En poursuivant votre navigation, vous acceptez l'utilisation de cookies destinés à améliorer la performance de ce site et à vous proposer des services et contenus personnalisés.

X

Sciences cognitives

Directeur de l'option : Yves Frégnac
Nous contacter

COGNITION ET NEUROSCIENCE

Sujet 1 : Bases neuronales de la théorie des formes et du liage perceptif

Responsables:
Yves Frégnac (UNIC-CNRS, X-HSS), Florian Gérard-Mercier (X) et Marc Pananceau (Paris XI)

Lieu:
Unité de Neurosciences, Information et Complexité (UNIC)
UPR CNRS 3293
Bât. 32-33, 1 Avenue de la terrasse,
91 198 Gif-sur-Yvette

Ce stage interdisciplinaire d’initiation à la recherche en neurosciences cognitives et computationnelles sera de développer des outils d’analyse et si possible un modèle des interactions latérales entre voisins au sein des réseaux visuels corticaux.

La présentation éparse de stimuli locaux anisotropes (barre lumineuse, Gabor ellipsoidal) est utilisée classiquement pour caractériser les champs récepteurs corticaux, qui se révèlent dans la plupart des cas comme des détecteurs d’orientation. Le projet de recherche dans lequel s’inscrit ce stage est centré sur la recherche d’interactions spatio-temporelles mettant en jeu de manière privilégiée la connectivite horizontale intracorticale. Les travaux en cours montrent que la présentation appairée de stimuli orientés voisins mais distincts et coalignés produit une influence latérale mesurable électrophysiologiquement.

L’élève-ingénieur participera au traitement des données et, si il le souhaite, aux enregistrements électrophysiologiques (avec deux encadrants); Il aura pour charge plus spécifique de développer une approche théorique inspirée de modèles en physique statistique (modèle de spin), où à partir de la description d’interactions par paires il est envisageable de reconstruire un champ d’interaction faible. La caractérisation de ce champ à partir des données électrophysiologiques permettra une description phénoménologique des champs d’association perceptifs en neurosciences cognitives, qui pourraient être le substrat du liage entre forme et mouvement (théorie de la Gestalt).

Connaissances pré-requises en Neurosciences:
Lire l’ouvrage de Jean Petitot sur la neurogéométrie et le cours d’Yves Frégnac en Sciences Cognitives de cette année

Sujet 2 : Etude multi-échelle de la dynamique corticale en fonction de la valence perceptive et naturalité des stimulations visuelles
Responsables :
Cyril Monier (CNRS-UNIC, X-HSS) et Yves Frégnac (UNIC-CNRS, X-HSS)

Lieu:
Unité de Neurosciences, Information et Complexité (UNIC)
UPR CNRS 3293
Bât. 32-33, 1 Avenue de la terrasse,
91 198 Gif-sur-Yvette

Le sujet du stage consistera à analyser des enregistrements multi-électrodes extracellulaires dans le cortex visuel des mammifères en réponse à des stimulations visuelles avec différents niveaux de complexité (les rapprochant des scènes naturelles) et de valence perceptive (impliquant des processus de liage obéissant aux lois de la Gestalt). Le potentiel de champ local, l’activité multi-unitaire et unitaire, seront enregistrées simultanément au moyen de tétrodes ou grilles d’électrodes multi-sites dans le cortex visuel primaire.
Ces signaux seront analysés en utilisant des algorithmes sophistiqués pour trier les impulsions provenant des différents neurones captés par une même électrode. En particulier l’objet du stage est de réaliser des analyses temps-fréquences du rapport signal sur bruit, des mesures d'information mutuelle et d'efficacité du codage neuronal et enfin des mesures de corrélations de l’activité des différents neurones enregistré simultanément. Une analyse fonctionnelle des champs récepteurs obtenus à partir des potentiels de champs locaux et de l'activité unitaire sera également réalisée afin d’estimer le niveau de prédiction linéaire des réponses à différents stimuli. L’analyse de ces signaux sera comparée à celle à ceux obtenue, en présence des mêmes stimuli, par des enregistrements en intracellulaire et en imagerie optique avec des colorant sensible au potentiel .
Ce travail s’inscrit dans une étude plus large multi-échelle (du microscopique au mésoscopique) de la dynamique spontanée et évoquée du réseau cortical et de sa reproductibilité en présence de stimuli de complexité croissante.

COGNITION ET RESEAUX NEURONAUX

Sujet 3 : Bâtir les fondations mésoscopiques de la cognition : émergence et composition de motifs spatio-temporels dans des systèmes dynamiques neuronaux complexes

Responsables:
René Doursat (ISC-PIF), Michele Rudolph (UNIC) et Yves Frégnac (UNIC-CNRS, HSS X)

Lieu du stage:
Unité de Neurosciences Information et Complexité
UNIC, UPR CNRS 3293
Bât. 32-33, 1 Avenue de la Terrasse,
91 198 Gif-sur-Yvette

La nature et structure des états mentaux, en particulier leur ancrage dans le code neuronal, constituent une question fondamentale des neurosciences cognitives. Combler le fossé conceptuel qui sépare encore les approches symboliques macroscopiques (psychologie, IA) des approches dynamiques microscopiques (neurobiologie, connexionnisme) requiert l'établissement d'un niveau intermédiaire, ou mésoscopique, de modélisation. Métaphoriquement semblable aux protéines de la biologie moléculaire, suspendues entre atomes et organismes, ce niveau doit à la fois offrir une granularité plus fine que ses grands objets et une structure plus complexe que ses petits éléments. Au cours des dernières années, les neurosciences computationnelles ont progressé dans l’exploration de l'immense diversité des régimes dynamiques, possibles et probables, du système nerveux. De nombreux travaux soulignent l'importance de la structure temporelle (et, par distribution, spatiale) des signaux électriques, sur laquelle ces dynamiques sont toutes fondées. Grâce à des modèles de neurones plus sophistiqués (à « spikes », oscillateurs, excitables, etc.) et une puissance de calcul accrue autorisant des simulations sur réseaux complexes de grande taille, le niveau mésoscopique s'est progressivement peuplé d'une zoologie d’objets théoriques émergents, tels que chaînes de type « synfire », groupes polychrones, ondes progressives, attracteurs chaotiques, etc. On s’intéressera ici particulièrement à la façon dont ces objets peuvent entrer en interaction dans des phénomènes de synchronisation, de corrélations ou de résonance, et composer leurs structures pour former des objets plus complexes, tel un « jeu de construction moléculaire » de représentations mentales.

Encore récemment, les modèles connexionnistes se situaient pour la plupart dans un paradigme réducteur de « traitement du signal » provenant des mathématiques appliquées et de l’ingénierie, et établi par les réseaux de neurones artificiels des années 1980. Cette perspective classique met en scène un petit nombre d’unités à « gros grain » et « signifiantes », c’est-à-dire capables en elles-mêmes d’exécuter des fonctions d’assez haut niveau (telles que détection de caractéristiques ou reconnaissance d’objets). Ces unités abstraites, qui peuvent représenter, à différentes échelles, des neurones individuels, des assemblées locales de neurones ou même des aires corticales, sont organisées en architectures généralement hiérarchiques et multicouches, dans lesquelles l’activité se propage littéralement de l’entrée (le problème, le niveau perceptif) à la sortie (la solution, le niveau moteur) à travers des transformations ou filtres successifs. Dans ce paradigme, l’activité est entièrement générée par les stimuli, c’est à dire que les couches de neurones sont silencieuses et doivent attendre d’être activées.

Aujourd’hui, des façons radicalement différentes d’interpréter et modéliser la dynamique des systèmes neuronaux complexes commencent à se faire jour. Ces nouvelles études se concentrent bien plutôt sur des myriades de neurones ou de groupes de neurones à « grain fin », sans signification en eux-mêmes, qui interagissent par des connexions synaptiques récurrentes denses, excitatrices et inhibitrices, pour former le substrat d’un « medium excitable ». Ce substrat, associé à des structures de graphes de type « petit monde », est capable de produire des états d’activité endogènes (régime irrégulier asunchrone) sous forme de motifs spatio-temporels dynamiques et transitoires. Dans ce nouveau schéma, les stimuli externes ne sont plus une cause directe mais seulement indirecte, bien qu’essentielle, jouant le rôle de « perturbation » ou de « sélection ». Elle s’exerce sur des motifs déjà préactivés et « critiques », c’est-à-dire prêts à basculer rapidement d’un état à un autre : évocation, composition, décomposition, disparition.

Au cours de ce stage, l’élève mènera une réflexion théorique et participera à la conception d’un modèle mathématique et computationnel s’inscrivant dans ce nouveau paradigme. Ce modèle pourra éventuellement s’attacher à une catégorie particulière de fonctions cognitives (vision, langage, mémoire, action, etc.) en s’inspirant de mesures anatomiques (topologie des graphes connexionnels) physiologiques ou psychophysiques réelles, sans toutefois avoir l’obligation de reproduire exactement ces données expérimentales. L’élève devra avoir une bonne expérience de la programmation pour implémenter ce modèle (dans le langage de son choix).

RESEAUX NEURONAUX ET NEUROSCIENCES COMPUTATIONNELLES

Sujet 4 : Developing benchmarks for models of the early visual system

Responsables :
Andrew Davison (UNIC-CNRS) et Yves Frégnac (UNIC-CNRS, HSS X)

Lieu du stage:
Unité de Neurosciences Information et Complexité
UNIC, UPR CNRS 3293
Bât. 32-33, 1 Avenue de la Terrasse,
91 198 Gif-sur-Yvette

Ce stage est un stage d’initiation à la simulation de réseaux neuronaux et à l’utilisation de bases de données en neurosciences, au sein d’un consortium Européen (BrainScales and Human Brain Project) dans le cadre des Futures Technologies Emergentes et des architectures de calcul inspirées du Vivant.
FET / Bio-I3 : BRAINSCALES : brainscales.kip.uni-heidelberg.de

This project has three parts :
(1) identifying articles from the experimental neurobiological literature, and datasets from within the UNIC lab, whose functional observations could in principle be replicated by thalamo-cortical models of the early visual system. These models are currently developed by the group of Andrew Davison and Yves Frégnac, in the framework of a European scientific consortium FACETS (including two German Computational Bernstein centers, the Karolinska Institute and the Brain and Mind Institute at EPFL in Lausanne).
(2) For each article of interest (selected with the researchers), expressing the experimental protocol, stimuli and results data in the standard format developed for the UNIC V1 database by Andrew Davison, and entering them in the BRAINSCALES benchmark library (www.dbunic.cnrs-gif.fr)
(3) running simulations of different neuronal multi-layer models (constrained by anatomy and function) to see how well they match the biological observations.

RESEAUX NEURONAUX ET NEUROSCIENCES COMPUTATIONNELLES

Sujet 5 : Injection de bruit synaptique digital dans les neurones du cortex et étude de la fonction de transfert des états d'activité récurrente

Responsables :
Alain Destexhe (UNIC-CNRS) et Thierry Bal (UNIC-CNRS)

Lieu du stage:
Unité de Neurosciences, Information et Complexité
UNIC, UPR CNRS 3293
Bât. 32-33, 1 Avenue de la Terrasse,
91 198 Gif-sur-Yvette

Ce stage est un stage d’initiation à la simulation de réseaux neuronaux et à l’utilisation de techniques hybrides (interaction en temps réel entre neurones biologiques et artificiels au travers de synapses artificielles).

Le projet consisterait en la conception d'un paradigme théorique et expérimental, pour déterminer les états d'activité en calculant la fonction de transfert (entrée-sortie) des neurones corticaux. Les entrées sont contrôlées par un modèle théorique qui inclut la décharge moyenne et la corrélation, et ces entrées digitales sont calculées en temps réel et injectées dans le neurone; la décharge du neurone, et sa corrélation avec l'entrée, constituent la sortie. Le travail consistera en la conception d'un tel paradigme et le test sur un modèle informatique; ensuite, des tests expérimentaux seront réalisés dans des préparation in vitro si la durée du stage le permet.

Ce type de projet permettra de connecter les théories de champ moyen aux expériences électrophysiologiques, ce qui n'a jamais été fait en neuroscience. La "prédiction" de champ moyen des neurones sera directement comparée aux modèles. Il sera possible d'extrapoler des diagrammes d'états d'activité du réseau, et de les comparer aux prédictions théoriques.

NEUROINFORMATIQUE

Sujet 6 : Simulateurs et Langages pour une modélisation à grande échelle

Responsable:
Andrew Davison (UNIC-CNRS)

Unité de Neurosciences Information et Complexité
UNIC, UPR CNRS 3293
Bât. 32-33, 1 Avenue de la Terrasse,
91 198 Gif-sur-Yvette

PyNN (pronounced 'pine' ) is a is a simulator-independent language for building neuronal network models. In other words, you can write the code for a model once, using the PyNN API and the Python programming language, and then run it without modification on any simulator that PyNN supports (currently NEURON, NEST, PCSIM and Brian).

MUSIC (Multi-Simulation Coordinator) is a tool that provides a standardized software interface for communication between parallel applications for large-scale modeling and simulation of neural networks.

Simulators can make use of MUSIC-compliant general purpose tools and participate in multi-simulations ? a possibility that is particularly attractive when: Different parts of a complex nervous system model are optimally implemented in different simulators, and need to communicate with each other. Post-processing of generated data is needed, where the amounts of data are too large for intermediate storage, and requires the simulator to pass the data directly to the post-processing module. In addition, such a standard interface enables straight-forward independent third-party development and community sharing of interoperable software tools for parallel processing.

PyNN provides a common language for running simulations on different simulators, but does not provide a way for different simulators to run at the same time with efficient communication between them. MUSIC does provide the latter, but still requires each simulator to be programmed in its own language. By integrating MUSIC into PyNN, modellers would gain the benefits of both tools, and would be able to write scripts in a single language to run in parallel on different simulators.

We are seeking a student with experience in Python and C/C++ to implement a MUSIC module for PyNN, working in collaboration with the principal developers of MUSIC and of PyNN. This project, which is run in the context of a European interdisciplinary consortium, is expected to last 2-4 months.