snn-mlir-neuromorphic-compilation

name	snn-mlir-neuromorphic-compilation
description	SNN-MLIR编译方法论 — MLIR方言用于将神经形态SNN从NIR编译到裸机C代码。支持浮点和量化数据，自动重缩放操作，生成依赖-free C11代码。
platforms	["linux","macos","windows"]
tags	["snn","neuromorphic","compiler","mlir","nir","quantization"]

SNN-MLIR: Neuromorphic SNN Compilation Bridge

核心创新

论文: SNN-MLIR: An MLIR Dialect for Compiling Neuromorphic SNNs from NIR to Bare-Metal C (arXiv:2606.09213v1) 作者: Alejandro García Gener, Alvaro Rollón de Pinedo 发布: 2026-06-08

关键贡献

1. NIR-MLIR-C编译桥接: 实现从Neuromorphic Intermediate Representation到MLIR再到裸机C代码的完整编译流程
2. 类型多态操作: 单一IR同时支持浮点(f32/f64)和量化数据，服务于模拟和硬件部署
3. 自动重缩放: Python前端自动插入重缩放操作，保持量化尺度跨层一致性
4. 依赖-free部署: 生成自包含C11代码，可在任何C-capable CPU或嵌入式目标编译运行

技术架构

编译流程

NIR文件 → Python前端 → SNN-MLIR IR → Lowering Pass → linalg/arith → C11代码 → CPU/嵌入式

核心操作

• 类型多态: 相同操作适用于浮点和整数数据类型
• 量化处理: 自动尺度调整和截断操作
• 标准Lowering: 转换为标准MLIR linalg和arith操作

应用场景

1. 框架迁移: 从SnnTorch、Lava、Norse等框架导出到统一IR
2. 硬件部署: 嵌入式设备、神经形态芯片部署
3. 仿真验证: 浮点模式验证后再量化部署

实现细节

Python前端

# 从NIR文件生成MLIR IR
import nir
import snn_mlir

# 加载NIR模型
model = nir.read("model.nir")

# 自动插入重缩放操作
mlir_ir = snn_mlir.from_nir(model, quantize=True)

# 编译到C代码
c_code = snn_mlir.compile(mlir_ir, target="c11")

C11代码生成

• 自包含、无外部依赖
• 支持CPU和嵌入式目标
• 数值保真度验证

评估结果

• 数值保真度: 对比参考输出验证准确性
• 可移植性: 跨CPU目标测试
• 量化代价: 量化vs浮点性能对比

当前范围

• 前馈网络
• 全连接层
• CPU后端

开源许可

Apache-2.0 license with LLVM-exception GitHub: https://github.com/[repository]

Activation

关键词: snn-mlir, mlir dialect, neuromorphic compilation, nir, quantization, embedded deployment, c11 code generation

Pitfalls

1. 当前仅支持前馈网络: 循环网络、卷积网络暂不支持
2. 量化尺度自动调整: Python前端插入的重缩放操作可能影响数值精度
3. 仅CPU后端: 神经形态硬件加速器后端尚未实现

References

• arXiv:2606.09213 - SNN-MLIR原论文
• NIR规范: Neuromorphic Intermediate Representation
• MLIR文档: Multi-Level Intermediate Representation