연구진이 배치 정규화 없이도 뛰어난 성능을 내는 Intrinsically Stable SNN (IS-SNN) 아키텍처를 제안했어요. IS-SNN은 활성화-정규화 레이어를 제거하고, 토폴로지 기반 가중치 표준화와 수정된 잔차 연결을 통해 신호 항상성을 유지해요.
VGG, ResNet, Transformer 기반 모델에서 동적 배치 정규화 기법과 경쟁력 있는 성능을 보여줬으며, ImageNet에서 68.05%의 정확도를 달성했어요.
IS-SNN은 FPGA에서 96.4% 더 적은 리소스를 사용하며, 정확도와 하드웨어 친화성을 모두 갖춘 심층 뉴로모픽 시스템 구축을 위한 실용적인 프레임워크를 제공해요.