본 논문은 시간-시리즈 처리에 대한 높은 잠재력과 최소한의 에너지 소모를 결합한 스파이킹 신경망(SNN)의 효율적인 학습 알고리즘 개발에 초점을 맞추고 있다. 기존의 SGD 기반 역전파 알고리즘의 변형인 서로게이트 그래디언트 방법의 확장성과 수치적 부정확성 문제점을 지적하며, 대안으로 ADMM(Alternating Direction Method of Multipliers) 기반의 새로운 SNN 학습 방법을 제안한다. SNN의 단계 함수의 미분 불가능성 문제를 해결하기 위해 ADMM을 적용하고, closed-form update를 유도하여 수치 실험을 통해 알고리즘의 수렴 특성 및 잠재력을 보여주고 향후 연구 방향을 제시한다.
