본 논문은 임베디드 AI 시스템을 위한 효율적인 뉴로모픽 지속 학습(NCL) 방법인 Replay4NCL을 제안합니다. 기존의 메모리 재생 기반 NCL 방법은 긴 시간 단계와 압축/압축 해제 단계로 인해 지연 시간과 에너지 소비가 크다는 한계가 있습니다. Replay4NCL은 잠재 데이터(기존 지식)를 압축하고 작은 시간 단계로 재생하여 처리 지연 시간과 에너지 소비를 최소화합니다. 또한, 스파이크 감소로 인한 정보 손실을 보상하기 위해 뉴런 임계 전위와 학습률 설정을 조정합니다. Spiking Heidelberg Digits (SHD) 데이터셋을 사용한 실험 결과, Replay4NCL은 기존 최고 성능 대비 Top-1 정확도를 90.43%에서 86.22%로 향상시키면서 새로운 작업을 효과적으로 학습하고, 4.88배의 지연 시간 단축, 20%의 잠재 메모리 절약, 36.43%의 에너지 절약을 달성했습니다.
