在一项最新的《自然通讯》研究中，来自华东师范大学的研究人员开发了一种基于铁电材料的内存内微分器，可以在内存中直接执行计算，而无需单独的处理器。这一技术有望显著提高边缘设备（如智能手机、自动驾驶汽车和安全摄像头）的能效。 研究背景与挑战 传统的图像处理和运动检测任务通常需要多步耗能过程。首先，数据被记录并传输到存储单元，再由该单元将数据发送至微控制器单元完成微分操作。这些过程不仅消耗大量能源，还因为数据在存储单元和处理单元之间的不断传输而产生延时，这被称为冯·诺依曼瓶颈。此外，处理图像和视频等任务时，存储单元需要保存当前帧和之前的帧，导致存储需求过大。 技术原理 研究人员利用了铁电材料的动态特性，解决了上述问题。铁电材料在没有外部电场作用时具备固有极化，当施加电场时，其极化方向可以反转，从而储存或释放信息，这称为畴切换。在畴切换过程中，会产生可测量的电流信号，这一点在其他非易失性材料中是罕见的，因为参数变化只能通过后续的读取操作来检测。 创新设计 研究人员设计并制造了一个40x40的无源交叉阵列，包含1600个铁电聚合物电容器。每个电容器都可以作为内存和处理器，在不进行数据传输的情况下直接执行计算。具体来说，畴切换产生的电流信号可以直接表示输入之间的差异，同时将新数据写入内存。这一设计使得设备能够高效地进行运动检测和计算一阶、二阶导数。 性能优势 实验结果显示，这种内存内的铁电微分器在1 MHz频率下进行一次微分运算仅需约0.24飞焦耳（fJ）的能量，比目前的CPU和GPU（如英特尔12900和NVIDIA V100）节能五到六个数量级。这意味着在处理视频图像和实时生物医学数据（如ECG/EEG）时，这项技术将表现出极高的能效。 未来展望 由于硅基铁电材料（如铪基和氮化铝基铁电材料）不存在缩放限制，研究人员预计这些设备可以大规模生产，制造出超过1Gbit的铁电数组，以执行复杂的微分计算。长远来看，他们的目标是从数据处理过渡到物理定律计算，使铁电数组能够在边缘设备上直接解决描述真实世界现象的微分方程。 行业评估与公司背景 业内专家认为，这项研究成果具有重要的应用前景，尤其是在边缘计算领域。华东师范大学在铁电材料研究方面有着多年的经验和技术积累，该团队自十年前就开始致力于脑启发式设备的研究，此次突破是对该领域的一个重要贡献。