Мягкие ошибки в вычислительных системах

Введение

Тип вычислительной ошибки

В электронике и вычислительной технике мягкая ошибка — это тип ошибки, при которой сигнал или данные оказываются неверными. Ошибки могут быть вызваны дефектом, обычно понимаемым как ошибка в проектировании или изготовлении, или неисправным компонентом. Мягкая ошибка — это также неверный сигнал или данные, при этом не предполагается наличие какой-либо ошибки или поломки как причины. После обнаружения мягкой ошибки нет оснований полагать, что надежность системы снизилась. Одной из причин возникновения мягких ошибок являются одиночные сбои, вызванные космическими лучами. В системе памяти компьютера мягкая ошибка может изменить инструкцию в программе или значение данных. Обычно мягкие ошибки можно устранить путем холодной перезагрузки компьютера. Мягкая ошибка не повреждает аппаратное обеспечение системы; ущерб наносится только обрабатываемым данным. Существует два типа мягких ошибок: мягкая ошибка на уровне чипа и мягкая ошибка на уровне системы. Мягкие ошибки на уровне чипа возникают, когда частицы попадают в чип, например, когда вторичные частицы от космических лучей попадают на кремниевую матрицу. Если частица с определенными свойствами попадает в ячейку памяти, это может привести к изменению состояния ячейки на другое значение. Атомная реакция в этом примере настолько мала, что не повреждает физическую структуру чипа. Мягкие ошибки на системном уровне возникают, когда обрабатываемые данные подвергаются воздействию шума, как правило, когда данные находятся в шине данных. Компьютер пытается интерпретировать шум как бит данных, что может привести к ошибкам при адресации или обработке программного кода. Неверный бит данных может даже сохраниться в памяти и вызвать проблемы в дальнейшем. При обнаружении мягкой ошибки ее можно исправить, перезаписав правильные данные вместо ошибочных. Высоконадежные системы используют коррекцию ошибок для исправления мягких ошибок в режиме реального времени. Однако во многих системах может быть невозможно определить правильные данные или даже обнаружить наличие ошибки. Кроме того, до того как произойдет исправление, система может аварийно завершить работу, в этом случае процедура восстановления должна включать перезагрузку. Мягкие ошибки связаны с изменением данных — например, электронов в схеме хранения — но не с изменением самой физической схемы, атомов. Если данные переписать, схема снова будет работать исправно. Мягкие ошибки могут возникать на линиях передачи, в цифровой логике, аналоговых схемах, магнитных носителях и в других местах, но наиболее известны в полупроводниковых устройствах памяти.

In electronics and computing, a soft error is a type of error where a signal or datum is wrong. Errors may be caused by a defect, usually understood either to be a mistake in design or construction, or a broken component. A soft error is also a signal or datum which is wrong, but is not assumed to imply such a mistake or breakage. After observing a soft error, there is no implication that the system is any less reliable than before. One cause of soft errors is single event upsets from cosmic rays. In a computer's memory system, a soft error changes an instruction in a program or a data value. Soft errors typically can be remedied by cold booting the computer. A soft error will not damage a system's hardware; the only damage is to the data that is being processed. There are two types of soft errors, chip level soft error and system level soft error. Chip level soft errors occur when particles hit the chip, e. g., when secondary particles from cosmic rays land on the silicon die. If a particle with certain properties hits a memory cell it can cause the cell to change state to a different value. The atomic reaction in this example is so tiny that it does not damage the physical structure of the chip. System level soft errors occur when the data being processed is hit with a noise phenomenon, typically when the data is on a data bus. The computer tries to interpret the noise as a data bit, which can cause errors in addressing or processing program code. The bad data bit can even be saved in memory and cause problems at a later time. If detected, a soft error may be corrected by rewriting correct data in place of erroneous data. Highly reliable systems use error correction to correct soft errors on the fly. However, in many systems, it may be impossible to determine the correct data, or even to discover that an error is present at all. In addition, before the correction can occur, the system may have crashed, in which case the recovery procedure must include a reboot. Soft errors involve changes to datathe electrons in a storage circuit, for examplebut not changes to the physical circuit itself, the atoms. If the data is rewritten, the circuit will work perfectly again. Soft errors can occur on transmission lines, in digital logic, analog circuits, magnetic storage, and elsewhere, but are most commonly known in semiconductor storage.

Критическая зарядка

Испытывает ли схема мягкую ошибку, зависит от энергии входящей частицы, геометрии воздействия, места попадания и конструкции логической схемы. Логические схемы с большей емкостью и более высоким напряжением питания менее подвержены ошибкам. Эта комбинация емкости и напряжения описывается параметром критического заряда, Qcrit – минимальным возмущением заряда, необходимого для изменения логического уровня. Более высокий Qcrit означает меньшую вероятность мягких ошибок. К сожалению, более высокий Qcrit также означает более медленную работу логического элемента и большее энергопотребление. Уменьшение размеров элементов чипа и напряжения питания, что желательно по многим причинам, приводит к снижению Qcrit. Таким образом, значимость мягких ошибок возрастает с развитием чиповых технологий. В логической схеме Qcrit определяется как минимальное количество индуцированного заряда, необходимое в узле схемы для генерации импульса напряжения, который распространится от этого узла к выходу и будет обладать достаточной длительностью и амплитудой для надежной фиксации. Поскольку логическая схема содержит множество узлов, которые могут быть затронуты, и каждый узел может иметь уникальную емкость и расстояние до выхода, Qcrit обычно характеризуется для каждого узла отдельно.

Альфа-частицы от распада упаковки

Мягкие ошибки стали широко известны с появлением динамической оперативной памяти в 1970-х годах. В этих первых устройствах керамические материалы упаковки чипов содержали небольшое количество радиоактивных примесей. Для предотвращения избыточных мягких ошибок требуются очень низкие скорости распада, и с тех пор производители чипов периодически сталкивались с проблемами загрязнения. Поддерживать необходимую чистоту материалов крайне сложно. Для обеспечения надежной работы большинства схем необходимо контролировать скорость испускания альфа-частиц для критически важных материалов упаковки на уровне менее 0,001 отсчетов в час на см² (отс/ч/см²). Для сравнения, скорость счета для типичной подошвы обуви составляет от 0,1 до 10 отс/ч/см². Радиоактивный распад упаковки обычно вызывает мягкую ошибку посредством испускания альфа-частиц. Положительно заряженная альфа-частица проходит через полупроводник и нарушает распределение электронов в нем. Если возмущение достаточно велико, цифровой сигнал может измениться с 0 на 1 или наоборот. В комбинационной логике этот эффект носит преходящий характер, возможно, длящийся доли наносекунды, что часто приводит к тому, что мягкие ошибки в комбинационной логике остаются незамеченными. В последовательной логике, такой как триггеры и оперативная память, даже это кратковременное нарушение может быть сохранено на неопределенный срок и впоследствии прочитано. Поэтому разработчики, как правило, более осведомлены о проблеме в схемах хранения. В статье, представленной на Black Hat в 2011 году, обсуждаются реальные последствия для безопасности подобных инверсий битов в системе доменных имен Интернета. В статье было выявлено до 3434 некорректных запросов в день из-за изменений битов для различных распространенных доменов. Многие из этих инверсий битов, вероятно, связаны с аппаратными проблемами, но некоторые могут быть вызваны альфа-частицами. Эти ошибки могут быть использованы злоумышленниками в форме битсквоттинга. Исаак Азимов получил письмо с поздравлениями в связи со случайным предсказанием ошибок оперативной памяти, вызванных альфа-частицами, в романе, написанном в 1950-х годах.

Космические лучи создают энергичные нейтроны и протоны

Когда в электронной промышленности определили, как контролировать загрязнения при производстве корпусов, стало ясно, что существуют и другие причины возникновения ошибок. Джеймс Ф. Зиглер возглавил исследовательскую программу в IBM, которая завершилась публикацией ряда статей (Ziegler и Lanford, 1979), демонстрирующих, что космические лучи также могут вызывать случайные (мягкие) ошибки. Фактически, в современных устройствах космические лучи могут быть основной причиной таких ошибок. Хотя первичные частицы космических лучей обычно не достигают поверхности Земли, они создают каскад энергичных вторичных частиц. На поверхности Земли приблизительно 95% частиц, способных вызывать случайные ошибки, – это энергичные нейтроны, а остальные состоят из протонов и пионов. В 1996 году компания IBM оценила, что для настольного компьютера ожидается одна ошибка в месяц на 256 МиБ оперативной памяти. По мере увеличения плотности интеграции, компания Intel ожидает, что количество ошибок, вызванных космическими лучами, будет возрастать и станет ограничивающим фактором при проектировании. Средняя частота случайных ошибок, вызванных космическими лучами, обратно пропорциональна активности солнечных пятен. То есть, среднее количество случайных ошибок уменьшается в период максимальной активности солнечных пятен и увеличивается в период их минимума. Этот контринтуитивный результат объясняется двумя причинами. Солнце обычно не производит частиц космического излучения с энергией выше 1 ГэВ, способных проникать в верхние слои атмосферы Земли и создавать каскады частиц, поэтому изменения солнечного потока не оказывают прямого влияния на количество ошибок. Кроме того, увеличение солнечного потока в период активности действительно изменяет магнитное поле Земли, обеспечивая некоторую дополнительную защиту от космических лучей высокой энергии, что приводит к уменьшению количества частиц, создающих каскады. В любом случае, эффект относительно невелик и приводит к модуляции потока энергичных нейтронов в Нью-Йорке на ±7%. Аналогичное влияние наблюдается и в других местах. Один эксперимент показал, что частота случайных ошибок на уровне моря составляет 5950 сбоев за время эксплуатации (FIT = сбоев на миллиард часов) на чип DRAM. Когда та же экспериментальная установка была перемещена в подземное хранилище, защищенное толщей горных пород, эффективно блокирующих все космические лучи, случайных ошибок зарегистрировано не было. В этом тесте все остальные причины случайных ошибок были слишком малы, чтобы их можно было измерить по сравнению с частотой ошибок, вызванных космическими лучами. Энергичные нейтроны, генерируемые космическими лучами, могут терять большую часть своей кинетической энергии и достигать теплового равновесия с окружающей средой при рассеянии в материалах. Полученные нейтроны называются тепловыми нейтронами и имеют среднюю кинетическую энергию около 25 миллиэлектронвольт при 25 °C. Тепловые нейтроны также производятся источниками ионизирующего излучения окружающей среды, такими как распад природного урана или тория. Поток тепловых нейтронов от источников, отличных от каскадов космических лучей, может быть заметен даже в подземном расположении и вносить существенный вклад в возникновение случайных ошибок в некоторых схемах.

Once the electronics industry had determined how to control package contaminants, it became clear that other causes were also at work. James F. Ziegler led a program of work at IBM which culminated in the publication of a number of papers (Ziegler and Lanford, 1979) demonstrating that cosmic rays also could cause soft errors. Indeed, in modern devices, cosmic rays may be the predominant cause. Although the primary particle of the cosmic ray does not generally reach the Earth's surface, it creates a shower of energetic secondary particles. At the Earth's surface approximately 95% of the particles capable of causing soft errors are energetic neutrons with the remainder composed of protons and pions. IBM estimated in 1996 that one error per month per 256 MiB of RAM was expected for a desktop computer. As chip density increases, Intel expects the errors caused by cosmic rays to increase and become a limiting factor in design. The average rate of cosmic ray soft errors is inversely proportional to sunspot activity. That is, the average number of cosmic ray soft errors decreases during the active portion of the sunspot cycle and increases during the quiet portion. This counter intuitive result occurs for two reasons. The Sun does not generally produce cosmic ray particles with energy above 1 GeV that are capable of penetrating to the Earth's upper atmosphere and creating particle showers, so the changes in the solar flux do not directly influence the number of errors. Further, the increase in the solar flux during an active sun period does have the effect of reshaping the Earth's magnetic field providing some additional shielding against higher energy cosmic rays, resulting in a decrease in the number of particles creating showers. The effect is fairly small in any case resulting in a ±7% modulation of the energetic neutron flux in New York City. Other locations are similarly affected. One experiment measured the soft error rate at the sea level to be 5,950 failures in time (FIT = failures per billion hours) per DRAM chip. When the same test setup was moved to an underground vault, shielded by over of rock that effectively eliminated all cosmic rays, zero soft errors were recorded. In this test, all other causes of soft errors are too small to be measured, compared to the error rate caused by cosmic rays. Energetic neutrons produced by cosmic rays may lose most of their kinetic energy and reach thermal equilibrium with their surroundings as they are scattered by materials. The resulting neutrons are simply referred to as thermal neutrons and have an average kinetic energy of about 25 millielectron volts at 25 °C. Thermal neutrons are also produced by environmental radiation sources such as the decay of naturally occurring uranium or thorium. The thermal neutron flux from sources other than cosmic ray showers may still be noticeable in an underground location and an important contributor to soft errors for some circuits.

Тепловизные нейтроны

Нейтроны, потерявшие кинетическую энергию до достижения теплового равновесия с окружающей средой, являются важной причиной возникновения случайных ошибок в некоторых схемах. При низких энергиях многие реакции захвата нейтронов становятся значительно более вероятными и приводят к делению определенных материалов, в результате чего образуются заряженные вторичные частицы как продукты деления. Для некоторых схем особенно важен захват теплового нейтрона ядром изотопа 10B бора. Эта ядерная реакция эффективно генерирует альфа-частицу, ядро 7Li и гамма-излучение. Любая из заряженных частиц (альфа или 7Li) может вызвать случайную ошибку, если она образуется в непосредственной близости, примерно в 5 мкм, от критического узла схемы. Поперечное сечение захвата для 11B на 6 порядков меньше и не способствует возникновению случайных ошибок. Бор использовался в BPSG – изоляторе во взаимосвязанных слоях интегральных схем, особенно в нижнем слое. Введение бора снижает температуру плавления стекла, улучшая характеристики растекания и выравнивания поверхности. В этом применении стекло содержит от 4 до 5 мас. % бора. Естественно встречающийся бор состоит из 20% 10B и 80% изотопа 11B. Случайные ошибки вызываются высоким содержанием 10B в этом критическом нижнем слое некоторых устаревших технологических процессов производства интегральных схем. Бор-11, используемый в низких концентрациях в качестве p-типа легирующей примеси, не способствует возникновению случайных ошибок. Производители интегральных схем отказались от использования диэлектриков, содержащих бор, к тому времени, когда размеры отдельных компонентов схем уменьшились до 150 нм, в основном из-за этой проблемы. В критически важных конструкциях используется обедненный бор, состоящий почти исключительно из изотопа 11B, чтобы избежать этого эффекта и, следовательно, снизить частоту случайных ошибок. Бор-11 является побочным продуктом ядерной промышленности. Для применения в медицинской электронной аппаратуре этот механизм возникновения случайных ошибок может быть особенно важен. Нейтроны образуются в процессе высокоэнергетической лучевой терапии рака с использованием фотонного пучка с энергией выше 10 МэВ. Эти нейтроны замедляются при рассеянии от оборудования и стен в процедурной, что приводит к увеличению теплового нейтронного потока примерно в 40 × 106 раз по сравнению с обычным фоновым нейтронным потоком. Этот высокий тепловой нейтронный поток обычно приводит к очень высокой частоте случайных ошибок и, как следствие, к сбоям в работе схемы.

Neutrons that have lost kinetic energy until they are in thermal equilibrium with their surroundings are an important cause of soft errors for some circuits. At low energies many neutron capture reactions become much more probable and result in fission of certain materials creating charged secondaries as fission byproducts. For some circuits the capture of a thermal neutron by the nucleus of the 10B isotope of boron is particularly important. This nuclear reaction is an efficient producer of an alpha particle, 7Li nucleus and gamma ray. Either of the charged particles (alpha or 7Li) may cause a soft error if produced in very close proximity, approximately 5 μm, to a critical circuit node. The capture cross section for 11B is 6 orders of magnitude smaller and does not contribute to soft errors. Boron has been used in BPSG, the insulator in the interconnection layers of integrated circuits, particularly in the lowest one. The inclusion of boron lowers the melt temperature of the glass providing better reflow and planarization characteristics. In this application the glass is formulated with a boron content of 4% to 5% by weight. Naturally occurring boron is 20% 10B with the remainder the 11B isotope. Soft errors are caused by the high level of 10B in this critical lower layer of some older integrated circuit processes. Boron 11, used at low concentrations as a p type dopant, does not contribute to soft errors. Integrated circuit manufacturers eliminated borated dielectrics by the time individual circuit components decreased in size to 150 nm, largely due to this problem. In critical designs, depleted boronconsisting almost entirely of boron 11is used, to avoid this effect and therefore to reduce the soft error rate. Boron 11 is a by product of the nuclear industry. For applications in medical electronic devices this soft error mechanism may be extremely important. Neutrons are produced during high energy cancer radiation therapy using photon beam energies above 10 MeV. These neutrons are moderated as they are scattered from the equipment and walls in the treatment room resulting in a thermal neutron flux that is about 40 × 106 higher than the normal environmental neutron flux. This high thermal neutron flux will generally result in a very high rate of soft errors and consequent circuit upset.

Другие причины

Мягкие ошибки также могут быть вызваны случайным шумом или проблемами целостности сигнала, такими как индуктивная или емкостная перекрестные помехи. Однако, как правило, эти источники вносят небольшой вклад в общую частоту возникновения мягких ошибок по сравнению с эффектами радиации. Некоторые тесты показали, что изоляция ячеек памяти DRAM может быть нарушена непреднамеренными побочными эффектами специально сконструированных обращений к соседним ячейкам. Таким образом, доступ к данным, хранящимся в DRAM, приводит к утечке заряда из ячеек памяти и их электрическому взаимодействию, что, в результате высокой плотности ячеек в современной памяти, изменяет содержимое соседних строк памяти, которые фактически не были адресованы при первоначальном доступе. Этот эффект известен как "row hammer" (удар по строке), и он также использовался в некоторых компьютерных эксплойтах для повышения привилегий.

Уменьшение мягких ошибок

Дизайнер может попытаться минимизировать частоту возникновения мягких ошибок за счет продуманной разработки устройства, выбора подходящих полупроводниковых, корпусных и подложечных материалов, а также оптимальной геометрии устройства. Однако, часто это ограничено необходимостью уменьшения размеров устройства и напряжения, увеличения скорости работы и снижения энергопотребления. Чувствительность устройств к сбоям в отрасли описывается стандартом JEDEC JESD 89. Один из методов, используемых для снижения частоты мягких ошибок в цифровых схемах, называется радиационной стойкостью. Он заключается в увеличении емкости в выбранных узлах схемы для повышения ее эффективного значения Qcrit. Это уменьшает диапазон энергий частиц, при которых может произойти изменение логического значения узла. Радиационная стойкость часто достигается за счет увеличения размеров транзисторов, имеющих общую область истока/стока в данном узле. Поскольку дополнительные затраты по площади и энергопотреблению, связанные с радиационной стойкостью, могут быть существенными для проектирования, этот метод часто применяется выборочно к узлам, для которых прогнозируется наибольшая вероятность возникновения мягких ошибок при воздействии. Инструменты и модели, способные предсказывать наиболее уязвимые узлы, являются предметом текущих и прошлых исследований в области мягких ошибок.

Обнаружение мягких ошибок

Проводились исследования, посвященные смягчению последствий мягких ошибок в процессорных и памяти ресурсах с использованием как аппаратных, так и программных методов. Ряд исследовательских работ рассматривал мягкие ошибки, предлагая обнаружение и восстановление ошибок посредством аппаратной избыточной многопоточности. Эти подходы использовали специализированное оборудование для репликации выполнения приложения с целью выявления ошибок в результатах, что приводило к увеличению сложности и стоимости аппаратной реализации, а также к значительным накладным расходам на производительность. Программные решения для обеспечения устойчивости к мягким ошибкам, напротив, отличаются гибкостью и могут быть применены к коммерчески доступным микропроцессорам. Многие работы предлагают репликацию инструкций на уровне компилятора и проверку результатов для обнаружения мягких ошибок.

Исправление ошибок

Дизайнеры могут принять возможность возникновения мягких ошибок и проектировать системы с соответствующим обнаружением и коррекцией ошибок для устойчивого восстановления. Как правило, в конструкции полупроводниковой памяти может использоваться прямой код коррекции ошибок (forward error correction), включающий избыточные данные в каждое слово для создания кода, исправляющего ошибки. Альтернативно, можно использовать коррекцию ошибок с возвратом (roll back error correction), обнаруживая мягкую ошибку с помощью кода обнаружения ошибок, такого как контроль четности, и перезаписывая корректные данные из другого источника. Эта техника часто применяется для кэш-памяти с прямой записью (write through cache memories). Мягкие ошибки в логических схемах иногда обнаруживаются и исправляются с использованием методов отказоустойчивого проектирования (fault tolerant design). Эти методы часто включают использование избыточной схемы или повторное вычисление данных и, как правило, приводят к увеличению площади схемы, снижению производительности и/или увеличению энергопотребления. Для обеспечения очень высокой устойчивости к мягким ошибкам в логических схемах может быть применена концепция тройной модульной избыточности (TMR). В этой технике три идентичные копии схемы параллельно обрабатывают одни и те же данные, а их выходы поступают в логику голосования большинства, возвращая значение, которое встречается как минимум в двух из трех случаев. Таким образом, отказ одной схемы из-за мягкой ошибки игнорируется, предполагая, что две другие схемы работают правильно. Однако на практике немногие разработчики могут позволить себе более чем 200%-ное увеличение площади схемы и энергопотребления, поэтому эта техника обычно применяется выборочно. Другой распространенный подход к исправлению мягких ошибок в логических схемах – временная (или временная) избыточность, при которой одна и та же схема многократно обрабатывает одни и те же данные и сравнивает последующие результаты на предмет согласованности. Однако этот подход часто приводит к снижению производительности, увеличению площади (если используются копии триггеров для хранения данных) и увеличению энергопотребления, хотя он значительно эффективнее по площади, чем модульная избыточность. Традиционно наибольшее внимание в стремлении уменьшить или обойти мягкие ошибки уделялось DRAM, поскольку именно DRAM составляет основную долю площади восприимчивых устройств в настольных и серверных компьютерных системах (см. широкое распространение ECC RAM в серверных компьютерах). Точные данные о восприимчивости DRAM получить сложно, и они значительно варьируются в зависимости от конструкции, технологического процесса и производителя. В DRAM объемом 256 килобит 1980-х годов кластеры из пяти или шести битов могли переключаться из-за одной альфа-частицы. Современные DRAM имеют гораздо меньшие размеры элементов, поэтому отложение аналогичного количества заряда может легко привести к переключению гораздо большего числа битов. Разработке схем обнаружения и коррекции ошибок способствует тот факт, что мягкие ошибки обычно локализованы в очень небольшой области чипа. Обычно поражается только одна ячейка памяти, хотя события с высокой энергией могут вызвать сбой нескольких ячеек. Традиционная компоновка памяти обычно размещает один бит из многих различных корректирующих слов рядом друг с другом на чипе. Таким образом, даже сбой нескольких ячеек приводит лишь к нескольким отдельным однобитным ошибкам в нескольких корректирующих словах, а не к многобитной ошибке в одном корректирующем слове. Следовательно, коду коррекции ошибок достаточно справляться с одной ошибкой в бит в каждом корректирующем слове, чтобы справиться со всеми вероятными мягкими ошибками. Термин «многоячеечный» (multi cell) используется для обозначения сбоев, затрагивающих несколько ячеек памяти, независимо от того, в какие корректирующие слова попадают эти ячейки. Термин «многобитный» (multi bit) используется, когда несколько битов в одном корректирующем слове ошибочны.

Designers can choose to accept that soft errors will occur, and design systems with appropriate error detection and correction to recover gracefully. Typically, a semiconductor memory design might use forward error correction, incorporating redundant data into each word to create an error correcting code. Alternatively, roll back error correction can be used, detecting the soft error with an error detecting code such as parity, and rewriting correct data from another source. This technique is often used for write through cache memories. Soft errors in logic circuits are sometimes detected and corrected using the techniques of fault tolerant design. These often include the use of redundant circuitry or computation of data, and typically come at the cost of circuit area, decreased performance, and/or higher power consumption. The concept of triple modular redundancy (TMR) can be employed to ensure very high soft error reliability in logic circuits. In this technique, three identical copies of a circuit compute on the same data in parallel and outputs are fed into majority voting logic, returning the value that occurred in at least two of three cases. In this way, the failure of one circuit due to soft error is discarded assuming the other two circuits operated correctly. In practice, however, few designers can afford the greater than 200% circuit area and power overhead required, so it is usually only selectively applied. Another common concept to correct soft errors in logic circuits is temporal (or time) redundancy, in which one circuit operates on the same data multiple times and compares subsequent evaluations for consistency. This approach, however, often incurs performance overhead, area overhead (if copies of latches are used to store data), and power overhead, though is considerably more area efficient than modular redundancy. Traditionally, DRAM has had the most attention in the quest to reduce or work around soft errors, due to the fact that DRAM has comprised the majority share of susceptible device surface area in desktop, and server computer systems (ref. the prevalence of ECC RAM in server computers). Hard figures for DRAM susceptibility are hard to come by, and vary considerably across designs, fabrication processes, and manufacturers. 1980s technology 256 kilobit DRAMS could have clusters of five or six bits flip from a single alpha particle. Modern DRAMs have much smaller feature sizes, so the deposition of a similar amount of charge could easily cause many more bits to flip. The design of error detection and correction circuits is helped by the fact that soft errors usually are localised to a very small area of a chip. Usually, only one cell of a memory is affected, although high energy events can cause a multi cell upset. Conventional memory layout usually places one bit of many different correction words adjacent on a chip. So, even a multi cell upset leads to only a number of separate single bit upsets in multiple correction words, rather than a multi bit upset in a single correction word. So, an error correcting code needs only to cope with a single bit in error in each correction word in order to cope with all likely soft errors. The term 'multi cell' is used for upsets affecting multiple cells of a memory, whatever correction words those cells happen to fall in. 'Multi bit' is used when multiple bits in a single correction word are in error.

Мягкая погрешность

Частота возникновения мягких ошибок (SER) – это показатель того, как часто устройство или система сталкивается с мягкими ошибками или, как прогнозируется, будет сталкиваться с ними. Обычно она выражается в количестве отказов за единицу времени (FIT) или среднем времени наработки на отказ (MTBF). Единица измерения, используемая для количественной оценки отказов за единицу времени, называется FIT и соответствует одной ошибке на миллиард часов работы устройства. MTBF обычно указывается в годах работы устройства; для сравнения, один FIT эквивалентен примерно 1 000 000 000 / (24 × 365,25) = 114 077 периодам между ошибками, что в 114 077 раз больше, чем один год MTBF. Несмотря на то, что MTBF многих электронных систем превышает ожидаемый срок службы схемы, SER все равно может быть неприемлемым для производителя или заказчика. Например, в реальных условиях эксплуатации можно ожидать множества отказов на миллион микросхем из-за мягких ошибок, если система не имеет достаточной защиты от них. Даже отказ нескольких изделий в эксплуатации, особенно катастрофический, может повредить репутации продукта и компании, его разработавшей. Кроме того, в приложениях, критичных к безопасности или стоимости, где цена отказа системы значительно превышает стоимость самой системы, риск отказа из-за мягкой ошибки в 1% за весь срок службы может быть неприемлемо высоким для заказчика. Поэтому при производстве систем крупной серией или требующих чрезвычайно высокой надежности целесообразно проектировать систему с низким значением SER.