클록리스 재구성 가능 칩의 자율 스파이킹 역학을 이용한 확장 가능한 뉴로모픽 컴퓨팅

우리는 클록리스 (clockless, 비동기식 (asynchronous)) 디지털 회로의 자율적인 시간 연속적 진화에서 발생하는 스파이킹 역학 (spiking dynamics)에 기반한 확장 가능한 뉴로모픽 아키텍처 (neuromorphic architecture)를 제안합니다. 상용 사용 가능한 FPGA (Field-Programmable Gate Arrays) 상에 구현된 우리의 시스템은 구성 가능한 흥분성 (excitatory) 및 억제성 (inhibitory) 시냅스 가중치 (synaptic weights)를 가진 상호작용하는 불리언 스파이킹 뉴런 (Boolean spiking neurons) 네트워크를 구현합니다. 완전한 처리 파이프라인 (processing pipeline)을 통해 머신러닝 (machine-learning) 태스크를 해결하기 위한 스파이크 인코딩 (spike-encoded) 데이터의 효율적인 처리가 가능합니다. 우리는 스파이크 기반 인코딩 (spike-based encoding)과 고속 처리를 이용한 오디오 분류 (audio classification) 태스크에서 경쟁력 있는 성능을 입증했습니다. 전력 소비는 전통적인 디지털 구현 방식보다 현저히 낮으며, 이는 우리의 접근 방식이 특수한 하드웨어 설계 없이도 전용 아날로그 뉴로모픽 시스템 (analog neuromorphic systems)과의 간극을 메울 수 있는 효율적인 대안임을 의미합니다. 보다 일반적으로, 우리의 접근 방식은 클록리스 디지털 하드웨어를 뉴로모픽 컴퓨팅 (neuromorphic computing)을 위한 실행 가능한 플랫폼으로 확립합니다. 이는 재구성 가능한 칩이 에너지 효율적인 유사 아날로그 (quasi-analog) 뉴로모픽 프로세서로 변모할 수 있는 길을 열어줍니다.