Role computationel de la structure multi-aires du cortex cérébral – CRoCoS

Les modèles de réseaux neuronaux constituent un outil essentiel pour appréhender comment des millions de neurones coopèrent pour effectuer des calculs pertinents. L'analyse et l'interprétation de réseaux capables des mêmes tâches cognitives que celles étudiées en neurosciences ont permis de comprendre comment de telles propriétés émergent de la dynamique collective de l'activité neuronale, mais les modèles existants manquent souvent des caractéristiques essentielles de la structure du cerveau.

Un niveau de structure important dans le cortex est l'organisation en régions anatomiquement définies, et un postulat clé des neurosciences est que différentes régions jouent différents rôles computationnels. Une compréhension mécanistique de la signification fonctionnelle de la structure multi-aires reste cependant difficile à atteindre en raison du manque de réseaux multi-aires et d'enregistrements électrophysiologiques multi-aires pour les contraindre.

Dans ce projet, nous développerons une nouvelle classe de réseaux neuronaux récurrents multi-zones que nous comparerons avec des enregistrements chez des furets en comportement pour identifier les contraintes que des tâches comportementales complexes imposent à la structure de l'activité. L'objectif central du projet sera de tester l'hypothèse selon laquelle une structure multi-zones confère à un réseau la compositionnalité, c'est-à-dire la capacité d'exécuter de manière robuste des tâches multiples en combinant des calculs modulaires plus simples.

A cette fin, nous combinerons trois méthodes complémentaires : (i) des analyses mathématiques de la dynamique des réseaux ; (ii) la rétro-ingénierie de réseaux entraînés pour effectuer des tâches multiples ; (iii) la comparaison des prédictions générées par les réseaux avec l'activité corticale enregistrée chez des animaux effectuant des tâches identiques.