NeuroTrain: 오픈 벤치마킹 프레임워크를 통한 Spiking Neural Networks를 위한 로컬 학습 규칙 조사

요약

본 논문은 Spiking Neural Networks (SNNs) 분야에서 급증하는 다양한 학습 알고리즘들을 체계적으로 분류하는 포괄적인 분류 체계를 제시한다. 이 조사(Survey)는 Surrogate-gradient backpropagation, 로컬/3요소 학습 규칙 등 여러 접근 방식을 분석하며, 각 클래스를 계산 원리 및 로컬리티 특성 측면에서 심층적으로 다룬다. 또한, 재현 가능한 연구를 지원하기 위해 snnTorch 기반의 오픈 소스 벤치마킹 프레임워크인 NeuroTrain을 공개하여 SNN 학습 연구에 기여한다.

핵심 포인트

• SNN 분야는 다양한 학습 알고리즘으로 인해 체계적인 분류 체계가 부족한 상황이다.
• 본 조사는 Surrogate-gradient backpropagation, 로컬/3요소 규칙 등 여러 SNN 학습 접근 방식을 포괄적으로 분류하고 분석한다.
• 각 학습 클래스는 계산 원리, 학습 신호, 로컬리티 특성 등의 관점에서 상세히 분석된다.
• 재현 가능한 벤치마킹을 위해 snnTorch 기반의 모듈화되고 확장 가능한 오픈 소스 프레임워크 NeuroTrain이 개발 및 공개되었다.