分段总线架构上脉冲神经网络的映射与调度
神经与进化计算
2025-11-21 v2
摘要
大规模神经形态架构由使用共享互连通信脉冲的计算单元组成。此类系统中的通信模式本质上具有稀疏性、异步性和局部性，这是由神经事件的脉冲特性所决定的，其特征为时间稀疏性并伴随偶发的流量突发。这些特性要求互连在处理高活动突发时优化性能，同时在空闲期间消耗最少功耗。动态分段总线因其简单性、可扩展性和低功耗而被提出为一种有前景的互连方案。然而，将脉冲神经网络应用部署于此类总线上面临挑战，包括大量簇间流量，可能导致网络拥塞、脉冲丢失和不必要的能量消耗。在本文中，我们提出了一种三步流程，用于在动态分段总线上部署脉冲神经网络应用，旨在减少脉冲丢失并节约能耗。首先，我们基于应用连通性制定了缓解脉冲丢失和能耗的优化启发式方法。其次，我们分析应用流量以确定最小化流量洪泛的脉冲调度。最后，我们提出了一种最小化脉冲流量路径交叉的路由算法。我们使用精确到周期的网络模拟器评估了所提方法。仿真结果表明，我们的算法可以消除脉冲丢失，同时使能耗显著低于传统片上网络。
引用
@article{arxiv.2506.11286,
title = {Mapping and Scheduling Spiking Neural Networks On Segmented Ladder Bus Architectures},
author = {Phu Khanh Huynh and Francky Catthoor and Anup Das},
journal= {arXiv preprint arXiv:2506.11286},
year = {2025}
}