컨볼루션 스파이킹 신경망 (Convolutional Spiking Neural Networks, SNN)은 희소하고 이벤트 기반인 (event-driven) 연산을 활용함으로써 매우 에너지 효율적인 비전 처리를 수행할 수 있는 잠재력을 제공합니다. 그러나 기존의 SNN 가속기들은 컨볼루션 레이어 (convolutional layers) 고유의 병렬성을 충분히 활용하지 못하며, 레이어 전반에 걸쳐 변화하는 메모리 요구 사항과 입력 희소성 (input sparsity)을 수용할 수 있는 유연성이 부족합니다. 본 논문에서는 세 가지 핵심 기여를 통해 이러한 한계를 해결하는 컨볼루션 SNN을 위한 디지털 아키텍처인 Mega를 제시합니다: (1) $3 imes 3$ 컨볼루션의 고도로 병렬화된 가속, (2) 스파이크 (spikes), 뉴런 상태 (neuron states), 그리고 가중치 (weights)를 위한 통합 데이터 메모리, (3) 낮은 오버헤드의 스파이크 탐지 (spike detection)를 통한 효율적인 스파이크 맵 (spike map) 처리입니다. GlobalFoundries 22 nm FDSOI 공정으로 제작된 Mega는 0.375 pJ/SOP의 에너지 효율을 달성하며, 기존 기술 수준(state of the art)을 $4 imes$ 개선했습니다.