模拟神经形态硬件上基于人工神经网络的推理
神经与进化计算
2021-04-07 v3
摘要
神经形态 BrainScaleS-2 ASIC 包含混合信号神经元与突触电路，以及两个通用数字微处理器。该系统主要设计用于仿真脉冲神经网络，也可在人工神经网络的向量-矩阵乘加模式下运行。模拟乘法在突触电路中执行，结果在神经元膜电容上累加。作为模拟存内计算器件，其有望实现高能量效率。然而，固定图形噪声与试次间涨落要求所实现的网络能应对一定程度的扰动。进一步的限制来自输入值（5 位）、矩阵权重（6 位）与所得神经元激活（8 位）的数字分辨率。本文中，我们将 BrainScaleS-2 作为模拟推理加速器进行讨论，并给出校准与优化策略，强调硬件在环训练的优势。在其他基准测试之外，我们使用二维卷积与两个全连接层对 MNIST 手写数字数据集分类，达到了 98.0% 测试准确率，与同一网络在软件中评测的性能极为接近。
引用
@article{arxiv.2006.13177,
title = {Inference with Artificial Neural Networks on Analog Neuromorphic Hardware},
author = {Johannes Weis and Philipp Spilger and Sebastian Billaudelle and Yannik Stradmann and Arne Emmel and Eric Müller and Oliver Breitwieser and Andreas Grübl and Joscha Ilmberger and Vitali Karasenko and Mitja Kleider and Christian Mauch and Korbinian Schreiber and Johannes Schemmel},
journal= {arXiv preprint arXiv:2006.13177},
year = {2021}
}