Open Access
Translator Disclaimer
November 2016 On a toy model of interacting neurons
Nicolas Fournier, Eva Löcherbach
Ann. Inst. H. Poincaré Probab. Statist. 52(4): 1844-1876 (November 2016). DOI: 10.1214/15-AIHP701

Abstract

We continue the study of a stochastic system of interacting neurons introduced in De Masi, Galves, Löcherbach and Presutti (J. Stat. Phys. 158 (2015) 866–902). The system consists of $N$ neurons, each spiking randomly with rate depending on its membrane potential. At its spiking time, the neuron potential is reset to $0$ and all other neurons receive an additional amount $1/N$ of potential. Moreover, electrical synapses induce a deterministic drift of the system towards its average potential. We prove propagation of chaos of the system, as $N\to\infty $, to a limit nonlinear jumping stochastic differential equation. We consequently improve on the results of (J. Stat. Phys. 158 (2015) 866–902), since (i) we remove the compact support condition on the initial datum, (ii) we get a rate of convergence in $1/\sqrt{N}$. Finally, we study the limit equation: we describe the shape of its time-marginals, we prove the existence of a unique nontrivial invariant distribution, we show that the trivial invariant distribution is not attractive, and in a special case, we establish the convergence to equilibrium.

Cet article continue l’étude du système stochastique de neurones en interaction introduit par De Masi, Galves, Löcherbach et Presutti (J. Stat. Phys. 158 (2015) 866–902). Le système est composé de $N$ neurones. Chaque neurone décharge un potentiel d’action à des instants aléatoires, à un taux qui dépend de son potentiel de membrane. Ce potentiel est alors remis à $0$, et tous les autres neurones reçoivent une charge supplémentaire de $1/N$. De plus, des synapses électriques induisent une dérive déterministe qui attire le système vers sa valeur moyenne. Nous établissons la propriété de propagation du chaos lorsque $N\to\infty$, vers la solution d’une équation différentielle stochastique non-linéaire à sauts. Nous améliorons les résultats obtenus dans (J. Stat. Phys. 158 (2015) 866–902) puisque (i) nous levons la condition de support compact imposée aux données initiales, (ii) nous obtenons une vitesse de convergence en $1/\sqrt{N}$. Enfin, nous proposons une étude de l’équation limite : nous décrivons la forme de ses lois marginales (en temps), nous démontrons l’existence d’une unique loi invariante non-triviale et montrons que la mesure invariante triviale n’est pas attractive. Enfin, nous obtenons la convergence vers l’équilibre dans un cas particulier.

Citation

Download Citation

Nicolas Fournier. Eva Löcherbach. "On a toy model of interacting neurons." Ann. Inst. H. Poincaré Probab. Statist. 52 (4) 1844 - 1876, November 2016. https://doi.org/10.1214/15-AIHP701

Information

Received: 13 October 2014; Revised: 3 May 2015; Accepted: 22 July 2015; Published: November 2016
First available in Project Euclid: 17 November 2016

zbMATH: 1355.92014
MathSciNet: MR3573298
Digital Object Identifier: 10.1214/15-AIHP701

Subjects:
Primary: 60F17 , 60G55 , 60K35

Keywords: Biological neural nets , interacting particle systems , Mean-field interaction , Nonlinear stochastic differential equations , Piecewise deterministic Markov processes

Rights: Copyright © 2016 Institut Henri Poincaré

JOURNAL ARTICLE
33 PAGES


SHARE
Vol.52 • No. 4 • November 2016
Back to Top