A mély neuronálózatok képfelismerésben elért felűnő sikerei inspirációt jelenthet arra, hogy az agy látórendszerének tulajdonságait is mélytanuló rendszerek segítségével térképezzük fel. A legelterjedtebb mély neuron hálózatok azonban az emberi vizuális rendszerhez képes feltűnően más jellegű hibáknak vannak kitéve. Tanulva ezekből a különbségekből, valamint a vizuális rendszer és a mély neuronhálók szerkezetének különbségeiből egy olyan modell architektúra megtalálása a cél, mely ezeket a problémákat képes leküzdeni. A gépi tanulásban nemrégiben megjelent fejlesztés, a mély generatív tanulás (deep generative learning) egy ígéretes eszköznek mutatkozik arra, hogy áttörést lehessen elérni a vizuális kérgi információfeldolgozás megértésében. A PhD célkitűzése kettős: 1, Hierarchikus mély generatív modell fejlesztése, hiszen ezen a területen a gépi tanulás is csupán tapogatózik; 2, Hierarchikus mély generatív modellek alkalmazása arra, hogy az ennek segítségével tett jóslatok révén neurális válasz-statisztikát megértsük. A kutatást egy nemzetközi pályázat finanszírozza.
A téma lehetőséget biztosít arra, hogy a gépi tanulás egy forró területén tapasztalatot lehessen szerezni, valamint egy biológiai rendszerből nyert adatokon tesztelni lehessen, hogy a fejlesztett eszközök mit képesek megragadni az idegrendszer működéséből. A kutatást egy nagy presztizsű nemzetközi pályázat finanszírozza.