ReSCom: 확률적 컴퓨팅을 활용한 재구성 가능한 스파이킹 신경망 가속기

요약

본 논문은 스파이킹 신경망(SNNs)의 하드웨어 구현 문제를 해결하기 위해 ReSCom이라는 재구성 가능한 가속기를 제안합니다. ReSCom은 확률적 컴퓨팅을 활용하여 뉴런 동역학의 곱셈 연산에 적용함으로써 하드웨어 복잡도를 줄이고 안정적인 추론을 유지합니다. Xilinx Artix-7 FPGA 실험 결과, 낮은 에너지 소비와 높은 분류 정확도를 달성하며 기존 최첨단 구현보다 우수한 효율성을 입증했습니다.

핵심 포인트

• ReSCom은 확률적 컴퓨팅을 활용하여 SNN 가속기의 하드웨어 복잡도를 낮춥니다.
• 확률적 산술 사용으로 정확도-지연 시간-에너지 트레이드오프를 동적으로 제어 가능합니다.
• Xilinx Artix-7 FPGA에서 MNIST 추론 시 이미지당 0.05 mJ의 낮은 에너지 소비를 달성했습니다.