Projets novateurs réalisés

TRCA-TMU: CLIMate Adaption for FORests (CLIMAFOR)

As climate change progresses, global vegetation is experiencing new stressors due to changing temperature and precipitation regimes. At the same time, planting and protecting forests is increasingly recognized as a potential natural climate solution. Toronto and Region Conservation Authority (TRCA) manages forest plantations within its jurisdiction. TRCA’s management of these forests may enhance resiliency of these forests to future climate change while optimizing natural climate solutions through carbon storage and other ecosystem services. Yet there remains uncertainty as to the optimal management practices to achieve these conservation goals. TRCA is embarking upon an adaptive silviculture experiment to assess forest management practices for enhancing climate resilience. The proposed project will achieve two specific objectives within the TRCA’s experimental framework. It will 1) explore the impacts of these forest management practices on carbon storage in forest biomass and 2) test the role of remote sensing technologies can play in reducing the costs of monitoring metrics related to forest resiliency.

Genetic Susceptibility to Air Pollution Health Effects in Children

Air pollution threatens global human health, with children being uniquely vulnerable due to their actively developing respiratory and neurological systems. Exposure to higher levels of air pollution is linked to asthma, reduced lung function, exacerbation of pre-existing respiratory symptoms, and impaired neurobehavioural health outcomes. Canada’s record-breaking wildfire seasons have intensified air pollution health concerns. While reducing exposures and protecting youth from the harmful effects of air pollution remains crucial, understanding the variability as to why some children may be affected more than others is equally important. This research aims to understand how air pollution exposure, with a focus on wildfire smoke PM2.5, affects children’s lung and brain health, including how genetic susceptibility causes variable responses.

Advancing Two-step Carbon Capture and Storage Technology

This MITACS GRA project supports an MSc intern from Karunya University, India, to collaborate with Cape Breton University (CBU), Canada, on enhancing carbon capture from seawater using PEI-functionalized alginate beads. The research addresses the challenge of seawater quickly reaching CO2 saturation, which limits its capture capacity. CBU’s two-step process captures CO2 in seawater, forming precipitates that act as nucleation sites for mineral carbonation in metal-rich mine voids, converting CO2 into stable carbonates for permanent storage.
To overcome equilibrium limitations, the project applies Le Chatelier’s principle by introducing PEI-alginate beads that chemisorb dissolved CO2, sustaining its uptake. These beads, developed by Karunya University, are optimized for high amine density, water stability, and scalability. The study will assess bead performance in real seawater, including compatibility, sorption/desorption kinetics, regeneration or disposal options, and the ability of resulting precipitates to initiate carbonate formation in various mine-water chemistries.
Deliverables include experimental data, a proof-of-performance package, and engineering specifications for a coastal pilot prototype. The project aims to advance a scalable, field-ready system for permanent CO2 removal, contributing to the intern’s MSc thesis.

Évaluation de l’effet immédiat de l’exosquelette Keeogo sur la locomotion et le contrôle postural chez des personnes atteintes de la maladie de Parkinson

La maladie de Parkinson touche environ 530 sur 100 000 personnes âgées de 40 ans et plus au Canada. Elle entraîne des difficultés à effectuer des mouvements de base, comme marcher ou se lever d’une chaise. Ces limitations réduisent l’autonomie au quotidien, et il n’existe toujours pas de traitement qui rétablisse pleinement les capacités motrices. Le présent projet vise à examiner l’effet d’un exosquelette d’assistance à la marche (Keeogo, B-Temia™) pour déterminer s’il peut faciliter certaines tâches fonctionnelles chez les personnes atteintes de Parkinson. L’étude évaluera son impact lors de tâches simples (test de marche de 6 m, Timed up and Go et assis-debout) en observant quelques aspects biomécaniques (vitesse, variabilité, complexité de la marche). Réalisée en collaboration avec Parkinson Québec, cette recherche fournira à l’organisme partenaire des données concrètes sur le potentiel de cette technologie pour soutenir la mobilité et l’autonomie de ses membres.

Hola: Real-time Democratic accountability platform development

ChangeMakers Collective is developing HOLA, a new digital platform designed to help Canadians stay engaged with their elected representatives by providing simple, real-time ways to share feedback and understand government actions. This project will support the creation of key parts of the platform, including the mobile app, the systems that securely store and process information, and tools that automatically pull updates from public government data. By improving how information is gathered, tested, and displayed, the project will help ChangeMakers Collective build a reliable and user-friendly version of HOLA that is ready for pilot testing. This will allow the organization to move closer to its goal of making democratic participation easier, more transparent, and more accessible for people across Canada.

Cartographier les espaces sacrés de la Grande-Bretagne romaine : un catalogue numérique interopérable publié sur Wikidata

Ce projet vise à construire un catalogue numérique complet des temples et sanctuaires romains de Grande-Bretagne. Pour y parvenir, le stagiaire ira sur le terrain consulter des archives et documents uniques conservés dans des musées et bibliothèques britanniques. Les informations recueillies seront ensuite organisées et publiées sur Wikidata, une plateforme libre et collaborative. Le projet permettra de réunir des données jusqu’ici éparpillées, de les rendre accessibles au public et de soutenir les recherches sur l’histoire et l’archéologie de cette région.

Quantum Machine Learning and Deep Learning in Oncology

Quantum Machine Learning (QML) is an emerging field that merges quantum computing with artificial intelligence to tackle complex computational problems. By leveraging quantum principles, QML algorithms offer the potential to process high-dimensional data more efficiently than classical methods. This capability is particularly valuable in healthcare, where QML is being explored for applications in medical imaging, drug discovery, and personalized medicine.

In oncology, QML has shown promising results in tumor detection and classification. Hybrid models that integrate classical deep learning techniques, such as convolutional neural networks, with quantum circuits are being developed to enhance the analysis of medical images. These approaches aim to capitalize on quantum advantages while addressing the limitations of current quantum hardware, such as noise and restricted qubit availability.

As these technologies mature, QML is expected to play a pivotal role in precision medicine by enabling faster, more interpretable, and computationally efficient solutions.

This proposal focuses on applying QML and deep learning techniques to five major cancer types: brain, breast, lung, cervical, and kidney cancers. The objective is to develop robust models that improve diagnostic accuracy, support risk prediction, and optimize treatment strategies, ultimately contributing to more effective and personalized cancer care.

Improving Application Performance by Avoiding Double-swap

This project addresses the lack of coordination between user-space runtimes and the operating-system kernel in managing paged memory backed by disk. Modern runtimes routinely implement their own persistence mechanisms such as memory dumps or snapshots without awareness of the kernel’s prior actions on the same virtual pages. Consequently, if the kernel has already swapped out these pages, any subsequent persistence attempt triggers a page fault, followed by an additional disk write. This leads to redundant data movements, unnecessary I/O amplification, and degraded performance under memory pressure. Our contribution introduces a kernel–runtime collaboration mechanism built atop io_uring, through which the kernel can selectively delegate swap-out and swap-in responsibilities to the runtime during memory reclaim or page-fault handling. By granting runtimes controlled authority over the lifecycle of their pageable state, this mechanism eliminates duplicated writes, mitigates I/O redundancy, and substantially improves system efficiency in the presence of aggressive reclamation.

Problèmes de valeurs propres pour les matrices duales

Depuis plus d’un siècle, les nombres et quaternions duaux occupent une place importante dans les mathématiques appliquées. Introduits à la fin du XIX? siècle, les nombres duaux permettent de décrire simultanément des grandeurs et leurs variations infinitésimales. Ils ont trouvé des applications dans la cinématique, la robotique, la mécanique et, plus récemment, dans les neurosciences. Leurs extensions, les quaternions duaux, sont devenues essentielles dans la modélisation tridimensionnelle et le contrôle de systèmes complexes, par exemple pour la coordination de robots ou la cartographie simultanée (SLAM).

Le projet s’intéresse à un aspect encore peu exploré : les valeurs propres et vecteurs propres de matrices définies sur ces structures duaux. Mieux comprendre ces objets permettrait d’étendre à de nouveaux contextes les outils classiques de l’algèbre linéaire, notamment ceux utilisés en calcul numérique ou en théorie des graphes. Un second volet du projet porte sur une identité mathématique reliant directement valeurs propres et vecteurs propres — une relation redécouverte à plusieurs reprises, de la physique des neutrinos à la théorie des matrices aléatoires. L’étude conjointe de ces deux thèmes vise à enrichir la compréhension des systèmes duaux et à en élargir les applications scientifiques et technologiques.

Modelling the impact of environmental factors in asthma and COPD-related hospitalizations

Asthma and Chronic Obstructive Pulmonary Disease (COPD) often lead to hospital and emergency visits, especially when the air quality is poor or the weather is very humid. This project will use health data (after completely removing the identity of individuals) from Singapore to build computer models that can show when these visits are likely to rise. We will test whether newer computer-based methods work better than older ones. The goal is to help hospitals get ready for sudden increases in patients so they can plan staff and resources in advance. The project will also support future international teamwork by making it possible to repeat the same type of analysis using health data from British Columbia, Canada. Participating institutions will benefit by learning how to make better tools to prepare for sudden increases in hospital visits and by building safe and practical ways to work together with international partners.

Pôle de recherche : accroitre l’innovation sociale par la valorisation de l’expertise communautaire et son autonomie

Pour assurer le maintien et le développement de l’expertise en développement et en recherche, le projet « Pôle de recherche » a pour objectif la mise en place d’une structure de recherche pérenne au sein de l’organisme communautaire La Maisonnée.
Cette structure permettra de développer des outils adaptés aux divers besoins formulés par ses services, en plus de mettre en place une structure de recherche autonome, capable d’établir des partenariats avec le milieu universitaire de la recherche.

Détection d’épisodes d’hypoglycémie à travers des signaux ECG par d’IA et approche quantique.

Les épisodes d’hypoglycémie, des baisses dangereuses du taux de sucre dans le sang, constituent un risque majeur pour les personnes atteintes de diabète. Non détectés à temps, ils peuvent entraîner des complications graves comme des pertes de conscience ou des convulsions. Les dispositifs actuels de mesure continue du glucose (CGM), bien que utiles, restent coûteux, invasifs et parfois limités en précision.
Ce projet vise à développer une solution non invasive fondée sur l’analyse des signaux électrocardiographiques (ECG) et l’intelligence artificielle. En étudiant les variations cardiaques associées à l’hypoglycémie, nous proposons d’entraîner des modèles capables de détecter ces épisodes en temps réel, intégrables dans des dispositifs portables tels que des montres connectées.
Pour résoudre ce problème, nous adoptons deux approches complémentaires : 1. Une approche classique d’IA, utilisant des modèles d’apprentissage automatique pour analyser les signaux ECG. 2.Une approche quantique, exploitant le potentiel des algorithmes d’apprentissage quantique pour améliorer le traitement et la précision de détection.
En combinant données cliniques, technologies portables et méthodes computationnelles avancées, classiques et quantiques, ce projet offre une alternative prometteuse pour améliorer la surveillance et la gestion quotidienne du diabète.