11 février

En simplifiant au maximum, un neurone compte trois parties : Des dendrites qui reçoivent l’information, un corps cellulaire qui intègre l’information et un axone qui transmet un message si la somme de l’information reçue dépasse un certain seuil. Cette version schématique a donné naissance aux réseaux de neurones artificiels. Malgré la simplicité des neurones artificiels, le choix d’une fonction pertinente pour l’intégrateur et d’une bonne structure de réseaux permet d’effectuer des calculs impressionnants! Si des neurones simples peuvent tout faire, pourquoi chercher à développer des modèles complexes? Bien que s’en inspirant, les réseaux de neurones artificiels n’ont que peu de chose en commun avec un cerveau humain. Pour comprendre le cerveau et ses maladies, il est nécessaires de construire des modèles plus réalistes des neurones qui décrivent les neurotransmetteurs, les différents canaux transmembranaires et la structure des réseaux. Dans cet exposé, nous verrons différentes techniques pour modéliser les neurones. Nous présenterons des modèles qui permettent de mieux comprendre la douleur chronique et d’identifier la meilleure manière de traiter cette condition.

21 janvier

La modélisation numérique dans le domaine d’hydrogéologie amène à relever plusieurs défis, incluant des domaines hétérogènes et fracturés, et des processus non linéaires couplés. En plus, il faut souvent tenir compte des échelles spatiales qui varient sur plusieurs ordres de grandeurs. Cette présentation donne un survol de quelques projets de recherche appliqués en cours, qui portent sur les impacts de la fonte de pergélisol sur l’écoulement des eaux souterraines, le transport réactif des contaminants en milieux hétérogène, et la simulation des aires d’alimention des puits de pompage avec la méthode de probabilité de captage sous l’influence de l’intrusion d’eau salée.

14 janvier

Nous développons et illustrons deux approches qui permettent d’anticiper la répartition animale dans une mosaïque paysagère. Dans un premier temps, nous proposons un cadre de gestion adaptative permettant d’identifier des solutions efficaces à réduire les conflits entre l'humain et la faune, tout en minimiser les contraintes sur les déplacements et la répartition des animaux. L’approche implique le développement d’un modèle d’advection-réaction-diffusion pour des animaux établis dans un réseau de parcelles riches en nourriture, dans une matrice plus pauvre. Dans un deuxième temps, nous présentons un modèle de répartition optimale des animaux. Contrairement aux modèles classiques, le modèle permet de considérer qu’un prédateur peut interagir avec plus d’une espèce de proie. Nous démontrons que la répartition spatiale des prédateurs et de leurs proies change drastiquement selon le niveau de complexité du réseau trophique. La répartition du caribou forestier, de l’orignal et du loup observée sur le terrain offre un certain support au modèle d’optimalité. Globalement la présentation démontre l’utilité de nouvelles approches pour mieux interpréter et anticiper la répartition animale. Cette information est centrale à l’élaboration de plans de gestion et de conservation de la faune, tout comme à l’évaluation des forces évolutives qui gouvernent l’adaptation des espèces et leur permettent de coexister.