En poursuivant votre navigation sur ce site, vous acceptez le dépôt de cookies dans votre navigateur. (En savoir plus)
Portail > Offres > Offre UMR5824-TAIDAO-009 - Post-Doc (H/F) en neurosciences computationnelles

Post-Doc (H/F) en neurosciences computationnelles

Cette offre est disponible dans les langues suivantes :
Français - Anglais

Assurez-vous que votre profil candidat soit correctement renseigné avant de postuler. Les informations de votre profil complètent celles associées à chaque candidature. Afin d’augmenter votre visibilité sur notre Portail Emploi et ainsi permettre aux recruteurs de consulter votre profil candidat, vous avez la possibilité de déposer votre CV dans notre CVThèque en un clic !

Faites connaître cette offre !

Informations générales

Référence : UMR5824-TAIDAO-009
Lieu de travail : ECULLY
Date de publication : mercredi 15 mai 2019
Type de contrat : CDD Scientifique
Durée du contrat : 24 mois
Date d'embauche prévue : 2 septembre 2019
Quotité de travail : Temps complet
Rémunération : Entre 2643 et 3766 euros brut par mois selon l'expérience du/de la candidat.e
Niveau d'études souhaité : Doctorat
Expérience souhaitée : Indifférent

Missions

L'objectif de notre projet est d'étudier les bases neuronales et computationnelles de l'apprentissage causal. En particulier, nous nous concentrerons sur l'apprentissage causal dans le contexte des comportements instrumentaux axés sur des objectifs, qui reposent sur des règles d'apprentissage déterminées par la contingence entre les actions et les conséquences. Afin d'étudier les bases neuronales et informatiques de l'apprentissage causal des relations action-conséquence, nous devons lever deux obstacles clés. Le premier obstacle est l'absence de modèles neurocomputationnels qui formalisent le cadre théorique mentionné ci-dessus pour faire des prédictions sur les calculs neuronaux sous-jacents. Le deuxième obstacle est le manque de compréhension claire de la dynamique du réseau cérébral qui soutient l'apprentissage causal des relations action-conséquence.

Activités

Le/la candidat.e sélectionné.e contribuera à lever la première barrière, en développant des modèles neurocomputationnels qui : i) formalisent les représentations internes et les calculs prédits par les théories d'apprentissage causal (cadres rationnels et Bayésiens) ; ii) font des prédictions sur la dynamique de l'activité neuronale (plausibilité neurobiologique) et s'adaptent aux modèles comportementaux des participants individuels (flexibilité computationnelle). Parmi les modèles d'apprentissage possibles, deux semblent fournir un cadre théorique et informatique adéquat : Active Inference et Reinforcement learning. Le premier repose sur une approche Bayésienne postulant que le comportement humain peut être réduit à la minimisation de l'énergie libre, ce qui correspond à une limite supérieure à la surprise de Shannon (Friston, 2010). Le deuxième offre une vision complémentaire et formalise le comportement humain comme un processus qui vise à maximiser la récompense cumulative (Sutton & Barto, 1998).
Le/la candidat.e choisi aidera à concevoir un nouveau protocole expérimental pour tester les prédictions spécifiques de ces cadres computationnels et les comparer au moyen de méthodes Bayésiennes de comparaison des modèles. L'expérience impliquera des sujets humains et sera réalisée dans les installations du laboratoire GATE (Experimental Economics) à Lyon, France. Ensuite, nous dériverons un modèle computationnel qui tient le mieux compte du comportement humain pendant qu'ils apprennent les causalités, et nous ferons des prédictions guidées par le modèle pour une nouvelle tâche impliquant l'imagerie cérébrale (IRMf, MEG, SEEG) réalisée chez les humains par les partenaires du projet.

Compétences

Les candidat.es devront montrer une forte motivation pour ce type de recherches, avoir un doctorat en neurosciences, en physique ou dans un domaine connexe et avoir déjà publié dans des revues internationales de qualité. Une expérience confirmée en modélisation computationnelle et en programmation est obligatoire. La préférence sera donnée aux candidat.es ayant une expérience antérieure des modèles d'apprentissage causal en neurosciences.

Contexte de travail

Nous avons obtenu un financement de l'Agence Nationale de la Recherche pour un projet de 4 ans visant à lever les deux barrières mentionnées précédemment. Le projet implique à la fois des théoriciens (Mateus Joffily à GATE, Lyon, France ; Mehdi Khamassi à ISIR, Paris, France ; David Lagnado à UCL, Londres, Royaume-Uni) et des expérimentateurs (Andrea Brovelli à INT, Marseille, France ; Julien Bastin à GIN, Grenoble, France).

Contraintes et risques

Ce poste de post-doctorant de 2 ans est disponible pour travailler dans deux laboratoires, le GATE à Lyon et l'ISIR à Paris.

Informations complémentaires

Le poste est disponible immédiatement et les candidatures seront examinées jusqu'à ce que le poste soit comblé. Le/la candidat.e retenu.e sera recruté.e pour une période de 24 mois avec un salaire correspondant au niveau de chercheur scientifique selon les normes du Centre National de la Recherche Scientifique (CNRS). Le salaire comprendra les prestations de sécurité sociale, de santé et de retraite.
Les candidatures doivent inclure : 1) une lettre d'accompagnement décrivant brièvement l'expérience, la motivation et les compétences adaptées au poste, ainsi que les intérêts de recherche ; 2) un CV complet et une liste de publications ; et 3) deux lettres de recommandation que les évaluateurs doivent nous faire parvenir directement.
Les candidatures devront se faire obligatoirement via le Portail Emploi et il est demandé en complément d'adresser les candidatures par Email à Mehdi Khamassi (mehdi.khamassi@upmc.fr) et à Mateus Joffily (joffily@gate.cnrs.fr).

On en parle sur Twitter !