오늘은 이현종 연구원이 ICML 2025에 제출할 논문의 피드백을 자세히 받아보고자 본인이 작성한 논문을 세미나 시간에 발표하였습니다. 이현종 연구원이 발표한 논문은 neuromorphic device의 SNN이 fault에 취약하다는 점을 해결하기 위한 방법을 다루고 있습니다. 기존의 방법들을 SNN이 동작하는 neuromorphic device에서 hardware fault들이 발생했을 경우 spike routing과 같은 복잡한 알고리즘을 사용하거나 synapse pruning 같은 hardware reconfigurability를 필수적으로 요구하는 방법들을 사용하여 문제를 해결하고 있습니다. 이런 방법들은 알고리즘의 복잡성으로 인한 불안정성 및 hardware reconfigurability로 인한 하드웨어 설계 비용 증가 문제를 가지고 옵니다. 이러한 문제점들 없이 SNN의 hardware fault 저항성을 높이기 위해 이현종 연구원은 computer network의 congestion control 기법으로부터 영향을 받아 SNN에 들어가는 입력 데이터들을 파편화 하는 기법을 새로 개발하여 이 논문에서 제안했고 기존의 방법들 대비 더 높은 fault tolerance를 보인다는 점을 실험을 통해 증명했습니다. 하지만 실험에 사용한 네트워크들의 사이즈 및 종류에 제약이 있고 fragmentation을 하면서 coding gain을 추가적으로 더 살리지 못한 점은 추후 해결 해나가야 할 과제로 생각하고 있습니다.