ReLoFeMris

Rekonfigurierbare Logik und Multi-Bit in-Memory Prozessierung mit ferroelektrischen Memristoren

Partner

Dietmar_Fey-transparent

Prof. Dietmar Fey

Rechnerarchitektur, FAU Erlangen-Nürnberg

stefan-slesazeck-transparent

Dr.-Ing. Stefan Slesazeck

NaMLab gGmbH, Dresden

Outcome

Optimizing multi-level ReRAM memory for low latency and low energy consumption

Shima Hosseinzadeh, Marius Klemm, Georg Fischer, Dietmar Fey

IT - Information Technology, Volume 65, Issue 1-2, May 2023

DOI: 10.1515/itit-2023-0022

Memristive computing in Germany

Dietmar Fey

IT - Information TechnologyVolume 65, Issue 1-2, Pages 1 - 21 May 2023

DOI: 10.1515/itit-2023-0017

A Low-Power Ternary Adder Using Ferroelectric Tunnel Junctions

John Reuben; Dietmar Fey; Suzanne Lancaster; Stefan Slesazeck

Electronics 2023, 12(5), 28 February 2023

DOI: 10.3390/electronics12051163

Comparative study of usefulness of FeFET, FTJ and ReRAM technology for ternary arithmetic

Dietmar Fey; John Reuben; Stefan Slesazeck

2021 28th IEEE International Conference on Electronics, Circuits, and Systems (ICECS)
28 November 2021 - 01, December 2021, Dubai, United Arab Emirates

DOI: 10.1109/ICECS53924.2021.9665635

Projektbeschreibung

Angesichts der zunehmenden Nachfrage nach elektronischen Geräten in Edge-Computing-Anwendungen und im Internet der Dinge wird der Energieverbrauch bei der Datenübertragung von Edge- zu Cloud-Geräten sowie der Energieverbrauch in der Cloud weiter zunehmen, sofern Edge-Geräte nicht effizient genug werden, um z.B. Sensordaten direkt vor Ort zu verarbeiten. Daher wird es immer wichtiger, elektronische Technologien zu entwickeln, die ein sehr effizientes Rechnen in Mobilgeräten und Edge-Geräten ermöglichen, um den Energieverbrauch des IT-Sektors insgesamt zu senken und damit die Reduzierung des weltweiten CO2-Ausstoßes zu unterstützen. Daher sind neuartige Rechenparadigmen, die nichtflüchtige Speichervorrichtungen verwenden, von großem Interesse. Insbesondere für eingebettete Geräte ist es sinnvoll, einfache logische Verknüpfungen dort auszuführen, wo die Daten erzeugt oder gespeichert werden, und zwar im Speicher oder direkt am Sensorknoten.

Near- und In-Memory-Computing ist im Prinzip eine Antwort auf die hohen Energiekosten von Datenübertragungsvorgängen. Das angestrebte Projekt ReProFeMris befasst sich mit der Bereitstellung und praktischen Implementierung der zukünftigen Memristiven Ferroelektrischen Technologie und ihrer Anwendung in zukünftigen energieeffizienten Embedded-In-Memory-Verarbeitungsarchitekturen. Die Memristive Ferroelektrische Technologie, die in dem geplanten Projekt genutzt werden soll, ist die Ferroelektrische Tunneljunction (FTJ), die eine der energieeffizientesten Technologien im Vergleich zu z.B. zu klassischem ReRAM, STT-MRAM oder PCM darstellt, die derzeit untersucht werden.

Unser Projekt zielt darauf ab, die einzigartigen Merkmale der Ferroelektrischen Memristiven Technologie wie die MLC-Fähigkeit (Speicherung mehrerer Zustände in einem Bauelement) und die rekonfigurierbare Logik für speicherarithmetische Verarbeitungsschaltungen zu nutzen. Insbesondere zielen wir auf die Nutzung der Ferroelektrischen Tunneljunctions für die Realisierung nichtflüchtiger Logikgatter ab. In Anbetracht der enormen Versprechen, die diese Bauelemente für einen extrem stromsparenden Betrieb haben, wollen wir die Funktionalität solcher Konzepte nutzen, indem wir die gegebenen Einschränkungen hinsichtlich der eingeschränkten MLC-Fähigkeit und der relativ niedrigen Leseströme dieser Bauelemente mit Hilfe geeignetem Schaltungsdesign überwinden.

Am Ende der ersten Projektlaufzeit sollen verschiedene arithmetische Grundbausteine für extrem platzsparende und energieeffiziente rekonfigurierbare speicherinterne Rechenschaltungen sowie Schaltungen unter Nutzung der MLC-Fähigkeit in Hardware realisiert und die Ergebnisse als technischer Bericht veröffentlicht werden, der auf den Webseiten von NaMLab und FAU öffentlich zugänglich ist.

Weitere Projektmitarbeitende

John_Reuben_Prabahar_transparent

John Reuben Prabahar

Rechnerarchitektur, FAU Erlangen-Nürnberg

Shima_Hoseinzadeh_transparent2

Shima Hosseinzadeh

Rechnerarchitektur, FAU Erlangen-Nürnberg

Suzanne_Lancaster_transparent

Suzanne Lancaster

NaMLab gGmbH, Dresden