Guillaume Lajoie
La nomination
Titulaire de chaire en IA Canada-CIFAR
Stratégie pancanadienne en matière d’IA
À Propos
Titulaire de chaire en IA Canada-CIFAR – Nouveau mandat – 2021
Guillaume Lajoie est titulaire de chaire en IA Canada-CIFAR à Mila et professeur agrégé au Département de mathématiques et de statistique de l’Université de Montréal. Il est également titulaire d’une Chaire de recherche du Canada en calcul et interfaçage neuronaux.
Les recherches de Guillaume Lajoie se situent au carrefour de l’IA et des neurosciences. Il met au point des outils pour mieux comprendre les mécanismes de l’intelligence communs aux systèmes biologiques et artificiels. Les contributions de son groupe de recherche vont des avancées dans les paradigmes d’apprentissage multi-échelle pour les grands systèmes artificiels aux applications en neurotechnologie. Il participe activement aux efforts de développement de l’IA responsable, cherchant à définir des lignes directrices et des pratiques exemplaires pour l’utilisation de l’IA dans la recherche et au-delà.
Prix
- Prix Simons Collaborations on the Global Brain Pilot, 2021
- 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
- Mao, X., Chang, Y-C., Zanos, S. et Lajoie, G. (2024). « Personalized inference for neurostimulation with meta-learning: a case study of vagus nerve stimulation ». Publié dans Journal of Neural Engineering, 21(2).
- Bredenberg, C., Williams, E., Savin, C., Richards, B. et Lajoie, G. (2023). « Formalizing locality for normative synaptic plasticity models ». Publié dans NeurIPS.
- Mittal, S., Bengio, Y. et Lajoie, G. (2022). « Is a Modular Architecture Enough? ». Publié dans NeurIPS.
- Pezeshki, M., Kaba, S. O., Bengio, Y., Courville, A., Precup, D., Lajoie, G. (2021). « Gradient Starvation: A Learning Proclivity in Neural Networks ».
- Kerg, G., Kanuparthi, B., Goyal, A., Goyette, K., Bengio, Y., Lajoie, G. (2020). « Attention: untangling tradeoffs in self-attentive neural networks », Second Symposium on Machine Learning and Dynamical Systems.
- Laferrière, S., Bonizzato, M., Côté, S. L., Dancause, N., & Lajoie, G. (2020). Hierarchical Bayesian optimization of spatiotemporal neurostimulations for targeted motor outputs. IEEE Transactions on Neural Systems and Rehabilitation Engineering.
- Kerg, G., Goyette, K., Touzel, M. P., Gidel, G., Vorontsov, E., Bengio, Y., & Lajoie, G. (2019). Non-normal Recurrent Neural Network (nnRNN): learning long time dependencies while improving expressivity with transient dynamics. In Advances in Neural Information Processing Systems (pp. 13613-13623).