[논문]Spiking Neural Networks(SNN)를 위한 컴파일러 구조와 매핑 알고리즘 성능 분석

김용주; 김태호

doi:10.17703/jcct.2022.8.5.613

[국내논문] Spiking Neural Networks(SNN)를 위한 컴파일러 구조와 매핑 알고리즘 성능 분석
A Structure of Spiking Neural Networks(SNN) Compiler and a performance analysis of mapping algorithm 원문보기

Journal of the convergence on culture technology : JCCT = 문화기술의 융합, v.8 no.5, 2022년, pp.613 - 618

김용주 (한국전자통신연구원 인공지능연구소) , 김태호 (한국전자통신연구원 인공지능연구소)

초록
AI-Helper

SNN(Spiking Neural Networks) 기반의 인공지능 연구는 현재 유행하는 DNN(Deep Neural Networks) 기반의 인공지능의 한계를 극복할 수 있는 차세대 인공지능으로서 주목받고 있다. 본 논문에서는 SNN 형태의 입력을 뉴로모픽 컴퓨팅 시스템에서 구동시킬 수 있는 시스템 SW인 SNN 컴파일러의 구조에 대하여 설명한다. 또한 컴파일러 구현을 위하여 사용된 알고리즘을 소개하고 매핑 알고리즘의 동작 형태에 따라 뉴로모픽 컴퓨팅 시스템에서 수행시간이 어떻게 달라지는지에 대한 실험결과를 제시한다. 본문에서 제안한 매핑 알고리즘은 랜덤 매핑에 비해 최대 3.96배의 수행속도 향상이 있었다. 해당 연구 결과를 통해 SNN들을 다양한 뉴로모픽 하드웨어에서 적용할 수 있을 것이다.

Abstract ▼ AI-Helper

Research on artificial intelligence based on SNN (Spiking Neural Networks) is drawing attention as a next-generation artificial intelligence that can overcome the limitations of artificial intelligence based on DNN (Deep Neural Networks) that is currently popular. In this paper, we describe the structure of the SNN compiler, a system SW that generate code from SNN description for neuromorphic computing systems. We also introduce the algorithms used for compiler implementation and present experimental results on how the execution time varies in neuromorphic computing systems depending on the the mapping algorithm. The mapping algorithm proposed in the text showed a performance improvement of up to 3.96 times over a random mapping. The results of this study will allow SNNs to be applied in various neuromorphic hardware.

주제어

표/그림 (5)

그림 그림 1. AlphaGo 가 이세돌과 바둑 대국 때 사용한 서버 Figure 1. The AlphaGo server that used for a match against Sedol Lee
그림 그림 2. SNN 컴파일러 전체 구조 Figure 2. The overall structure of SNN compiler
그림 그림 3. SA 기반 매핑 알고리즘 전체 동작 흐름표 Figure 3. An flowchart of the SA based mapping algorithm
표 표 1. 입력 그래프 구조 Table 1. A input graph struction
표 표 2. SA 반복 횟수에 따른 통신 오버헤드 시뮬레이션 결과 Table 2. A communication overhead simulation results based on the number of SA iterations

참고문헌 (17)

G. E. Hinton, "Learning multiple layers of representation". Trends in Cognitive Sciences. 11(10): 428-4

상세보기
G. E. Hinton et al. "A Fast Learning Algorithmfor Deep Belief Nets" Neural Computation. 18(7): 1527-1554

상세보기
D. Silver et al.. "Mastering the game of Go with deep neural networks and tree search". Nature. 529 (7587): 484-489. Bibcode:2016Natur.529..484S. doi:10.1038/nature16961. ISSN 0028-0836.

상세보기
A. Krizhevsky et al. "ImageNet Classification with Deep Convolutional Neural Networks" Communications of the ACM Vol. 60, No. 6

상세보기
M. Davies, et al., "Loihi: A Neuromorphic Manycore Processor with On-Chip Learning," IEEE Micro, vol. 38, no. 1, pp. 82-99, 2018.

상세보기
F. Akopyan, J. Sawada, A. Cassidy, R. AlvarezIcaza, J. Arthur, P. Merolla et al. (2015). Truenorth: Design and tool flow of a 65 mw 1 million neuron programmable neurosynaptic chip. IEEE Transactions on Computer-Aided Design of Integrated Circuits and Systems 3 , 1537-1557
B. F. Rubin "Qualcomm's Zeroth platform could make your smartphone much smarter". CNET. Retrieved March 10, 2015.
F. Steve, B. Petrut, SpiNNaker : A spiking neural network architecture. Boston-Delpht : Now Publishers Inc, 2020. p.350 Computational Neuroscience, Aug. 2015.
C. Pehle et al. The BrainScaleS-2 Accelerated Neuromorphic System With Hybrid Plasticity. Front Neurosci. 2022 Feb 24;16:795876. doi: 10.3389/fnins.2022.795876. PMID: 35281488; PMCID: PMC8907969

상세보기
A. Balaji, Y. Wu, A. Das, F. Catthoor, and S. Schaafsma, "Exploration of segmented bus as scalable global interconnect for neuromorphic computing," in Great Lakes Symposium on VLSI. ACM, 2019.
K. Boahen "Neurogrid: Emulating a Million Neurons in the Cortex," 2006 International Conference of the IEEE Engineering in Medicine and Biology Society, 2006, pp. 6702-6702, doi:10.1109/IEMBS.2006.260925.

상세보기
Y. Kim et al. "An analysis of learning performance changes in spiking neural networks(SNN)", The Journal of the Convergence on Culture Technology (JCCT) Vol. 6, No. 3, pp.465-470, August 31, 2020. pISSN 2384-0358, eISSN 2384-0366
T.S. Chou, H.J. Kashyap, J. Xing, S. Listopad, E. Rounds, M. Beyeler, N. Dutt, and J.L. Krichmar "CARLsim 4: An Open Source Library for Large Scale, Biologically Detailed Spiking Neural Network Simulation using Heterogeneous Clusters" International Joint Conference on Neural Networks 2018
N.T. Carnevale and M.L. Hines The NEURON Book. Cambridge, UK: Cambridge University Press, 2006.
D. F. M. Goodman and R. Brette, "The Brian simulator," Frontiers in Computational Neuroscience, Sep. 2009.
C. H. Papadimitriou "The complexity of the Lin-Kernighan heuristic for the travelling salesman problem". SIAM Journal on Computing. 21 (3): 450-465. doi:10.1137/0221030.

상세보기
Y. LeCun, L. Bottou, Y. Bengio, and P., Haffner, "Gradient-based learning applied to document recognition." Proceedings of the IEEE, vol. 86, no. 11, pp. 2278-2324, Nov. 1998.

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증