海歸學者發起的公益學術平臺
分享資訊，整合資源
交流學術，偶爾風月
圖1Nature Communications期刊發表華東師範大學“鐵電存內差分機”的工作。
近日，華東師範大學物理與電子科學學院、上海類腦智慧材料與器件研究中心/極化材料與器件教育部重點實驗室的田博博/褚君浩/段純剛團隊聯合復旦大學周鵬教授提出了一種利用鐵電疇反轉的動態特性高效提取差異資訊的存內差分技術。該技術基於鐵電電容器構建了一種可以直接在鐵電儲存器內部（存內）計算出差分結果的器件，並命名為存內鐵電差分器（in-memory ferroelectric differentiator）。這種新型差分器獲取差分資訊的速度取決於鐵電疇反轉時間（原則上可為納秒級別），且計算過程可在原地完成，因此能大幅降低資料傳輸量與運算能耗。存內鐵電差分器在函式求導、微分方程求解、運動目標提取以及影像差異識別等多種任務中均展現出應用潛力，為實現高能效的差分計算提供了新原理和新正規化，對發展高效差分運算和即時視覺反饋系統具有重要意義。該成果以“In-memory Ferroelectric Differentiator”為題於2025年3月28日線上發表在Nature Communications雜誌上。華東師範大學電子科學系田博博教授和段純剛教授和復旦大學周鵬教授為本論文通訊作者，華東師範大學電子科學系馮光迪博士後、趙曉明博士生和黃曉悅碩士生為本論文共同第一作者。
圖2 基於鐵電聚合物的1600單元規模的無源交叉電容型鐵電儲存器陣列。
鐵電材料由於其晶體結構反演對稱性破缺而具有非易失的固有自發極化，鐵電極化方向可以受到當外電場的作用進行反轉。如圖2h所示，對鐵電電容器施加大於矯頑電場的電壓刺激，當施加電場方向與電容器中的極化疇方向一致時，不會發生疇反轉現象。然而，當施加電場方向與電容器中極化疇方向相反時，則發生疇反轉現象，並且，鐵電疇反轉產生可宏觀探測的位移電流。將鐵電的這種對差異訊號產生動態響應的特性用於差分計算，這為實現存內差分機提供了創新策略。
研究團隊研製了基於鐵電聚合物的1600單元規模的無源交叉電容型鐵電儲存器陣列（圖2e）。因為鐵電疇具有閾值反轉特性，並且閾值的視窗非常窄（圖2c），這有效的抑制了無源交叉陣列中的串擾路徑效應，該鐵電儲存器陣列的任意單元中的鐵電疇均可獨立程式設計（圖2g）。
圖3 鐵電電容器構建的存內差分機用於求解拋物線函式的一階和二階導數。
如圖3所示，將鐵電電容器之間的不同鐵電疇用於數值大小的編碼，連續向鐵電電容器陣列中寫入數值，則在寫入新的數值過程中所檢測到的極化反轉引起的位移電流訊號，自然的給出當前數值與前一數值之間的差值計算結果（圖3a-b）。基於該原理，數學函式g(x)=x2-2x+1的一階導數g’(x)=2x-2以及二階導數g’’(x)=2均輕鬆地被鐵電電容器構建的存內差分機計算出來（圖3e-i）。
圖4 鐵電電容器構建的存內差分機用於視覺資訊中的動態目標提取。
將鐵電電容器之間的不同鐵電疇用於畫素灰度的編碼，連續向鐵電電容器陣列中寫入影像，則在寫入新的影像過程中所檢測到的極化反轉引起的位移電流訊號，自然的給出當前影像與前一影像之間的變化畫素資訊（圖4b-c）。基於該原理，存內鐵電差分器對籃球入筐、汽車行駛、人體移動等視覺過程執行存內差分計算處理，出色的完成了動態目標提取任務，準確率高達~98.9%。值得注意的是，鐵電電容儲存器具有亞微秒甚至納秒級別的操作速度和優異的非易失特性（資訊可保持數年），這意味著鐵電差分器不僅能夠處置自動駕駛等即時高速的動態資訊處理，並且能夠低能耗的應對那些橋體破損等具有大時間尺度的動態檢測任務。
圖5 傳統差分技術與鐵電存內差分機的運算流程對比。
如圖5所示，與傳統運動目標提取（如基於CMOS的方案）中每次差分運算需兩次儲存器訪問和一次邏輯操作的複雜流程不同，鐵電差分器僅需一次讀取即可完成差分運算，單次差分運算能耗低至0.24 fJ。如此低的操作能耗使存內鐵電差分器的理想算力瓶頸達到~4.17 POPS/W，比GPU (NVIDIA V100)高上萬倍。
存內鐵電差分器的工作是上海類腦智慧材料與器件研究中心在類腦硬體領域的一項新突破。上海類腦智慧材料與器件研究中心成立於2022年，已經建設為包括智慧材料設計和製備、智慧器件研製、類腦晶片整合和驗證在內的概念驗證平臺，聚焦承接國家發展類腦智慧的重大戰略需求任務，為類腦材料的智慧晶片的成果轉化提供原理和技術可行性研究。在此之前，該中心在智慧材料設計和製備、智慧器件研製及類腦晶片整合方面相繼取得一系列重要原始突破，成果發表於Nature Materials、Nature Communications和Science Advances等國際頂級期刊以及VLSI、IEDM等國際頂級會議。
該工作得到了國家自然科學基金青年B類（原國家優青）、重點研發計劃青年科學家、重慶市傑青、上海市啟明星等專案的資助。該項研究也感謝華東師範大學微納加工平臺的支援。
論文資訊：
Guangdi Feng#, Xiaoming Zhao#, Xiaoyue Huang#, Xiaoxu Zhang, Yangyang Wang, Wei Li, Luqiu Chen, Shenglan Hao, Qiuxiang Zhu, Yachin Ivry, Brahim Dkhil, Bobo Tian*, Peng Zhou*, Junhao Chu, Chungang Duan*. In-memory Ferroelectric Differentiator. Nature Communications 16, 3027 (2025)
https://doi.org/10.1038/s41467-025-58359-4
點選下方知社人才廣場，檢視最新學術招聘
擴充套件閱讀