[논문 리뷰] Extending BrainScaleS OS for BrainScaleS-2

Eric Müller, Christian Mauch외 6명|arXiv (Cornell University)|2020. 03. 30.

Advanced Memory and Neural Computing인용 수 12

한 줄 요약

이 논문은 두 번째 세대 뉴로모픽 시스템인 BrainScaleS-2를 위한 BrainScaleS 운영체제(BrainScaleS OS)의 확장을 제안하며, 혼합 아날로그-디지털 동작 지원, 명시적 실험 제어 흐름, 임베디드 SIMD 프로세서(PPU) 통합을 위한 향상된 소프트웨어 아키텍처를 도입한다. 주요 기여는 전문 사용자가 혼합 신호 뉴로모픽 하드웨어에서 복잡한 스파ike 기반 학습 실험을 높은 재현성과 성능으로 구성, 제어 및 실행할 수 있도록 하는 견고하고 확장 가능한 소프트웨어 스택을 제공하는 것이다.

ABSTRACT

BrainScaleS-2 is a mixed-signal accelerated neuromorphic system targeted for research in the fields of computational neuroscience and beyond-von-Neumann computing. To augment its flexibility, the analog neural network core is accompanied by an embedded SIMD microprocessor. The BrainScaleS Operating System (BrainScaleS OS) is a software stack designed for the user-friendly operation of the BrainScaleS architectures. We present and walk through the software-architectural enhancements that were introduced for the BrainScaleS-2 architecture. Finally, using a second-version BrainScaleS-2 prototype we demonstrate its application in an example experiment based on spike-based expectation maximization.

연구 동기 및 목표

• BrainScaleS-2의 새로운 하드웨어 기능, 특히 임베디드 SIMD 프로세서(PPU)와 혼합 신호 아날로그 코어를 지원하기 위해 BrainScaleS OS를 확장하는 것.
• 뉴로모픽 플랫폼에서 전문 사용자를 대상으로 실험의 재현성, 사용성 및 런타임 제어를 향상시키는 것.
• 복잡한 뉴로모픽 실험을 위한 구조화된, 타입 세이프한 설정과 명시적 제어 흐름을 가능하게 하는 것.
• 다중 칩 시스템과 고수준 사용자 인터페이스로의 향후 확장성을 지원하는 것.

제안 방법

• 암시적 관례를 구조화된 API로 대체하여 명시적 실험 제어 흐름 추적 기능을 추가로 강화한 BrainScaleS OS 소프트웨어 스택 개선.
• Power 아키텍처 기반 SIMD 프로세서인 Plasticity Processing Unit(PPU) 지원 통합. PPU는 아날로그 시냅스 어레이에 동시 액세스를 위한 커스텀 벡터 유닛을 탑재.
• 고성능 실행과 상호작용 가능한 데이터 처리 및 스크립팅 기능을 결합하기 위해 C++ 코어에 Python 바인딩을 개발.
• 논리적 뉴런과 시냅스 엔티티의 타입 세이프한 설정과 좌표 기반 배치 제약 조건을 지원하는 하드웨어 추상화 레이어(HAL) 구현.
• 플랫폼에 종속되지 않는 데이터 교환을 위한 얇은 메시지 전달 라이브러리와 직렬화 백엔드 통합을 통한 크로스 플랫폼 지원.
• 실제 칩 제작 이전에 전체 소프트웨어 스택을 시뮬레이티드 하드웨어에서 검증하기 위한 시뮬레이션 백엔드 설계.

실험 결과

연구 질문

• RQ1 BrainScaleS-2의 새로운 하드웨어 기능, 특히 임베디드 SIMD 프로세서(PPU)를 지원하기 위해 BrainScaleS OS는 어떻게 확장될 수 있는가?
• RQ2 뉴로모픽 플랫폼에서 명시적이고 추적 가능하며 재현 가능한 실험 제어 흐름을 구현하기 위해 필요한 아키텍처적 변화는 무엇인가?
• RQ3 논리적 뉴런과 시냅스의 구조화된 고수준 설정을 어떻게 추상화할 수 있으며, 同시에 저수준 하드웨어의 안전성과 정확성을 유지할 수 있는가?
• RQ4 뉴로모픽 실험 플랫폼의 장기적 지속 가능성과 기술 부채 감소를 보장하기 위해 필수적인 소프트웨어 공학 실천은 무엇인가?
• RQ5 실제 칩 제작 이전에 전체 소프트웨어 스택을 시뮬레이티드 하드웨어에서 어떻게 검증할 수 있는가?

주요 결과

• 확장된 BrainScaleS OS는 실험 실행 흐름에 대한 명시적, 타입 세이프하고 추적 가능한 제어를 가능하게 하여 전문 사용자 대상으로 재현성과 사용성의 급격한 향상을 이룬다.
• BrainScaleS OS에 PPU 통합을 통해 플라스티시티 알고리즘과 데이터 처리를 칩 내에서 효율적으로 실행할 수 있게 되어 호스트 또는 FPGA 기반 제어에 대한 의존도를 감소시켰다.
• 전체 소프트웨어 스택에 대한 시뮬레이션 백엔드를 사용함으로써 신규 FPGA 및 칩 설계의 조기 검증이 가능해져 하드웨어 개발의 위험과 비용을 감소시켰다.
• 시스템은 스파iking 신경망 실험 뿐만 아니라 비스파이킹 모드(아날로그 벡터-행렬 승수기로 기능)도 지원하여 기존 딥 러닝 프레임워크와의 통합을 가능하게 하였다.
• 소프트웨어 스택은 전문 사용자용으로 생산 준비가 되었으며, 향후 그래프 기반 설정 및 딥 러닝 라이브러리와의 완전한 통합을 위한 고수준 인터페이스의 기초가 되었다.