Projet Brainbow - EU FET 2012-2015

De nos jours, les troubles neurologiques qui perturbent les connexions entre le cerveau et le corps entrainant des paralysies touchent des millions de personnes à travers le monde. Ce nombre va probablement augmenter dans les prochaines années et la technologie d'assistance actuelle reste limitée. La possibilité de contrôler le mouvement d'un bras par la pensée est en train de devenir une réalité grâce à l'arrivée des Interfaces Neuronales Directes (INDs). En plus des INDs, les prothèses neuronales peuvent remplacer les fonctions motrices qui ont pu être altérées par une blessure ou une maladie. Le développement de ces dispositifs a et aura un impact sérieux sur la qualité de vie, et la recherche actuelle dans ce domaine vise à corriger ces handicaps. Cependant les interfaces neuronales actuelles sont principalement vouées à restaurer des fonctions motrices perdues, en agissant dans une seule direction (du cerveau au corps). Le but du projet Brainbow est une preuve de concept pour la prochaine génération de neuroprothèses qui visent à restituer des fonctions perdues au niveau du Système Nerveux Central en organisant une fusion naturelle entre le dispositif artificiel et son équivalent naturel. Ce cadre d'étude sera d'abord appliqué sur des systèmes neuronaux sains puis sur des systèmes atteints (par exemple en cas de lésion). Dans le dernier cas, nous serons en mesure de remplacer une connexion manquante ou un sous-réseau manquant en développant des modèles opératoires et un système électronique neuromorphique VLSI capable d'agir comme le composant biologique manquant afin de restaurer les fonctionnalités du cerveau (par exemple restaurer la fonction entrée<->sortie originelle). Les résultats espérés dans le cadre de Brainbow fourniront également de nouvelles idées d'un point de vue de la science fondamentale, en comprenant comment les réseaux neuronaux traitent les stimuli entrants, et comment l'information est codée parmi les groupements de cellules interconnectés, un pas nécessaire pour interagir avec le système nerveux. Pour atteindre ce but remarquable, Brainbow emploiera une approche pluridisciplinaire, en exploitant des méthodologies et des techniques allant de l'ingénierie, à la théorie de l'information, à l'informatique et à la neuroscience opérationnelle. On retrouve la même expertise chez les jeunes spécialistes qui dirigent le consortium de Brainbow. 

Partners: Istituto Italiano di Tecnologia (Italy), University of Genova (Italy), Tel Aviv University (Israel)

Projet Hyrène - ANR 2011-2014

HYRENE is a fundamental research project aiming at the development of innovative technologies : hybrid systems connecting artificial and biological neural networks. 

One goal of this project is to couple a whole organ (mouse spinal cord) with a hardware networks in order to restore the organ functional activity after a lesion. Further perspectives are the development of smart “neuroelectronic” interfaces for functional rehabilitation. Population aging all around the world raises a societal issue due to the associated increase in neurodegenerative diseases. 
One therapeutic approach to treat resulting functional deficiencies is to propose neural prosthesis based on neuro-electronic implants. In recent years, technological advances in the field of micro- and nano-electronics has led to the development of new instrumentation tools for the exploration of the central nervous system, making use of dedicated interfaces between microelectronics and live neural networks. This field of research has strongly developed since 2000, especially with the emergence of brain-machine interfaces. These interfaces, which are now tested in humans, process brain signals recorded with microelectrode arrays to turn them into command signals for the control of external devices (robotic arms, computers…). 
However, to date, such interfaces remain mainly monodirectional, with no information delivered back to the network. The current challenge is to achieve bidirectional neuro-electronic interfaces, establishing a true dynamic communication between live neural networks and electronic systems. Especially, electronic systems connected to neural networks with existing technologies do not include embedded intelligence. 
The technical approach defined for HYRENE is to couple live large-scale neural networks and artificial neural networks embedded in analog and mixed integrated electronics and endowed with adaptive capabilities (synaptic plasticity). This hybrid coupling will use dedicated microelectrode arrays to record and electrically stimulate live neural networks, with a specific emphasis on stimulation localization. The system including the artificial and living neural networks will form a closed loop with a regulated feedback. The artificial neural networks will implement conductance-based neuron and synapse models, controlled by plasticity rules like STDP (spike-timing dependent plasticity). 
Dedicated integrated electronics will be designed to implement the communication channels between the living and artificial networks: signal conditioning for the biological signals (from living to artificial) and adapted coding of the artificial neurons events (from artificial to living). In this project, integration between physics (electronic engineering, Microsystems) and biology (integrative neuroscience) is mandatory. 

All partners rely on their large experience in multi-disciplinary collaborative projects at national and international levels. This project is expected to generate scientific advances:

• in the field of information science: by the design of embedded self-organized artificial neural networks, able to communicate in real time with entire biological networks;
• in the field of life science : a tool to develop and test efficient strategies for spinal cord rehabilitation.

Partners: ESIEE, Université Victor Segalen Bordeaux 2

Projet MHANN - ANR P2N 2011-2015

En 2008, des chercheurs de Hewlett-Packard ont présenté un nouveau composant électronique, appelé le memristor. Ce composant, théoriquement proposé par L.Chua en 1971, est non-volatile et non-linéaire. En appliquant une tension, il est possible de faire varier de façon continue la résistance du composant. La résistance est « mémorisée » après arrêt de la tension appliquée. Ces memristors offrent une grande variété d'applications en tant que mémoires binaires, analogiques ou multi-niveaux ou encore comme interrupteurs dans les mémoires reconfigurables. Il se comportent de plus intrinsèquement comme des synapses artificielles. La plupart des dispositifs « memristor » proposés à ce jour sont basés sur des effets physiques impliquant la formation/déplacement de défauts, par exemple l'électromigration de lacunes d'oxygène pour les composants d'Hewlett-Packard. Pour une utilisation à long terme de ces dipositifs, les problèmes de fiabilité relatifs aux températures de fonctionnement élevées, à la difficulté du contrôle précis de la résistance, et même à la détérioration potentielle du composant devront être résolus.

En 2009, les partenaires du projet, UMPhi-CNRS et Thales, ont breveté un nouveau dispositif: le "memristor ferroélectrique". Ce memristor appartient à une autre catégorie de mémoires résistives. Les variations de résistance sont dues à des effets purement électroniques et la structure des matériaux est donc préservée. Ces composants sont basés sur un concept physique radicalement différent des solutions existantes : la ferroélectricité dans les jonctions tunnel. La commutation résistive est basée sur le renversement des domaines ferroélectriques, ce qui confère à ce memristor un avantage indéniable en termes de fiabilité en vue d'une production commerciale

D'autre part, des sociétés comme Intel ont insisté sur le fait que les applications hautes performances les plus importantes ne sont pas de type calcul scientifique, mais appartiennent aux catégories: « Recognition, Mining and Synthesis » (RMS). Les deux premières reposent sur la classification, le clustering, le rapprochement et les algorithmes d'optimisation, pour lesquels des algorithmes concurrentiels à base de réseaux de neurones existent. En raison des sévères contraintes de consommation, la fréquence d'horloge des processeurs n'augmente plus ou à peine. De ce fait, un réseau matériel de neurones aurait toutes les performances dun réseau logiciel mais il pourrait aussi être plus puissant (environ 100 fois) pour une consommation identique.

Il y a donc une convergence entre la technologie, l'architecture et les applications: les réseaux matériels de neurones artificiels sont bien adaptés pour fournir une solution à un type important d'applications tout en s'affranchissant des problèmes technologiques présents et à venir.

Les memristors constituent une alternative idéale d'implémentation. Ils sont très adaptés pour jouer le rôle de synapses dans les réseaux matériels de neurones artificiels. De plus ; leur intégration sera beaucoup plus dense que celles actuelles à base de SRAM et ils exigent beaucoup moins d'énergie car ils sont non-volatiles. Un réseau matériel composé de neurones intégrés analogiques et de memristors ouvre la voie à la conception d'accélérateurs de calcul à haute performance capables de s'attaquer aux applications RMS nécessitant de grandes ressources de calcul.

Le but de ce projet est de construire un prototype de taille moyenne d'une telle architecture bio-inspirée, à l'aide de memristors "ferroélectriques" nanométrique. La surface, la performance et la puissance de ce prototype seront évaluées pour définir son intérêt pour les systèmes embarqués.

Le projet MHANN est multi-disciplinaire dans le sens où il rassemble de nouveaux concepts sur la physique des composants (physique) pour leur intégration sur silicium dans des architectures bio-inspirées (micro-électronique, informatique et architectures).

Partners: UMPhi CNRS-Thales, Thales TRT, INRIA