hxtorch.snn：BrainScaleS-2上受机器学习启发的脉冲神经网络建模
神经与进化计算
2022-12-26 v1
摘要
神经形态系统需要用户友好的软件以支持实验的设计与优化。本工作中，我们通过展示为BrainScaleS-2神经形态系统开发的基于机器学习的建模框架来满足这一需求。该工作相较以往仅关注BrainScaleS-2矩阵乘法模式或缺乏完全自动化的努力有所改进。我们的框架称为hxtorch.snn，支持在PyTorch内对脉冲神经网络进行硬件在环训练，包括在全自动硬件实验流程中支持自动微分。此外，hxtorch.snn促进了硬件仿真与软件模拟之间的无缝切换。我们利用Yin-Yang数据集，采用基于梯度的方法和替代梯度以及来自BrainScaleS-2硬件系统的密集采样膜观测，在分类任务上展示了hxtorch.snn的能力。
引用
@article{arxiv.2212.12210,
title = {hxtorch.snn: Machine-learning-inspired Spiking Neural Network Modeling on BrainScaleS-2},
author = {Philipp Spilger and Elias Arnold and Luca Blessing and Christian Mauch and Christian Pehle and Eric Müller and Johannes Schemmel},
journal= {arXiv preprint arXiv:2212.12210},
year = {2022}
}