Une nouvelle méthode appelée PEM-UDE peut découvrir les règles mathématiques cachées derrière les systèmes chaotiques — y compris les réseaux de cellules cérébrales — même lorsque les données expérimentales sont extrêmement bruitées.
La recherche
Une équipe dirigée par Anthony G. Chesebro et Helmut H. Strey à l'Université Stony Brook, avec des collaborateurs dont Earl K. Miller au MIT et Christopher V. Rackauckas, a publié l'étude sur arXiv (soumise le 4 juillet 2025 ; mise à jour le 17 août 2026). Ils ont combiné deux approches existantes : la méthodologie d'erreur de prédiction, qui facilite le processus délicat d'ajustement des systèmes chaotiques, et les équations différentielles universelles, qui permettent à un ordinateur de rechercher les termes mathématiques manquants dans un modèle.
Les chercheurs ont testé PEM-UDE sur deux systèmes chaotiques de référence : l'attracteur de Rössler, un modèle mathématique standard, et un circuit électrique réel. Dans les deux cas, la méthode a retrouvé les équations correctes — même lorsqu'une dimension observée contenait un bruit cinq fois plus important que le signal lui-même.
Pour l'application en neurosciences, l'équipe a utilisé des connaissances préalables sur la façon dont les neurones se connectent et déchargent. Ils ont utilisé une population de neurones d'Izhikevich, un modèle courant qui imite le comportement réel des neurones. PEM-UDE a produit un modèle de masse neuronale multi-échelle qui relie les propriétés d'un seul neurone à la dynamique au niveau du réseau. Le modèle prédit comment la densité de connexions est liée à la fréquence d'oscillation dominante du cerveau et à la synchronie — la tendance des neurones à décharger ensemble.
L'équipe a vérifié ces prédictions par rapport à trois ensembles de données d'enregistrements intracrâniens provenant de cortex de rats et d'humains. Il est important de noter que les enregistrements servent de contrôle de cohérence indirect des tendances prédites, et non d'ajustement direct. Les équations apprises sont une fermeture d'ordre réduit pour une famille spécifique de réseaux simulés, ce qui signifie qu'elles résument le comportement complexe des neurones sous une forme plus simple.
Pourquoi c'est important
Votre cerveau est un système chaotique et bruité. Comprendre ses règles sous-jacentes pourrait aider les chercheurs à construire de meilleurs modèles de l'attention, de la mémoire et de la flexibilité cognitive — les processus mêmes qui soutiennent l'apprentissage et la résolution de problèmes. Cette étude montre que l'apprentissage automatique peut extraire des équations interprétables à partir de données désordonnées, ce qui constitue un pas vers des modèles cérébraux personnalisés. Pour quiconque s'intéresse à la cognition, elle souligne que la complexité et le bruit n'ont pas à masquer le signal. Avec les bons outils mathématiques, des schémas significatifs peuvent émerger du chaos.
Ce que vous pouvez faire
- Acceptez le bruit : Votre performance cognitive varie d'un jour à l'autre. Suivez votre concentration, votre humeur et votre sommeil pour trouver des schémas malgré les hauts et les bas.
- Cherchez la structure cachée : Lorsque vous apprenez une nouvelle compétence, prêtez attention aux règles sous-jacentes — comme la grammaire dans une langue ou les progressions d'accords en musique — plutôt que de mémoriser des faits isolés.
- Entraînez-vous de manière adaptative : Tout comme PEM-UDE affine les équations, un entraînement cérébral qui s'adapte à votre performance peut renforcer des compétences cognitives spécifiques.
Source : arXiv q-bio.NC
Curieux de connaître votre propre cerveau ? Faites notre test de QI adaptatif gratuit ou essayez 306 niveaux d'entraînement cérébral.