DRION Guillaume

Fonction(s)/Institution(s) de rattachement

ULiège – Professeur. Faculté des Sciences appliquées. Institut Montefiore, département d’électricité, électronique et informatique. Systèmes et modélisation

Axes/thématiques de recherche

Ingénierie neuromorphique, neurosciences computationnelles, apprentissage machine, IA de faible consommation,  calcul analogique en mémoire, réseaux de neurones récurrents, électrophysiologie.

Présentation narrative

Guillaume Drion évolue au croisement de l’ingénierie de contrôle, de l’apprentissage automatique et des neurosciences. Ses travaux visent à décrypter les principes des systèmes nerveux biologiques pour concevoir des solutions innovantes en intelligence artificielle adaptative. Il se concentre particulièrement sur la modélisation mathématique de la mémoire à court et à long terme, ainsi que sur l'intégration de ces mécanismes biologiques au sein d'architectures de réseaux de neurones artificiels. L’objectif de ses recherches est de concevoir des architectures d'IA et de calcul à très faible consommation, s'inspirant du vivant pour une insertion harmonieuse dans notre environnement.

Projets de recherche

MEMODEI2 - Neuromorphic design of embodied intelligence (BOSA).

ELEVATE - Event-based LEarning, Vision, and AcTuation for Edge applications (MSCA).

AURA - Co-conception matérielle-logicielle de systèmes d'IA analogiques séquentiels à très faible consommation (FNRS).

Publications clés

[1] Fyon A, Brandoit J, Ernst D, Redouté JM, Drion G (2026) Ultra-low power analog RNNs through hardware-software co-design of bistable memory recurrent units. ICML 2026, under review.

[2] De Geeter F, Ernst D, Drion G (2026) Parallelizable memory recurrent units. Neural Networks, under review.

[3] Jacquerie K, Tyulmankov D, Sacré P, Drion G (2026) Two-factor synaptic plasticity enables memory consolidation during neuronal burst firing. PNAS Nexus, under revision.

[4] Jacquerie K, Tyulmankov D, Sacré P, Drion G (2026) Burst firing creates an attractor in synaptic weight dynamics. PLOS Computational Biology, 22(3), e10140.

[5] Vecoven N, Ernst D, Drion G (2022) A bio-inspired recurrent cell allows for long-lasting memory. Plos one 16, e0252676.

Coordonnées et visibilité

https://www.neuroengineering.uliege.be/

gdrion@uliege.be