Représentation stochastique d'équations aux dérivées partielles d'ordre supérieur à 3 issues des neurosciences

par Alexis Vigot

Thèse de doctorat en Mathématiques

Sous la direction de Michèle Thieullen.

Le jury était composé de Paul Lescot, Nicolas Privault, Thierry Lévy.

Les rapporteurs étaient Paul Lescot, Nicolas Privault.


  • Résumé

    Cette Thèse se divise en deux parties. Dans la partie mathématique, nous étudions différentes edp d'ordre supérieur à 3 issues des neurosciences avec un point de vue probabiliste. Nous démontrons une formule de FK pour une grande classe de solutions de KdV (pas seulement les n-solitons), à l'aide des déterminants de Fredholm et des transformées de Laplace d'intégrales de Skorohod itérées. Concernant les edp d'ordre supérieur à 3, les processus itérés qui consistent en la composition de deux processus indépendants, l'un correspondant à la position et l'autre au temps, sont liés à leurs solutions. En effet, nous montrons une formule de FK pour des solutions d'edp d'ordre supérieur à 3 basée sur des fonctionnelles de processus itérés, même dans le cas non Markovien, étendant ainsi les résultats existants. Nous proposons aussi un schéma numérique pour la simulation de trajectoires de diffusions itérées basé sur le schéma d'Euler, qui converge p.s., uniformément en temps, avec un taux de convergence d'ordre $1/4$. Une estimation de l'erreur est proposée. Dans la partie biologique, nous avons collecté plusieurs articles en neuroscience et d'autres domaines de biologie, où les edp précédentes sont utilisées. En particulier, on s'intéresse à la simulation et à la propagation du potentiel d'action lorsque la capacité de la membrane cellulaire n'est pas supposée constante. Ces articles ont en commun le fait qu'ils remettent en question le fameux modèle d'Hodgkin-Huxley datant des années cinquante. En effet, même si ce modèle a été très efficace pour la compréhension du signal neuronal, il ne prend pas en compte tous les phénomènes résultants de la propagation du potentiel d'action.

  • Titre traduit

    Stochastic representation of high-order partial differential equations resulting from neurosciences


  • Résumé

    This Thesis consists of two parts. In the mathematical part we study Korteweg--de Vries (KdV) equation and high-order pdes with a probabilistic point of view in order to obtain Feynman-Kac (FK) type formulas. This study was motivated by recent biological models. We prove a FK representation for a larger class of solutions of KdV equation (not only n-solitons), using Fredholm determinants and Laplace transforms of iterated Skorohod integrals. Regarding higher order pdes, iterated processes that consist in the composition of two independent processes, one corresponding to position and the other one to time, are naturally related to their solutions. Indeed, we prove FK formulas for solutions of high order pdes based on functionals of iterated processes even in the non Markovian case, thus extending the existing results. We also propose a scheme for the simulation of iterated diffusions trajectories based on Euler scheme, that converges a.s., uniformly in time, with a rate of convergence of order $1/4$. An estimation of the error is proposed. In the biological part, we have collected several papers in neuroscience and other fields of biology where the previous types of pdes are involved. In particular, we are interested in the simulation of the propagation of the action potential when the capacitance of the cell membrane is not assumed to be constant. These papers have in common the fact that they question the famous Hodgkin Huxley model dating back to the fifties. Indeed this model even if it has been very efficient for the understanding of neuronal signaling does not take into account all the phenomena that occur during the propagation of the action potential.

Consulter en bibliothèque

La version de soutenance existe

Où se trouve cette thèse ?

  • Bibliothèque : Université Pierre et Marie Curie. Bibliothèque Universitaire Pierre et Marie Curie. Bibliothèque électronique.
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.