fangwei123456/spikingjelly

何を解決するか

SpikingJellyは、スパイキングニューラルネットワーク（SNN）の開発、学習、デプロイを可能にするPyTorchネイティブなフレームワークです。従来の人工ニューラルネットワーク（ANN）と神経形態計算の間のギャップを埋め、大規模なSNNの学習、推論、ハードウェアデプロイを可能にするツールを提供します。

どう動くか

PyTorchに直接統合されており、ユーザーが馴染みのあるモデル構築パターンを使ってSNNを定義できます。複数のアクセラレーションバックエンド（torch、cupy、triton）をサポートし、ニューロンの実行を最適化します。また、ANNからSNNへの変換ユーティリティ、混合精度学習（例：fp8）、スパイクの圧縮機能を提供し、大規模な学習におけるメモリ使用量を削減します。

対象ユーザー

神経形態知能、イベントベースのビジョン、エネルギー効率の高い機械学習モデルに取り組むAI研究者および開発者向けです。

特徴

• PyTorchネイティブ: PyTorchの構造を模倣した初心者向けAPIを使用します。
• 高性能: 複数のバックエンド（torch、cupy、triton）をサポートし、torch.compileと互換性があります。
• 神経形態データのサポート: N-MNISTやDVS128 Gestureなど、多数のイベントベースデータセットを内蔵サポートしています。
• デプロイ対応: NIR、Lava、Lynxi向けの交換インターフェースを備えており、シミュレーションから神経形態ハードウェアへのモデル移行を可能にします。
• スケーラビリティツール: 大規模なSNNシステム向けに分散実行とメモリ効率の良い学習をサポートします。