Analog-Digital- und Digital-Analog-Wandlung sind Prozesse, die heute in nahezu jedem elektronischen System stattfinden und die analoge mit der digitalen Welt verbinden. Die Forschungsgruppe „Converters & High-Speed Logic Circuits“ befasst sich mit der Forschung und Entwicklung integrierter Schaltungen für die Analog-Digital- und Digital-Analog-Wandlung sowie den in diversen Anwendungsbereichen erforderlichen Mixed-Signal-FunktionenIhr Forschungsspektrum deckt ein besonders breiten Leistungsbereich ab: von Ultra-Low-Power-Datenwandlern für neuromorphe Systeme und Sensorschnittstellen bis hin zu extrem schnellen Datenwandlern für zukünftige drahtlose und drahtgebundene Kommunikationssysteme. Je nach Anwendung nutzt die Forschungsgruppe die 130-nm-SiGe-BiCMOS-Technologien des IHP für maximale Geschwindigkeit und Bandbreite sowie fortschrittliche CMOS-Prozesse im Nanometerbereich für hochintegrierte und energieeffiziente Implementierungen.
Forschungsrelevanz und Anwendungsbereiche
Der Schwerpunkt liegt auf der Entwicklung und Implementierung schneller Datenwandler sowie ihrer möglichen Systemintegration in Wireless- und Wireline- Transceiver. Dies ist für die 6G-Kommunikation relevant, für die wir einen schnellen IQ-Basisband-DAC für einen D-Band-Sender mit 30 GHz Momentanbandbreite entwickelt haben. Für Wireline-Anwendungen konzentriert sich die aktuelle Forschung auf die Entwicklung alternativer Architekturen zur Erzeugung von PAM-Signalen mit dem Ziel, Datenraten von mehr als 200 Gb/s zu erreichen.
In beiden Anwendungsbereichen besteht das Ziel darin, Bandbreite beziehungsweise Datenrate und Energieeffizienz zu maximieren. Darüber hinaus trägt die Gruppe zur Forschung an einem energieeffizienten KI-Hardwarebeschleuniger bei. Jüngste Entwicklungen bei RRAM-basierten analogen neuronalen Netzen haben die Gruppe zu weiterführender Forschung an energieeffizienten analogen In-Memory-Computing-Lösungen angeregt, die für Edge-Computing-Anwendungen von hoher Relevanz sind.
Zentrale Forschungsziele
Verbesserung der Leistungsfähigkeit schneller ADCs/DACs
- Untersuchung von Schaltungslösungen zur Erweiterung der Betriebsbandbreite
- Erhöhung der Wandlungsgenauigkeit
- Fokus auf energieeffizienten Betrieb
Forschung an alternativen Senderarchitekturen
- Untersuchung von Mixed-Signal-Sendern
- Ausrichtung auf breitbandigen Betrieb
Analoges In-Memory Computing
- Entwicklung neuer Ansätze für die Vektor-Matrix-Multiplikation (VMM)
- Fokus auf Energieeffizienz
- Entwicklung analoger VMM-Beschleuniger, die mit Digital Design Flow kompatibel sind
Forschungsbereiche
Energieeffiziente ADCs und DACs
Die Forschung an Analog-Digital-Wandlern (ADCs) und Digital-Analog-Wandlern (DACs) konzentriert sich auf die Optimierung der Schnittstelle zwischen Signalen aus der realen Welt und digitalen Rechnern. ADCs digitalisieren reale Signale und wandeln sie zur Verarbeitung in digitale Daten um, während DACs den umgekehrten Vorgang ausführen und digitale Daten in physikalische Ausgangssignale umwandeln. Die aktuelle Forschung zielt darauf ab, Geschwindigkeit, Genauigkeit und Energieeffizienz zu verbessern und gleichzeitig Hardwaregröße und Kosten zu reduzieren. Diese Technologien sind insbesondere für Anwendungen wie KI-Hardware, Wireless- und Wireline-Kommunikation, Medizintechnik und Edge Computing von Bedeutung.
Analoges In-Memory Computing
Die moderne KI-Forschung zielt auf skalierbare Anwendungen – von großen Sprachmodellen in Rechenzentren bis hin zu Echtzeit-Computer-Vision auf Edge-Geräten –, die alle eine hocheffiziente Datenverarbeitung erfordern. Diese komplexen Deep-Learning-Modelle basieren auf Schichten neuronaler Netze, die Vektor-Matrix-Multiplikationen (VMM) durchführen. Da VMM-Operationen etwa 80–90 % des gesamten Rechenaufwands ausmachen, ist die Entwicklung schneller und energieeffizienter VMM-Beschleuniger von großer Bedeutung. Analoges In-Memory Computing (AIMC) begegnet diesen Herausforderungen, indem mathematische Berechnungen direkt im Speicher durchgeführt werden und dadurch die Notwendigkeit reduziert wird, Daten zwischen Speicher und CPU zu übertragen. Darüber hinaus nutzt AIMC grundlegende physikalische Gesetzmäßigkeiten, um Multiplikations- und Additionsoperationen im analogen Bereich auszuführen, wodurch sich der Energieverbrauch gegenüber vollständig digitalen Lösungen potenziell reduzieren lässt.
