Project

Back to overview

Theory of correlations and attention with population codes

English title Theory of correlations and attention with population codes
Applicant Pouget Alexandre
Number 143707
Funding scheme Project funding (Div. I-III)
Research institution Dépt des Neurosciences Fondamentales Faculté de Médecine Université de Genève
Institution of higher education University of Geneva - GE
Main discipline Neurophysiology and Brain Research
Start/End 01.01.2013 - 31.12.2016
Approved amount 574'795.00
Show all

All Disciplines (2)

Discipline
Neurophysiology and Brain Research
Mathematics

Keywords (5)

neuroscience; computational; correlations; attention; information

Lay Summary (French)

Lead
Lay summary

Ce projet de recherche s'attache à élucider les propriétés de codage au sein des réseaux neuronaux en charge de nos comportements et nos pensées. Les théories modernes du cerveau considèrent que celui-ci est un appareil de calcul un peu comme un ordinateur. Pour comprendre comment un ordinateur fonctionne, il faut avant tout comprendre que l'ordinateur représente l’information sous la forme d’un code binaire. Si nous voulons comprendre les principes de calculs dans les réseaux neuronaux, il nous faut donc tout d'abord étudier la structure du, ou des, codes neuronaux. Les recherches de ces dernières années ont commencé à lever le voile sur cette question en montrant que les corrélations entre réponses neuronales jouent un rôle critique. Deux neurones sont dit corrélés lorsque la réponse d’un neurone peut-être en partie prédite par la réponse de l’autre, auquel cas le code est redondant. La redondance implique que la disparition d’un neurone n’a qu’un effet mineur sur la performance globale du cerveau, une propriété essentielle quand on sait qu’un adulte perd de l’ordre de 10’000 neurones par jour. Le problème d’un code redondant est qu’il n’utilise qu’une fraction de la capacité totale du système, ce qui limite fortement les capacités de codage du cerveau, un peu comme si un disque dur d’ordinateur avec 100Go de capacité ne pouvait réellement stocker qu’un 1Go. L’objet de ce projet est donc de comprendre l’’impact réel des corrélations sur la quantité d’information codée par les neurones, ainsi que la structure exacte des corrélations qui limitent l’information. Nous nous attacherons ensuite à comprendre comment ces corrélations peuvent être modifiées pour augmenter la quantité d’information disponible. Il existe en effet des situations dans lesquelles nous sommes capables d’augmenter la quantité d’information, comme lorsque nous portons notre attention sur un objet dans notre champ visuel. Les mécanismes qui permettent cette modulation de l’information sont à l’heure actuelle obscures, en grande partie parce que la structure du code neuronale reste elle-même évasive. 


Direct link to Lay Summary Last update: 21.02.2013

Responsible applicant and co-applicants

Employees

Publications

Publication
Correlations and Neuronal Population Information.
Kohn Adam, Coen-Cagli Ruben, Kanitscheider Ingmar, Pouget Alexandre (2016), Correlations and Neuronal Population Information., in Annual review of neuroscience, 39, 237-56.
How Can Single Sensory Neurons Predict Behavior?
Pitkow Xaq, Liu Sheng, Angelaki Dora E, DeAngelis Gregory C, Pouget Alexandre (2015), How Can Single Sensory Neurons Predict Behavior?, in Neuron, 87(2), 411-23.
Measuring Fisher information accurately in correlated neural populations.
Kanitscheider Ingmar, Coen-Cagli Ruben, Kohn Adam, Pouget Alexandre (2015), Measuring Fisher information accurately in correlated neural populations., in PLoS computational biology, 11(6), 1004218-1004218.
Origin of information-limiting noise correlations.
Kanitscheider Ingmar, Coen-Cagli Ruben, Pouget Alexandre (2015), Origin of information-limiting noise correlations., in Proceedings of the National Academy of Sciences of the United States of America, 112(50), 6973-82.
Information-limiting correlations.
Moreno-Bote R., Beck J., Pitkow X., Kanischeider I., Latham P.E., Pouget A. (2014), Information-limiting correlations., in Nature Neuroscience, 17(10), 1410-1417.

Associated projects

Number Title Start Funding scheme
165831 Probabilistic approaches to synaptic learning 01.01.2017 Project funding (Div. I-III)

Abstract

Population codes are the most common codes in the nervous system. Understanding how they are used to represent information, to carry out computations and to control behavior, are some of the most important questions in modern neuroscience. The present proposal focuses specifically on understanding what controls the amount of information in population codes and how information can be increased in a task dependent manner by engaging selective attention. This theoretical work will be developed for the specific case of the orientation of visual contours, but our results will be readily applicable to any other domain in which the variables of interest are encoded with population codes.
-