NeuroRing：基于多FPGA双向环形拓扑与流数据流架构的脉冲神经网络扩展
硬件体系结构
2026-05-27 v2 分布式、并行与集群计算
神经与进化计算
摘要
脉冲神经网络（SNN）是一种用于高能效事件驱动计算的有前景的范式，但大规模SNN执行仍然具有挑战性，因为稀疏脉冲通信和同步可能主导运行时间。现有的CPU、GPU、ASIC和FPGA平台解决方案在可编程性、效率和可扩展性之间提供了不同的权衡。为了解决这一差距，我们提出了NeuroRing，这是一种基于流数据流架构和双向环形拓扑的模块化、可扩展SNN加速器，使用高层次综合（HLS）在FPGA上实现。NeuroRing支持模块化的单FPGA和多FPGA部署，并通过与NEST模拟器集成，兼容现有的SNN工作流程。我们在皮层微电路基准测试和数独约束满足工作负载上评估了NeuroRing。结果表明，NeuroRing保留了NEST参考模型的关键活动统计数据，以0.83的实时因子（RTF）实现了全尺寸皮层微电路的超实时执行，展现出有意义的强和弱扩展性，并在两个可编程FPGA上提供了具有竞争力的能效。这些结果将NeuroRing定位为一个灵活且可扩展的平台，适用于神经科学模拟和更广泛的事件驱动应用。
引用
@article{arxiv.2604.28059,
title = {NeuroRing: Scaling Spiking Neural Networks via Multi-FPGA Bidirectional Ring Topologies and Stream-Dataflow Architectures},
author = {Muhammad Ihsan Al Hafiz and Artur Podobas},
journal= {arXiv preprint arXiv:2604.28059},
year = {2026}
}
备注
Accepted at Euro-Par 2026