45nm工艺下用于递归脉冲神经网络的量化上下文LIF神经元
神经与进化计算
2024-04-30 v1 人工智能
硬件体系结构
计算机视觉与模式识别
神经元与认知
摘要
本研究提出了首个基于上下文的递归脉冲神经网络（RSNN）硬件实现，重点在于整合新皮层锥体神经元内的双信息流，特别是上下文依赖的泄漏积分与点火（CLIF）神经元模型，这是RSNN的关键要素。我们提出了CLIF神经元的量化版本（qCLIF），通过利用RSNN稀疏活动的硬件-软件协同设计方法开发。在45nm技术节点实现，qCLIF面积紧凑（900μm²），尽管采用8位量化，在DVS手势分类数据集上仍达到90%的高准确率。我们的分析涵盖了从10到200个qCLIF神经元的网络配置，在1.86mm²面积内支持多达82k个突触，展示了可扩展性和效率。
引用
@article{arxiv.2404.18066,
title = {Quantized Context Based LIF Neurons for Recurrent Spiking Neural Networks in 45nm},
author = {Sai Sukruth Bezugam and Yihao Wu and JaeBum Yoo and Dmitri Strukov and Bongjin Kim},
journal= {arXiv preprint arXiv:2404.18066},
year = {2024}
}
备注
7 Pages, 7 Figures, 2 Tables