エッジ・インテリジェンスのための脳型AI：システマティックレビュー

要旨: スパイキングニューラルネットワーク（SNNs）は、エッジ・インテリジェンスに対する厳しいサイズ、重量、電力（SWaP）の制約を回避できることが期待されていますが、本分野は現在「デプロイメント・パラドックス」に直面しています。すなわち、理論上のエネルギー利得が、非同期・イベント駆動型ダイナミクスを従来のフォン・ノイマン基盤へ写像する際の非効率によって相殺されることがしばしば起きています。アルゴリズムのみの還元主義的なレビューを超えて、本調査は、システムレベルのハードウェア／ソフトウェア共同設計という厳密な観点を採用し、2020〜2025年の軌跡を検討します。具体的には、生物学的妥当性をシリコン上の現実へと変換する「ラストマイル」技術――量子化手法からハイブリッド・アーキテクチャまで――を対象とします。本稿では、学習の複雑性（直接学習と変換の二分法）、状態をもつニューロン更新をボトルネック化する「メモリ・ウォール」、そしてニューロモーフィック・コンパイルのツールチェーンにおける重要なソフトウェア・ギャップの相互作用を批判的に分析します。最後に、基礎となる「同期―非同期の不一致」を調停するためのロードマップを構想し、ユビキタスでエネルギー自律的なグリーン・コグニティブ基盤を実現するための基礎層として、標準化されたニューロモーフィックOSの開発を提案します。