본 논문은 에너지 효율적이고 실시간 처리에 적합한 Spiking Neural Networks (SNNs)의 성능 향상을 위한 새로운 Neural Network Architecture Search (NAS) 기법인 LightSNN을 제시합니다. 기존 SNN 방법들이 ANN과 유사한 구조를 사용하여 성능이 저하되는 문제점을 해결하기 위해, LightSNN은 희소성을 강화하여 정확성과 효율성 간의 균형을 맞추는 자동화된 아키텍처 탐색 기법을 사용합니다. SNASNet 프레임워크를 기반으로, 역방향 연결을 포함하는 셀 기반 검색 공간을 활용하여 학습이 필요없는 가지치기 기반 NAS 메커니즘을 구현하였으며, 희소성을 고려한 해밍 거리 적합도 평가를 통해 다양한 스파이크 활성 패턴을 평가합니다. CIFAR10, CIFAR100, DVS128-Gesture 데이터셋에 대한 실험 결과, LightSNN은 CIFAR10 및 CIFAR100에서 최첨단 성능을 달성하고, DVS128-Gesture에서 4.49% 성능 향상을 보였으며, SNASNet보다 98배 빠른 검색 속도와 DVS128-Gesture에서 기존 최고 성능 방법보다 30% 빠른 속도를 제공합니다.
