Description du projet
L’apprentissage automatique découvre les règles qui dirigent les substrats neuronaux du véritable apprentissage
Les modèles sont utilisés dans pratiquement tous les domaines, de la conception aérospatiale au développement de médicaments. Ils sont élaborés à partir de données observationnelles ou expérimentales, puis affinés grâce à des données supplémentaires et à des méthodes de haute technologie, notamment l’apprentissage automatique. La valeur de ces modèles, à bien des égards, est d’autant plus précieuse qu’ils parviennent à prédire des résultats réalistes et inédits. La modélisation des règles régissant l’évolution du «poids» des connexions synaptiques entre les neurones (plasticité synaptique), qui est à la base de l’apprentissage et de la mémoire, représente une tâche extrêmement ardue. Le projet SynapSeek, financé par l’UE, associera une multitude de données publiées à des méthodes avancées d’apprentissage automatique afin de «découvrir» les règles de la plasticité synaptique in silico.
Objectif
How do we learn to dance, play an instrument, or a game as complex as chess or go? How do we make a memory? The common answer to these questions is “through synaptic plasticity”, through changing the synaptic connectivity of neural circuits so that representative brain activity can be reliably triggered. Such connectivity changes are governed by rules, i.e. synaptic mechanisms which monitor the activity of their environment and stereotypically strengthen or weaken synapses accordingly. The shape and mode of operation of these rules is still largely unknown: For the more than hundred different connection types in cortical circuits, only a handful of rules has been described at all. Similarly, testing observed rules in simulations of cortical function has only seen limited success. Our slow progress is due to the extraordinary difficulty of measuring and observing synapses without interference.
Here, we propose a new approach. By utilizing the growing power of machine learning methods we can deduce synaptic plasticity rules directly. Newly developed search algorithms and sheer computational power allow us to integrate published data and infer synaptic rules in silico. We aim to (1) develop a new mathematical expression of synaptic plasticity rules, experimentally appropriate and flexible enough to be implemented in a Machine Learning framework, dubbed SYNAPSEEK. Next (2), we will apply SYNAPSEEK to deduce the rules for building various neural structures with increasing complexity. Finally (3), we will incorporate additional constraints to SYNAPSEEK to develop synaptic rules that shape network function as much as its structure. Our work will establish, for the first time, canonical sets of synaptic plasticity rules, based on the circuit structure they must produce, and the function they are meant to support. SYNAPSEEK will have immediate and wide ranging applications, from a basic understanding of cortical development to better protocols for Deep Brain Stimulation.
Mots‑clés
Les mots-clés du projet tels qu’indiqués par le coordinateur du projet. À ne pas confondre avec la taxonomie EuroSciVoc (champ scientifique).
Les mots-clés du projet tels qu’indiqués par le coordinateur du projet. À ne pas confondre avec la taxonomie EuroSciVoc (champ scientifique).
Programme(s)
Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.
Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.
-
H2020-EU.1.1. - EXCELLENT SCIENCE - European Research Council (ERC)
PROGRAMME PRINCIPAL
Voir tous les projets financés dans le cadre de ce programme
Thème(s)
Les appels à propositions sont divisés en thèmes. Un thème définit un sujet ou un domaine spécifique dans le cadre duquel les candidats peuvent soumettre des propositions. La description d’un thème comprend sa portée spécifique et l’impact attendu du projet financé.
Les appels à propositions sont divisés en thèmes. Un thème définit un sujet ou un domaine spécifique dans le cadre duquel les candidats peuvent soumettre des propositions. La description d’un thème comprend sa portée spécifique et l’impact attendu du projet financé.
Régime de financement
Régime de financement (ou «type d’action») à l’intérieur d’un programme présentant des caractéristiques communes. Le régime de financement précise le champ d’application de ce qui est financé, le taux de remboursement, les critères d’évaluation spécifiques pour bénéficier du financement et les formes simplifiées de couverture des coûts, telles que les montants forfaitaires.
Régime de financement (ou «type d’action») à l’intérieur d’un programme présentant des caractéristiques communes. Le régime de financement précise le champ d’application de ce qui est financé, le taux de remboursement, les critères d’évaluation spécifiques pour bénéficier du financement et les formes simplifiées de couverture des coûts, telles que les montants forfaitaires.
ERC-COG - Consolidator Grant
Voir tous les projets financés dans le cadre de ce programme de financement
Appel à propositions
Procédure par laquelle les candidats sont invités à soumettre des propositions de projet en vue de bénéficier d’un financement de l’UE.
Procédure par laquelle les candidats sont invités à soumettre des propositions de projet en vue de bénéficier d’un financement de l’UE.
(s’ouvre dans une nouvelle fenêtre) ERC-2018-COG
Voir tous les projets financés au titre de cet appelInstitution d’accueil
La contribution financière nette de l’UE est la somme d’argent que le participant reçoit, déduite de la contribution de l’UE versée à son tiers lié. Elle prend en compte la répartition de la contribution financière de l’UE entre les bénéficiaires directs du projet et d’autres types de participants, tels que les participants tiers.
3400 KLOSTERNEUBURG
Autriche
Les coûts totaux encourus par l’organisation concernée pour participer au projet, y compris les coûts directs et indirects. Ce montant est un sous-ensemble du budget global du projet.