所述降级可表示失败的认证尝试，而所述降级的量可代表错误的定时。

提供了用于高效数据关联的技术。接收第一数据分段，并且基于与第一数据分段相关联的时间戳来选择多个哈希表中的第一哈希表。此外，基于第一数据分段来识别第一哈希表中的第一哈希桶。确定第一哈希桶包括第二数据分段。在确定第一哈希桶满足预定义标准时，从第一哈希桶中移除第二数据分段，并且将第一数据分段和第二数据分段相关联。

本文案针对于优化车辆的预测性维护的神经网络计算的系统、方法和设备。举例来说，一种车辆的数据存储装置包含:主机接口，其被配置成从配置于所述车辆上的至少一个传感器接收传感器数据流；至少一个存储媒体组件，其具有非易失性存储器；和控制器。所述非易失性存储器被配置到多个分区(例如，名称空间)中，所述分区具有被配置成用于与人工神经网络ANN相关的不同类型的数据的不同存储器操作设置集。所述分区包含被配置成存储所述ANN的模型数据的模型分区。所述传感器数据流应用于所述ANN中来预测所述车辆的维护服务。所述模型分区的存储器单元可被配置成用于读取、少有更新、改进的存储容量，和/或用于与所述ANN的输入/输出并行的存取。

本技术包含与非确定性存储器协议有关的设备及方法。实例性设备可根据协议基于从主机接收的命令而对存储器装置执行操作，其中所述协议包含所述操作的非确定性时序。所述存储器装置可为非易失性双列直插式存储器模块NVDIMM装置。

确定与要对一或多个存储器组件执行的测试相关联的滤波器信息。可以保留与所述滤波器信息匹配的一组存储器组件用于测试。确定定义所述测试的一组测试过程的测试执行信息。可以建立与第一测试过程的连接，并将其用于接收与所述测试过程的执行相关联的反馈信息。基于所述反馈信息，可以识别所述第一测试过程的失败。

本文涉及具有用于汽车预测性维护的神经网络加速器的存储装置。例如，车辆的数据存储装置包含:主机接口，其经配置以从配置在所述车辆上的至少一个传感器接收传感器数据流；至少一个存储媒体组件，其具有非易失性存储器以存储所述传感器数据流的至少一部分；控制器；及神经网络加速器，其经耦合到所述控制器。所述神经网络加速器经配置以基于人工神经网络及所述传感器数据流执行计算的至少一部分以预测所述车辆的维护服务。

本文涉及阈值数目个迭代之后利用可调整参数的迭代性错误校正。一种存储器系统中的处理装置从存储器装置读取感测字，且对所述感测字的对应子集执行多个奇偶校验方程式以确定多个奇偶校验方程式结果。所述处理装置使用所述多个奇偶校验方程式结果确定所述感测字的校正子，确定所述感测字的所述校正子是否满足码字准则，且响应于所述感测字的所述校正子不满足所述码字准则，执行迭代性低密度奇偶校验LDPC校正过程，其中在执行阈值数目个迭代之后调整所述迭代性LDPC校正过程的至少一个准则。

描述了用于减轻迭代解码器中的失速的方法、系统和设备。从存储器装置接收码字。基于第一位翻转准则反复地错误校正所述码字。检测多个错误校正迭代中的失速条件。响应于所述检测，基于不同于所述第一位翻转准则的第二位翻转准则错误校正所述码字。