Institut des Systèmes Intelligents
et de Robotique

Partenariats

Sorbonne Universite

CNRS

INSERM

Tremplin CARNOT Interfaces

Labex SMART

Rechercher

NeuroCompAtUPMC1

girard Benoît
Titre : Directeur de Recherches
Adresse : 4 place Jussieu, CC 173, 75252 Paris cedex 05
Téléphone : +33 (0) 1 44 27 63 81
Email : girard(at)isir.upmc.fr
Equipe : AMAC (AMAC)

Logo Symposium

1er Symposium des Neurosciences Computationnelles à l'UPMC

Mécanismes multi-échelles en neurosciences : interactions expérimentation - modélisation

17 juin 2015 - Campus Jussieu, Amphi 25

Photo du public dans l'amphitéâtre

Cette première journée consacrée aux neurosciences computationnelles à l'UPMC a été l'occasion de nombreux échanges fructueux. Avec 52 participants répertoriés, on peut considérer que c'est un succès, que nous espérons reconduire l'année prochaine !

Très actives dans de nombreux laboratoires et équipes de l’UPMC, les neurosciences computationnelles combinent expérimentation et modélisation dans l’exploration des mécanismes causaux responsables des grandes fonctions du cerveau (perception, cognition, motricité, leurs apprentissages et leurs dysfonctions). Les interactions réelles entre expérimentation et modélisation sont fondamentales pour la progression de notre compréhension du système nerveux. En effet, d'une part la modélisation offre un cadre formel quantitatif en permettant une aide à l'interprétation des données et en proposant des prédictions testables expérimentalement. D'autre part, l'expérimentation permet de contraindre les modèles afin qu'ils ne soient pas arbitrairement formels, mais tangiblement enracinés dans la réalité biologique. Au centre de ces deux approches complémentaires, il y a la volonté d'élucider les mécanismes sous-jacents responsables des fonctions physiologiques étudiées, et de comprendre la logique des interactions multi-échelles, des déterminants moléculaires jusqu'à la dynamique des réseaux de neurones.

Cette première journée de rencontre a pour objectif la fertilisation entre les différents acteurs de la communauté des neurosciences computationnelles à l'UPMC, en renforçant les liens existants ou en en suscitant de nouveaux. Elle sera composée d'un ensemble de présentations orales invitées (voir programme ci-dessous) présentant une sélection de collaborations actives à l'UPMC entre expérimentateurs et modélisateurs. Les participants sont invités à présenter des posters de leurs propres travaux, en mettant autant que possible l'accent sur les hypothèses testées, la nature des méthodes employées, et le caractère causal des mécanismes computationnels étudiés.

Organisateurs : Bruno Delord, Philippe Faure, Benoît Girard, Régis Lambert, Laure-Rondi-Reig

Lieu :

Les présentations auront lieu dans l'amphi 25, sur le campus Jussieu.

Les sessions de poster dans le patio attenant.

Inscription :

Les inscriptions sont maintenant fermées.

L'inscription est gratuite, mais le nombre de place est limité.
Inscription par mail à benoit.girard@isir.upmc.fr, en précisant votre nom, affiliation et, le cas échéant, le titre de votre poster, avant le 22 mai 2015.

Programme :

  • 9h - 9h30 : R. Lambert (Réseaux de Neurones et Rythmes Physiopatholgiques, IBPS) - Functional connectivity in the somatosensory thalamo-cortical network : multivariate Hawkes processes
  • 9h30 - 10h : J. Naudé (Neurophysiologie et Comportement, IBPS) - Computational analysis of uncertainty-driven exploration in mice
  • 10h - 10h30 : T. Masquelier (Aging in Vision and Action, IdV) - Spike-based computing and learning in brains, machines, and visual systems in particular

Pause café + posters

  • 11h-11h30 : B. Delord (Architecture et Modèles pour l'Adapatation et la Cognition, ISIR) - A biophysical model of Parametric Working Memory in the Prefrontal Cortex
  • 11h30 - 12h : D. Salort (Mathematical Modeling in Biology, LCQB) - Some PDE models for neural networks

Repas (buffet) + posters

  • 14h - 14h30 : L. Rondi-Reig (Cervelet, Navigation et Mémoire, IBPS) - Functional connectome and computation of sequence-based navigation
  • 14h30 - 15h : J. Daunizeau (Motivation Brain Behavior, ICM) - Dynamic Causal Modelling of brain-behaviour relationships
  • 15h - 15h30 : M. Khamassi (Architecture et Modèles pour l'Adapatation et la Cognition, ISIR) - Medial prefrontal cortex and the adaptive regulation of reinforcement learning parameters

Pause café + posters

  • 16h - 16h30 : P. Faure (Neurophysiologie et Comportement, IBPS) - Decision making in a group of mice
  • 16h30 - 17h : G. Viejo (Architecture et Modèles pour l'Adapatation et la Cognition, ISIR) - Modelling choice and reaction time during instrumental learning through the coordination of adaptive working memory and reinforcement learning

Vue plongeante sur le public et une présentation

Résumés :

Dynamic Causal Modelling of brain-behaviour relationships - J. Daunizeau

In this work, we expose a mathematical treatment of brain-behaviour relationships, which we coin behavioural Dynamic Causal Modelling or bDCM. This approach aims at decomposing the brain's transformation of stimuli into behavioural outcomes, in terms of the relative contribution of brain regions and their connections. In brief, bDCM places the brain at the interplay between stimulus and behaviour: behavioural outcomes arise from coordinated activity in (hidden) neural networks, whose dynamics are driven by experimental inputs. Estimating neural parameters that control network connectivity and plasticity effectively performs a neurobiologically-constrained approximation to the brain's input-outcome transform. In other words, neuroimaging data essentially serves to enforce the realism of bDCM's decomposition of input-output relationships. In addition, post-hoc artificial lesions analyses allow us to predict induced behavioural deficits and quantify the importance of network features for funnelling input-output relationships. This is important, because this enables one to bridge the gap with neuropsychological studies of brain-damaged patients. We demonstrate the face validity of the approach using Monte-Carlo simulations, and its predictive validity using empirical fMRI/behavioural data from an inhibitory control task. Lastly, we discuss promising applications of this work, including the assessment of functional degeneracy (in the healthy brain) and the prediction of functional recovery after lesions (in neurological patients).
 

Spike-based computing and learning in brains, machines, and visual systems in particular - T. Masquelier

Using simulations, we have first shown that, thanks to the physiological learning mechanism referred to as spike timing-dependent plasticity (STDP), neurons can detect and learn repeating spike patterns, in an unsupervised manner, even when those patterns are embedded in noise. Importantly, the spike patterns do not need to repeat exactly: it also works when only a firing probability pattern repeats, providing this profile has narrow (10-20ms) temporal peaks. Brain oscillations may help in getting the required temporal precision, in particular when dealing with slowly changing stimuli. All together, these studies show that some envisaged problems associated to spike timing codes, in particular noise-resistance, the need for a reference time, or the decoding issue, might not be as severe as once thought. These generic STDP-based mechanisms are probably at work in particular the visual system, where they can explain how selectivity to visual primitives emerges. Finally, these mechanisms are also appealing for neuromorphic engineering: they can be efficiently implemented in hardware, leading to reactive systems with self-learning abilities.
 

Posters :

  • Dopaminergic control of LTD/LTP threshold in prefrontal cortex. Sheynikhovich D, Otani S and Arleo A
  • Microsaccades enable efficient synchrony-based visual feature learning and detection. Masquelier T
  • Modulation of network excitability by persistent activity: how working memory affects the response to incoming stimuli. Tartaglia EM, Brunel N, Mongillo G
  • Thérapie d’exposition en réalité virtuelle à distance dans l’acrophobie. Levy F
  • Modélisation des bases neuronales de la mémoire de travail paramétrique dans le cortex préfrontal. Rodriguez G, Delord B
  • Dynamics of neural excitability. Brette R
  • Neural simulation on a variety of computational hardware. Stimberg M
  • Interfacing central and local movement control. Le Mouel C
  • Origin of the kink of somatic action potentials. Telenczuk M
  • Fast learning with weak synaptic plasticity. Yger P
  • A flexible code: the retina dynamically reallocates its resources to code for complex motion. Deny S
  • Online exploration of the sensitivity of population coding in the retina. Gardella C
  • Characterizing the retina's sensitivity to stimulus perturbations using Fisher information. Ferrari U
  • Place de l'intersubjectivité dans les soins numériques. Soumet-Leman C
  • Modelling rat learning behavior under uncertainty in a non-stationary multi-armed bandit task. Aklil N, Cinotti F, Fresno V, Denoyer L, Coutureau E, Khamassi M, Marchand A, Girard B
  • Generation of neurophysiological data-driven benchmark for evaluation of real time closed-loop systems. Mondragon L

 

Avec le soutien des UFR de Biologie et d'Ingénierie, du Labex SMART et du Labex Bio-Psy.

Logo Symposium format horizontalLogo Labex SMART