Projets novateurs réalisés

Relation entre la fonction cardiaque et la taille des artères intracrâniennes

L’objectif principal de ce projet est de comprendre le rôle des vaisseaux sanguins intracrâniens dans la relation entre le débit cardiaque et les marqueurs de santé cérébrale. Pour atteindre notre objectif, nous allons faire usage des données de l’étude de Tromsø, qui contient les données d’échocardiographie ainsi que les données d’imagerie par résonance magnétique (IRM) de plus de 1800 participants. À partir des données IRM, nous allons extraire le diamètre des artères cérébrales grâce à des algorithmes basés sur l’intelligence artificielle. Les échocardiogrammes serviront à estimer la fonction cardiaque, notamment la fraction d’éjection et le volume de sang pompé par battement de cœur. Les marqueurs de santé cérébrale seront les lésions de la matière blanche, l’épaisseur corticale et le volume des régions cérébrales, également extraites à partir des images IRM. Nous ferons usage de modèles statistiques pour évaluer s’il existe une relation entre la fonction cardiaque et la taille des artères. Nous estimerons également si le diamètre des artères médient la relation entre la fonction cardiaque et les marqueurs de santé cérébrale.

Sleep disturbances and neurocognitive functions in children with ADHD

Attention-deficit/hyperactivity disorder (ADHD) is a common condition that affects many children and can influence how they pay attention, control impulses, learn at school, and interact with others. Many children with ADHD also experience sleep problems, such as difficulty falling asleep, frequent night awakenings, or not getting enough sleep. These sleep difficulties can exacerbate daytime concentration, memory, and behavior, but they are often overlooked in routine care.
This project aims to understand better how sleep problems affect thinking and learning abilities in children with ADHD. By reviewing and analyzing existing research, the project will identify which aspects of thinking—such as sustained attention, memory, cognitive flexibility, or problem-solving—are most affected by poor sleep. Understanding these links can help healthcare providers, educators, and families recognize sleep as an important and modifiable factor in supporting children with ADHD.
The findings from this project may contribute to improved screening for sleep problems and support the development of targeted strategies to improve sleep and daily functioning. Ultimately, this work seeks to improve the quality of life for children with ADHD and their families by highlighting practical ways to support cognitive and behavioral development beyond medication alone.

Building Capacity and Community to support Progressive Procurement in Hospitality and Tourism

Through a collaboration between Regional Tourism Organization Four (RTO4) and researchers from the University of Guelph, this project seeks to advance the adoption of progressive procurement practices within the regional hospitality and tourism sector. Progressive procurement refers to purchasing decisions that incorporate environmental, social, and ethical considerations. The hospitality and tourism industry is a significant contributor to economic development, employing approximately 2.3 million Canadians, yet it also consumes substantial natural resources and contributes to carbon emissions. Increasing progressive procurement can mitigate these impacts while fostering local economic development and enhancing community wellbeing. Building on RTO4’s past work, which identified barriers such as supplier identification challenges and knowledge gaps, the project will deliver three key outputs: a sustainable supplier directory, a progressive procurement readiness roadmap, and the formation of a progressive procurement community of practice. An action research methodology will guide implementation, leveraging RTO4’s industry expertise and the research team’s knowledge of sustainable supply chains and community wealth-building.

Study of LLM Bias on French dialects

As Large Language Models (LLMs) evolve, they have become increasingly adept at avoiding overt expressions of bias. However, more subtle forms of prejudice, particularly those related to dialect, can still persist. This project aims to investigate latent biases in LLMs by analyzing how they respond to prompts phrased in different French dialects.
We will compare LLMs responses across several French dialects, including Québec French and standard French from France. By systematically varying the dialectal features of each prompt and analyzing the model’s tone, content, and inferred stereotypes, we aim to quantify and characterize French dialect–based variation in model behavior.

The goals of this project are threefold:
-Develop domain expertise in evaluating sociolinguistic bias in LLMs, particularly as it pertains to underrepresented French dialects in Canada.
-Build benchmark datasets and protocols that can be used to assess and track dialect bias in current and future generations of language models.
-Publish research findings to contribute to the broader conversation on fairness and inclusivity in AI.

QV Studio – Validate 2026 – Sanjeet

We are currently working towards harnessing the power of quantum computing in addition to the classical computing methods to characterize the battery materials. With ever-increasing demand for sustainable materials, quantum computing can help us to model the molecular interactions in these materials with unprecedented accuracy and thus accelerate the design of novel materials which finds application in more efficient and durable batteries. Physically designing and performing experiments on molecules is both slow and expensive and hence quantum computation and other allied simulation techniques becomes the need of the hour. We tend to assist the material industry by giving a firsthand knowledge of the material property, the undergoing chemistry between the different chemicals present in the system for example how lithium compounds react with the electrolyte and electrodes present in the battery. In this way we can be involved with our industrial partners in expediting the process of selection of new materials, modelling the key chemical phenomena, mapping and enhancing the desired properties. Currently, our focus is on the lithium-ion batteries, and sodium-ion batteries. However, the quantum algorithm and solver we are working on transcends to solving and successful modelling of the material properties in general.

Bentley Systems: Spécialiser un modèle de segmentation pour extraire les labels et les lignes de repères des plans d’ingénierie et reproduire l’esthétique d’un placement humain

1) L’idée principale du stage est de pouvoir prendre des dessins finaux (au format .pdf ou image) et à l’aide d’un modèle de segmentation, d’en retirer automatiquement les étiquettes et lignes de repères pour retrouver un dessin original non annoté et un fichier de définition de toutes les étiquettes incluant leur contenu en texte, leur style (présence d’un cadre, d’un fond, texte, cible de l’annotation, ligne de repère, etc.). Cette information servira à entraîner nos modèles de placements d’étiquettes. Si cet objectif est atteint, la prochaine étape serait de mesurer l’esthétique d’un dessin humain et de comparer avec l’aspect d’un dessin annoté automatiquement par exemple avec l’entraînement d’un modèle discriminateur.

2) Les grands projets de génie civil (routes, ponts, complexes résidentiels, usines, etc.) requièrent un effort important de design et de planification. Toutes les informations colligées lors des phases préliminaires ainsi que les décisions techniques prises sont matérialisées dans divers types de plans d’ingénierie. Bien que la phase de design soit maintenant assistée par un ordinateur (CAO), les livrables – et, plus important encore, la base de référence sur le chantier – est toujours constituée d’un ensemble de documents papier ou PDF de taille prédéterminée. Passer du modèle informatique du projet à une projection de ce modèle vers des plans d’ingénierie conventionnels est régi par des normes de conception précises et requiert donc une étape de traitement supplémentaire.

3) L’étape de production des dessins en particulier est une étape coûteuse en temps ou plusieurs annotations de texte doivent être ajoutées pour transmettre l’information. Bentley développe des modèles IA pour automatiser le placement des annotations en respectant certaines contraintes (esthétique, non-recouvrement des étiquettes, non-croisement des lignes de repères, etc.).

Outlier Generation in Diffusion Models

The growing prevalence of anomalous events in real-world data highlights the importance of synthetic data generation techniques capable of identifying and generating outliers. This research introduces a novel approach for generating controlled outliers in score-based generative models by modifying diffusion model dynamics. We propose incorporating a drift control term to the reverse stochastic differential equation (SDE) with regularization inspired by Girsanov’s theorem to directly influence the evolution of data likelihood, allowing precise control over the generation of outliers.
Our method leverages the Fokker-Planck-Kolmogorov (FPK) equation to describe the evolution of data likelihood in the presence of control functions. Given the computational challenges of stochastic control, we investigate optimal transport-inspired evolution of likelihood to maintain generation stability while enforcing outlier behavior. We explore practical approaches such as quadratic programming (QP) to derive interpretable and formally verifiable closed-form control functions.
We plan to validate our approach through numerical experiments on a mixture of Gaussians, employing analytical score functions to assess the effectiveness of controlled likelihood steering. This approach will then be extended to tabular data. Our evaluation focuses on the ability of this method to generate diverse and realistic outliers while preserving the fundamental properties of the diffusion model.

Evaluating the Kindred Prenatal Outreach Support Team (POST) Program

This project aims to help evaluate the Prenatal Outreach Support Team (POST) program at Kindred in Calgary, Alberta. POST is a special program that supports pregnant women facing tough challenges—like homelessness, substance use, domestic violence, or mental health issues. The support team includes a social worker, a nurse, and a police officer, and they work with clients during pregnancy and for up to three months after birth. To understand how well the program is working, we are interviewing ten POST staff members and six clients who have completed the program. These interviews will help us learn what’s working well, what could be improved, and how to make the program easier to access and more effective.

A Multi-Modal Vision Framework for Non-Destructive Evaluation of Thermal Spray Coatings

Thermal spray coatings are thin protective layers used on aircraft engines, turbines, and other high-temperature equipment to prevent damage from heat and wear. Today, checking the quality of these coatings is slow, expensive, and often destructive: samples must be cut, polished, and tested using several separate techniques. This project aims to make coating inspection faster, cheaper, and more reliable by using artificial intelligence to analyze images of the coating microstructure.
The intern will combine advanced microscopy (2D and 3D imaging) with modern machine-learning models to automatically detect pores, cracks, and other defects, and to estimate key properties such as porosity and thermal performance. The project will also explore “super-resolution” methods to enhance lower-quality industrial images, reducing the need for repeated high-resolution measurements.
The results will support smarter manufacturing and maintenance strategies in aerospace and energy sectors. This work will help Canadian partners reduce testing costs and material waste, while training a highly qualified researcher at the interface of AI and advanced materials.

Calcul quantique pour la prédiction des interactions médicament–cible à l’aide de réseaux de neurones graphiques

L’identification des interactions médicament–protéine (DTI) constitue une étape essentielle de la découverte et du repositionnement de médicaments. Les approches d’apprentissage profond telles que les CNN, RNN et GNN ont démontré leur efficacité, mais demeurent limitées par la complexité combinatoire et la non-linéarité élevée des données chimiques et protéiques.
Ce projet propose d’intégrer le calcul quantique dans un pipeline basé sur les Graph Neural Networks (GNN) afin de tirer parti des propriétés uniques du quantum computing pour explorer plus efficacement l’espace chimico-biologique. Les circuits quantiques offrent la possibilité de représenter les données dans des espaces de Hilbert de très grande dimension, favorisant une représentation plus riche et expressive des graphes moléculaires et protéiques.
L’objectif est de concevoir un modèle hybride quantique-classique capable d’améliorer la prédiction des DTI en précision et en efficacité computationnelle. L’utilisation de simulateurs et, lorsque possible, de matériel quantique réel (IBM Q, PennyLane, Qiskit) permettra d’évaluer la faisabilité et les gains potentiels de ces approches émergentes. Ce travail ambitionne ainsi de démontrer le rôle prometteur du calcul quantique dans la bioinformatique, en ouvrant la voie à des outils d’analyse plus puissants pour la recherche pharmaceutique.

Entraîner la prise de décision au badminton

Le projet vise à documenter, analyser et améliorer les pratiques d’entraînement des entraîneurs de badminton au Québec, en mettant un accent sur les entraînements à la prise de décision. Il existe très peu de données scientifiques sur les types d’exercices proposés aux joueurs au Québec, ni sur leur potentiel à développer les habiletés tactiques. Ce manque de données freinerait la progression des joueurs. Cette recherche permettra de classifier et d’évaluer les SAP en badminton, selon leur potentiel tactique. Le projet mènera à la création d’un répertoire d’exercices classés selon leur potentiel à la prise de décision. La fédération souhaite obtenir un portrait des pratiques sur le terrain. La fédération souhaite mieux soutenir et outiller les entraîneurs de la province. Elle souhaite également intégrer les résultats du projet dans ses modules de formation. Ce projet offrira plusieurs bénéfices tangibles à Badminton Québec et à l’écosystème du badminton québécois.

AI R&D – Bluedrop ISM

Bluedrop ISM, together with Team Broken Earth, will develop an AI Learning Assistant to support the Remote Trauma Training (RTT) course. The assistant is a closed, course-specific chatbot that helps learners review validated RTT material, answer course-related questions, and suggest focused revision or additional studying — all in a controlled, safe way. The interns will help research, build, and prepare an initial pilot-ready version on Bluedrop’s SkillsPass platform. The project’s immediate benefit is better retention and readiness for frontline learners in remote settings; longer term, the work will produce a standardized, reusable AI capability that Bluedrop can adapt and deploy across other courses and clients on SkillsPass.