Systèmes neuromorphiques temps réel : contribution à l’intégration de réseaux de neurones biologiquement réalistes avec fonctions de plasticité

Bilel Belhadj-Mohamed

Description

Sous la direction de Sylvie Renaud, Jean Tomas
Thèse soutenue le 22 juillet 2010: Bordeaux 1
Cette thèse s’intègre dans le cadre du projet Européen FACETS. Pour ce projet, des systèmes matériels mixtes analogique-numérique effectuant des simulations en temps réel des réseaux de neurones doivent être développés. Le but est d’aider à la compréhension des phénomènes d’apprentissage dans le néocortex. Des circuits intégrés spécifiques analogiques ont préalablement été conçus par l’équipe pour simuler le comportement de plusieurs types de neurones selon le formalisme de Hodgkin-Huxley. La contribution de cette thèse consiste à la conception et la réalisation des circuits numériques permettant de gérer la connectivité entre les cellules au sein du réseau de neurones, suivant les règles de plasticité configurées par l’utilisateur. L’implantation de ces règles est réalisée sur des circuits numériques programmables (FPGA) et est optimisée pour assurer un fonctionnement temps réel pour des réseaux de grande taille. Des nouvelles méthodes de calculs et de communication ont été développées pour satisfaire les contraintes temporelles et spatiales imposées par le degré de réalisme souhaité. Entre autres, un protocole de communication basé sur la technique anneau à jeton a été conçu pour assurer le dialogue entre plusieurs FPGAs situés dans un système multicarte tout en garantissant l’aspect temps-réel des simulations. Les systèmes ainsi développés seront exploités par les laboratoires partenaires, neurobiologistes ou informaticiens.
-Systèmes neuromorphiques
-Fpga
-Plasticité de réseau
-Communication temps-réel
-Neuroscience computationnelle
This work has been supported by the European FACETS project. Within this project, we contribute in developing hardware mixed-signal devices for real-time spiking neural network simulation. These devices may potentially contribute to an improved understanding of learning phenomena in the neo-cortex. Neuron behaviours are reproduced using analog integrated circuits which implement Hodgkin-Huxley based models. In this work, we propose a digital architecture aiming to connect many neuron circuits together, forming a network. The inter-neuron connections are reconfigurable and can be ruled by a plasticity model. The architecture is mapped onto a commercial programmable circuit (FPGA). Many methods are developed to optimize the utilisation of hardware resources as well as to meet real-time constraints. In particular, a token-passing communication protocol has been designed and developed to guarantee real-time aspects of the dialogue between several FPGAs in a multiboard system allowing the integration of a large number of neurons. The global system is able to run neural simulations in biological real-time with high degree of realism, and then can be used by neurobiologists and computer scientists to carry on neural experiments.
-Neuromorphic systems
-Fpga
-Network plasticity
-Real-time multiboard communication
-Computational neuroscience
Source: http://www.theses.fr/2010BOR14051/document

Sujets

• Circuit logique programmable

Informations

• Publié par: Thesee
• Nombre de lectures: 47
• Langue: Français
• Poids de l'ouvrage: 8 Mo

Extrait

N° d’ordre : 4051
THÈSE

PRESENTEE A

L'UNIVERSITÉ BORDEAUX I

ECOLE DOCTORALE DES SCIENCES PHYSIQUES ET DE L’INGENIEUR


par Bilel BELHADJ-MOHAMED


POUR OBTENIR LE GRADE DE

DOCTEUR

SPÉCIALITÉ : ELECTRONIQUE


_________________________________
Systèmes neuromorphiques temps réel : contribution a
l’intégration de réseaux de neurones biologiquement
réalistes avec fonctions de plasticité
__________________________________


Soutenance le : 22 Juillet 2010


Après avis des rapporteurs :
M. Bertrand GRANADO Professeur ENSEA
M. Laurent FESQUET Maître de conférences, HDR INP Grenoble

Devant la commission d’examen composée de :
M. Yannick BORNAT Maître de conférences ENSEIRB-IPB Invité
M. Dominique DALLET Professeur ENSEIRB-IPB Président
M. Laurent FESQUET Maître de conférences, HDR INP Grenoble Rapporteur
M. Bertrand GRANADO Professeur ENSEA Rapporteur
Mme Sihem GUEMARA Professeur SUP’COM Examinatrice
Mme Sylvie RENAUD Professeur ENSEIRB-IPB Directrice
M. Jean TOMAS Maître de conférences Université Bordeaux 1 Co-directeur
– 2010 –
2


Remerciements


Je remercie, au premier lieu, mon Dieu qui m’a offert et préservé une bonne santé et qui
m’a entouré de sa bienveillance et sa grâce. Je le remercie également de m’avoir confié à des
gens respectueux, responsables et scientifiques pendant ces années de thèse.

Je remercie le professeur Pascal Fouillat pour m’avoir accueilli au sein du laboratoire
IMS pendant la réalisation de ces travaux.

Merci également au professeur Sylvie Renaud, pour m’avoir accordé cette opportunité
d’effectuer ces travaux de thèse au sein de son groupe de recherche et de m’avoir introduit à
une large communauté scientifique nationale et internationale du domaine des neurosciences.
Un grand merci aussi pour la bonne ambiance qu’elle veille à diffuser entre les membres de
l’équipe : les innombrables gâteaux, le chocolat ainsi que l’humour qui les accompagne en
sont des bons témoins.

Merci à Jean Tomas de m’avoir encadré de près durant ces années. Sa sagesse et son sens
des responsabilités étaient une source de sérénité, de discussions fructueuses et de l’humour
pour toute l’équipe. Mais surtout l’écoute, la compréhension et la confiance en toutes
situations qui auront influencé ma formation tout ce temps.

Merci à Yannick Bornat pour son soutien moral, sa précieuse aide technique, sa
disponibilité, sa précipitation à fournir de l’aide dans les moments difficiles et, plus que tout,
sa patience lors des discussions imprévisibles qui, malgré nous, durent quelques heures contre
les quelques minutes pré-annoncées. Merci beaucoup.

Je remercie les professeurs Bertrand Granado et Laurent Fesquet pour le temps qu’ils
m’ont consacré en tant que rapporteurs de thèse.

Merci à Sihem Guemara et Dominique Dallet pour l’intérêt qu’ils ont porté à mon travail
en acceptant de participer au jury de thèse.

Un merci à Sylvain Saïghi et Noëlle Lewis, travailler avec vous est un vrai plaisir. J’ai
appris beaucoup de choses de votre bon sens et savoir faire.

Olivia Malot, l’ingénieur qui m’a accompagné dans les réalisations de la partie technique
de ces travaux. Notre collaboration fut très fructueuse et enrichissante. Je te souhaite une
bonne continuation dans ta vie professionnelle.
i
Une pensée aussi pour tous ceux qui ont contribué à ce travail, notamment les stagiaires
que j’ai encadré comme Lionel, Vivien, Frédéric, Dominique, Jonathan, Muammer et Youssef
mais aussi les stagiaires que je n’ai pas encadré comme Arnaud, Jean Baptiste, Romain et
Tamara.

J’aimerais remercier l’ensemble du personnel du laboratoire IMS pour leur accueil, leurs
services et leurs sourires quotidiens.

A tous mes collègues : Guilherme, Youssef, Adam, Laure, Filippo, Adel, Adeline et Gilles,
merci de votre soutien et les bons moments qu’on a passé ensemble.

Je remercie aussi les membres de l’équipe Bio-EM pour l’apport scientifique, les
chaleureuses réunions et la bonne coopération. Je vous souhaite beaucoup de réussite.

Voilà, le grand moment est venu, il s’agit de remercier mes parents ; sans leur soutien, je
ne serais pas capable de surmonter les difficultés de cette vie.

Finalement, un merci pour tous ceux qui ont animé ma vie en dehors du cadre du travail :
Soumaya, Saif, Aladin (wildi), Najmeddine (Ami), Najeh (Ami), Sahbi, Charlotte, Gilles,
Moutassar (Mounta), Hassène, Camille, Joëlle, Hassène, Moez, Mouhamed-Hicham (Momo),
Ali, Younes, François, Atidel, Mohamed (el masri), Mahmoud, Si-Mohamed et plein d’autres
dont les noms ne sont pas présents dans mon esprit à l’instant mais à qui, certainement, je
pense.
ii


Table des matières




Introduction générale................................................................................................................ 1
1. Simulation matérielle des réseaux de neurones impulsionnels....................................... 6
1 Neurosciences et ingénierie neuromorphique.............................................................................. 6
1.1 Les neurosciences modernes.................................................................................................................... 6
1.2 L’apport de la modélisation..................................................................................................................... 7
1.3 Simulation logicielle vs. Simulation matérielle ....................................................................................... 8
1.4 Les approches neuromorphiques : un nouveau paradigme de calcul..................................................... 10
2 Les bases de neurobiologie .......................................................................................................... 11
2.1 Les éléments d’un système neuronal ..................................................................................................... 11
2.2 Le neurone impulsionnel ....................................................................................................................... 12
2.3 La synapse ............................................................................................................................................. 13
2.4 La plasticité synaptique ......................................................................................................................... 14
3 Les modèles utilisés ...................................................................................................................... 15
3.1 La modélisation du soma....................................................................................................................... 15
3.2 La synapse ............................................................................................................................................. 19
3.3 La plasticité (STDP) .............................................................................................................................. 21
4 Des outils de modélisation matériels........................................................................................... 23
4.1 Un simulateur de fonctions cognitives (Schemmel, 2007) .................................................................... 23
4.2 Winner takes all (Chicca, 2007) ............................................................................................................ 24
4.3 Un simulateur dynamiquement reconfigurable (Vogelstein, 2007)....................................................... 24
4.4 FPNA : Field-Programmable Neural Array (Farquhar, 2006)............................................................... 25
4.5 Neurogrid : modélisation du cortex (Boahen, 2006) ............................................................................. 25
4.6 Un simulateur biologiquement réaliste (Renaud, 2010) ....................................................................... 26
5 Conclusion .................................................................................................................................... 27
2. Le simulateur PAX : historique et évolution.................................................................. 28
1 Le contexte du travail .................................................................................................................. 28
1.1 L’équipe Ingénierie des Systèmes Neuromorphiques (ISN) .................................................................. 28
1.2 Le projet SenseMaker .........................................