Titre : Implémentation numérique de neurones biomimétiques stochastiques 

Auteurs : Filippo Grassia, Takashi Kohno, Timothée Levi,  

Revue : Ingénierie cognitique 

Numéro : Numéro 1 

Volume : 1 

Date : 2017/09/28 

DOI : 10.21494/ISTE.OP.2018.0270 

ISSN : 2517-6978 

Résumé : Des millions de personnes à travers le monde sont affectées par des troubles neurologiques qui nuisent à la bonne communication entre le cerveau et le corps. Le développement de neuroprothèses aura un impact social sur la qualité de vie des patients. Ces neuroprothèses sont conçues sur la base de nos connaissances des interactions des cellules neuronales, en partant des activités spontanées intrinsèques des réseaux de neurones jusqu’à la stimulation des réseaux de neurones afin d’obtenir un état ou comportement spécifique. L’objectif à long-terme de remplacer les réseaux de neurones endommagés par des systèmes artificiels requiert le développement de modèles de neurones dont l’activité est similaire à l’activité électrophysiologique des réseaux biologiques vivants : ce sont les réseaux de neurones artificiels biomimétiques (SNN). En raison de leurs structures parallèles, les réseaux neuronaux sur puce peuvent simuler des activités neuronales biologiques, ce qui permettra de réaliser un réseau comparable à celui du cerveau humain dans un futur proche. Cette étude explore la faisabilité de l’implémentation de neurones biomimétiques stochastiques sur FPGA, avec un modèle de neurone à deux dimensions. La stochasticité est ajoutée par une source de bruit reproduisant le bruit synaptique biologique dans le neurone biomimétique. Les résultats expérimentaux ont confirmé la validité de la mise en oeuvre stochastique, ce qui rend ces neurones artificiels plus proche de la biologie. 

Éditeur : ISTE OpenScience