Key points are not available for this paper at this time.
स्पाइकिंग न्यूरल नेटवर्क (SNNs) ऐसे कार्य करने का आश्वासन देते हैं जो वर्तमान में क्लासिकल आर्टिफिशियल न्यूरल नेटवर्क (ANNs) द्वारा किए जाते हैं, तेजी से, छोटे आकार में और कम ऊर्जा का उपयोग करके। न्यूरोमोर्फिक प्रोसेसर बड़े पैमाने पर कंप्यूटिंग में क्रांति लाने के लिए तैयार हैं, लेकिन ए_edge_computing अनुप्रयोगों की ओर बढ़ना अधिक कुशल सिस्टम की ओर और तेजी से बढ़ने के लिए बारीकी से ट्यून किए गए कस्टम कार्यान्वयन की जरूरत होती है। इस उद्देश्य के लिए, हमने FPGA प्लेटफार्मों पर स्पाइकिंग न्यूरॉन मॉडल को निष्पादित करने के लिए आर्किटेक्चरल डिज़ाइन स्पेस की जांच की है, जिसमें अल्ट्रा-लो एरिया और पावर खपत हासिल करने पर ध्यान केंद्रित किया गया है। यह कार्य एक कुशल क्लॉक-चालित स्पाइकिंग न्यूरॉन आर्किटेक्चर प्रस्तुत करता है जिसका उपयोग पूरी तरह से जुड़े कोर और 2D कॉन्वोल्यूशनल कोर के कार्यान्वयन के लिए किया जाता है, जो सिंपटिक प्रोसेसिंग के लिए गहरे पाइपलाइनों और वेट और न्यूरॉन स्थिति के लिए वितरित मेमोरी पर निर्भर करते हैं। इनके साथ, हमने MNIST डेटासेट पर प्रशिक्षित LeNet-5 नेटवर्क का SNN संस्करण के लिए एक त्वरणकर्ता विकसित किया है। लगभग 5.5 स्लाइस/न्यूरॉन और केवल 348 mW पर, यह वर्तमान उच्चतम कार्यान्वयन की तुलना में प्रति न्यूरॉन 33% कम क्षेत्र और 4 गुना कम शक्ति का उपयोग करने में सक्षम है जबकि कम सिमुलेशन स्टेप समय बनाए रखता है।
लोपेज़-एसुनसिओन आदी। (मंगलवार,) ने इस प्रश्न का अध्ययन किया।