スパイクニューラルネットワーク（SNN）は、脳の神経回路の動作を模倣した第3世代の人工ニューラルネットワークです。従来の深層学習とは異なり、不連続な電気信号である「スパイク」を用いて情報伝達と処理を行うため、省電力で時間的なダイナミクスを扱える特徴を持ちます。
スパイクニューラルネットワークとは
一言でいうと、生物の脳の神経細胞の振る舞いをより忠実に再現し、時間変化するスパイク信号で情報処理を行う省電力な人工神経回路です。
詳しく解説
スパイクニューラルネットワークは、従来の人工ニューラルネットワークが連続値を用いるのに対し、時間的に不連続なイベントである「スパイク」を通信の基本単位とします。入力されたスパイク情報によってニューロンの膜電位が変化し、閾値を超えた瞬間のみ次のニューロンへスパイクを送信します。この仕組みにより、情報が存在しない時間帯や変化のない状態では計算を行わないため、圧倒的な低消費電力での動作が可能です。また、時間的なタイミング情報を直接扱えるため、音声認識や動画像処理、イベントベースのセンサーデータ処理において非常に高い親和性を示します。
具体例・使われ方
具体的な利用例としては、網膜の動きを模倣したイベントベースビジョンセンサーのデータ処理や、ミリ秒単位の時間差情報を利用した音声認識、ドローンやロボットのエッジ端末におけるリアルタイムな障害物回避制御などが挙げられます。
似た用語との違い
従来のディープラーニングで広く使われる深層ニューラルネットワーク（DNN）が連続的な活性化関数による数値の伝搬を行うのに対し、スパイクニューラルネットワークは時間軸上の離散的なスパイクの有無やタイミングによって情報を表現する点が大きく異なります。
注意点
生物学的な忠実度が高い一方で、スパイク伝達の不連続性や微分不可能な性質から、通常の勾配降下法をそのまま適用することが難しいという課題があります。そのため、学習アルゴリズムの開発や専用のハードウェア環境の整備が現在も盛んに研究されています。