Spécialiste de neurosciences computationelles, le but de mes recherches est de comprendre les processus collectifs par lesquels les millions de neurones dans le cerveau coopèrent pour transformer l'information sensorielle en comportement. Mes travaux combinent la modélisation mathématiques de réseaux de neurones et l'analyse de donnés d'activité neurale enregistrées chez des animaux en comportement.
Champ de recherche
Les interactions récurrentes entre les neurones génèrent des modèles dynamiques d'activité qui servent de substrat physique pour effectuer des calculs pertinents sur le plan comportemental. Comprendre comment la dynamique collective et les calculs émergent des interactions récurrentes est un objectif clé de la recherche dans mon équipe. Nous étudions l'interaction entre la dynamique collective et les calculs dans les réseaux neuronaux récurrents en combinant des méthodes d'apprentissage automatique avec des analyses mathématiques inspirées de la physique statistique.
Dans un développement clé, mon laboratoire a mis au point une nouvelle classe de modèles de réseaux, les réseaux récurrents à faible rang, qui nous permettent de comprendre directement comment la connectivité détermine la dynamique à faible dimension de l'activité neuronale qui met en œuvre les calculs (Mastrogiuseppe et Ostojic 2018). Cette classe de modèles fournit un cadre théorique riche et traçable pour démêler comment la dynamique permet des calculs spécifiques, et pour interpréter les enregistrements neuronaux chez les animaux qui se comportent.