Le langage des neurones vivants : les salves atteignent 95 % de précision ✎ express

Original: "Evaluating Encoding Strategies for Closed-Loop Classification in Biological Neural Networks"
arXiv:2607.13644 · 2026-07-15 · arXiv non-exclusive · analyse indépendante · 1 min
De courtes salves d'impulsions ont permis à des neurones vivants de reconnaître des images avec une précision de 95,6 % — quatre fois mieux que les autres codes.

📄 Version "Simple" affichee, "Avancé" n est pas encore prete. Ajoutez-le aux favoris pour aider a la prioriser.

Communiquer avec des neurones vivants rappelle le réglage d'un vieux poste de radio : il faut non seulement capter la bonne fréquence, mais aussi orienter l'antenne. Des chercheurs ont transmis des images via des électrodes et ont découvert que les neurones ignorent les signaux monotones, mais comprennent les courtes salves — des impulsions rappelant celles des pulsars — avec une précision de 95,6 %. Ce code à haute entropie (mesure d'imprévisibilité) transporte bien plus d'informations qu'un bourdonnement régulier. Cependant, il ne suffit pas de choisir la « fréquence ». Le placement spatial des contacts s'est avéré tout aussi important : toucher le mauvais endroit sur la matrice d'électrodes affaiblissait le signal, comme si l'antenne pointait loin de la station. Le plus étonnant : des neurones jamais exposés à la lumière ont reconnu des images visuelles — comme si une vision artificielle s'était éveillée en eux. Les futurs dispositifs biohybrides exigeront une précision de spectroscopie (réglage sur le spectre de fréquences) et un abandon des modèles standard de codage.

La crevette pistolet chasse en créant une onde de choc avec sa pince — une détonation acoustique. De même, les neurones : de brèves salves d'impulsions traversent le « bruit » mieux qu'un bourdonnement monotone.

Cela rappelle « Neuromancien » de William Gibson : là-bas, les réseaux biologiques devenaient des processeurs ; aujourd'hui, c'est une réalité de laboratoire.

Scientifiques
Albert EinsteinBarry BarishKip ThorneRichard FeynmanRussell HulseJocelyn Bell Burnell
Notions
stockage d'information données étiquetées apprentissage par renforcement apprentissage actif réseau de neurones modélisation des rythmes biologiques technologie d'enregistrement neuronal code quantique topologique réseaux de neurones récurrents réseaux de neurones convolutifs apprentissage