Neuromorphic Wireless Split Computing with Multi-Level Spikes

要約

生物学的プロセスに触発されて、神経形態のコンピューティングは、スパイクニューラルネットワーク（SNN）をレバレッジして推論タスクを実行し、連続データを含むワークロードの大幅な効率の向上を提供します。
ハードウェアとソフトウェアの最近の進歩により、スパイクニューロン間で交換される各スパイクに小さなペイロードを埋め込むと、エネルギー消費を増やすことなく推論の精度を高めることができます。
神経型コンピューティングをより大きなワークロードにスケーリングするために、SNNが2つのデバイスに分割されている分割コンピューティングは、有望なソリューションです。
このようなアーキテクチャでは、初期レイヤーをホストするデバイスは、出力ニューロンによって生成されたスパイクに関する情報を2番目のデバイスに送信する必要があります。
これにより、追加のペイロード情報を搭載したマルチレベルスパイクの利点と、デバイス間の追加ビットを送信するために必要な通信リソースとのトレードオフが確立されます。
このペーパーでは、マルチレベルSNNを採用する神経形式ワイヤレス分割コンピューティングアーキテクチャの最初の包括的な研究を紹介します。
効率的な通信を可能にするために、直交周波数分割多重（OFDM）無線インターフェイスのデジタルおよびアナログ変調スキームを提案します。
ソフトウェア定義ラジオを使用したシミュレーションと実験結果は、マルチレベルSNNモデルによって達成されたパフォーマンスの改善を明らかにし、送信機と受信機の間の接続品質の関数として最適なペイロードサイズの洞察を提供します。

要約(オリジナル)

Inspired by biological processes, neuromorphic computing leverages spiking neural networks (SNNs) to perform inference tasks, offering significant efficiency gains for workloads involving sequential data. Recent advances in hardware and software have shown that embedding a small payload within each spike exchanged between spiking neurons can enhance inference accuracy without increasing energy consumption. To scale neuromorphic computing to larger workloads, split computing – where an SNN is partitioned across two devices – is a promising solution. In such architectures, the device hosting the initial layers must transmit information about the spikes generated by its output neurons to the second device. This establishes a trade-off between the benefits of multi-level spikes, which carry additional payload information, and the communication resources required for transmitting extra bits between devices. This paper presents the first comprehensive study of a neuromorphic wireless split computing architecture that employs multi-level SNNs. We propose digital and analog modulation schemes for an orthogonal frequency division multiplexing (OFDM) radio interface to enable efficient communication. Simulation and experimental results using software-defined radios reveal performance improvements achieved by multi-level SNN models and provide insights into the optimal payload size as a function of the connection quality between the transmitter and receiver.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google