NeuromorphicRT: Eine produktionsreife Spiking-Neuralnetz-Runtime für energieeffiziente Edge-AI

NeuromorphicRT ist eine produktionsreife Spiking-Neuralnetz (SNN) Runtime für energieeffiziente Edge-AI auf ressourcenbeschränkter Hardware. Dieses Papier präsentiert die Framework-Architektur, die fünf Neuronenmodelle (LIF, AdEx, Izhikevich, TTFS, Surrogate Gradient), 11 Modellarchitekturen für Vision, Audio und Anomalieerkennung sowie ein Temporales Ereignis-Neurales Netzwerk (TENN) mit lernbaren zeitabhängigen Kernen unterstützt. Wir demonstrieren eine Energieeinsparung von bis zu 1000x im Vergleich zu herkömmlichen DNNs auf Edge-Zielen einschließlich Jetson Orin Nano und Raspberry Pi 5. Die Trainingsergebnisse zu CIFAR-10 unter Verwendung der Surrogate Gradient Backpropagation durch die Zeit werden berichtet und erreichen eine Validierungsgenauigkeit von 61,76% mit einem 129K-Parameter SpikeNet7-Modell, das auf Jetson AGX Orin trainiert wurde. Das Framework umfasst die DNN-zu-SNN-Konversion, ereignisgesteuerte Delta-Inferenz und ein selektives Zustandsraum-Modell (Mamba-Stil) mit Spike-I/O.