Préprint de recherche · Dépôt académique ouvert
Robustesse au niveau du taux dans les réseaux impulsionnels déterministes
Quand la fidélité des trains d’impulsions surestime la fragilité fonctionnelle réellement observée. Sous quantification, les impulsions individuelles divergent souvent — et, sur le graphe dérivé de FlyWire, à toutes les échelles — et pourtant les taux de décharge, eux, tiennent. Choisir le mauvais niveau de mesure, c’est conclure à une fragilité que le comportement du réseau ne montre pas.
Mesurer la fragilité au bon endroit
Pour juger si un réseau quantifié « fonctionne encore », on compare habituellement ses trains d’impulsions à ceux de la référence. Le critère est net : identiques, ou pas.
Il est aussi très pessimiste. Un décalage d’un seul pas de temps, sur une seule impulsion, sur un seul neurone, suffit à déclarer l’échec — même si le comportement global du réseau est indiscernable. Ce travail mesure trois niveaux d’accord distincts sur les mêmes 18 375 configurations, et montre que le choix du niveau change radicalement la conclusion.
Trois niveaux d’accord
source : rate_sweep_summary.json — 18 375 configurations (35 décroissances × 35 seuils × 5 graines × 3 architectures, 5 000 pas chacune)
La seule chaîne logique valide
Attention à ne pas inverser le raisonnement. La seule implication solide va des impulsions vers les taux :
La réciproque n’existe pas : des taux identiques n’impliquent pas des impulsions identiques. Et la préservation de la décision reste une observation empirique, jamais une conséquence démontrée de la préservation du taux.
Bien que fortement corrélées sur ce corpus, les métriques comportementales demeurent des indicateurs diagnostiques et ne constituent pas, à ce stade, une garantie unifiée de préservation décisionnelle. Une corrélation de taux supérieure à 0,99 n’implique pas que le neurone de sortie gagnant soit le même : les trois contrats ne s’emboîtent pas comme des ensembles. L’ordre 83,7 % → 99,2 % → 99,8 % est un fait empirique sur les régimes testés, pas une loi.
Pourquoi cette hiérarchie ? L’identité exacte exige que chaque impulsion de chaque neurone, à chaque pas, soit la même : une seule bascule suffit à la rompre, d’où son lien avec la marge minimale. Le taux, lui, est une somme dans le temps : une impulsion simplement décalée d’un pas (le neurone décharge un peu plus tôt ou plus tard, puis se resynchronise) ne change pas le compte. Seule une impulsion perdue ou ajoutée déplace le taux. La décision ajoute une seconde somme, sur les neurones de sortie, qui amortit encore les petites perturbations.
Ce que prédit le critère de marge
Le rapport marge sur erreur, R = mmin / Eaccum, est un score de classement : il ne garantit pas que les impulsions soient préservées (une porte fermée construite sur lui certifie à tort 1 898 configurations divergentes de ce corpus, faute du terme d’entrée synaptique). Sur les mêmes configurations, je mesure ce qu’il prédit à chaque niveau :
| Prédicteur | Contrat visé | AUC | Statut |
|---|---|---|---|
| Critère de marge R | impulsions identiques | 0,961 | score de classement, pas une garantie |
| Critère de marge R | taux (corrélation > 0,99) | 0,808 | nettement moins bon au niveau du taux |
| 1 − CV des marges | taux | 0,801 | mieux que le hasard, inutilisable comme critère |
| Conservation des comptages | taux | 0,972 | diagnostic exploratoire, après exécution, dans l’échantillon |
| Prédicteur a priori le plus haut obtenu | taux | 0,749 | un critère a priori reste un problème ouvert |
Raisonner sur les comptages plutôt que sur les marges fait apparaître une régularité empirique : sur ce corpus, les 4 009 configurations dont la marge minimale dépasse l’erreur accumulée ont toutes une corrélation de taux égale à 1. C’est une observation, pas une condition suffisante démontrée : deux d’entre elles divergent au niveau des impulsions et ne gardent leurs comptages que par compensation — le même phénomène que les 193 configurations dont les instants diffèrent mais dont les comptages coïncident exactement. Le diagnostic de conservation des comptages exige les deux exécutions (float64 et Q16.16) : il explique le mécanisme, il ne sélectionne pas une configuration avant de la lancer. Il laisse aussi un mode d’échec : près de la saturation, quand presque tous les neurones déchargent au maximum, la corrélation de Pearson devient mal conditionnée.
Ce qui se passe à grande échelle
La question suivante est de savoir si l’effet survit au passage à l’échelle, ou s’il s’agit d’un artefact des petits réseaux. Quatre tailles ont été mesurées sur le graphe structurel dérivé de FlyWire, jusqu’à la reconstruction complète : 139 255 neurones et 3 732 460 connexions.
source : fw4_summary.json — quatre échelles, empreintes SHA-256 vérifiées
Voir les données
| Neurones | Arêtes | Pas | Corrélation de taux | Impulsions identiques | Rejeu identique |
|---|---|---|---|---|---|
| 1 000 | 24 788 | 5 000 | 0,999739 | non | oui |
| 10 000 | 505 053 | 5 000 | 0,999492 | non | oui |
| 50 000 | 2 121 443 | 5 000 | 0,999556 | non | oui |
| 139 255 | 3 732 460 | 2 700 | 0,999378 | non | oui |
Sur ce graphe, les poids sont des comptages de synapses issus de la reconstruction en microscopie électronique, d’un à deux ordres de grandeur plus faibles que ceux du balayage synthétique. Le critère de marge y signale chaque neurone comme non robuste (aucun neurone échantillonné n’atteint R > 1 ; au plus 0,013), alors que le taux reste presque intact : ce réseau est entièrement dans le quadrant « robuste au taux, fragile à l’impulsion ». Calibré sur des balayages synthétiques, le critère paraît donc trop conservateur pour ce régime de poids. Ce constat n’est pas étendu aux circuits de mammifères, qui ne sont pas testés.
Le confondant de durée, déclaré
La mesure à 139 255 neurones utilise 2 700 pas, contre 5 000 aux autres échelles (plafond de temps de calcul). Or le moyennage dans le temps est précisément ce qui lisse les écarts : la comparaison entre échelles est donc descriptive, pas contrôlée en durée, et ce confondant reste ouvert.
Où la hiérarchie se fissure : un réseau entraîné
La hiérarchie ne tient pas sans condition. Sur un réseau entraîné par descente de gradient (SHD, chiffres prononcés, 700 → 256 → 128 → 20, 1 104 neurones, 50 époques), avec tout le chemin de données en Q16.16 (membrane, synapses, seuil), l’identité des impulsions est de nouveau nulle (0 sur 2 264 exemples de test), mais la décision ne suit plus : 62,0 % seulement des décisions coïncident avec la référence float64 (1 404 sur 2 264), et ce chiffre ne bouge pas entre Q8, Q12 et Q16.
L’accord avec la référence n’est pas l’exactitude, et les deux se lisent ensemble : l’exactitude passe de 77,3 % en float64 à 52,74 % en Q16.16, soit une perte de 24,6 points. C’est ce chiffre qui gouverne le déploiement sur ce banc d’essai. Dans ce réseau et ce protocole, l’entraînement par gradient est associé à des marges comprimées jusqu’à l’ordre de grandeur de la résolution de l’arithmétique. C’est une association, pas une cause établie : un seul réseau, un seul protocole, sans les contrôles (plusieurs graines, plusieurs gradients de substitution, entraînement conscient de la quantification, référence non entraînée ou STDP) qui permettraient de conclure.
À retenir
La corrélation de taux reste au-dessus de 0,999 jusqu’à 139 255 neurones, tandis que l’identité des impulsions n’est préservée à aucune échelle. Et la double exécution redonne la même empreinte partout. Exception déclarée : sur un réseau entraîné par gradient (SHD), la décision ne suit pas (62 % d’accord, −24,6 points d’exactitude).
Le résultat utile est méthodologique : choisir le mauvais niveau de mesure fait conclure à une fragilité qui n’affecte pas le comportement. C’est une source d’erreur à éviter, pas une garantie de robustesse à revendiquer.
Périmètre et Limitations
- Aucune preuve ni aucun certificat au niveau du taux : les régularités observées sont empiriques et diagnostiques. Aucun nouveau théorème n’est dérivé.
- Le diagnostic de conservation des comptages (AUC 0,972) est un diagnostic exploratoire dans l’échantillon, développé et évalué sur la même grille, et calculé après exécution. Non validé hors échantillon.
- Le critère de marge R est un score de classement (AUC 0,96), pas une garantie que les impulsions sont préservées.
- Aucune inférence de population : les configurations sont pseudo-répliquées (regroupées par architecture et par graine).
- Tout le chemin de données est en Q16.16, un seul format : rien n’est extrapolé sous les précisions testées.
- Le contre-exemple SHD repose sur une seule configuration d’entraînement : association, pas causalité.
- Les poids utilisés sur le graphe FlyWire sont des comptages d’arêtes dérivés de reconstruction, pas des conductances biologiques mesurées. Portée RG0 : graphe structurel seul, un seul régime d’entrée ; aucune fonction biologique, aucune généralisation au vivant.
- Le déterminisme (S2) est testé par double exécution, pas prouvé.
- Le rejeu par double exécution a été vérifié avec une procédure corrigée ; les empreintes déposées sont celles de cette procédure (fichier fw4_summary.json).
- Aucune recommandation de déploiement. Rien ici ne mesure la latence, la mémoire, l’énergie ou le silicium : conclusions bornées à la simulation.
- Le confondant de durée à l’échelle maximale reste ouvert.