La décharge des cellules de Purkinje (CP), neurone de sortie du cortex cérébelleux, joue un rôle majeur dans le contrôle moteur. Les CP reçoivent des entrées excitatrices provenant des cellules des grains (CG), lesquelles génèrent également une inhibition antérograde sur les CP via l’activation d’interneurones de la couche moléculaire (IN). Lors de ma thèse, j’ai étudié l’influence simultanée de la balance excitation-inhibition (E/I) et des plasticités à court terme aux synapses CG-IN-CP sur la décharge des CP, par des techniques d’électrophysiologie, d’optogénétique et de simulation. Ces travaux démontrent l’existence d’une hétérogénéité d’E/I dans le cortex cérébelleux ainsi qu’une grande diversité de modulation des CP en réponse à la stimulation de CG. Le nombre de stimulation des CG influence fortement la direction et l’intensité de la modulation observée. Enfin, la combinaison de plasticités à court terme et d’E/I génère dans la décharge des CP des motifs de réponses complexes mais reproductibles, ayant sans doute un rôle essentiel dans l’encodage sensoriel. / Rate and temporal coding in Purkinje cells (PC), the sole output of the cerebellar cortex, play a major role in motor control. PC receives excitatory inputs from granule cells (GC) which also provide feedforward inhibition on PC through the activation of molecular layer interneurons (MLI). In this thesis, I studied the influence of the combined action of excitation/inhibition (E/I) balance and short-term plasticity of GC-MLI-PC synapses on PC discharge, by using electrophysiological recordings, optogenetic stimulation and modelling. This work demonstrates that E/I balances are not equalized in the cerebellar cortex and showed a wide distribution of PC discharge modulation in response to GC inputs, from an increase to a shut down of the discharge. The number of stims in GC bursts strongly controls the strength and sign of PC modulation. Lastly, the interplay between short-term plasticity and E/I balance implements complex but reproducible output patterns of PC responses to GC inputs that should play a key role in stimulus encoding by the cerebellar cortex.

Neuronen sind bei der Informationsübertragung des zentralen Nervensystems von entscheidender Bedeutung. Ihre Aktivität liegt der Signalverarbeitung und höheren kognitiven Prozessen zugrunde. Neuronen sind in den extrazellulären Raum eingebettet, der mehrere Teilchen, darunter auch Ionen, enthält. Ionenkonzentrationen sind nicht statisch. Intensive neuronale Aktivität kann intrazelluläre und extrazelluläre Ionenkonzentrationen verändern. In dieser Arbeit untersuche ich das Wechselspiel zwischen neuronaler Aktivität und der Dynamik der Ionenkonzentrationen. Dabei konzentriere ich mich hauptsächlich auf extrazelluläre Kalium- und intrazelluläre Natriumkonzentrationen. Mit Hilfe der Theorie dynamischer Systeme zeige ich, wie moderate Änderungen dieser Ionenkonzentrationen die neuronale Aktivität qualitativ verändern können, wodurch sich möglicherweise die Signalverarbeitung verändert. Dann modelliere ich ein leitfähigkeitsbasiertes neuronales Netzwerk mit Spikes. Das Modell sagt voraus, dass eine moderate Änderung der Konzentrationen, die einen Mikroschaltkreis von Neuronen umgeben, die Leistungsspektraldichte der Populationsaktivität verändern könnte. Insgesamt unterstreicht diese Arbeit die Bedeutung der Dynamik der Ionenkonzentrationen für das Verständnis neuronaler Aktivität auf langen Zeitskalen und liefert technische Erkenntnisse darüber, wie das Zusammenspiel zwischen ihnen modelliert und analysiert werden kann. / Neurons are essential in the information transfer mechanisms of the central nervous system. Their activity underlies both basic signal processing, and higher cognitive processes. Neurons are embedded in the extracellular space, which contains multiple particles, including ions which are vital to their functioning. Ionic concentrations are not static, intense neuronal activity alters the intracellular and extracellular ionic concentrations which in turn affect neuronal functioning. In this thesis, I study the interplay between neuronal activity and ionic concentration dynamics. I focus specifically on the extracellular potassium and intracellular sodium concentrations. Using dynamical systems theory, I illustrate how moderate changes in these ionic concentrations can qualitatively change neuronal activity, potentially altering signal processing. I then model a conductance-based spiking neural network. The model predicts that a moderate change in the concentrations surrounding a microcircuit of neurons could modify the power spectral density of the population activity. Altogether, this work highlights the need to consider ionic concentration dynamics to understand neuronal activity on long time scales and provides technical insights on how to model and analyze the interplay between them.

The size reduction of transistors has been the main reason for a successful development of semiconductor integrated circuits over the last decades. Because of the physically limited downscaling of transistors, alternative technologies namely the information processing and nonvolatile resistive switches (also termed memristors) have come into focus. Memristors reveal a fast switching speed, long retention time, and stable endurance. Nonvolatile analog bipolar resistive switching with a considerable large On/Off ratio is reported in BiFeO3 (BFO)-based resistive switches. So far resistive switches are mainly applied in memory applications or logic operations. Given the excellent properties of BFO based memristors, the further exploration of functionalities for memristive devices is required. A new approach for hardware based cryptographic system was developed within the framework of this dissertation. By studying the power conversion efficiencies on BFO memristor at various harmonics, it has been shown that two sets of clearly distinguishable power ratios are achievable when the BFO memristor is set into high or into low resistance state. Thus, a BFO-based binary encoding system can be established. As an example the unrecoverable seizure information from encoded medical data suggests the proper functioning of the proposed encryption system. Aside from cryptographic functionality, the single pairing spike timing dependent plasticity (STDP) in BFO-based artificial synapses is demonstrated, which can be considered as the cornerstone for energy-efficient and fast hardware-based neuromorphic networks. In comparison to the biological driven realistic way, only single one pairing of pre- and postsynaptic spikes is applied to the BFO-based artificial synapse instead of 60-80 pairings. Thus, the learning time constant of STDP function can be reduced from 25 ms to 125 us. / In den letzten Jahrzehnten war die Größenreduktion von Transistoren einer der Hauptgründe für die Leistungssteigerung von integrierten Halbleiterschaltungen. Aufgrund des physikalisch beschränkten Skalierungspotentials, werden alternative Technologien für Halbleiterschaltungen entwickelt. Dazu zählen neuartige Widerstandsschalter, sogenannte Memristoren, welche wegen ihrer schnellen Schaltgeschwindigkeit, langen Speicherzeit und stabilen Haltbarkeit in den Fokus der Forschung gerückt sind. Das nichtflüchtige analoge bipolare Schalten des Widerstandwertes mit einem On/Off Verhältnis größer als 100 wurde in BiFeO 3 (BFO)-basierten Widerstands-schaltern beobachtet. Bisher wurden Widerstandsschalter hauptsächlich als Speicher oder in rekonfigurierbaren Logikschaltungen verwendet. Aufgrund der ausgezeichneten Eigenschaften von BFO-basierten Memristoren, ist die Untersuchung weiterer neuer Funktionalitäten vielversprechend. Als neuer Ansatz für ein Hardware-basiertes Kryptosystem wird in der vorliegenden Arbeit die Ausnutzung des Leistungsübertragungskoeffizienten in BFO Memristoren vorgeschlagen. Mit Hilfe der unterschiedlichen Oberschwingungen, welche von einem BFO Memristor im ON und OFF Zustand generiert werden, wurde ein Kryptosystem zum Kodieren binärer Daten entwickelt. Ein Test des Hardware-basierten Kryptosystems an Biodaten ergab, dass die kodierten Biodaten keine vorhersagbare Korrelation mehr enthielten. In der vorliegenden Arbeit wurden darüberhinaus BFO-basierte künstliche Synapsen mit einer Aktionspotentials-Intervall abhängigen Plastizität (STDP) für Einzelpulse entwickelt. Diese Einzelpuls-STDP legt den Grundstein für energieffiziente und schnelle neuromorphe Netzwerke mit künstlichen Synapsen. Im Vergleich zu biologischen Synapsen mit einer 60-80-Puls-STDP und einem Lernfenster auf der ms-Zeitskale, konnte das Lernfenster von BFO-basierten künstlichen Synapsen von 25 ms auf 125 μs reduziert werden. Solch ein schnelles Lernen ermöglicht auch die extreme Reduzierung des Leistungsverbrauchs in neuromorphen Netzwerken.

Epilepsy affects more than 50 million people and is one of the most prevalent neurological disorders and has a high impact on the quality of life of those suffering from it. However, 70% of epilepsy patients can live seizure free with proper diagnosis and treatment. Patients are evaluated using scalp EEG recordings which is cheap and non-invasive. Diagnostic yield is however low and qualified personnel need to process large amounts of data in order to accurately assess patients. MindReader is an unsupervised classifier which detects spectral anomalies and generates a hypothesis of the underlying patient state over time. The aim is to highlight abnormal, potentially epileptiform states, which could expedite analysis of patients and let qualified personnel attest the results. It was used to evaluate 95 scalp EEG recordings from healthy adults and adult patients with epilepsy. Interictal Epileptiform discharges (IED) occurring in the samples had been retroactively annotated, along with the patient state and maneuvers performed by personnel, to enable characterization of the classifier’s detection performance. The performance was slightly worse than previous benchmarks on pediatric scalp EEG recordings, with a 7% and 33% drop in specificity and sensitivity, respectively. Electrode positioning and partial spatial extent of events saw notable impact on performance. However, no correlation between annotated disturbances and reduction in performance could be found. Additional explorative analysis was performed on serialized intermediate data to evaluate the analysis design. Hyperparameters and electrode montage options were exposed to optimize for the average Mathew’s correlation coefficient (MCC) per electrode per patient, on a subset of the patients with epilepsy. An increased window length and lowered amount of training along with an common average montage proved most successful. The Euclidean distance of cumulative spectra (ECS), a metric suitable for spectral analysis, and homologous L2 and L1 loss function were implemented, of which the ECS further improved the average performance for all samples. Four additional analyses, featuring new time-frequency transforms and multichannel convolutional autoencoders were evaluated and an analysis using the continuous wavelet transform (CWT) and a convolutional autoencoder (CNN) performed the best, with an average MCC score of 0.19 and 56.9% sensitivity with approximately 13.9 false positives per minute.

Throughout the pages of my thesis, I comprehensively analyze the processes, intentions, and production of my thesis film Stay Woke. My examination will exhaustively probe every stage of the film from development to preproduction to production to postproduction and beyond. Individual aspects of this process including writing, casting, locations, production design, cinematography, directing, budgeting, scheduling, and postproduction workflows will be detailed. As I make elaborations in each section, I will explain my learning experiences from each day’s new tasks, challenges, and lessons. All of these things will be framed with regards to the overall goal and themes of the film.