En poursuivant votre navigation sur ce site, vous acceptez le dépôt de cookies dans votre navigateur. (En savoir plus)

Doctorant en informatique et mathématiques (H/F)

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

Date Limite Candidature : jeudi 2 juin 2022

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 !

Informations générales

Référence : UMR7271-VIVROS-031
Lieu de travail : SOPHIA ANTIPOLIS
Date de publication : jeudi 12 mai 2022
Nom du responsable scientifique : Alexandre MUZY, Patricia Reynaud-Bouret
Type de contrat : CDD Doctorant/Contrat doctoral
Durée du contrat : 36 mois
Date de début de la thèse : 1 octobre 2022
Quotité de travail : Temps complet
Rémunération : 2 135,00 € brut mensuel

Description du sujet de thèse

Réseaux de neurones à spikes : apprentissage et application aux expériences cognitives

Les réseaux de neurones artificiels (ANN) classiques, notamment ceux utilisés en Deep Learning, sont déjà inspirés des réseaux de neurones biologiques. Les synapses sont modélisées par des poids synaptiques qui pondèrent les "entrées" d'un neurone avant d'être additionnées. Une transformation non linéaire donne ensuite la "sortie" du neurone qui est communiquée aux neurones post-synaptiques. Les poids synaptiques sont optimisés pour que le réseau soit capable, par exemple, de classifier des images (Le Cun et al., 2015).

L'une des tentatives bio-inspirées les plus actuelles consiste à passer d'un ANN classique, à un réseau dit "spikant" : Spiking Neural Network (SNN) (Tavanaei et al., 2019). En effet, les neurones d'un cerveau ne communiquent pas en "envoyant" des nombres réels mais des potentiels d'action électriques. Ces potentiels d'action sont essentiellement identiques et il est plus ou moins communément admis par les biologistes que l'information pertinente qui est transmise provient des temps de décharge des potentiels d'action, ce que l'on appelle communément le train de pointes. Cet objet, discret par essence, peut être bien étudié en informatique et en mathématiques.
L'objectif de cette thèse est multiple : (i) Nous voulons tout d'abord mieux comprendre et formaliser mathématiquement et informatiquement les SNNs, (ii) Sur la base de cette formalisation nous voulons proposer une nouvelle classe de SNNs, (iii) Nous voulons appliquer cette nouvelle classe de SNNs à des expériences cognitives mises en œuvre par nos collègues neurobiologistes et psychologues.
Références
Y. LeCun, Y. Bengio et G. Hinton : Deep learning. Nature, 521(7553):436-444, 2015.
A. Tavanaei, M. Ghodrati, S. R. Kheradpisheh, T. Masquelier et A. Maida : Deep learning in spiking neural networks. Neural Networks, 111:47-63, 2019.

Contexte de travail

"L'Institut NeuroMod et le laboratoire d'informatique I3S de l'Université Côte d'Azur sont situés au sein de la technopole de Sophia Antipolis (première technopole d'Europe). Le laboratoire de mathématiques JAD est situé au sein du parc de Nice Valrose. Dans le domaine de l'informatique et des mathématiques, Université Côte d'Azur est leader et l'un des quatre instituts interdisciplinaires français pour l'IA (3IA) y est présent.
Compétences : Mathématiques et informatique ; des compétences en modélisation mathématique/computationnelle et une expérience en langage de programmation orienté objet (par exemple, Python) sont requises. Des connaissances de base en apprentissage profond, apprentissage par renforcement et une expérience des bibliothèques d'apprentissage profond (par exemple, PyTorch ou Tensor Flow) et des architectures (CNN, etc.) seront appréciées. "

Contraintes et risques

Aucuns

Informations complémentaires

sections :
- 06 : Sciences de l'information : fondements de l'informatique, calculs, algorithmes, représentations, exploitations (laboratoire I3S),
- 41 : Mathématiques et interactions des Mathématiques (laboratoire JAD),
- 51 : Modélisation Mathématique, Informatique et Physique pour les sciences du vivant (institut NeuroMod). "

On en parle sur Twitter !