闪存，如 EEPROM，将其信息存储在所谓的浮动门中。(MOS)FET 上的普通栅极具有外部连接，通过该外部连接 FET 可以打开和关闭（对于集成 MOSFET，这将是金属层连接）。浮栅没有这种引脚或金属层连接。它们在 MOSFET 通道上方的 SiO\$_2\$ 中完全绝缘，并且 > \$10^{14} \Omega\$cm SiO\$_2\$ 是您可以获得的最好的绝缘体之一。

与传统的 MOSFET 一样，它们在带电时会打开通道。但是它们是如何编程的呢？通过称为隧道效应的量子效应，该效应是通过在通道和控制栅极之间施加电场而引起的。因此，该技术被称为FLOTOX，是“FLOating-gate Tunnel OXide”的缩写，可与较旧的 UV 可擦除 EPROM 中使用的FAMOS（“Floating-gate Avalanche injection Metal Oxide Semiconductor”）相媲美。
（我不能在这里详细解释隧道效应；量子效应不符合任何逻辑。无论如何它严重依赖于统计数据）。

您的第一个问题实际上是一个双重问题：1）我可以执行无限制的读取和写入，2）它是否在设备不使用时保留数据（保质期）？
从第一个开始：不，你不能。您可以无限次阅读它，但写入周期是有限的。数据表说 10 000 次。循环次数有限是由擦除后留在浮栅中的电荷载流子造成的，其数量最终变得如此之大，以至于无法再擦除单元。
即使没有电源，它会保留其数据 20 年吗？是的，这就是数据表所说的。MTTF（平均故障时间）计算（同样是一种统计方法）预测的错误少于百万分之一。这就是 ppm 的含义。

关于 MTTF 的注释
MTTF 表示 Mean Time To Failure，它不同于 MTBF（Mean Time Between Failures）。MTBF = MTTF + MTTR（平均修复时间）。说得通。
人们通常在实际表示 MTTF 时使用术语 MTBF。在许多情况下没有太大区别，例如 MTTF 是 10 年，而 MTTR 是 2 小时。但是故障的微控制器不会被修复，它们会被替换，所以 MTTR 和 MTBF 在这里都没有任何意义。

Atmel 在 100 年后引用 1ppm 错误。很明显，AVR 的生产时间并不长，那么他们是如何得出这个数字的呢？一直存在一种误解，认为这只是一个线性的事情：1000 000 小时后有 1 个有缺陷的设备与 1000 台设备中每 1000 小时有 1 个有缺陷的设备相同。1000 x 1000 = 1000 000，对吗？这不是它的工作原理！它不是线性的。100 万小时后你可以完美地出现错误，而 1000 小时后则不会出现错误，即使有 100 万人口！MTTF 计算考虑了可能影响产品可靠性的各种影响，并为每种影响附加了时间。然后使用统计方法来预测产品何时最终会失败。也可以看看 ”

（忘记关于 MTBF 的维基百科错误文章。这是错误的。）

它是如何丢失数据的？栅极电荷不会像正常电路中通过高电阻泄漏的感应电流一样泄漏出去。它将通过隧道以与编程和擦除相同的方式执行此操作。温度越高，电荷载流子的能量越高，它们穿过 SiO\$_2\$ 层的机会就越大。

Federico 提出的 1 ppm 是指设备还是单元的问题是有道理的。数据表没有说，但我认为它是每百万个有缺陷的数据单元。为什么？如果是设备，对于具有更大 Flash 尺寸的设备，您会得到更差的数据，并且对于 1k 和 16k 来说它们是相同的。此外，100 年非常长。看到 100 万台设备中有 999 999 台仍在工作，我会感到惊讶。

图片无耻地在这里被盗

这种类型的存储器将数据存储为绝缘 FET 栅极上的小电荷。这基本上将 FET 栅极保持在高电压或低电压。另一种看待同一件事的方法是，将 1 或 0 存储为连接到 FET 栅极的电容器上的电压。

电荷存储不是永久性的。最终会有足够的电荷泄漏，从而无法再可靠地确定钻头的原始状态。较高的温度使电荷更容易泄漏，这就是为什么在高温下数据保留规格较短的原因。

至于 ppm，是的，那是“百万分之几”。它与百分比是同一个概念，只是百分比的另一种说法。100ppm = .01% = .0001

在服装（以及许多其他 uC）中，“永久”数据存储在闪存中 - 这基本上是一种可以“捕获”电荷的特殊晶体管（如电容器）。诀窍是没有“电线”连接到这个电容器 - 所以他们唯一的充电或放电方式 - 是通过量子隧穿。这意味着它的放电非常慢，并且很难对其进行充电/放电（每次充电/放电都会损坏晶体管，这就是它限制为 10k 擦除的原因）。

这种放电的速度是根据经验确定的，您可以在数据表中看到它。

但这是“典型”值 - 您可能会获得更高和更低的数据保留时间 - 这可能会有点随机。没有确切的方法可以提前找出数据何时应该消失。这就是为什么您在数据表中看到这个近似值 + 估计有多少设备会比这个估计值更差。