Notions de neuromorphisme

Notions de neuromorphisme 

Dès les années 1950, différents travaux de recherche (29, 68) ont initié le développement du concept de neuromorphisme. Il a ensuite été approfondi par Carver Mead à la fin des années 1980. En s’inspirant du fonctionnement du cerveau, il a émis l’idée de le reproduire sur silicium à l’aide d’une intégration à très grande échelle (VLSI) (53). Dans cette optique, une approche bottom-up du cerveau est logiquement privilégiée. Ainsi, on étudie le fonctionnement de la cellule de base, c’est à dire un neurone qui sera caractérisé, modélisé puis implémenté, à grande échelle, pour former un réseau.

Quelques rappels de biologie

Une cellule est un organisme de structuration et de régulation pour tout être vivant. Chaque cellule est spécifique à son environnement mais partage cependant quelques éléments en commun avec l’ensemble des cellules, comme par exemple, une membrane. Contrairement aux cellules procaryotes, les cellules eucaryotes possèdent toutes un noyau. La membrane sert à isoler les milieux intra et extra cellulaire. Le noyau contient des informations nécessaires au bon fonctionnement de la cellule ainsi qu’à sa reproduction. En constant échange avec l’extérieur et entre elles, les cellules interagissent à l’aide de messagers chimiques, de contraintes mécaniques ou encore de signaux électriques. Nous nous intéresserons maintenant plus particulièrement aux cellules nerveuses.

Neurone biologique

Le neurone est une des cellules de base du système nerveux. Il transmet une activité électrique appelée influx nerveux sous forme de séquences de potentiels d’action.
– l’arbre dendritique : il est constitué des dendrites du neurone. Les signaux en provenance des différentes terminaisons axonales des précédents neurones y sont regroupés. Ces signaux sont appelés potentiels d’action ou plus simplement impulsions.  Le transfert d’un potentiel d’action se fera donc toujours d’un neurone présynaptique à un neurone postsynaptique.
– le soma : la membrane du neurone est constituée d’une bicouche lipidique. Elle sert à isoler mécaniquement et électriquement l’intérieur du neurone (noyau et cytoplasme). Les espèces d’ions nécessaires à la propagation des potentiels d’action sont majoritairement potassiques (K+) à l’intérieur du neurone et sodiques (Na+) à l’extérieur. On peut noter la présence d’un courant de fuite responsable du retour au potentiel de repos du soma. En effet la membrane n’est pas un diélectrique parfait et contient des sites d’échanges passifs spécifiques à un type d’ion que l’on appelle canaux ioniques.
– l’axone : il permet la propagation du signal vers les différents neurones destinataires par ses terminaisons axonales. La propagation du potentiel d’action peut être accélérée par l’intermédiaire des nœuds de Ranvier, endroits situés le long de l’axone où s’amincit la paroi isolante appelée gaine de myéline. Les échanges d’ions y sont localement favorisés et permettent la régénération du signal impulsionnel. En sautant de nœud en nœud, la propagation du potentiel d’action est accélérée.

D’un point de vue fonctionnel, le neurone combine plusieurs entrées au niveau du soma. Le résultat, la génération d’un potentiel d’action, se propage via l’axone, vers d’autres neurones par l’intermédiaire de synapses.

La synapse

La synapse a pour rôle la transmission de l’information du neurone présynaptique au postsynaptique et nécessite par conséquent au moins deux neurones. En outre, il a été montré par (19) que l’environnement extra-cellulaire joue un rôle sur les capacités d’une synapse.

La synapse présente une forme et un fonctionnement électrico-chimique particulier. Un potentiel d’action électrique stimule le bouton présynaptique qui relâche des messagers chimiques. Ces derniers vont venir modifier l’ouverture des canaux ioniques au niveau de l’arbre dendritique du neurone postsynaptique. En laissant passer des ions calciques (Ca2+), sodiques (Na+) ou potassiques (K+), le potentiel de membrane du neurone postsynaptique est alors modifié. En parallèle, les stocks de messagers chimiques consommés se reconstruisent progressivement.

La synapse peut ainsi être plus ou moins inhibitrice ou excitatrice, ce qui définit son poids synaptique. Dans le premier cas, elle va diminuer le potentiel de membrane et donc retarder la génération du prochain potentiel d’action. A l’inverse, une synapse excitatrice provoque l’augmentation du potentiel de membrane et permet éventuellement la génération immédiate d’un potentiel d’action. Les synapses sont de véritables mémoires évolutives. Au cours du temps, elles s’affirment dans un caractère inhibiteur ou excitateur à long terme : LTD pour Long Term Depression ou LTP pour Long Term Potentiation. Ceci leur permet de renforcer ou d’affaiblir la transmission d’informations au sein d’un réseau de neurones. La STDP (Spike Time-Dependent Plasticity) (77) est une théorie expliquant l’évolution sur le long terme du poids synaptique. Elle repose sur un ajustement du poids synaptique en fonction de la réponse du neurone . Lorsqu’une synapse excitée contribue à la génération d’un potentiel d’action dans une fenêtre de temps, δt> 0, son poids est incrémenté de δw. A contrario la stimulation d’une synapse excitatrice après la génération d’un potentiel d’action du neurone postsynaptique diminue son poids (δt< 0 et décrémentation de δw). Ces évolutions semblent être à la base du développement cérébral et des phénomènes d’apprentissage.

Le cerveau, réseau de neurones

Grâce aux synapses, les neurones forment un réseau fortement connecté au sein du cerveau. En effet, on estime qu’un cerveau humain est constitué de 10¹⁰ neurones et 10¹⁴ synapses (53). D’une part, ceci induit le traitement d’un grand nombre d’informations.

Ceci permet d’autre part une certaine redondance du traitement de données dans les différents cortex, et par conséquent induit une robustesse lorsqu’une cellule s’altère ou meurt. On peut également constater l’efficacité énergétique du cerveau. Celui-ci consomme seulement une vingtaine de watts (53) alors qu’il traite parallèlement des informations en provenance de nombreux capteurs (ouïe, vue, …). A celles-ci viennent s’ajouter la pensée ou les réflexes qui ajoutent à la complexité du système.  On y retrouve les différentes régions spécialisées du cerveau et leurs interconnexions. En contenant plusieurs accélérateurs spécifiques, le fonctionnement de certains circuits intégrés est finalement assez similaire. L’implémentation d’accélérateurs optimisés pour une tâche puis interconnectés permet la réalisation de fonctions plus complexes. Les capacités hors-normes du cerveau ont suscité l’intérêt de nombreux chercheurs qui ont tenté de comprendre son fonctionnement en modélisant son unité de base : le neurone.

Table des matières

I Introduction
A. Notions de neuromorphisme
B. Le neuromorphique, une approche more-than-Moore
C. Objectifs de cette thèse
II Intégration d’un neurone robuste pour des applications computationnelles
A. Quelques notions de conception en microélectronique
B. Conception d’un neurone LIF robuste
C. Circuits réalisés
III Études sur les technologies avancées
A. Quel avenir pour un neurone analogique ?
B. Notions de mémoire résistive
C. Cœur du neurone : élément capacitif
D. Implémentation des connexions synaptiques
IV Conclusion
perspectives
A. Contributions de cette thèse
B. Des perspectives à court terme
C. Les architectures neuromorphiques, une technologie en devenir
Références

Lire le rapport complet