面向 Loihi 2 部署的带突触延迟 SNN 完整管道
神经与进化计算
2025-10-16 v1 机器学习
摘要
脉冲神经网络（SNN）正吸引更多注意力，作为面向边缘计算的传统人工神经网络的更高效替代方案。神经形态计算可以显著降低能源需求。本文提出了一个完整的管道：在 GPU 上高效地对带突触延迟的 SNN 进行事件驱动训练，并部署到英特尔的 Loihi 2 神经形态芯片。我们在使用 Spiking Heidelberg Digits 和 Spiking Speech Commands 数据集进行关键词识别任务中评估了我们的做法，表明我们的算法可以提高不包含延迟的体系结构的分类准确率。我们的基准测试表明，GPU 和 Loihi 2 实现之间几乎没有准确率损失，而在 Loihi 2 上的分类速度可提高最高 18 倍，能源使用量比 NVIDIA Jetson Orin Nano 低最高 250 倍。
引用
@article{arxiv.2510.13757,
title = {A Complete Pipeline for deploying SNNs with Synaptic Delays on Loihi 2},
author = {Balázs Mészáros and James C. Knight and Jonathan Timcheck and Thomas Nowotny},
journal= {arXiv preprint arXiv:2510.13757},
year = {2025}
}