DYNAP-SE2: a scalable multi-core dynamic neuromorphic asynchronous spiking neural network processor

要約

テクノロジーの目覚ましい進歩に伴い、エッジのセンサー付近でデータを処理する必要性が劇的に増加しました。
これらのアプリケーションで使用される電子システムは、データを継続的にリアルタイムで処理し、可能な限り最小限のエネルギー バジェットを使用して関連情報を抽出する必要があります。
オンデマンド、スパース、エッジ コンピューティングをサポートする感覚信号の常時オン処理を実装するための有望なアプローチは、生物学的神経系からインスピレーションを得ることです。
このアプローチに従って、リアルタイムのイベントベースのスパイキング ニューラル ネットワーク (SNN) のプロトタイプを作成するための脳にヒントを得たプラットフォームを紹介します。
提案されたシステムは、短期可塑性、NMDA ゲート、AMPA 拡散、恒常性、スパイク周波数適応、コンダクタンスに基づく樹状コンパートメント、スパイク伝達遅延などの動的かつ現実的な神経処理現象の直接エミュレーションをサポートします。
このようなプリミティブを実装するアナログ回路は、イベントのルーティングとマッピングのために、低遅延の非同期デジタル回路と組み合わせられます。
この非同期インフラストラクチャにより、さまざまなネットワーク アーキテクチャの定義が可能になり、イベントベースおよび連続信号センサーからのデータを変換およびエンコードする直接イベントベースのインターフェイスが提供されます。
ここでは、全体的なシステム アーキテクチャについて説明し、ニューラル ダイナミクスをエミュレートする混合信号アナログ デジタル回路を特徴付け、実験による測定でその機能を実証し、システムの構成に使用できる低レベルおよび高レベルのソフトウェア エコシステムを示します。
生物学的に妥当なさまざまなニューラル ネットワークをエミュレートする柔軟性と、集団信号と単一ニューロン信号の両方をリアルタイムで監視するチップの機能により、基礎研究とエッジ コンピューティング アプリケーションの両方でニューラル処理の複雑なモデルを開発および検証できます。

要約(オリジナル)

With the remarkable progress that technology has made, the need for processing data near the sensors at the edge has increased dramatically. The electronic systems used in these applications must process data continuously, in real-time, and extract relevant information using the smallest possible energy budgets. A promising approach for implementing always-on processing of sensory signals that supports on-demand, sparse, and edge-computing is to take inspiration from biological nervous system. Following this approach, we present a brain-inspired platform for prototyping real-time event-based Spiking Neural Networks (SNNs). The system proposed supports the direct emulation of dynamic and realistic neural processing phenomena such as short-term plasticity, NMDA gating, AMPA diffusion, homeostasis, spike frequency adaptation, conductance-based dendritic compartments and spike transmission delays. The analog circuits that implement such primitives are paired with a low latency asynchronous digital circuits for routing and mapping events. This asynchronous infrastructure enables the definition of different network architectures, and provides direct event-based interfaces to convert and encode data from event-based and continuous-signal sensors. Here we describe the overall system architecture, we characterize the mixed signal analog-digital circuits that emulate neural dynamics, demonstrate their features with experimental measurements, and present a low- and high-level software ecosystem that can be used for configuring the system. The flexibility to emulate different biologically plausible neural networks, and the chip’s ability to monitor both population and single neuron signals in real-time, allow to develop and validate complex models of neural processing for both basic research and edge-computing applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google