🔥 Produits recommandés : Canon EOS R6 II • DJI Mini 4 Pro • MacBook Pro M4
Une nouvelle étude publiée la semaine dernière dans Neuron par des chercheurs de l’Université hébraïque de Jérusalem pourrait accélérer l’innovation dans le domaine de l’intelligence artificielle (IA), de l’apprentissage en profondeur et des neurosciences en fournissant des informations neuronales de haute précision.
« Cette étude fournit une caractérisation unifiée de la complexité informatique des neurones uniques et suggère que les réseaux corticaux ont donc une architecture unique, ce qui pourrait soutenir leur puissance informatique », écrivent les chercheurs.
L’une des principales questions en neurosciences est de comprendre la relation entre la structure, les fonctions et l’entrée synaptique d’un neurone et sa sortie en pointes. Au cours des dernières décennies, des progrès significatifs ont été réalisés dans la compréhension de la manière dont les mécanismes de bas niveau interagissent pour soutenir le calcul du neurone dans des domaines tels que les canaux ioniques et les transmissions synaptiques.
Cependant, cette compréhension manque de précision en raison de la complexité combinatoire de l’analyse de la transformation de milliers d’entrées synaptiques en pointes de sortie. En règle générale, la résolution temporelle se situe au niveau du taux moyen d’allumage plutôt qu’en millisecondes. Pour relever ce défi neuroscientifique, les chercheurs se sont tournés vers l’intelligence artificielle.
« En utilisant les progrès récents de l’apprentissage automatique, nous introduisons une approche systématique pour caractériser la complexité de la cartographie entrée/sortie (E/S) des neurones », écrivent les chercheurs.
Les scientifiques ont entraîné des réseaux neuronaux profonds d’IA (DNN) à imiter la fonctionnalité d’entrée et de sortie d’une variété de modèles biophysiques de neurones corticaux à une résolution de haute précision de l’ordre de la milliseconde. En adoptant cette approche, les chercheurs sont en mesure de modéliser les neurones corticaux dans toute leur complexité.
Les scientifiques ont mis au point un réseau neuronal profond convolutionnel temporel comportant cinq à huit couches pour modéliser la cartographie des entrées et des sorties d’un type spécifique de neurones appelé L5PC (layer 5 cortical pyramidal cell). En neuroanatomie, les cellules pyramidales, ou neurones pyramidaux, sont des neurones communs de grande taille que l’on trouve dans l’hippocampe, l’amygdale et le cortex cérébral. Les neurones pyramidaux ont un corps cellulaire de forme triangulaire (soma), une seule dendrite apicale, un seul axone et plusieurs dendrites basales. Le rôle principal des neurones pyramidaux est de transformer les entrées synaptiques en sorties de potentiels d’action. Les L5PC envoient leurs axones le long de la moelle épinière pour actionner les muscles. Les neurones pyramidaux sont les éléments constitutifs des fonctions cérébrales supérieures, telles que la conscience et la mémoire.
« Un réseau DNN convolutif temporel de cinq à huit couches a été nécessaire pour capturer la cartographie E/S d’un modèle réaliste d’une cellule pyramidale corticale de la couche 5 (L5PC) », écrivent les chercheurs. « Ce DNN s’est bien généralisé lorsqu’on lui a présenté des entrées largement en dehors de la distribution d’entraînement. Lorsque les récepteurs NMDA ont été supprimés, un réseau beaucoup plus simple (réseau neuronal entièrement connecté avec une couche cachée) a suffi pour s’adapter au modèle. »
Les filtres du réseau neuronal profond ont permis aux chercheurs de mieux comprendre le traitement dendritique qui façonne les propriétés neuronales d’entrée et de sortie.
« Cette étude fournit une caractérisation unifiée de la complexité informatique des neurones uniques et suggère que les réseaux corticaux ont donc une architecture unique, ce qui pourrait soutenir leur puissance informatique », concluent les scientifiques.
Avec cette nouvelle preuve de concept, les scientifiques disposent désormais d’un modèle unifié pour comprendre la complexité informatique de n’importe quel type de neurone – une méthode innovante qui pourrait accélérer les percées dans les domaines de l’intelligence artificielle et des neurosciences à l’avenir.
Copyright © 2021 Cami Rosso Tous droits réservés.
