신경 동역학 시스템 (Neural dynamical systems)은 미세한 상태 업데이트를 통해 연속 시간 동역학 (continuous-time dynamics)을 포착하는 표현력이 뛰어난 시계열 예측기입니다. 그러나 이러한 순차적 구조는 밀집 행렬 연산 (dense matrix operations)에 최적화된 디지털 하드웨어에 매핑하기 어렵습니다. 이러한 불일치는 고유한 연속 시간 동역학을 가진 아날로그 뉴로모픽 컴퓨팅 (analog neuromorphic computing)을 통해 해결할 수 있습니다. 우리는 시간적 축적을 위한 적분기 (integrator)와 주파수 선택적 필터링 (frequency-selective filtering)을 위한 발진기 (oscillator)라는 두 가지 아날로그 기본 요소로 구축된 뉴로모픽 시스템인 FerroNDS를 소개합니다. 우리는 이 시스템을 멀티 비트 페로다이오드 (ferrodiodes) 기반의 컴퓨팅 인 메모리 (compute-in-memory) 하드웨어에 매핑합니다. 128개 뉴런으로 구성된 FerroNDS 인스턴스는 단시간 푸리에 변환 (short-time Fourier transform)을 계산하고 주기적, 준주기적 (quasi-periodic), 그리고 카오스적 (chaotic) 신호에 대해 500ms의 예측 지평 (horizon)을 예측합니다. 이 시스템은 뉴런당 추론 에너지 1.64 $μ$J (200 Hz) 및 0.29 $μ$J (10 kHz), SRAM 기반 디지털 시스템 대비 25-40$ imes$의 면적 감소, 그리고 레이어당 지연 시간(latency) 3.18 ms (200 Hz) 및 63.87 $μ$s (10 kHz)를 달성하며 1와트 미만의 실시간 동작을 구현합니다. 우리가 알기로, 이는 페로다이오드를 뉴로모픽 컴퓨팅 프레임워크에 엔드 투 엔드 (end-to-end)로 통합한 첫 번째 사례이며, 강유전체 컴퓨팅 인 메모리 (ferroelectric compute-in-memory)를 아날로그 신경 동역학 시스템을 위한 실질적인 기질 (substrate)로 확립합니다.