Cet article aborde la sous-estimation de l'efficacité énergétique dans les études existantes sur les réseaux de neurones à pics (SNN). Ces études ont tendance à se concentrer uniquement sur les aspects informatiques et à négliger les surcharges telles que le déplacement des données et l'accès à la mémoire. Dans cet article, nous établissons une base de comparaison équitable en mappant les SNN à des réseaux de neurones artificiels quantifiés (QNN) fonctionnellement équivalents en considérant les pas de temps (T). À l'aide d'un modèle énergétique analytique détaillé, nous explorons systématiquement un large espace de paramètres en tenant compte des caractéristiques du réseau (T, taux de pics, parcimonie des QNN, taille du modèle, niveau de bits de pondération) et des caractéristiques matérielles (système de mémoire, réseau sur puce). En conséquence, nous constatons que les SNN sont plus économes en énergie que les QNN dans certaines conditions de fonctionnement, et montrons que les SNN avec une fenêtre temporelle raisonnable (T ∈ [5, 10]) sont plus économes en énergie que les QNN en dessous d'un certain taux de pics (sr) dans des conditions matérielles neuromorphiques typiques.
