Circuits et systemes de modelisation analogique de neurones ...

Chapitre II : circuits analogiques élémentaires1. INTRODUCTION.Au chapitre précédent, nous avons présenté l'anatomie du neurone et étudié les principauxformalismes mathématiques qui tentent d'en modéliser l’activité à un niveau membranaire.Pour nos travaux, nous utilisons le formalisme décrit par Hodgkin et Huxley et notre objectifest maintenant de résoudre les équations qui le composent afin de simuler en temps réel lefonctionnement de cellules nerveuses et de réseaux de neurones. Pour ce faire, nous avonschoisi de concevoir un calculateur analogique à base de circuits intégrés (ASIC : ApplicationSpecific Integrated Circuit). Les variables y sont représentées par des grandeurs électriques,charge, courant ou tension, que des circuits électroniques "manipulent" de façon continueconformément à notre formalisme.L'idée de réaliser un simulateur analogique intégré pour modéliser l'activité de neuronesbiologiques de façon réaliste peut être attribuée aux équipes de l'université Caltech (Californiainstitute of technology) [MAHER 89], [MAHOWALD 91], [DOUGLAS 95]. Ces auteursprésentent "des circuits intégrés analogiques qui ont des caractéristiques fonctionnelles deneurones réels", la description étant faite au niveau du courant ionique en suivant uneapproche inspirée du formalisme de Hodgkin et Huxley. Ils ont été les premiers à utiliser pources circuits le terme "silicon neuron" et c'est de leurs travaux que notre groupe s'estinitialement inspiré.Nous pouvons aussi citer quelques autres cas d'intégration de modèles simplifiés de typeFitzHugh-Nagumo [LINARES-BARRANCO 91] ou Morris-Lecar [PATEL 97], mais ilsemble que ces travaux soient ponctuels et ne s'inscrivent pas dans un axe de recherchespécifique.Il existe encore un grand nombre de travaux associés aux mots clefs "réseau de neurone", maisdans ce cas les neurones utilisés ne sont que des cousins très éloignés de ceux qui nousintéressent. Souvent qualifiés de neurones formels, ils forment en fait des éléments nonlinéairesconnectés en réseaux qui permettent de résoudre des problèmes de traitement dedonnées. Leur fonctionnement n'a finalement que peu de ressemblance avec la physiologie deneurones biologiques.A mi-chemin entre ces deux approches nous trouvons les systèmes dits bio-inpirés. Il s'agitcette fois de reproduire de façon artificielle des fonctions évoluées comme la vision,39