Neuromorphe Zwischenrepräsentation: Ein einheitlicher Befehlssatz für interoperable gehirn-inspirierte Berechnungen

Spikende neuronale Netze und neuromorphe Hardware-Plattformen, die neuronale Dynamik simulieren, erhalten große Aufmerksamkeit und werden auf viele relevante Probleme mithilfe von maschinellem Lernen angewendet. Trotz einer gut etablierten mathematischen Grundlage für neuronale Dynamik gibt es zahlreiche Software- und Hardwarelösungen sowie -stapel, deren Variabilität es schwierig macht, Ergebnisse zu reproduzieren. Hier etablieren wir einen gemeinsamen Referenzrahmen für Berechnungen in digitalen neuromorphen Systemen, genannt Neuromorphe Zwischenrepräsentation (NIR). NIR definiert eine Reihe von berechenbaren und zusammensetzbaren Modell-Primitiven als hybride Systeme, die kontinuierliche Zeitdynamik und diskrete Ereignisse kombinieren. Durch die Abstraktion von Annahmen hinsichtlich Diskretisierung und Hardware-Einschränkungen erfasst NIR das Berechnungsmodell treu, während es Unterschiede zwischen der ausgewerteten Implementierung und dem zugrunde liegenden mathematischen Formalismus überbrückt. NIR unterstützt eine beispiellose Anzahl neuromorpher Systeme, was wir demonstrieren, indem wir drei spikende neuronale Netzwerkmodelle unterschiedlicher Komplexität über 7 neuromorphe Simulatoren und 4 digitale Hardware-Plattformen reproduzieren. NIR entkoppelt die Entwicklung neuromorpher Hardware und Software, ermöglicht Interoperabilität zwischen Plattformen und verbessert den Zugang zu verschiedenen neuromorphen Technologien. Wir glauben, dass NIR ein entscheidender nächster Schritt in der co-evolutionären Entwicklung von hardware-software für gehirn-inspirierte Systeme ist, der die Forschung zur Umsetzung energieeffizienter Berechnungssysteme für Nervensysteme ermöglicht. NIR ist verfügbar unter neuroir.org.