Los investigadores presentan SpikeLogBERT, un marco de red neuronal de espigas diseñado para el análisis de registros eficiente en energía que transforma los registros de sistema sin procesar en plantillas de eventos estructuradas.

  • El modelo integra una arquitectura de transformador de espigas con destilación de conocimiento de un modelo maestro BERT para preservar la capacidad de representación semántica.
  • Aprovecha las activaciones de espigas dispersas y el procesamiento impulsado por eventos para reducir significativamente el número de operaciones activas durante la inferencia.
  • Los experimentos en el conjunto de datos HDFS muestran que SpikeLogBERT logra una precisión de análisis de 0.99997, superando a los modelos de análisis de registros basados en ANN.
  • El enfoque reduce el consumo energético teórico estimado hasta un 62.6% bajo supuestos estándar de CMOS de 45 nm.

Este marco ofrece un método para el análisis automatizado de registros que mantiene una alta precisión mientras reduce sustancialmente el costo computacional y el consumo de energía asociados con las multiplicaciones de matrices densas.