Doctorat en Neurosciences Computationnelles H/F - CNRS

Modélisation du traitement des scènes dynamiques au sein du cortex visuel à partir de réseaux de neurones impulsionnels.

Le but de ce projet de thèse est de modéliser le traitement des scènes dynamique au sein du cortex visuel chez le vivant (par exemple chez le primate humain ou non humain) et notamment le long de la voie dorsale. Cette modélisation sera réalisée à partir de réseaux de neurones évènementiels qui traiteront des vidéos (ou bien des données collectées par des caméras évènementielles). Ces réseaux de neurones auront notamment la particularité d'utiliser des délais synaptiques apprenables (voir : Hammouamri et al., 2023).

Le/la candidat(e) sélectionné(e) doit être désireux(se) de travailler sur un projet interdisciplinaire combinant neurosciences computationnelles, neurobiologie et informatique. Il/elle devra également avoir une solide formation en programmation et en intelligence artificielle, de solides connaissances théoriques sur le système nerveux et un bon niveau en d'anglais.

Références :
Hammouamri, I., Khalfaoui-Hassani, I., & Masquelier, T. (2023). Learning delays in spiking neural networks using dilated convolutions with learnable spacings. arXiv preprint arXiv :2306.17670.
Contexte de travail
Le travail de thèse sera réalisé au laboratoire Cerco (CNRS, UMR 5549) et co-supervisé par Benoit Cottereau et Timothée Masquelier. Il sera effectué en collaboration avec le laboratoire IPAL (IRL 2955 à Singapour) et l'Université Nationale de Singapour (NUS). Le/la doctorant(e) sera amené(e) à collaborer avec des chercheurs, ingénieurs et étudiants au sein de ces trois entités. Il/elle sera inscrit(e) à l'école doctorale MITT (Mathématiques, Informatique et Télécommunications de Toulouse, voir : https://adum.fr/as/ed/edmitt/page.PL?page=contact).
Contraintes et risques
RAS