본 논문은 에너지 효율적인 엣지 AI 시스템을 위한 효율적인 뉴로모픽 컴퓨팅 구현 방법론을 제안합니다. 기존 뉴로모픽 컴퓨팅의 에너지 효율성에도 불구하고, 효율적인 구현 전략 부재로 인해 엣지 AI 시스템 배포에 제한이 있었던 점을 해결하고자 합니다. 이를 위해, 목표 뉴로모픽 하드웨어의 특징 분석을 기반으로 네트워크 선택 및 매핑 전략을 제시하고, 효율적인 온칩 학습 메커니즘을 통합하여 새로운 입력 클래스 및 동적 환경에 적응할 수 있도록 합니다. 제안된 방법론은 이미지 분류, 실시간 객체 탐지, 키워드 인식 등 다양한 애플리케이션에서 낮은 지연 시간(50ms 미만, 200ms 미만, 1ms 미만)과 낮은 전력 소모(250mW 미만), 에너지 소모(15mJ 미만)를 달성함을 실험 결과를 통해 보여줍니다.
