NeuroMorse: A Temporally Structured Dataset For Neuromorphic Computing
Created by
- Haebom
Category
Empty
저자
Ben Walters, Yeshwanth Bethi, Taylor Kergan, Binh Nguyen, Amirali Amirsoleimani, Jason K. Eshraghian, Saeed Afshar, Mostafa Rahimi Azghadi
개요
본 논문은 뉴로모픽 엔지니어링의 효율적인 처리를 벤치마킹하기 위한 새로운 데이터셋인 NeuroMorse를 제안합니다. 기존 벤치마크들이 공간적 특징에만 집중하는 것과 달리, NeuroMorse는 영어 상위 50개 단어를 시간적 모스 부호 스파이크 시퀀스로 변환하여 시간적 역동성을 고려합니다. 두 개의 입력 스파이크 채널(점과 선)만을 사용하여 시간적 패턴을 통해 복잡한 정보를 인코딩하며, 다양한 시간 척도에서 특징 계층을 포함하여 뉴로모픽 알고리즘의 공간 및 시간적 계층 분해 능력을 평가합니다. 선형 분류기로는 분류가 어렵고, 기존 방법으로는 키워드 식별이 어려운 것을 실험적으로 보여줌으로써, 뉴로모픽 시스템의 고유한 강점과 특징을 완전히 포착하는 평가를 가능하게 합니다. 데이터셋과 코드는 Zenodo와 GitHub에서 공개됩니다.
시사점, 한계점
•
시사점:
◦
시간적 동역학을 고려한 뉴로모픽 알고리즘 벤치마킹을 위한 새로운 데이터셋 제공.
◦
공간적 및 시간적 계층 분해 능력 평가 가능.
◦
기존 방법으로는 분류 및 키워드 식별이 어려워 뉴로모픽 시스템의 한계와 잠재력을 명확히 보여줌.
◦
뉴로모픽 알고리즘 개발 및 성능 향상에 기여.
•
한계점:
◦
데이터셋이 영어 상위 50개 단어에 국한됨. 다양한 언어 또는 더 많은 단어를 포함하여 확장 필요.
◦
모스 부호라는 특정 형식에 기반하여 일반성이 제한적일 수 있음. 다양한 시간적 패턴 데이터셋 개발 필요.
◦
현재 벤치마크는 특정 유형의 뉴로모픽 시스템에만 적합할 수 있음. 더욱 광범위한 적용 가능성을 위한 추가 연구 필요.
