Die fortschreitende Digitalisierung und die steigenden Anforderungen an intelligente, schnelle Datenverarbeitungssysteme stellen Entwickler und Forscher vor große Herausforderungen. Besonders in Bereichen wie Edge Computing, autonomer Robotik und Echtzeit-Analyse steigt der Bedarf an innovativen Technologien, die sowohl energieeffizient als auch leistungsfähig sind. Vor diesem Hintergrund erlangt der sogenannte in-memory Ferroelectric Differentiator, eine neuartige Rechenhardware mit eingebetteter Differenzialfunktion, zunehmend an Aufmerksamkeit. Diese Technologie vereint die Trennung und Speicherung von Informationen mit einer integrierten Analog-Differenzialberechnung innerhalb derselben Speicherstruktur, wodurch erhebliche Vorteile im Hinblick auf Geschwindigkeit, Energieverbrauch und Hardwarekomplexität erzielt werden können. Die Grundlage dieser Technologie bildet Ferroelectric Random-Access Memory (FeRAM), das aus einer passiven Kreuzgitteranordnung von ferroelectricen Polymerkondensatoren aufgebaut ist.
Dabei wird besonders das Material Poly(vinylidenfluorid-trifluorethylen) (P(VDF-TrFE)) verwendet, das für seine starke ferroelektrische Eigenschaft, chemische Stabilität und einfache Verarbeitung bekannt ist. Das Prinzip hinter dem in-memory Ferroelectric Differentiator beruht auf der dynamischen Umkehr der Polarisationsdomänen in ferroelectricen Materialien. Wenn ein elektrisches Feld über eine bestimmte Schwelle hinaus angelegt wird, drehen sich diese Domänen und verursachen messbare Verschiebungsströme, die als Signale für Differenzialberechnungen genutzt werden können. Durch die enge Kopplung von Speicher- und Rechenfunktion wird der Datentransfer zwischen separatem Speicher und Prozessor minimiert, was insbesondere bei der Verarbeitung großer Datenmengen ein entscheidender Vorteil ist. Dies ist ein wesentlicher Schritt, um die sogenannte von-Neumann-Flaschenhals-Problematik zu überwinden, die durch getrennte Speicher- und Recheneinheiten entsteht.
Traditionelle Differenzialberechnungen, etwa in Bildverarbeitung und Bewegungsanalyse, sind aufwendige Prozesse, die mehrere Schritte in der Datenaufnahme, Zwischenspeicherung und Logikoperation erfordern. CMOS-Bildsensoren (CIS) liefern zwar die Bilddaten, doch die Differenzialberechnung erfolgt meist in Microcontroller-Einheiten (MCUs), was zu erheblichen Verzögerungen und hohem Energieverbrauch führt. Bei der in-memory Ferroelectric Differentiator-Technologie hingegen kann die Differenz zwischen benachbarten Bildern oder Signalwerten durch die Messung der Domänenschaltungssignale direkt im Speicher erkannt werden. So werden nur die sich ändernden Pixel durch Polarisationsumkehrungen markiert und über Displacement Current Signale ausgewertet. Dadurch entsteht eine „frame-to-frame“-Differenzbildinformation ohne separate Rechenoperationen.
Solch eine Funktionsweise ist insbesondere vorteilhaft bei Anwendungen wie Bewegungsverfolgung, Bildkontrastierung, Defekterkennung oder Echtzeitüberwachung. Die Hardware, über die diese Berechnungen ablaufen, besteht aus einer Kreuzgitterstruktur von 1600 einzelnen ferroelectricen Polymerkondensatoren, die jeweils einem Pixel entsprechen. Die nichtflüchtige Natur der ferroelectricen Domänen garantiert, dass die letzte Zustandsinformation auch ohne kontinuierliche Energiezufuhr erhalten bleibt, was eine zeitversetzte Differenzierung über mehrere Tage ermöglicht. Die hohe Frequenzfähigkeit dieser Arrays liegt aktuell bei etwa 1 MHz. Für den industriellen und praktischen Einsatz ist dies bereits bemerkenswert, englisch wird hier von „frames per second“ bzw.
„operation speed“ gesprochen. Die Pulsbreiten und Amplituden der angelegten Spannung werden so gewählt, dass eine zuverlässige Polarisationsumkehr gewährleistet ist und gleichzeitig Störsignale minimiert werden, welche durch unerwünschte Pfade im Passivkreuzgitter auftreten können. Ein großer Fortschritt besteht darin, dass trotz fehlender Selektorelemente in der passiven Kreuzgitterstruktur der sogenannte „Sneak Path“ Effekt weitestgehend eliminiert wird. Diese Störströme entstehen durch unerwünschte Parallelschaltungen innerhalb des Arrays und führen oft zu Fehlinterpretationen der gespeicherten Daten. Die enge, nichtlineare Dynamik der Domänenschaltungen sorgt jedoch für eine klare Trennung zwischen aktiven und inaktiven Kondensatoren im Array, was eine störungsarme Realisierung ermöglicht.
Neben der Hardware-Konzeption wurden mit dem in-memory Ferroelectric Differentiator auch mathematische Operationen realisiert, die für viele wissenschaftliche und technische Anwendungen essenziell sind. Die Studie demonstriert erfolgreich die Berechnung der ersten und zweiten Ableitung einer Parabelfunktion. Dazu wird der Wert der Funktion schrittweise in das Array programmiert. Die durch Domänenschaltung verursachten Ladungsintegrale entsprechen exakt den Differenzen zwischen benachbarten Funktionswerten. Damit lassen sich analoge Differenzialblicke mit hoher Präzision direkt im Speicher abbilden.
Diese analoge Speicherung und Berechnung kombiniert digitale Adressierung mit kontinuierlichen Ladungsänderungen auf einzigartige Weise. Eine weitere faszinierende Anwendung liegt in der Echtzeit-Video- und Bildverarbeitung. Hier werden von CMOS-Bildsensoren gelieferte Pixel zu Spannungssignalen kodiert und an die ferroelectricen Kondensatoren gelegt. Es wird festgestellt, welche Pixel sich zwischen zwei aufeinanderfolgenden Frames verändert haben, und nur diese verursachen Domänenschaltungen. So lässt sich das Bewegungsfeld eines Objekts – etwa ein fliegender Basketball – quasi direkt aus dem Speicher mit sehr geringem Aufwand extrahieren.
Damit ist auch eine drastische Reduktion des Energieverbrauchs möglich, da klassische Methoden zur Bilddifferenzbildung meist mehrere Zugriffe auf den Speicher und Verarbeitungsschritte im Prozessor benötigen. Die angestrebte Energieeffizienz des Ferroelectric-Differentiators von etwa 0,24 Femtjoule pro Differenzialoperation ist im Vergleich zu konventionellen CPU- und GPU-basierten Systemen enorm und stellt gerade für den Einsatz in Edge-Computing-Geräten, wie z.B. mobilen Sensoren, IoT-Systemen oder autonomen Drohnen, einen echten Durchbruch dar. Weitere Demonstrationen der Technologie zeigen, dass auch Bildunterschiede über große zeitliche Intervalle räumlich erfasst werden können – mit Anwendungen im Bereich der Fertigungsfehlererkennung oder der Sicherheitsüberwachung.
Die Speicherfähigkeit der ferroelectricen Domänen bleibt über Tage erhalten, womit die differenzielle Analyse nicht nur zwischen unmittelbar benachbarten Bildern, sondern auch über längere Zeiträume möglich wird. Die Robustheit der Technologie wird weiterhin durch die hohe Reproduzierbarkeit und Geräteeinheitlichkeit bestätigt. Die Variation der Polarisationswerte innerhalb der Arrays liegt bei unter 10 Prozent, was für eine zuverlässige und skalierbare Fertigung spricht. Zudem eröffnen die Eigenschaften des organischen P(VDF-TrFE) Polymers hervorragende Möglichkeiten für flexible und biokompatible Anwendungen. Dies könnte in Zukunft etwa tragbare Geräte und implantierbare Sensorik umfassen.
Neben dem organischen Polymer besteht großes Potenzial für die Einbindung alternativer Materialien mit niedrigerer Schaltspannung und höherer Geschwindigkeit, wie z.B. hafniumbasierte Ferroelectrics. Diese ermöglichen Betriebsspannungen im Niedrigvoltbereich und könnten das Frequenzlimit der Differentiatoren sogar in den sub-Pikosekunden-Bereich verschieben. Ferroelectric Differentiators bieten aber nicht nur technische Vorteile, sondern inspirieren auch neue Denkweisen bezüglich der Integration von Sensorik, Speicher und Rechenleistung in einem einzigen Gerät.
Dieser bioinspirierte Ansatz orientiert sich an der lokalen Informationsverarbeitung im menschlichen Gehirn, das komplexe Berechnungen in anpassungsfähigen neuronalen Netzwerken durchführt. Die Kombination aus Mikrostrukturentwicklung, Materialforschung und Systemgestaltung ermöglicht es, neue Rechenparadigmen zu erschließen, bei denen herkömmliche Strukturen und Abläufe radikal hinterfragt und neu definiert werden. Insgesamt zeigt der in-memory Ferroelectric Differentiator eindrucksvoll, wie hochentwickelte Ferroelektrika eingesetzt werden können, um fundamentale mathematische Operationen auf neuartige Weise durchzuführen. Mit deutlichen Vorteilen in Geschwindigkeit, Energieverbrauch und Hardwarekomplexität eröffnet diese Technologie spannende Perspektiven für die Weiterentwicklung von Edge-Computing-Lösungen, Echtzeit-Bildverarbeitung und intelligenter Sensorik. Die Forschung befindet sich zwar noch in einem frühen Stadium, doch die bisherigen Ergebnisse demonstrieren praktisch umsetzbare Funktionsprinzipien und solide Grundlagen, um im kommenden Jahrzehnt in verschiedensten Anwendungen relevant zu werden.
Dabei wird nicht nur die Leistungsfähigkeit von künstlicher Intelligenz und datengetriebenen Systemen gesteigert, sondern auch eine nachhaltige, energieeffiziente Technologie für den alltäglichen Einsatz realisiert. Die in-memory Ferroelectric Differentiator Technologie ist daher ein bedeutender Meilenstein in der Schnittstelle von Halbleiterphysik, KI-Hardware und differenzieller Signalverarbeitung der Zukunft.
