在一項新的 Nature Communications 研究中，研究人員開發(fā)了一種內存鐵電微分器，能夠直接在內存中執(zhí)行計算，而無需單獨的處理器。

擬議的差異化因素承諾能源效率，尤其是對于智能手機、自動駕駛汽車和安全攝像頭等邊緣設備。

圖像處理和運動檢測等任務的傳統方法涉及多步驟的能源密集型流程。這從記錄數據開始，這些數據被傳輸到存儲單元，存儲單元進一步將數據傳輸到微控制器單元以執(zhí)行差分作。

由于差分運算是多項計算任務的基礎，研究人員利用鐵電材料的特性來制造他們的設備。

Tech Xplore 與共同作者來自華東師范大學的 Bobo Tian 教授和 Chungang Duan 教授進行了交談?！拔覀円恢敝铝τ谘芯渴褂描F電材料的類腦器件大約十年。由于鐵電材料具有非易失性極化，因此通常用于存儲和新興的內存計算。

馮·諾依曼瓶頸

現代計算的基礎在于 von Neumann 架構。在此類系統中，內存和處理單元是分開的，這使得它們的效率非常低。

處理單元和內存之間的數據傳輸會導致延遲，并且需要大量能源。這被稱為馮·諾依曼瓶頸，是現代計算架構中更緊迫的問題之一。

此外，對于某些任務（如圖像和視頻處理），內存要求過高，因為執(zhí)行作需要當前幀和前一幀。

研究人員通過利用鐵電材料的動態(tài)行為來解決這些問題。

鐵電電容器

當不施加外部電場時，鐵電材料具有固有的極化，這在施加電場時可以反轉。

由于這種動態(tài)行為，鐵電材料可以在其偶極子的極化或對齊中存儲和保留信息。這被稱為域切換，域是指材料中具有特定極化的區(qū)域。

“在鐵電域切換過程中，會發(fā)出可測量的電流信號，因為鐵電切換本質上是偶極子極性的變化，這必須產生電流。這種現象在其他非揮發(fā)性材料中很少見，因為參數變化只能通過后續(xù)的讀取作來檢測，“段教授解釋說。

因此，研究人員決定使用鐵電電容器作為他們的差異化器件。電容器本身會根據電荷的存儲方式對隨時間的變化進行建模，使其成為差分作的理想選擇。

此外，電容器存儲和釋放電荷的方式模擬了存儲器。電容器會記住它在放電之前保持了多少電荷，這轉化為信息存儲為電容器兩端的電壓電平。

這種器件被稱為鐵電 RAM 或 FeRAM。它像閃存一樣是非易失性的，這意味著即使電源以極化的形式關閉，該器件也會記住信息。

邊緣設備的未來

研究人員構建了一個由 1,600 個鐵電聚合物電容器組成的 40x40 無源交叉開關陣列。這意味著該設備沒有任何其他有源元件，如晶體管。

電容器可以直接執(zhí)行計算，在單個設備中用作 RAM 和 CPU，無需數據傳輸。

“有趣的是，鐵電電容器內的域開關可以在電路中產生宏觀可檢測的電流。當鐵電疇方向被編碼以存儲信息時，疇切換會提供原位差分信息，“田教授說。

這意味著研究人員使用電流作為信號，直接指示連續(xù)輸入之間的變化。從本質上講，該設備可以識別 inputs 之間的差異，而無需額外的計算，同時還可以將新數據寫入內存。

研究人員通過在視頻處理中進行高效的運動檢測和計算一階和二階導數來證明這種能力。

內存中的鐵電微分器展示了能源效率，當在 1 MHz（兆赫茲）頻率下運行時，每次差分計算消耗約 0.24 飛焦耳 （fJ）。

據研究人員稱，他們的設備比目前的 CPU 和 GPU（尤其是 Intel 12900 和 NVIDIA V100）的效率高出 5 到 6 個數量級。

由于效率高，這些設備非常適合邊緣計算應用，例如視頻和圖像處理，以及用于實時處理 ECG/EEG 數據的生物醫(yī)學設備。

該技術的可擴展性似乎也很有希望。

段教授解釋說：“由于硅相容的鐵電材料，如鉿基或氮化鋁基鐵電材料，沒有縮放限制，允許大規(guī)模生產能夠執(zhí)行復雜差分計算的鐵電陣列 （>1Gbit）。

研究人員解釋說，他們的長期愿景是從數據處理過渡到邊緣的物理定律計算，其中鐵電陣列本身可以解決控制現實世界現象的微分方程。

演示如何使用鐵電域切換來執(zhí)行差分計算。圖片來源：田波波教授