Modélisation neuro-computationnelle du contrôle de la décision

Neuro-computational modelling of decision control

• Auteur / Autrice : Juliette Benon
• Direction : Jean Daunizeau
• Type : Projet de thèse
• Discipline(s) : Sciences cognitives
• Date : Inscription en doctorat le 01/10/2022
• Etablissement(s) : Sorbonne université
• Ecole(s) doctorale(s) : École doctorale Cerveau, cognition, comportement (Paris ; 1992-....)
• Partenaire(s) de recherche : Laboratoire : Institut du cerveau et de la moelle épinière
• Partenaire(s) de recherche : Equipe de recherche : Motivation Brain and Behavior

Mots clés

Mots clés libres

Réseaux de neurones

Prise de décision

Neurosciences computationnelles

Neural networks

Decision making

Computational neuroscience

Résumé

Nous chercherons à étudier les contributions du striatum ventral, du cortex orbito-frontal et du cortex cingulaire antérieur dans la prise de décision et l'apprentissage. Nous développerons des réseaux de neurones artificiels exécutant les sous-fonctions cognitives supposément impliquées (p. ex. : évaluations rétrospective et prospective de la valeur, contrôle métacognitif de la décision, etc) et les comparerons à des enregistrements IRMf (chez l'Homme) et électrophysiologiques (chez le singe) dans ces régions cérébrales, dans le contexte de tâches de décision. Cette approche novatrice permet aussi d'étudier l'impact de certains types de contraintes physiologiques (p. ex. : taux de décharge et budget énergétique limités…) sur le comportement.

We will study the contributions of the ventral striatum, the orbito-frontal cortex and the anterior cingulate cortex in decision-making and learning. We will develop artificial neural networks executing the cognitive subfunctions supposedly implicated in these processes (i. e.: retrospective and prospective evaluation, metacognitive control of decision, etc) and will compare them to fMRI (human) recordings and electrophysiological (monkey) data in these brain areas, in the context of decision tasks. This innovative approach also enables to study the impact of some physiological constraints (i. e.: spiking frequency and limited energy budget...) on behaviour.