面向自适应局部学习的 FPGA 加速器 Spiker-LL
神经与进化计算
2026-05-19 v1 人工智能
摘要
在边缘部署自适应智能仍面临挑战，主要是由于训练神经模型的计算和能源成本高。脉冲神经网络 (SNN) 作为一种有前景的替代方案，但实现端设备学习需要硬件-算法协同设计。本文提出 SPIKER-LL，一款基于 FPGA 的 SNN 加速器，扩展开源 Spiker+ 推理架构，高效支持 STSF 局部学习规则。通过针对性的微体系结构扩展，SPIKER-LL 在最小开销下实现推理和在线学习。跨 MNIST、F-MNIST 和 DIGITS，在准确率达到最高 93%、延迟低于毫秒级、每次推理能耗不足 0.1 mJ 的同时，保持 DSP 免费且高度可扩展，适用于边缘-FPGA 部署。
引用
@article{arxiv.2605.18003,
title = {Spiker-LL: An Energy-Efficient FPGA Accelerator Enabling Adaptive Local Learning in Spiking Neural Networks},
author = {Alessio Caviglia and Filippo Marostica and Alessandro Savino and Stefano Di Carlo},
journal= {arXiv preprint arXiv:2605.18003},
year = {2026}
}