Accueil > Société Française de Recherche et Médecine du Sommeil > 1998 - Poitiers > Recuit et sommeil paradoxal

Recuit et sommeil paradoxal

samedi 13 novembre 2010, par

CUGY D., BASTARD D., PATY J.

Le recuit est une technique utilisée depuis plusieurs siècles dans le domaine industriel. Cette technique utilise un cycle de chauffage puis de refroidissement progressif. Le chauffage a pour effet d’augmenter l’agitation moléculaire et de permettre aux atomes de s’organiser selon les mailles d’un réseau cristallin. Le refroidissement progressif a pour effet de conserver cette organisation.
S’inspirant de cette technique, le recuit simulé a été proposé [1,2,3,4] comme technique d’apprentissage pour des réseaux de neurones artificiels de type stochastique destinés à mémoriser des connaissances (patterns). Cet apprentissage revient à chercher le minimum d’une certaine fonction d’énergie. Il met en jeu des techniques d’optimisation qui font intervenir un paramètre analogue à une température qui contrôle le caractère probabiliste du processus. Il a été par ailleurs mis en évidence [5,6] l’existence d’une élévation rapide de la température cérébrale lors du sommeil paradoxal puis d’une diminution progressive lors du sommeil lent profond avec une amplitude globale de l’ordre de 0,8°C. Il est connu que l’activité neuronale est liée à la température selon le Q10 (variation de la fréquence de décharge pour une variation de 10°C) généralement compris entre 1 et 3 [7,8]. Les variations de température observées durant le sommeil devant théoriquement induire des variations de l’activité neuronale de l’ordre de 8 à 24%. Ce lien direct entre la température et l’activité neuronale permet de faire l’hypothèse qu’une fonction de recuit pourrait notamment être associée au sommeil paradoxal. Dans le cas où cette hypothèse pourrait être vérifiée, de nombreuses conséquences fonctionnelles en découleraient notamment en terme de consolidation de la mémoire et d’oubli.

[1] James A.Freeman Neural Networks, Algorithm, Applications and programming techniques. Ed Addison Wesley, pp 169-212
[2] Harold Szu. Fast simulated annealing. In John S.Denker, editor, Neural Networks for Computing. American Institute of Physics, New-York, pages 420-425, 1986.
[3] Geoffrey Jinton, Peter Dayan, Brendan J Frey, Radford M Neal. The wake-sleep algorithm for unsupervised neural networks. Science 268, 1158-1161.
[4] David H.Ackley, Geoffrey E.Hinton, and Terrence J.Sjnowski. A learning algorithm for Boltzmann machines. In James A.Anderson and Edward Rosenfeld, editors, Neurocomputing. MIT Press, Cambridge, MA, pages 638-650,1988. Reprinted from Cognitive Science 9:147-169,1985.
[5] Denoyer M., Sallanon M., Buda C., Delhomme G., Dittmar A., Jouvet M. The posterior hypothalamus is responsible for the increase of brain temperature during paradoxical sleep Exp. Brain Res. 84 (2) pp : 326-334 (1991)
[6] Denoyer M. These : Regulation du cycle veille-sommeil et de la temperature cerebrale par l’hypothalamus et la formation reticulee mesencephalique chez le chat. These de Doctorat 145 (1990).
[7] Deboer, T. and Tobler, I. Temperature dependece of EEG frequencies during natural hypothermia. Brain Res.,1995,670:153-156
[8] Deboer, T. and Tobler, Body temperature changes influence the human sleep EEG spectrum. Jour Sleep Res (1998) 7, supp 2 pp59.