Principes d'un encodage robuste des stratégies dans des petits circuits neuronaux

Ce projet de thèse vise à identifier et quantifier les principes d'encodage des stratégies comportementales dans de petits circuits neuronaux biologiques, de l'ordre de 10 à 100 unités, tels qu'observés chez des organismes modèles comme la larve de drosophile (Drosophila melanogaster). L'approche consiste à entraîner des réseaux de neurones d'inspiration biologique à réaliser des stratégies de prise de décision inspirées des paradigmes classiques des neurosciences. L'objectif de cet entraînement n'est pas seulement d'obtenir des circuits performants, mais aussi de cartographier aussi exhaustivement que possible l'ensemble des architectures d'une taille donnée capables de réaliser la tâche considérée. À cette fin, nous utiliserons des algorithmes évolutionnaires de type Quality-Diversity, conçus précisément pour favoriser la diversité des solutions découvertes. Cette démarche sera couplée à l'identification de variables capables de décrire et de promouvoir cette diversité. Ces descripteurs du fonctionnement des circuits seront à la fois statiques et dynamiques ; ils s'appuieront sur ceux déjà recensés dans la littérature. Une part importante du travail doctoral consistera à sélectionner les variables les plus pertinentes et à analyser leurs corrélations. Les différents circuits obtenus seront ensuite étudiés à différents niveaux de bruit, afin d'explorer leur diversité sous l'angle de la robustesse fonctionnelle. En parallèle, cette approche sera reproduite à partir d'une modélisation du mushroom body de la larve de drosophile, une structure centrale dans les tâches d'apprentissage et de mémorisation. L'enjeu sera ici d'assurer une plus grande fidélité aux mécanismes biologiques identifiés, en particulier aux modèles synaptiques impliqués dans la formation de la mémoire. Cet axe sera développé en collaboration avec l'équipe de Claire Eschbach, basée à NeuroPSI. École doctorale : Physique en Ile de France Direction : Alex BARBIER CHEBBAH Financement : ANR