Comprendre les mécanismes neuronaux de l'apprentissage moteur humain en utilisant l'ia explicable pour les séries temporelles et les interfaces cerveau-ordinateur h/f

Informations générales

Intitulé de l'offre : Comprendre les mécanismes neuronaux de l'apprentissage moteur humain en utilisant l'IA explicable pour les séries temporelles et les interfaces cerveau-ordinateur H/F
Référence : UMR7371-DMITOD-001
Nombre de Postes : 1
Lieu de travail : PARIS 06
Date de publication : jeudi 19 juin 2025
Type de contrat : CDD Doctorant
Durée du contrat : 36 mois
Date de début de la thèse : 1 novembre 2025
Quotité de travail : Complet
Rémunération : La rémunération est d'un minimum de 2200,00 € mensuel
Section(s) CN : 26 - Cerveau, cognition et comportement

Description du sujet de thèse

Ce projet vise à découvrir les mécanismes neuronaux de l'adaptation motrice. Les outils utilisés comprendront l'apprentissage automatique avancé, la modélisation mathématique (systèmes dynamiques) à partir de données existantes et la réalisation d'expériences sur des participants sains effectuant des tâches motrices avec enregistrements EEG simultanés.

Contexte de travail

L'adaptation motrice est un processus crucial de la vie humaine, nous permettant d'ajuster nos mouvements en fonction des retours sensoriels. Imaginez, par exemple, qu'on vous demande de jouer à la pétanque avec des boules plus lourdes que d'habitude. Plusieurs essais seraient nécessaires pour adapter vos mouvements et atteindre votre performance de base. Cette adaptation repose sur l'erreur de prédiction sensorielle, c'est-à-dire la différence entre les résultats attendus et les résultats réels à chaque essai. Comprendre l'adaptation motrice a de nombreuses applications, de la rééducation des patients après des lésions cérébrales ou corporelles à l'optimisation des habiletés motrices dans le sport, le travail et la robotique (l'adaptation motrice est essentielle à une dextérité avancée).

Malgré son omniprésence et son importance, l'adaptation motrice reste mal comprise, notamment au niveau neuronal.