Doctorant.e en neurosciences computationnelles

Sujet de thèse :
Théorie neuronal du codage visuelle à travers les échelles, des traits élémentaires aux scènes
Contexte :
Les scènes visuelles sont structurées à toutes les échelles, du simple brin d'herbe aux objets plus larges et aux visages. Malgré cette complexité, le système visuel combine ces échelles sans effort, avec une consommation énergétique comparable à celle d'une ampoule, à comparer aux mégawatts nécessaires aux réseaux de neurones artificiels actuels. Ce projet vise à comprendre comment, à l'aide de la modélisation mathématique et d'outils issus de la théorie de l'information et de la physique statistique.
Le cœur du projet consistera à élaborer une théorie du codage neuronal multi-échelle, fondée sur les méthodes que nous avons récemment développées autour des modèles de diffusion, ces modèles génératifs d'apprentissage automatique utilisés pour synthétiser des images naturelles (https://arxiv.org/abs/2605.06304, https://arxiv.org/abs/2505.11309). Le doctorant ou la doctorante testera ensuite les prédictions de cette théorie sur des enregistrements de neurones visuels de la rétine et du cortex en réponse à des scènes naturelles. Ce travail sera mené en collaboration étroite avec les groupes expérimentaux fournissant les données neuronales.