शोधकर्ताओं ने SpikeLogBERT प्रस्तुत किया, जो एक स्पाइकिंग न्यूरल नेटवर्क फ्रेमवर्क है जो ऊर्जा-कुशल लॉग पार्सिंग के लिए डिज़ाइन किया गया है और कच्चे सिस्टम लॉग को संरचित इवेंट टेम्पलेट में परिवर्तित करता है।
- मॉडल अर्थपूर्ण प्रतिनिधित्व क्षमता को बनाए रखने के लिए एक BERT शिक्षक मॉडल से ज्ञान निचोड़ (knowledge distillation) के साथ एक स्पाइकिंग ट्रान्सफॉर्मर आर्किटेक्चर को एकीकृत करता है।
- यह इनफरेंस के दौरान सक्रिय ऑपरेशनों की संख्या को काफी कम करने के लिए विरल स्पाइक सक्रियण और इवेंट-ड्राइवन प्रोसेसिंग का लाभ उठाता है।
- HDFS डेटासेट पर प्रयोगों से पता चलता है कि SpikeLogBERT 0.99997 की पार्सिंग सटीकता प्राप्त करता है, जो ANN-आधारित न्यूरल लॉग पार्सिंग मॉडलों को बेहतर बनाता है।
- मानक 45nm CMOS धारणाओं के तहत दृष्टिकोण अनुमानित सैद्धांतिक ऊर्जा उपभोग को 62.6% तक कम करता है।
यह फ्रेमवर्क स्वचालित लॉग विश्लेषण के लिए एक विधि प्रदान करता है जो उच्च सटीकता बनाए रखते हुए घनी मैट्रिक्स गुणा से जुड़ी गणना लागत और ऊर्जा उपभोग को काफी कम करता है।