Este artículo aborda la subestimación de la eficiencia energética en los estudios existentes de redes neuronales de picos (SNN). Los estudios existentes tienden a centrarse solo en los aspectos computacionales y pasan por alto los gastos generales como el movimiento de datos y el acceso a memoria. En este artículo, establecemos una línea base de comparación justa al mapear SNN a redes neuronales artificiales cuantificadas (QNN) funcionalmente equivalentes considerando pasos de tiempo (T). Con un modelo de energía analítico detallado, exploramos sistemáticamente un amplio espacio de parámetros considerando las características de la red (T, tasa de picos, escasez de QNN, tamaño del modelo, nivel de bits de peso) y las características del hardware (sistema de memoria, red en chip). Como resultado, encontramos que las SNN son más eficientes energéticamente que las QNN bajo ciertas condiciones de operación y mostramos que las SNN con una ventana de tiempo razonable (T ∈ [5, 10]) son más eficientes energéticamente que las QNN por debajo de cierta tasa de picos (sr) bajo condiciones típicas de hardware neuromórfico.
