Jonathan est intéressé par le développement de modèles mathématiques de stimulation visuelle pour approfondir l’étude de la vision en psychophysique et en neurophysiologie. Il travaille en collaboration rapprochée avec des expérimentateurs et maîtrise les compétences expérimentales en psychophysique. Il est à l'aise avec différents types de données (images et sons naturels, enregistrement extra-cellulaires, imagerie optique, réponses psychométriques) et est capable de les analyser avec la plupart des outils de l'apprentissage automatique (modèles probabilistes, apprentissage supervisé incluant l'apprentissage profond, apprentissage non-supervisé). Le but principal de Jonathan est de montrer comment le cerveau effectue une approximation des probabilités de son environnement et comment ses populations de neurones représentent ces probabilités.
