Projet: http://falua.cesfelipesegundo.com/Neurona/
sur le site de l'université : http://falua.cesfelipesegundo.com/?page_id=40〈=fr
|
Liens du Projet
|
L'Alliance Francophone
|
Statistiques |
|
Code d'invitation : Neurona@1456346
News au 10/02/2013 :
Toutes les tâches ont été calculées, il est temps d'analyser les résultats. Merci de votre support. Les dernières tâches furent loin d'être facile à gérer avec un besoin de 10Go de RAM, mais votre performance fût remarquable. Quand de nouveaux projets pour Neurona@home seront disponibles il y aura une annonce.
Neurona@Home est un projet Boinc basé sur la simulation du comportement d’une large palette d’automates cellulaires neuronales connecté à un réseau complexe.
Faits principaux :
• Même au sein de « mini cerveaux », tels que ceux d’insectes, on retrouve cette surprenante complexité: le cerveau d’une abeille contient environ 960’000 neurones qui leur offre une mémoire ahurissante et un répertoire comportemental exhaustif, et cela malgré leur petite taille
• Il est avéré que la synchronisation de l’activation d’un large ensemble de neurones est liée à un facteur olfactif chez les insectes.
• Dans les oscillations neuronales humaines, elle est aussi présente, mais la synchronisation est beaucoup plus marquée dans les fonctions suivantes, comme l’attention, la mémoire et la conscience.
• L’origine et même le rôle de ces oscillations sont encore mal compris.
Les principaux enjeux du modèle
• Nous considérons un modèle, dans lequel, un ensemble de nœuds excitateurs et inhibiteurs peut activer ou désactiver des nœuds voisins, conformément à un ensemble de règles probabilistes.
• Le neurone automate cellulaire est un artefact très simple avec seulement trois états : tir, au repos ou réfractaire.
• Nous nous intéressons aux caractéristiques du cerveau et aux conséquences sur celui-ci qui émergent de sa structure de réseau complexe.
• Dans ce but, nous devons envisager un cerveau artificiel avec 1.000.000 neurones, un nombre qui dépasse la taille typique d’un cerveau d’insectes.
Objectifs
Les simulations de notre projet du cerveau, les automates cellulaires, dans un réseau aléatoire devraient nous permettent de comprendre:
• L’émergence des oscillations du cerveau comme collective de tir.
• L’efficacité des réseaux de neurones artificiels comme dispositifs discriminants.
• Le rôle de la structure du réseau de cerveaux en traitement de l’information.
Traduction Ousermaatre
Qu’est-ce que Neurona@Home ? En détails...
Traduction cedricdd
Structure du cerveau
Chez les insectes, les abeilles se distinguent parmi les autres espèces avec le plus grand mini-cerveau : un total de 900 000 neurones avec des interconnexions complexes permettant à ces insectes de se rappeler l’emplacement des champs des fleurs et le chemin d’accès requis pour les rejoindre, de transmettre cette information au reste de la ruche au moyen de la « danse de l’abeille (bee) » étudiée par l’éthologue et prix Nobel de médecine Karl von Frisch dans le milieu du siècle dernier.
L’abeille (domestique Apis mellifera) collectant du nectar. Les abeilles sont considérées comme la « Rolls Royce » de la neuroscience des insectes en raison de la taille et de l’organisation de leur mini-cerveau.
Modèle d’automates cellulaires
Un modèle qui capture la structure essentielle du cerveau doit contenir un grand nombre d’unités, appelés «nœuds», qui sont interconnectés par des liens représentant les synapses comme le montre la figure ci-dessous :
Chaque nœud ou neurone peut être simulé avec trois états:
(i) Neurone au repos, celui qui est capable d’être excité par ses voisins de la structure de réseau auquel il est connecté.
(ii) Neurone actif, celui qui émet des impulsions électro-chimiques à travers ses dendrites.
(iii) Neurone réfractaire, celui qui a récemment cessé d’émettre et qui doit subir une période d’inactivité avant de revenir au repos.
Les neurones au repos peuvent être excités avec une certaine probabilité par les neurones qui étaient actifs dans la phase précédente.
Ainsi défini, notre modèle présente des similitudes avec le modèle de SIRS (Susceptible-Infected-Recovered-Susceptible) mathématique épidémiologie, où les neurones au repos jouent le rôle d’individus sensibles à la maladie, les neurones actifs sont les personnes infectées et les réfractaires correspondent aux guéris.
Il est assez fréquent en mathématiques appliquées que le même modèle mis au point avec des objectifs très différents émergent naturellement dans un autre domaine de recherche complètement différent.
Donc, il s’agit d’un automate cellulaire: Un modèle mathématique dans lequel un ensemble d’unités appelées automates évoluent selon un ensemble prédéterminé de règles, créant des structures très complexes, dont certaines peuvent être retrouvées dans la nature, et qui ont été étudiées par S. Wolfram , créateur du programme Mathematica (voir A new kind of Science Online, S. Wolfram, http://www.wolframscience.com/nksonline/toc.html)
Les expériences dans des projets BOINC pour l’épidémie (virus respiratoire Syncytial ) nous permettent de construire un modèle pour étudier la propagation des signaux dans un cerveau simulé. L’étude du mini-cerveau aura un million de neurones ce qui le place dans la gamme des cerveaux de pointe parmi les insectes.
Objectifs du projet
Bien que notre modèle de mini-cerveau à le même nombre de neurones que celui d’une abeille, nous n’avons pas l’intention, bien sûr, d’expliquer la totalité du répertoire de comportement d’une véritable abeille. Notre objectif, plus modeste, est d’expliquer l’activité collective typique du réseau de neurones.
Il est reconnu que les oscillations du cerveau, le comportement quasi-périodiques dans le rythme des activités électriques du cerveau, sont présentes des insectes à l’homme. Dans le cas des abeilles, des sauterelles, ou de la mouche des fruits, des connections entre les oscillations et l’encodage de l’odeur ont été trouvées.
Dans le cas des êtres humains, le but de ces oscillations semble avoir été façonné par l’évolution. Les ondes Thêta semble être associées à la mémoire, l’attention et même la conscience.
Ces oscillations permettent aux insectes de distinguer des odeurs très similaires.
Que calculons nous?
Pour chaque unité de travail le modèle fournit un réseau d’ 1.000.000 de neurones générés avec un degré de connectivité k. Il utilise deux types de neurones:
* Neurones inhibiteurs
Ces neurones, lorsqu’ils sont actifs, ont pour effet d’inhiber l’excitation d’un neurone au repos qui pourraient être activés par un neurone excitateur voisin.
*Neurones excitateurs
Ces neurones, lorsqu’ils sont actifs, sont capables de déclencher (exciter) leurs voisins qui sont au repos.
Le modèle attribue à chaque type de neurone un des trois états possibles (repos, actif ou réfractaire) et choisit une gamme de valeurs d’interconnexion entre les neurones, puis il vérifie si ces valeurs entraînent une synchronisation de l’activité neuronale et donc si ce modèle est réalisable ou non.