본 논문은 제한된 배터리 용량을 가진 지능형 모바일 에이전트(예: UGVs, UAVs)를 위한 에너지 효율적인 뉴로모픽 컴퓨팅을 제안합니다. 특히, 스파이킹 뉴럴 네트워크(SNN)와 In-Memory Computing(IMC) 기반 하드웨어 가속기를 활용하여 저전력 ML 알고리즘을 구현하는 것을 목표로 합니다. 기존 SNN 모델 개발이 하드웨어 제약을 고려하지 않은 점을 개선하기 위해, 하드웨어 인식 스파이킹 뉴럴 아키텍처 검색(NAS)을 사용하는 새로운 프레임워크인 NeuroNAS를 제안합니다. NeuroNAS는 SNN 연산 최적화, 양자화를 통한 메모리 공간 최소화, 효과적인 학습을 위한 SNN 아키텍처 개발, 그리고 제약 조건(메모리, 면적, 지연 시간, 에너지 소비량)을 충족하는 체계적인 하드웨어 인식 검색 알고리즘을 통해 에너지 효율적인 뉴로모픽 IMC를 개발합니다.
