この論文は、スパイキングニューラルネットワーク（SNN）のエネルギー効率に関する既存の研究の過小評価問題を扱います。従来の研究は、計算の側面にのみ焦点を当て、データの移動やメモリアクセスなどのオーバーヘッドを見落とす傾向があります。本稿では、時間ステップ（T）を考慮して、SNNと機能的に同等の量子化人工ニューラルネットワーク（QNN）をマッピングする方法で公平な比較基準を設定します。詳細な分析エネルギーモデルは、ネットワーク特性（T、スパイク比、QNNスパスティ、モデルサイズ、重みビットレベル）、およびハードウェア特性（メモリシステム、ネットワークオンチップ）を考慮して、幅広いパラメータ空間を体系的に探索します。その結果、特定の動作条件では、SNNがQNNよりもエネルギー効率に優れていることがわかり、典型的なニューロモルフィックハードウェア条件では、適切な時間窓（T∈[5、10]）を持つSNNが特定のスパイク比（sr）以下の場合、QNNよりもエネルギー効率が高いことがわかります。
