Skip to main content
Aller à la page d’accueil de la Commission européenne (s’ouvre dans une nouvelle fenêtre)
français français
CORDIS - Résultats de la recherche de l’UE
CORDIS

Circuit mechanisms of cortical predictive learning

Description du projet

Les mécanismes d’apprentissage du cerveau pour les prévisions sensorielles

Les animaux doivent pouvoir faire la différence entre les informations sensorielles provoquées par leurs propres mouvements et celles provenant du monde extérieur. Cette capacité est essentielle pour guider leur comportement, mais il s’agit d’un processus complexe. Le cerveau apprend à prévoir les sensations générées par le mouvement propre, en utilisant les erreurs de prévision pour ajuster ses prévisions. Ces erreurs se produisent lorsqu’il y a un décalage entre ce que le cerveau s’attend à percevoir et ce qu’il perçoit réellement. Dans cette optique, le projet Learn2Predict, financé par le CEI, étudie la manière dont le cerveau apprend de ces erreurs de prévision. En concentrant ses recherches sur le cortex visuel et le système neuromodulateur du cerveau, le projet entend appréhender la manière dont le cerveau améliore ses prévisions sensorielles. S’appuyant sur technologies telles que la réalité virtuelle et l’optogénétique, les chercheurs étudieront en quoi ce processus d’apprentissage affecte le comportement.

Objectif

To perform sensory guided behaviors, animals need to distinguish self-generated and externally generated sensory inputs. Predictive processing theories propose that the brain does this by learning to predict sensations caused by self-motion. The key signals thought to drive this learning are prediction errors: differences between predicted and actual sensory input. My previous work shows that neurons in the primary visual cortex (V1) compute visuomotor prediction errors, and that prediction errors activate the locus coeruleus, a brain-wide neuromodulatory system. We will now investigate the circuit and neuromodulatory mechanisms underlying the learning of sensory predictions, using V1 as a model. I hypothesize that input to V1 from higher order cortical areas undergoes plasticity during self-generated sensory feedback. This plasticity should be driven by prediction errors in V1 activity, modulated by locus coeruleus output, and improve detection of externally generated visual flow during self-motion. We will test this hypothesis using innovative methods, including a multimodal virtual reality system and a novel object detection task, combined with in vivo whole cell recordings, two-photon imaging, and optogenetics. The specific aims are to (1) investigate how prediction errors are communicated between the locus coeruleus and the cortex, (2) decipher the mechanisms of predictive plasticity within the V1 circuit, and (3) assess the behavioral relevance of this plasticity. The knowledge gained will have a fundamental impact on our mechanistic understanding of predictive learning in the cortex and the role of neuromodulation in this process, which will have significance for 1) understanding conditions in which the processing of self-generated sensory feedback is thought to be disrupted (e.g. neurodevelopmental conditions and psychosis), and 2) development of AI and brain-machine interfaces that deal with self-generated sensor feedback (e.g. prostheses).

Champ scientifique (EuroSciVoc)

CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: Le vocabulaire scientifique européen.

Vous devez vous identifier ou vous inscrire pour utiliser cette fonction

Mots‑clés

Les mots-clés du projet tels qu’indiqués par le coordinateur du projet. À ne pas confondre avec la taxonomie EuroSciVoc (champ scientifique).

Programme(s)

Programmes de financement pluriannuels qui définissent les priorités de l’UE en matière de recherche et d’innovation.

Thème(s)

Les appels à propositions sont divisés en thèmes. Un thème définit un sujet ou un domaine spécifique dans le cadre duquel les candidats peuvent soumettre des propositions. La description d’un thème comprend sa portée spécifique et l’impact attendu du projet financé.

Régime de financement

Régime de financement (ou «type d’action») à l’intérieur d’un programme présentant des caractéristiques communes. Le régime de financement précise le champ d’application de ce qui est financé, le taux de remboursement, les critères d’évaluation spécifiques pour bénéficier du financement et les formes simplifiées de couverture des coûts, telles que les montants forfaitaires.

HORIZON-ERC - HORIZON ERC Grants

Voir tous les projets financés dans le cadre de ce programme de financement

Appel à propositions

Procédure par laquelle les candidats sont invités à soumettre des propositions de projet en vue de bénéficier d’un financement de l’UE.

(s’ouvre dans une nouvelle fenêtre) ERC-2024-STG

Voir tous les projets financés au titre de cet appel

Institution d’accueil

THE UNIVERSITY OF EDINBURGH
Contribution nette de l'UE

La contribution financière nette de l’UE est la somme d’argent que le participant reçoit, déduite de la contribution de l’UE versée à son tiers lié. Elle prend en compte la répartition de la contribution financière de l’UE entre les bénéficiaires directs du projet et d’autres types de participants, tels que les participants tiers.

€ 1 941 819,00
Adresse
OLD COLLEGE, SOUTH BRIDGE
EH8 9YL Edinburgh
Royaume-Uni

Voir sur la carte

Région
Scotland Eastern Scotland Edinburgh
Type d’activité
Higher or Secondary Education Establishments
Liens
Coût total

Les coûts totaux encourus par l’organisation concernée pour participer au projet, y compris les coûts directs et indirects. Ce montant est un sous-ensemble du budget global du projet.

€ 1 941 819,00

Bénéficiaires (1)

Mon livret 0 0