Réseau de neurones in silico : contribution au développement de la technique hybride pour les réseaux corticaux

Silicon neural networks : implementation of cortical cells to improve the artificial-biological hybrid technique

• Auteur / Autrice : Filippo Giovanni Grassia
• Direction : Sylvain Saïghi, Timothée Lévi
• Type : Thèse de doctorat
• Discipline(s) : Electronique
• Date : Soutenance le 07/01/2013
• Etablissement(s) : Bordeaux 1
• Ecole(s) doctorale(s) : École doctorale des sciences physiques et de l’ingénieur (Talence, Gironde)
• Partenaire(s) de recherche : Laboratoire : Laboratoire de l'intégration du matériau au système (Talence, Gironde) - Laboratoire de l'intégration du matériau au système / IMS
• Jury : Président / Présidente : Claude Pellet
• Jury : Examinateurs / Examinatrices : Alain Destexhe
• Jury : Rapporteurs / Rapporteuses : Frédéric Alexandre, Stéphane Binczak

Mots clés

Mots clés contrôlés

Réseaux neuronaux (informatique)

Mots clés libres

Neurosciences computationnelles

Modèle de Hodgkin Huxley

Analyse de bifurcation

Algorithmes métaheuristiques

Systèmes neuromorphiques

Réseaux de neurones

Computational Neurosciences

Hodgkin and Huxley model

Bifurcation Analysis

Metaheuristic Algorithms

Neuromorphic Systems

Spiking Neural Networks

Résumé

Ces travaux ont été menés dans le cadre du projet européen FACETS-ITN. Nous avons contribué à la simulation de cellules corticales grâce à des données expérimentales d'électrophysiologie comme référence et d'un circuit intégré neuromorphique comme simulateur. Les propriétés intrinsèques temps réel de nos circuits neuromorphiques à base de modèles à conductance, autorisent une exploration détaillée des différents types de neurones. L'aspect analogique des circuits intégrés permet le développement d'un simulateur matériel temps réel à l'échelle du réseau. Le deuxième objectif de cette thèse est donc de contribuer au développement d'une plate-forme mixte - matérielle et logicielle - dédiée à la simulation de réseaux de neurones impulsionnels.

This work has been supported by the European FACETS-ITN project. Within the frameworkof this project, we contribute to the simulation of cortical cell types (employingexperimental electrophysiological data of these cells as references), using a specific VLSIneural circuit to simulate, at the single cell level, the models studied as references in theFACETS project. The real-time intrinsic properties of the neuromorphic circuits, whichprecisely compute neuron conductance-based models, will allow a systematic and detailedexploration of the models, while the physical and analog aspect of the simulations, as opposedthe software simulation aspect, will provide inputs for the development of the neuralhardware at the network level. The second goal of this thesis is to contribute to the designof a mixed hardware-software platform (PAX), specifically designed to simulate spikingneural networks. The tasks performed during this thesis project included: 1) the methodsused to obtain the appropriate parameter sets of the cortical neuron models that can beimplemented in our analog neuromimetic chip (the parameter extraction steps was validatedusing a bifurcation analysis that shows that the simplified HH model implementedin our silicon neuron shares the dynamics of the HH model); 2) the fully customizablefitting method, in voltage-clamp mode, to tune our neuromimetic integrated circuits usinga metaheuristic algorithm; 3) the contribution to the development of the PAX systemin terms of software tools and a VHDL driver interface for neuron configuration in theplatform. Finally, it also addresses the issue of synaptic tuning for future SNN simulation.