Alexander Mathis est professeur adjoint au Brain Mind Institute. Il travaille à la croisée des neurosciences computationnelles et de l’apprentissage automatique, en s’attachant à comprendre les statistiques du comportement et la manière dont le cerveau crée le comportement. Il a étudié les mathématiques pures à l’université Ludwig-Maximilians-Universität München, où il a également obtenu son doctorat en neurosciences computationnelles (avec Andreas V.M. Herz). Au cours de son doctorat, il a développé une théorie sur la manière dont l’espace est représenté dans le cerveau. Il a ensuite été chercheur postdoctoral à l’université Harvard (avec Venkatesh N. Murthy) et à l’université de Tübingen (avec Matthias Bethge), où il a travaillé sur un large éventail de sujets, allant de l’odorat à la vision par ordinateur.

Depuis 2020, il est professeur assistant à l’EPFL, où son groupe travaille actuellement sur les théories de la proprioception et du contrôle moteur. En outre, ils développent des outils d’apprentissage automatique pour l’analyse comportementale (par exemple DeepLabCut, DLC2action, hBehaveMAE, WildCLIP, AmadeusGPT) et, inversement, tentent de tirer des enseignements du cerveau pour résoudre des problèmes complexes d’apprentissage automatique, tels que l’apprentissage des compétences motrices. Avec ses étudiants, il a remporté des concours basés sur des algorithmes d’apprentissage par renforcement inspirés du cerveau pour l’apprentissage de compétences (MyoChallenge à NeurIPS 2022 et 2023). Il a reçu de nombreux prix et bourses, notamment le prix Robert Bing 2024, le prix Eric Kandel 2023 pour les jeunes neuroscientifiques, le prix Frontiers of Science 2023, une bourse postdoctorale Marie Sklodowska-Curie et une bourse de la Studienstiftung des deutschen Volkes.