Abstract
工学システムのリアルタイムな仮想センシングによって全場物理を予測することは、物理センサの制約を補うのに有効になり得ますが、多くの場合、疎から密への再構成、複雑なマルチフィジックス、非常に不規則な幾何形状に加え、エッジ展開可能性のための厳しいレイテンシおよびエネルギー制約が必要です。ニューラルオペレータは、このような用途の候補として提示されてきましたが、消費電力を明示的に扱うアーキテクチャはほとんど存在しません。スパイキングニューロンの統合は、ニューロモーフィックハードウェア上で統合すれば潜在的な解決策になりますが、現在の既存のニューロンモデルでは、回帰ベースの仮想センシングに向けて性能が大きく劣化します。性能上の懸念とエッジ制約に対処するために、洗練されたスペクトル・空間畳み込みの解析と、これまでに開発した可変スパイキングニューラ（Variable Spiking Neuron; VSN）およびエネルギー誤差バランスの損失関数を統合した可変スパイキンググラフニューラルオペレータ（VS-GNO）を提案します。スパイキングなしの L_2 エラーベースラインが 0.4
\% であるのに対し、VS-GNOはスペクトルのみの形態では平均スパイキングが 15
\% で再構成誤差 0.71
\% を、全体の形態では平均スパイキングが 24.5
\% で再構成誤差 1.04
\% を与えます。これらの結果は、複雑で高度に不規則な工学環境におけるリアルタイムな疎から密への仮想センシングのための、エネルギー効率の高いエッジ展開可能なニューラルオペレータに向けた有望な一歩としてVS-GNOを位置付けます。
