Suis nous sur
Guillaume Lajoie-BW_F

Guillaume Lajoie

Titre

  • Titulaire de chaire en IA Canada-CIFAR
  • Stratégie pancanadienne en matière d’IA

Profil

Website

À Propos

Le programme de recherche de Guillaume Lajoie vise à expliquer et à orienter la dynamique des réseaux neuronaux. Au carrefour des mathématiques appliquées, de l’intelligence artificielle et des neurosciences, ses travaux impliquent de tirer des leçons du cerveau pour construire des systèmes artificiels qui apprennent mieux et, en retour, de développer des outils pour mieux comprendre les fonctions cérébrales et interagir avec elles. Menant une série de recherches complémentaires, il tente d’établir des avancées synergiques en fonction des deux axes suivants : 1) les biais inductifs architecturaux d’inspiration biologique dans la mise en forme de l’apprentissage et de la dynamique des réseaux neuronaux artificiels ; 2) le développement d’outils d’IA pour optimiser les interfaces cerveau-machine afin de déterminer comment le cerveau apprend à façonner l’IA et de favoriser les interactions directes entre les réseaux neuronaux artificiels et biologiques pour une utilisation clinique.

Prix

  • Google Research Faculty Award, 2020
  • Bourse de formation du Fonds de Recherche du Québec – Santé (FRQS), 2018
  • Bourse en innovation de la Washington Research Foundation, 2015
  • Bourse Bernstein en neurosciences computationnelles, 2014

Publications Pertinentes

  • Mohammad Pezeshki, Sékou-Oumar Kaba, Yoshua Bengio, Aaron Courville, Doina Precup, Guillaume Lajoie. « Gradient Starvation: A Learning Proclivity in Neural Networks », arXiv:2011.09468, 2020.
  • Giancarlo Kerg, Bhargav Kanuparthi, Anirudh Goyal, Kyle Goyette, Yoshua Bengio, Guillaume Lajoie. « Untangling tradeoffs between recurrence and self-attention in neural networks », Second Symposium on Machine Learning and Dynamical Systems, arXiv:2006.09471, 2020.
  • Giancarlo Kerg, Kyle Goyette, Maximilian Puelma Touzel, Gauthier Gidel, Eugene Vorontsov, Yoshua Bengio, Guillaume Lajoie. « Non-normal Recurrent Neural Network (nnRNN): learning long time dependencies while improving expressivity with transient dynamics », Advances in Neural Information Processing Systems 32 (NeurIPS), 2019
  • Samuel Laferrière, Marco Bonizzato, Sandrine L. Côté, Numa Dancause, Guillaume Lajoie. « Hierarchical Bayesian Optimization of Spatiotemporal Neurostimulations for Targeted Motor Outputs », IEEE Transactions on Neural Systems and Rehabilitation Engineering, 26(6):1452-1460, 2020.
  • Guillaume Lajoie, Nedialko Krouchev, John F. Kalaska, Adrienne Fairhall, Eberhard E. Fetz. « Correlation-based model of artificially induced plasticity in motor cortex by a bidirectional brain-computer interface », Plos Computational Biology, 13(2):e1005343, 2017.

Soutenez-nous

Le CIFAR est un organisme de bienfaisance enregistré qui reçoit le soutien des gouvernements du Canada, de l’Ontario, de l’Alberta et du Québec, ainsi que de fondations, de donateurs individuels, d’entreprises et de partenaires canadiens et internationaux.

Centre MaRS, tour Ouest
661, avenue University, bureau 505
Toronto (Ontario) M5G 1M1 Canada