Comportement en temps long d'un modèle champ moyen de neurones à décharge en interactions

Long time behavior of a mean-field model of interacting spiking neurons

• Auteur / Autrice : Quentin Cormier
• Direction : Etienne Tanré, Romain Veltz
• Type : Thèse de doctorat
• Discipline(s) : Mathématiques
• Date : Soutenance le 15/01/2021
• Etablissement(s) : Université Côte d'Azur
• Ecole(s) doctorale(s) : École doctorale Sciences fondamentales et appliquées (Nice ; 2000-....)
• Partenaire(s) de recherche : Laboratoire : Institut national de recherche en informatique et en automatique (France). Unité de recherche (Sophia Antipolis, Alpes-Maritimes) - TO Simulate and CAlibrate stochastic models
• Jury : Président / Présidente : François Delarue
• Jury : Examinateurs / Examinatrices : Etienne Tanré, Romain Veltz, François Delarue, Eva Löcherbach, Stéphane Mischler, Pierre-Emmanuel Jabin
• Jury : Rapporteurs / Rapporteuses : Eva Löcherbach, Stéphane Mischler

Mots clés

Mots clés contrôlés

Neurosciences

Équations différentielles stochastiques

Mots clés libres

Processus stochastique de McKean-Vlasov

Comportement en temps long

Equation Champ moyen

Equation intégrale de Volterra

Bifurcation de Hopf

McKean-Vlasov stochastic processes

Long time behavior

Mean-field interaction

Volterra integral equation

Hopf bifurcation

Résumé

Nous étudions le comportement en temps long d'une équation différentielle stochastique (EDS) de type McKean-Vlasov, dirigée par une mesure de Poisson. En neurosciences, cette EDS modélise la dynamique du potentiel de membrane d'un neurone typique dans un grand réseau. Le modèle peut-être obtenu en considérant un réseau fini de neurones de type Intègre-Et-Tire généralisé et en prenant la limite où le nombre de neurones tend vers l'infini. Cette EDS est donc un modèle champ moyen de neurones à décharge.Nous étudions l'existence et l'unicité de la solution de cette EDS McKean-Vlasov et nous donnons ses mesures de probabilité invariantes. Si le paramètre d'interaction J est suffisamment petit, nous prouvons l'unicité et la stabilité globale de la mesure invariante. Pour un J quelconque cependant, il peut y avoir plusieurs mesures de probabilité invariantes. Nous donnons une condition suffisante assurant la stabilité locale d'une telle mesure invariante. Notre critère fait intervenir les zéros d'une fonction holomorphe associée à la solution stationnaire considérée. Lorsque tous les zéros sont de partie réelle négative, nous prouvons la stabilité. Nous donnons finalement des conditions générales suffisantes assurant l'existence de solutions périodiques par le biais d'une bifurcation de Hopf : pour un certain paramètre d'interaction critique J0, la probabilité invariante perd sa stabilité et des solutions périodiques apparaissent pour J suffisamment proche de J0. Pour obtenir ces résultats, nous combinons des méthodes probabilistes et déterministes. En particulier, dans cette analyse, un outil clé est l'équation intégrale de Volterra non linéaire satisfaite par le courant synaptique. Enfin, nous illustrons ces résultats par des exemples que l'on peut traiter de manière analytique. En outre, nous donnons des méthodes numériques pour approximer la solution de l'équation champ moyen et pour prédire numériquement les bifurcations.

We study the long time behavior of a McKean-Vlasov stochastic differential equation (SDE), driven by a Poisson measure. In neuroscience, this SDE models the dynamics of the membrane potential of a typical neuron in a large network. The model can be derived by considering a finite network of generalized Integrate-And-Fire neurons and by taking the limit where the number of neurons goes to infinity. Hence the McKean-Vlasov SDE is a mean-field model of spiking neurons.We study existence and uniqueness of the solution this McKean-Vlasov SDE and describe its invariant probability measures. For small enough interaction parameter J, we prove uniqueness and global stability of the invariant measure. For J arbitrary large however, the invariant measures may not be unique. We give a sufficient condition ensuring the local stability of such a given invariant probability measure. Our criterion involves the location of the zeros of an explicit holomorphic function associated to the considered stationary solution. When all the zeros have negative real part, we prove that stability holds. We then give sufficient general conditions ensuring the existence of periodic solutions through a Hopf bifurcation: at some critical interaction parameter J0, the invariant probability losses its stability and periodic solutions appear for J close to J0. To obtain these results, we combine probabilistic and deterministic methods. In particular, a key tool in this analysis is a nonlinear Volterra Integral equation satisfied by the synaptic current.Finally, we illustrate these results with examples which are tractable analytically. Additionally, we give numerical methods to approximate the solution of the mean-field equation and to predict numerically the bifurcations.