Séminaire "Modélisation en sciences sociales et sciences du vivant"
organisé par Henri Berestycki et Jean-Pierre Nadal
Séance (double) ce jeudi 11 mars 2021, 15h-17h
Pour participer, s’inscrire sur Listsem https://listsem.ehess.fr/
Pour sélectionner le bon séminaire, saisir UE 730 (avec un espace entre UE et 730).
Les informations de connexion seront envoyées aux inscrits, dernier envoi jeudi à 14h.
To receive the link and access code, please register on Listsem https://listsem.ehess.fr/
To select the seminar, type: UE 730 (with a space between UE and 730).
15h Amandine Aftalion
Directrice de recherche au CNRS, CAMS
Titre : « Modéliser la course à pied et comprendre la forme des pistes d’athlétisme »
Résumé : Afin de déterminer la stratégie optimale en course à pied, nous présentons un modèle qui repose sur un système d’équations couplées reliant la vitesse, la force de propulsion et l’énergie. Le système ne repose pas sur des statistiques mais couple la mécanique, l’énergétique (à la fois aérobie et anaérobie), le contrôle moteur pour arriver à un modèle de de coût et bénéfice qui conduit à la meilleure stratégie de course. Pour une distance fixe allant du 100 mètres au 10 000 mètres, nous expliquons comment l’effort est minimisé en tenant compte du couloir, de l’effet des virages et de l’interaction psychologique avec les voisins. Nous expliquons également la forme des pistes et comment les améliorer pour battre des records ou diminuer les différences entre les couloirs. Ce modèle a pu être adapté avec succès à la course des chevaux.
Bibliographie :
[1] A.Aftalion, F.Bonnans, Optimization of running strategies based on anaerobic energy and variations of velocity. SIAM J. Applied Maths, Vol. 74-5, p.1615-1636, 2014. [2] A.Aftalion, L-H.Despaigne, A.Frentz, P.Gabet, A.Lajouanie, M-A.Lorthiois,L.Roquette, C.Vernet, How to identify the physiological parameters and run the optimal race. Mathematics in Action, Vol. 7, p.1-10, 2016. [3] A.Aftalion, How to run 100 meters, SIAM J. Applied Maths, 2017, Vol. 77 p.1320-1334. [4] A.Aftalion, P.Martinon, Optimizing running a race on a curved track, Plos One, 2019, 14(9): e0221572. [5] A.Aftalion, E.Trelat, How to build a new athletic track to break records, 2020, R. Soc. open sci.7, 3, 200007. http ://doi.org/10.1098/rsos.2000073 [6] A.Aftalion, E.Trelat, Pace and motor control optimization for a runner.2020. Preprint hal-02613182. [7] Q.Mercier, A.Aftalion, Optimal speed in Thoroughbred horse racing,2020. PLoS ONE 15(12) : e0235024. https ://doi.org/10.1371/journal.pone.0235024 [8] Q.Mercier, A.Aftalion, B.Hanley, A model for world-class 10,000 m running performances : strategy and optimization. 2021. Frontiers in Sports and Active Living. doi : 10.3389/fspor.2020.636428
``
16h Matthias Pessiglione
Directeur de recherche à l’INSERM,
Motivation, Brain & Behavior (MBB) lab, Institut du Cerveau (ICM)
Hôpital de la Pitié-Salpêtrière, Paris
Title: « Troubles de la motivation en clinique : les nouvelles approches computationnelles »
Résumé : Les troubles de la motivation tels que l’apathie sont omniprésents dans les maladies neurologiques et psychiatriques. Ils sont actuellement évalués à l’aide d’échelles psychométriques qui n’informent pas sur les mécanismes susceptibles d’orienter l’intervention thérapeutique. Une autre approche a émergé récemment, qui consiste phénotyper le comportement des patients dans des tests de motivation, en utilisant des modèles computationnels. La motivation peut être définie comme la fonction qui oriente et active le comportement en fonction de deux attributs : un contenu (l’objectif) et une quantité (la valeur de l’objectif). La théorie de la décision offre un moyen de quantifier la motivation, comme le coût maximal que les patients acceptent pour obtenir le bénéfice, qui est égal à la valeur de l’objectif atteint.
Dans les études récentes, le coût a généralement été mesuré comme la quantité d’effort que les patients déploient pour obtenir une récompense. Le compromis entre effort et récompense implique des systèmes corticaux, sous-corticaux et neuromodulateurs spécifiques. Idéalement, il devrait y avoir une correspondance terme à terme entre les composants neuronaux et les variables computationnelles. Ainsi, le phénotypage computationnel permettrait de déduire le mécanisme dysfonctionnel à la fois en termes cognitifs (par exemple, hyposensibilité à la récompense) et en termes neuronaux (par exemple, manque de dopamine).
Dans cet exposé, je présenterai des études pharmacologiques et cliniques qui fournissent des preuves de concepts pour une telle approche computationnelle des troubles de la motivation, qui devrait permettre de progresser vers une plus grande personnalisation de la prise en charge thérapeutique.
Henri Berestycki & Jean-Pierre Nadal
Contact: hb@ehess.fr
http://cams.ehess.fr/modelisation-en-sciences-sociales-et-en-sciences-du-vivant/