计算机应用

作者：华夏, 朱铮皓, 徐聪, 张曦煌, 柴志雷, 陈闻杰

单位：1.江南大学 人工智能与计算机学院, 江苏 无锡 214122；2.江苏省模式识别与计算智能工程实验室(江南大学), 江苏 无锡 214122；3.软硬件协同设计技术与应用教育部工程研究中心(华东师范大学), 上海 200062

关键词：脉冲神经网络,工作负载映射,分布式计算平台,NEST仿真器,计算能效

基金：国家自然科学基金资助项目(61972180)

在分布式计算平台上运行大规模的脉冲神经网络（SNN）是提升类脑计算智能水平的基本手段之一，它的难点在于如何将SNN部署到对应数量的计算节点上，使整体系统的运行能效最佳。针对以上问题，在基于NEST的SNN工作负载自动映射器（SWAM）的基础上，提出一种基于精准通信建模的SNN工作负载自动映射器（SWAM2）。在SWAM2中，基于NEST仿真器对SNN工作负载的通信部分进行精准建模，并改进工作负载模型中参数的量化方法，设计了最大网络规模预测方法。在SNN典型案例上的实验结果表明，在工作负载通信以及计算时间的预测中，SWAM2的平均预测误差比SWAM分别降低12.62和5.15个百分点；在对工作负载最佳映射的预测中，SWAM2的平均准确率为97.55%，比SWAM高13.13个百分点。SWAM2通过自动预测SNN工作负载在计算平台上的最佳部署/映射，避免了手动反复实验的过程。

来源：2023年第3期

《计算机应用》期刊编辑部

查看计算机应用杂志2023年第3期