高通量辐射环境下神经形态脉冲神经网络的概率可靠性建模与软错误容忍性

《Engineering Applications of Artificial Intelligence》:Probabilistic reliability modeling and soft-error tolerance for neuromorphic spiking neural networks in high-flux radiation environments

【字体: 大 中 小 】 时间:2026年04月18日 来源:Engineering Applications of Artificial Intelligence 8

编辑推荐:

  辐射环境下神经形态处理器的可靠性增强机制研究,提出基于概率编码、阈值自适应和突触可塑性的分层防御架构,通过硬件在环实验验证其在高辐射条件下保持异常检测精度高于0.72,平均无故障时间提升4.5倍。

  
Sylvester Kaczmarek
伦敦帝国理工学院计算系,英国伦敦

摘要

神经形态处理器使得在安全关键的航空航天人工智能应用中实现超低功耗的边缘推理成为可能,但电离辐射可能会引入软错误,从而降低脉冲神经网络的性能。本文开发了一个概率可靠性模型,用于在突触记忆和神经元状态发生单事件扰动的情况下评估脉冲神经网络推理的性能。该模型采用泊松故障注入框架,将粒子通量映射到比特翻转率。我们提出了“分层时间防御”(Hierarchical Temporal Defense)架构,这是一种受生物启发的设计,结合了概率输入编码、稳态阈值适应性和波动性门控可塑性,以在高线性能量传输条件下抑制错误传播。我们还提供了一种以认证为导向的方法论,该方法从可测量的通量条件和明确的故障阈值出发,推导出可靠性曲线和平均故障时间。在Akida神经形态处理器上进行的硬件在环(hardware-in-the-loop)实验使用了公开可用的Cislunar异常和风险数据集(Cislunar Anomaly and Risk Dataset),结果显示,在严重的太阳高能粒子事件率下,基线脉冲神经网络的异常检测得分(基于精确度和召回率的调和平均值)降至0.48以下。相比之下,“分层时间防御”架构使这一得分保持在0.72以上,并将平均故障时间延长了4.5倍。这些结果证明了在极端辐射环境中部署高效、容错的人工智能是可行的。

引言

在外星环境中部署自主系统需要从根本上改变航空电子学架构。传统的航天器依赖于经过辐射加固的处理器,这些处理器更注重耐用性而非计算吞吐量(Schierman等人,2020年)。然而,环月和深空任务日益增长的自主性要求需要高性能的边缘计算能力,这超出了传统空间级硬件的规格。神经形态计算,特别是基于事件驱动处理器的脉冲神经网络,由于其在能效方面的显著提升(Izzo等人,2022年;Schuman等人,2022年),提供了一个解决方案。尽管有这些优势,但神经形态硬件在高辐射环境中的可靠性仍然是一个关键未解决的问题。
太空电子设备面临的主要环境威胁是电离辐射,包括银河宇宙射线和太阳高能粒子。当高能粒子撞击半导体器件时,它们会沉积电荷,从而改变存储单元或逻辑门的状态。这些瞬态故障(称为单事件扰动或软错误)不会永久损坏硬件,但可能会破坏运行中算法的内部状态。在传统数字逻辑中,三重模块冗余(Triple Modular Redundancy)和纠错码(Error Correction Codes)是标准的缓解策略。然而,将这些技术盲目应用于神经形态加速器会带来显著的功耗和面积开销,从而抵消了该架构的能效优势。
脉冲神经网络提出了独特的可靠性挑战,因为它们的信息处理本质上是时间相关的。与将信息编码在静态激活幅度中的人工神经网络不同,脉冲神经网络(第三代神经网络模型,Maass,1997年)将信息编码在离散脉冲事件的精确时间中。辐射引起的突触权重或神经元膜电位的比特翻转不仅仅是简单的噪声。这样的错误可能会使时间积分过程不同步,或触发在网络中传播的虚假脉冲序列。因此,为静态深度学习加速器开发的标准可靠性模型不足以描述脉冲系统的故障模式。
现有的缓解策略存在明显的工程缺口。硬件级别的冗余技术(如三重模块冗余和纠错码)对传统数字系统仍然有效,但其面积、能耗和延迟成本与高度受限的边缘部署不匹配。在算法层面,标准脉冲神经网络仍然容易受到灾难性时间故障模式的影响:膜电位或突触状态的单一扰动可能会触发雪崩效应,这种效应会在循环路径中传播并破坏脉冲代码的区分结构。目前缺乏一种能够在辐射应力下以受控方式降低效率的同时保持事件驱动处理优势的可靠神经形态架构。本文旨在填补这一空白。
本文介绍了一个概率可靠性模型,该模型将物理辐射通量与算法性能下降联系起来,并在该框架下评估了“分层时间防御”架构。这种防御机制最初是为对抗性鲁棒性设计的,其中概率编码、稳态阈值调节和波动性门控可塑性被重新定义为对抗随机软错误的可靠性控制手段。
本文的贡献如下:
  • 概率故障建模:我们定义了一个数学框架,将辐射引起的软错误建模为泊松过程,将物理通量率与突触和神经元状态的损坏联系起来。
  • 分层时间防御的可靠性分析:我们评估了这种防御架构作为容错机制的能力,并量化了其在辐射应力下抑制错误传播的效果。
  • 广泛的实证验证:我们在Akida AKD1000神经形态处理器上进行了硬件在环实验,与其他深度学习基线进行了比较,并测试了其在多个异常数据集上的性能。
  • 以认证为导向的可靠性指标:我们为基线和防御架构推导出可靠性函数和平均故障时间估计值,并将其与以任务为导向的保证工作流程联系起来。
本文的其余部分安排如下:第2节回顾了软错误缓解和分层鲁棒性方面的相关工作;第3节建立了可靠性建模的理论框架;第4节详细介绍了容错架构;第5节描述了实验设置;第6节展示了扩展的实验结果和可靠性分析;第7节讨论了对航天飞行的影响;第8节讨论了局限性和未来工作;第9节总结了研究。

相关研究

外星环境中微电子产品的可靠性是一个成熟的研究领域,但神经形态计算、可靠性工程和可部署人工智能的交叉领域仍不够发达。本节将当前的工作与三个相关的研究方向进行了对比:辐射引起的单事件效应、神经推理的可靠性以及通过分层信号控制实现的架构鲁棒性。

理论框架

本节建立了分析辐射应力下脉冲神经网络可靠性的数学形式主义。我们基于单事件扰动的物理原理推导出了一个概率故障模型,并定义了软错误在神经形态基板内的传播动态。该框架使得可以根据环境通量率定量评估系统的平均故障时间。

容错架构

为了缓解上一节中发现的可靠性风险,我们提出了“分层时间防御”架构(Kaczmarek,2025a)。虽然该架构最初是为保护脉冲神经网络免受对抗性干扰而设计的,但在这里我们将其组件重新定义为受生物启发的容错机制。该架构通过三个抽象层次——输入编码、神经元动态和突触可塑性——提供深度防御,以抵御软错误。

实验设置

为了验证所提出的可靠性模型和容错架构,我们使用高保真度的环月机器人基准进行了一系列硬件在环实验。本节详细介绍了实验环境、硬件平台以及用于模拟辐射应力的故障注入协议。

结果与可靠性分析

本节展示了故障注入实验的定量结果,详细分析了系统在随机辐射应力下的行为。我们研究了脉冲神经网络在不同通量条件下的功能退化情况,推导出了经验可靠性函数,量化了所提出架构提供的平均故障时间延长,并通过额外的基线、数据集、消融实验和统计测试进一步扩展了评估范围。

对航天飞行的影响

实验结果表明,架构级别的防御措施可以显著延长神经形态系统在高辐射环境中的运行寿命。然而,从实验验证到飞行认证的过渡需要一种符合现有航空航天标准的方法论。本节讨论了我们的发现对概率计算系统认证的影响,并提出了一个集成神经形态计算的定量框架。

局限性

仍存在一些局限性。首先,本研究依赖于基于软件的故障注入,而不是物理重离子束或中子测试。这是架构验证的标准步骤,但它无法捕捉所有硅级效应,包括模拟瞬态、工艺特定的扰动截面和单事件锁存现象。其次,当前结果是在单一商业神经形态平台上获得的,这限制了结果在设备之间的普遍性。

结论

本研究通过结合概率故障建模、架构级别的故障控制和以认证为导向的可靠性分析,解决了辐射暴露环境中神经形态计算的可靠性问题。结果表明,“分层时间防御”架构在软错误应力下提高了系统的韧性,同时保持了神经形态推理的效率优势。通过对额外基线、三个异常检测数据集的扩展评估,

CRediT作者贡献声明

Sylvester Kaczmarek:撰写——审阅与编辑、撰写——原始草稿、可视化、验证、软件开发、方法论设计、调查、形式分析、数据整理、概念化。

利益冲突声明

作者声明没有已知的财务利益冲突或个人关系可能影响本文所述的工作。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号