崩壊か保存か：データ依存の時間的集約によるスパイキングニューラルネットワーク加速
arXiv cs.LG / 2026/3/17
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- Apple M3 Max 上では、SIMD ユニットが細粒度で非構造的な i.i.d. スパイクを活用できないため、スパイクのスパース性は性能向上を生み出さない。
- 彼らは Temporal Aggregated Convolution (TAC) を導入し、K フレームのスパイクを事前に集約して畳み込み呼び出し回数を T/K 倍削減し、レート符号化データの MNIST および Fashion-MNIST において最大 13.8 倍の速度アップと僅かな精度変化を達成した。
- イベントベースデータで時間情報が重要な場合、TAC の時間的崩壊は精度を低下させるため、出力を K LIF ステップ間で共有する Temporal Preservation (TAC-TP) を提案し、時間分解能を保持する。これにより、DVS128-Gesture で 95.1% を達成し、畳み込み呼び出しを 50% 減らした。
- 本研究は、最適な時間的集約はデータ依存であると結論づけ、オープンソース mlx-snn オペレータを用いてハードウェア非依存の高速化を示した（NVIDIA V100 で 11x を含む）。
