基于 MLX 的 Apple Silicon 平台上的脉冲神经网络 mlx-snn
机器学习
2026-03-05 v1 人工智能
神经与进化计算
摘要
我们介绍了 mlx-snn，这是第一个原生构建于 Apple MLX 框架上的脉冲神经网络（SNN）库。随着 SNN 研究的快速发展，所有主要库——snnTorch、Norse、SpikingJelly、Lava——都针对 PyTorch 或自定义后端，使得 Apple Silicon 用户没有原生选项。mlx-snn 提供六种神经元模型（LIF、IF、Izhikevich、自适应 LIF、突触、Alpha），四种替代梯度函数，四种脉冲编码方法（包括一种针对 EEG 的编码器），以及完整的基于时间反向传播训练管道。该库利用 MLX 的统一内存架构、惰性求值和可组合函数变换（mx.grad、mx.compile）实现高效的 Apple Silicon 平台上的 SNN 研究。我们在 MNIST 手写数字分类任务上验证了 mlx-snn，采用五种超参数配置和三种后端，实现最高 97.28% 的准确率，训练速度提升 2.0–2.5 倍，GPU 内存占用降低 3–10 倍。mlx-snn 采用 MIT 许可证开源，已发布至 PyPI。https://github.com/D-ST-Sword/mlx-snn
引用
@article{arxiv.2603.03529,
title = {mlx-snn: Spiking Neural Networks on Apple Silicon via MLX},
author = {Jiahao Qin},
journal= {arXiv preprint arXiv:2603.03529},
year = {2026}
}
备注
11 pages 3 figures