본 논문은 전통적인 역전파(BP) 알고리즘의 한계를 극복하기 위해 스파이킹 뉴럴 네트워크(SNN) 학습에 Forward-Forward(FF) 알고리즘을 적용하는 새로운 프레임워크를 제시합니다. FF 알고리즘은 두 번의 순방향 전달만으로 계층별 국소 학습을 가능하게 하여, 역전파보다 계산 효율성이 높고 뉴로모픽 하드웨어와의 호환성이 향상됩니다. MNIST, Fashion-MNIST, Kuzushiji-MNIST와 같은 비스파이킹 데이터셋과 Neuro-MNIST, SHD와 같은 스파이킹 데이터셋을 이용한 실험 결과, 제안된 모델은 기존 FF 기반 SNN보다 경량화된 구조에도 불구하고 높은 정확도를 달성했으며, 최첨단 역전파 기반 SNN과 비교해도 경쟁력 있는 성능을 보였습니다. 특히 SHD와 같은 복잡한 스파이킹 작업에서는 다른 SNN 모델을 능가하는 성능을 보였습니다. 이를 통해 FF 알고리즘이 SNN 학습 방법론을 발전시킬 수 있는 잠재력을 보여줍니다.
