带唤醒无线电的神经形态拆分计算：通过数字孪生的架构与设计

神经形态计算利用时间数据的稀疏性，通过在每个时间步激活一小部分神经元和突触来降低处理能耗。当部署在基于边缘系统的拆分计算中时，远程神经形态处理单元（NPU）可以通过使用稀疏脉冲无线电（IR）波形进行异步通信来降低通信功率预算。这样，输入信号的稀疏性直接转化为计算和通信方面的节能。然而，在IR传输中，总能耗的主要贡献者仍然是维持主无线电开启所需的功率。本文提出了一种新颖的架构，将唤醒无线电机制集成到由远程无线连接的NPU组成的拆分计算系统中。基于唤醒无线电的神经形态拆分计算系统设计中的一个关键挑战是选择用于感知、唤醒信号检测和决策的阈值。为了解决这个问题，作为第二个贡献，本文提出了一种新颖的方法，利用物理系统的数字孪生（DT）（即模拟器），结合称为“学习然后测试”（LTT）的序贯统计测试方法，提供理论可靠性保证。所提出的DT-LTT方法广泛适用于其他设计问题，并在本文中针对神经形态通信进行了展示。实验结果验证了设计和分析，确认了理论可靠性保证，并说明了可靠性、能耗和决策信息性之间的权衡。