Modèles neuromimétiques élémentaires



Participants : Frédéric Alexandre, Yann Boniface, Bernard Girau, Etienne Hugues, Dominique Martinez, Olivier Rochel.

L'étude du codage neuronal nécessite le développement d'une plateforme de simulation informatique intégrant les fonctionalités élémentaires du modèle de neurone impulsionnel. Les équations différentielles couplées décrivant la dynamique de chaque neurone ne peuvent pas être résolues analytiquement et doivent donc être approximées par des méthodes d'intégration numérique. Les outils de simulation utilisables actuellement sont peu adaptés : ils sont plutôt dédiés à des modélisations biologiques fines, ou à des cas simplifiés pour des applications particulières. De ce fait, un algorithme événementiel efficace a été mis au point dans le cadre de la thèse de Olivier Rochel. Une étude comparative (théorique et en simulation) des performances de cet algorithme par rapport à d'autres méthodes a été engagée, avec comme paramètres certaines caractéristiques des réseaux (taille, topologie, activité ...) ainsi que le besoin en précision (pas de temps ...). Dans ce but, une première version d'une bibliothèque de fonctions utilisant cet algorithme a été réalisée. D'autre part, cet algorithme, de par sa nature événementielle, se prête à des méthodes de parallélisation particulières, dont l'étude et l'emploi constituent l'un des prochains objectifs à atteindre dans le cadre de l'opération CCH 2 ( cf. § 7.1).

L'implantation parallèle de ce type de réseaux nous permettra d'étudier les mécanismes d'apprentissage pouvant amener des neurones à se synchroniser ou se désynchroniser pour apprendre des patterns temporels. Un tel paradigme de calcul basé sur une synchronisation des décharges neuronales possède une certaine plausibilité biologique. En effet, de nombreuses observations expérimentales montrent très souvent la présence de corrélations entre décharges neuronales avec une précision temporelle de l'ordre de la milliseconde. Le rôle de cette synchronisation n'en reste pas moins hypothétique. Un premier résultat, obtenu par simulation, montre que la synchronisation des décharges neuronales entre neurones d'une même population amène une certaine robustesse vis à vis du bruit. Ceci nous a permis de proposer un nouveau modèle de codage temporel par ordre de décharge. Contrairement au modèle SpikeNet développé à Toulouse dans l'équipe de S. Thorpe, notre modèle n'est pas basé sur un asynchronisme entre neurones mais entre populations de neurones, une population de neurones étant définie comme l'ensemble des neurones dont l'activité est synchronisée. L'ordre relatif dans lequel les populations sont synchronisées est alors utilisé comme code que nous avons appliqué pour coder et reconstruire des images naturelles en niveaux de gris. L'étude de ce type particulier de codage de l'information (codage par l'ordre de décharge) est cependant une variante trop simplifiée du codage neuronal au regard des capacités souhaitées. Cette étude se poursuit donc à la fois théoriquement mais aussi expérimentalement en s'appuyant sur des applications de robotique autonome, en particulier pour le traitement d'informations visuelles ou olfactives dans le cadre de l'Action de Recherche Coopérative NOSE de l'INRIA ( cf. § 7.2).