Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Séance de cours

L'informatique scientifique en neurosciences

Dans cours

BIOENG-450: In silico neuroscience

"In silico Neuroscience" introduces students to a synthesis of modern neuroscience and state-of-the-art data management, modelling and computing technologies. ...

Description

Cette séance de cours couvre l'histoire et le développement de l'informatique scientifique en neurosciences, en mettant l'accent sur la simulation des neurones et des réseaux. Il traite de l'utilisation d'outils tels que NEURON, NEST et BRIAN pour différentes échelles de simulations, des modèles biophysiquement détaillés aux réseaux neuronaux à grande échelle. La séance de cours souligne l'importance des méthodes numériques et des algorithmes pour résoudre des problèmes complexes dans la neuroscience computationnelle.

Enseignant·e·s (2)

Felix Schürmann

Felix Schürmann is co-director of the Blue Brain Project and involved in several research challenges of the European Human Brain Project. He studied physics at the University of Heidelberg, Germany, supported by the German National Academic Foundation. Later, as a Fulbright Scholar, he obtained his Master's degree (M.S.) in Physics from the State University of New York, Buffalo, USA, under the supervision of Richard Gonsalves. During these studies, he became curious about the role of different computing substrates and dedicated his master thesis to the simulation of quantum computing. He studied for his Ph.D. at the University of Heidelberg, Germany, under the supervision of Karlheinz Meier. For his thesis he co-designed an efficient implementation of a neural network in hardware.

Armando Romani

Source officielle

Proximité ontologique

Biologie

Neurosciences: Neurosciences computationnelles

Biologie cellulaire: Neurotransmission

Concepts associés (32)

Neurone

thumb|537x537px|Schéma complet d’un neurone. Un neurone, ou une cellule nerveuse, est une cellule excitable constituant l'unité fonctionnelle de la base du système nerveux. Les neurones assurent la transmission d'un signal bioélectrique appelé influx nerveux. Ils ont deux propriétés physiologiques : l'excitabilité, c'est-à-dire la capacité de répondre aux stimulations et de convertir celles-ci en impulsions nerveuses, et la conductivité, c'est-à-dire la capacité de transmettre les impulsions.

Simulation de phénomènes

La simulation de phénomènes est un outil utilisé dans le domaine de la recherche et du développement. Elle permet d'étudier les réactions d'un système à différentes contraintes pour en déduire les résultats recherchés en se passant d'expérimentation. Les systèmes technologiques (infrastructures, véhicules, réseaux de communication, de transport ou d'énergie) sont soumis à différentes contraintes et actions. Le moyen le plus simple d'étudier leurs réactions serait d'expérimenter, c'est-à-dire d'exercer l'action souhaitée sur l'élément en cause pour observer ou mesurer le résultat.

Motoneurone

Les motoneurones constituent la voie de sortie du système nerveux central ou la voie finale de tout acte moteur. Les corps cellulaires des motoneurones sont situés soit dans le tronc cérébral, soit dans la corne ventrale de la substance grise de la moelle épinière. Chaque motoneurone possède un axone qui part du système nerveux central pour innerver les fibres musculaires d'un muscle. L'ensemble constitué par un motoneurone et les fibres musculaires qu'il innerve constitue une unité motrice.

Réseau de neurones à impulsions

Les réseaux de neurones à impulsions (SNNs : Spiking Neural Networks, en anglais) sont un raffinement des réseaux de neurones artificiels (ANNs : Artificial Neural Networks, en anglais) où l’échange entre neurones repose sur l’intégration des impulsions et la redescente de l’activation, à l’instar des neurones naturels. L’encodage est donc temporel et binaire. Le caractère binaire pose une difficulté de continuité au sens mathématique (cela empêche notamment l’utilisation des techniques de rétropropagation des coefficients - telle que la descente de gradient - utilisées classiquement dans les méthodes d'apprentissage).

Neurosciences computationnelles

Les neurosciences computationnelles (NSC) sont un champ de recherche des neurosciences qui s'applique à découvrir les principes computationnels des fonctions cérébrales et de l'activité neuronale, c'est-à-dire des algorithmes génériques qui permettent de comprendre l'implémentation dans notre système nerveux central du traitement de l'information associé à nos fonctions cognitives. Ce but a été défini en premier lieu par David Marr dans une série d'articles fondateurs.

Afficher plus

Séances de cours associées (55)

Portée biologique et simulation informatique

Explore la connexion de la portée biologique avec les méthodes de simulation informatique et discute de divers environnements de simulation pour la modélisation de l'activité neuronale.

Computing neuromorphe : concepts et implémentations matérielles

Couvre l'informatique neuromorphe, les défis dans l'informatique ternaire et binaire, les simulations matérielles du cerveau, et les nouveaux matériaux pour les cellules cérébrales artificielles.

Optimisation des systèmes neuroprothétiques

Explore l'optimisation des systèmes neuroprothétiques, y compris la restauration de rétroaction sensorielle et les stratégies de stimulation neuronale.

Signal neuronal et traitement des signaux : modélisation et simulation

Couvre les fondamentaux des signaux neuraux et du traitement des signaux, en mettant l'accent sur la modélisation et la simulation des systèmes neuraux.

Modélisation de l'activité neuronale

Explore la modélisation de l'activité neuronale, y compris les taux de tir, les réponses aux stimuli et le comportement du réseau.

Afficher plus

Concepts associés (32)

Neurone

Simulation de phénomènes

Motoneurone

Réseau de neurones à impulsions

Neurosciences computationnelles

Afficher plus