将SNN部署到类脑处理器的映射优化算法研究

来源：计算机工程与应用杂志2025年第11期北京时间：

作者：陈奥新, 陈亮, 李千鹏, 王智超, 徐东君

单位：1.中国科学院 自动化研究所， 北京 100190；2.中国科学院大学 人工智能学院， 北京 101408

摘要：近年来，具有生物合理性和能效优势的脉冲神经网络（SNN）受到广泛关注。然而，目前在类脑处理器上部署SNN的映射方案存在通信延迟高、拥塞严重、能耗高和节点连接性不足等问题，从而削弱了其实用性和执行效率。为解决这些问题，提出了基于KL（Kernighan-Lin）和波尔兹曼退火差分进化（Boltzmann anneal differential evolution，BADE）的改进部署算法，用于将SNN映射到资源受限的类脑处理器上。该算法包括两个步骤：分区和映射。在分区阶段，通过在递归KL算法中引入全局优化策略（GRBKL）来最小化集群之间的通信延迟；在映射阶段，提出利用吸引子导向的BADE算法（BAFDE）寻找最小化通信延迟和最大拥塞的分配方式。用五个SNN实例对该算法进行了评估，结果表明，与SNEAP和SpiNeMap等方法相比，所提出的算法显著降低了通信延迟（分别降低了55.41%和94.73%）和最大拥塞（分别降低了81.27%和97.79%）。

关键词：脉冲神经网络（SNN）,类脑处理器,启发式算法,片上网络（NOC）