본 논문에서는 생물학적 뉴런의 복잡한 가지돌기 구조에서 영감을 얻어 비선형 가지돌기 통합(NDI)과 비선형 시냅스 가지치기(NSP)를 도입한 효율적이고 경량화된 SNN 방법인 NSPDI-SNN을 제안합니다. NDI는 뉴런의 시공간 정보 표현을 향상시키고, NSP는 SNN의 높은 희소성을 달성합니다. DVS128 Gesture, CIFAR10-DVS, CIFAR10 데이터셋과 음성 인식, 강화 학습 기반 미로 탐색 과제를 통해 실험을 진행하였으며, 모든 과제에서 최소한의 성능 저하로 높은 희소성을 달성했습니다. 특히 세 가지 이벤트 스트림 데이터셋에서 최고의 결과를 얻었으며, NSPDI가 희소성 증가에 따라 시냅스 정보 전달 효율을 크게 향상시킨다는 것을 확인했습니다. 결론적으로, 뉴런 가지돌기의 복잡한 구조와 비선형 계산은 효율적인 SNN 방법 개발에 유망한 접근 방식임을 보여줍니다.
