Ils sont soit très excités, soit très calmes. Certains neurones ont cette particularité de pouvoir être stables dans deux états. Ils peuvent être dans un état où ils n’émettent aucun courant. Mais après une perturbation suffisante, ils émettent des impulsions électriques. Et ils continuent ainsi tant qu’ils ne reçoivent pas une nouvelle perturbation suffisante qui les fait revenir au calme. Cette propriété de « bi-stabilité » est essentielle à la mémoire de travail qui permet de retenir une information à court terme pour l’exploiter dans une tâche.
Avec des collègues de l’Université Paris-Saclay, Damien Depannemaecker a modélisé cette propriété d’une manière inédite. « C’est un changement conceptuel qui ouvre de nouvelles perspectives », résume le chercheur à l’Institut de neurosciences des systèmes (Marseille). De nouvelles perspectives pour l’étude du cerveau ou l’électronique neuromorphique qui s’en inspire pour concevoir des circuits ou des puces plus efficaces pour traiter des données. « Cela ouvre aussi la possibilité de créer de nouvelles formes d’interaction directe entre des systèmes biologiques et électroniques », ajoute le premier auteur d’une étude parue dans Nature Communications. C’est-à-dire connecter des neurones électroniques à des neurones biologiques pour les étudier.
« Notre modèle décrit la bi-stabilité grâce à un seul neurone en se contentant d’observer son comportement global », pointe le chercheur. Une rupture par rapport aux modèles existants. Car il en existe. Certains sont utilisés depuis plus de vingt ans et même implantés dans des puces neuromorphiques. Mais ces modèles ont recours à plusieurs neurones organisés en réseaux. Certains sont excitateurs, d’autres inhibiteurs. D’autres modèles modélisent la bi-stabilité avec un seul neurone, mais en se basant sur une description détaillée de ce qu’il s’y passe : les concentrations en ions, les propriétés des membranes… Ce qui les rend coûteux en calcul.
Robustesse
Ce nouveau modèle a été obtenu en partant des modèles classiques basés sur des réseaux de neurones, mais en introduisant un simple changement de signe dans les équations. « Cela me paraissait trivial, mais personne n’avait publié quelque chose de similaire », s’étonne Damien Depannemaecker. Et cela fonctionne : « Notre modèle prédit très bien le comportement d’un circuit électronique qui mime le comportement d’un neurone », assure le chercheur. Avec une subtilité : « Il est plus robuste que les modèles existants », précise-t-il. Autrement dit, il peut être utilisé dans des conditions plus larges.
Avec ce résultat très théorique, les scientifiques espèrent surtout mieux comprendre le fonctionnement des neurones, voire de certaines maladies comme l’épilepsie. Mais cela ouvre aussi le champ à des applications dans les interfaces cerveau-machine, la robotique et l’intelligence artificielle embarquée.
Leave a Reply