Pesquisadores apresentam o SpikeLogBERT, um framework de rede neural de espículas projetado para análise de logs energeticamente eficiente que transforma logs de sistema brutos em modelos de eventos estruturados.

  • O modelo integra uma arquitetura de transformador de espículas com destilação de conhecimento de um modelo professor BERT para preservar a capacidade de representação semântica.
  • Ele aproveita ativações de espículas esparsas e processamento orientado a eventos para reduzir significativamente o número de operações ativas durante a inferência.
  • Experimentos no conjunto de dados HDFS mostram que o SpikeLogBERT alcança uma precisão de análise de 0.99997, superando modelos de análise de logs neurais baseados em ANN.
  • A abordagem reduz o consumo energético teórico estimado em até 62,6% sob suposições padrão de CMOS de 45 nm.

Este framework oferece um método para análise automatizada de logs que mantém alta precisão enquanto reduz substancialmente o custo computacional e o consumo de energia associados a multiplicações de matrizes densas.