Reservoir de calculs avec des modèles de bactéries

Reservoir computing with bacteria models

• Auteur / Autrice : Laura Alonso bartolome
• Direction : Xavier Hinaut, Jean-Loup Faulon
• Type : Projet de thèse
• Discipline(s) : Informatique
• Date : Inscription en doctorat le 20/10/2025
• Etablissement(s) : Bordeaux
• Ecole(s) doctorale(s) : École doctorale de mathématiques et informatique
• Partenaire(s) de recherche : Laboratoire : LaBRI - Laboratoire Bordelais de Recherche en Informatique
• Partenaire(s) de recherche : Equipe de recherche : Méthodes et Modèles formels

Mots clés

Mots clés libres

Biologie de Synthèse

Réservoir de calculs

Apprentissage machine

Biologie des Systèmes

Microbiologie

Modèles Métaboliques

Microbiology

Machine Learning

Reservoir Computing

Synthetic Biology

Systems Biology

Metabolic Models

Résumé

Contrairement aux approches traditionnelles « bottom-up » qui construisent des dispositifs biologiques pour le calcul au sein d'organismes vivants [1-3], ce projet de doctorat propose une stratégie novatrice « top-down ». L'objectif est d'exploiter des souches bactériennes dans un cadre de réservoir de calculs (reservoir computing, RC) pour résoudre des tâches computationnelles complexes. Concevoir des dispositifs biologiques présente de nombreux défis : ces dispositifs imposent une charge métabolique importante aux cellules hôtes, sont difficiles à ajuster et sensibles au bruit [4, 5]. Le design de tels dispositifs s'inspire souvent des systèmes biologiques de traitement de l'information, tels que les portes logiques, interrupteurs et perceptrons, déjà présents dans la nature [6, 7]. Cela soulève une question intrigante : au lieu de construire ces dispositifs de toutes pièces, pourrait-on exploiter directement les microorganismes naturels pour réaliser des tâches computationnelles complexes ? En développant une approche de réservoir de calculs avec des souches bactériennes, cette recherche doctorale vise à démontrer le potentiel d'une approche « top-down » en biologie de synthèse. Elle pourrait ainsi avoir des implications pour résoudre des problèmes complexes habituellement pris en charge par des systèmes numériques. Ce projet a également pour but de poser les bases d'applications futures dans le diagnostic médical et d'explorer les synergies possibles entre le réservoir de calculs bactérien et des technologies émergentes comme le calcul neuromorphique et les matériaux vivants programmés.

In contrast to traditional bottom-up approaches that build biological devices for computation within organisms [1-3], this PhD project proposes a novel top-down strategy. The goal is to leverage bacterial strains in a reservoir computing (RC) framework to solve complex computational tasks. Engineering bottom-up biological devices is challenging. These devices place a significant metabolic burden on host cells, are difficult to fine-tune, and are prone to noise [4, 5]. The design of such devices often draws inspiration from biological information-processing systems, akin to logic gates, switches, and perceptrons, already found in nature [6, 7]. This raises an intriguing question: instead of constructing devices from the ground up, could natural microorganisms themselves be harnessed for complex computational tasks? By developing a reservoir computing approach with bacterial strains, this PhD research is expected to highlight the potential of a top-down approach in synthetic biology for biocomputing, with implications for solving complex tasks typically handled by digital systems. The project also aims to set the groundwork for further applications in medical diagnostics and propose avenues for integrating bacterial reservoir computing with emerging technologies, such as neuromorphic computing and engineered living materials.