Projets novateurs réalisés

Canadian Mass Timber Costing Guide

Mass timber – an innovative, wood-based alternative to concrete and steel – is key to building greener cities, but its widespread use in Canada is currently limited by uncertainty over construction costs. Developers and builders lack reliable, standardized data to compare the price of mass timber projects against traditional building methods and materials across different regions. This research project, supported by Sustainable Buildings Canada (SBC) and RDH Building Science, aims to solve this problem. The intern will create detailed, standardized virtual building models and use industry data to directly compare the costs and carbon footprint of mass timber to concrete in major Canadian cities. The main goal is to create a nationally consistent Canadian Mass Timber Costing Guide. This guide will provide clear, evidence-based benchmarks, helping contractors, insurers, and policymakers to make informed decisions. The expected benefit to SBC is a powerful tool that will improve industry confidence, reduce risk perception, and significantly accelerate the adoption of mass timber as a valuable, low carbon construction material across Canada.

Stage de recherche sur la prévention des chutes par le judo chez les personnes âgées

Ce stage prépare une étude innovante sur la prévention des chutes chez les personnes âgées grâce au judo et à l’activité physique. Les chutes constituent un enjeu majeur de santé publique, entraînant des blessures et une perte d’autonomie. Le judo, en intégrant des exercices d’équilibre et de renforcement, pourrait offrir une solution efficace et non pharmacologique.
L’objectif du stage est de poser les bases scientifiques du projet principal en :

Réalisant une revue de littérature sur les interventions existantes et leurs impacts.
Préparant les instruments de mesure : questionnaires validés (CHAMPS pour l’activité physique, FES-I pour la peur de tomber) et questions ouvertes pour explorer les perceptions des participants.

Ce travail permettra de concevoir un protocole rigoureux pour comparer différents profils : judokas actifs, anciens judokas, participants à une formation sur les chutes et personnes sans expérience en judo.
En contribuant à ce projet, le stagiaire participera à une initiative visant à promouvoir le vieillissement actif et à réduire les risques de chutes, avec des retombées importantes pour la santé publique et la qualité de vie des aînés.

Surpoids/obésité et survenue des maladies inflammatoires de l’intestin

Les maladies inflammatoires de l’intestin (comme la maladie de Crohn et la colite ulcéreuse) touchent le système digestif et peuvent causer des douleurs, des troubles digestifs et une fatigue importante. Elles sont influencées par plusieurs facteurs, dont le microbiote intestinal — c’est-à-dire l’ensemble des milliards de micro-organismes (comme les bactéries) qui vivent naturellement dans nos intestins et participent à notre digestion et à notre santé.

L’obésité peut modifier ce microbiote, affaiblir les défenses immunitaires et favoriser une inflammation chronique. Cela pourrait augmenter le risque de développer une maladie inflammatoire de l’intestin.

Ce projet de recherche vise à mieux comprendre ce lien, en étudiant le poids corporel à différents âges de la vie. À partir d’un questionnaire complété par plus de 2700 personnes, nous analyserons les silhouettes corporelles choisies par les participants pour représenter leur apparence à 3, 10, 15, 25 et 35 ans.

L’objectif est de déterminer si le surpoids ou l’obésité à certains moments de la vie augmente le risque de développer une maladie inflammatoire de l’intestin. Cette étude pourrait aider à mieux prévenir ces maladies en tenant compte de l’évolution du poids au fil du temps.

Mitigating hallucination in vision language models for autonomous systems

Autonomous systems such as intelligent vehicles and robotic platforms must reliably perceive their surroundings and reason about complex environments to make safe, informed decisions. Recent advances in Vision-Language Models (VLMs) and Vision-Language-Action (VLA) frameworks combine visual understanding with language-based reasoning, creating unified architectures for perception, interpretation, and decision-making. This integration enables autonomous agents to describe scenes, reason about spatial and temporal context, and translate perception into executable actions, improving adaptability and interpretability. However, despite strong performance on benchmarks, VLMs and VLAs remain prone to hallucination, producing confident yet incorrect outputs that can compromise safety. In reasoning tasks, hallucinations may cause scene misinterpretation, while in action-oriented systems they can lead to flawed control decisions. This project will develop and evaluate novel multimodal VLM architectures that assess and verify their own reasoning before generating outputs or actions. By embedding internal verification and grounding mechanisms, the research aims to mitigate hallucination at its source, enhancing the reliability and transparency of model reasoning. The collaboration will strengthen institutional leadership in explainable and dependable AI, expanding expertise in reliable multimodal learning and advancing the development of safer autonomous technologies.

Automated Assessment of Surgical Skill: Leveraging Kinematic Data for Objective Expertise Inference

This project explores whether surgical expertise can be measured from the way instruments move during a realistic neurosurgical simulation. The goal is to develop machine learning models that learn motion patterns from recorded instrument movements and use them to classify different levels of surgical skill. The dataset includes recordings from participants performing a surgical simulation on calf brain tissue, providing realistic and controlled conditions for analysis. The project will help develop new data-driven tools for surgical training and assessment, benefiting participating institutions by advancing research in artificial intelligence, medical simulation, and surgical education.

Mesure de l’adhérence de la glace aux surfaces poreuses en présence de produits dégivrant : impact sur les opérations aéroportuaires

Le projet consiste en le dévelopmment d’une méthode pour évaluer l’adhérence de la glace sur les surfaces de béton et d’asphalte afin de caractériser l’impact des produits antigivre. Le projet sera réalisé au Laboratoire International des Matériaux Antigivre de l’UQAC et permettra de proposer une nouvelle méthode au groupe de travail sur la performances des produits dégivrants pour piste de la SAE.

Wafer-scale integration of 2D materials for quantum simulators and photonic integrated circuits

The field of quantum science and technology focusing specifically on quantum simulation deals with the development of novel quantum systems and hardware to realize new approaches to understanding and controlling complex quantum many-body systems on different time and energy scales. Integrating 2D materials into semiconductor production lines is a promising avenue as it enables the use of already well-established manufacturing processes, such as lithography and etching. However, one of the main barriers to the development of technologies based on 2D materials is the lack of device manufacturing processes at large scale. The development of reliable production processes would unleash the potential of 2D materials not only for quantum technologies, but for a whole range of applications, from optical communication to high-frequency electronics. This project proposes the development of wafer-scale integration of 2D materials for quantum simulators and photonic integrated circuits. Detailed investigations on 2D materials and processing challenges will be conducted to realize successful high-quality quantum devices on large wafer scale.

Pioneering Quantum Nanodevices: Enhanced Gold Bipyramid Integration for Ultrafast Coupling – 2025

Quantum computing is a cutting-edge field poised to revolutionize technology, with its quantum information processing segment projected to reach $100 billion in the next decade. It harnesses tiny units called qubits that collaborate via strong coupling to tackle complex problems far faster than conventional computers. The power of this coupling determines processing speed – stronger coupling enables quicker results. While most quantum systems require ultra-cold temperatures, this project pioneers a room-temperature alternative using minuscule gold bipyramids positioned in silicon chips to forge strong coupling. These bipyramids function like nano-antennas, amplifying qubit efficiency without cryogenic needs. Two graduate students will refine chip fabrication and particle growth to ensure precise fits, targeting a 95% success rate where nearly every hole holds exactly one vertically aligned particle. For Infinite Potential Laboratories (IPL), a subsidiary of Quantum Valley Investments, this project will enable the development of dependable quantum devices, the expansion of their patent portfolio, and the creation of innovative products such as advanced sensors. These advancements are expected to strengthen IPL’s business position and enhance Canada’s prominence in quantum innovation.

Développement et évaluation d’algorithmes d’apprentissage automatique quantique pour l’ordinateur quantique photonique

Quandela est une entreprise pionnière dans le développement d’ordinateurs quantiques photoniques fulstack, intégrant matériel, logiciel et accès cloud [1]. Ses activités couvrent la conception de sources de photons uniques, la fabrication de processeurs photoniques, ainsi que le développement de plateformes logicielles comme Perceval [2] ou MerLin pour la programmation et la simulation quantique.

L’un des défis majeurs auxquels Quandela est confrontée est la mise à l’échelle efficace de ses architectures quantiques. Cela nécessite le développement de méthodologies de benchmarking robustes, capables d évaluer les performances globales de la pile matérielle et logicielle, y compris les algorithmes d’apprentissage automatique quantique (QML) [3]. Ce projet de stage contribuera à adapter et à tester des algorithmes de QML sur les processeurs photoniques de Quandela, afin de mesurer leurs performances réelles et de mieux comprendre leurs limites dans un contexte NISQ (Noisy Intermediate-Scale Quantum) [4,5].

Les retombées attendues sont à la fois scientifiques, économiques et sociales : le projet renforcera la position de Quandela comme acteur de référence dans l’informatique quantique photonique, tout en ouvrant la voie à des applications durables de l’intelligence artificielle quantique, plus économes en énergie et moins dépendantes des grands centres de calcul classiques.

Development of biomaterials for antibiotic delivery

Antibiotic-resistant infections are a growing global concern, particularly in chronic wounds where traditional treatments often fail to maintain effective drug levels. This project aims to develop hydrogel-based materials capable of delivering antibiotics directly to infected tissues in a controlled and sustained way.

Hydrogels are soft, water-rich polymer networks that can mimic the structure of living tissues. Their high porosity and tunable properties make them ideal platforms for localized drug delivery. In this study, the intern will design and characterize alginate-based or hybrid polymer hydrogels that can encapsulate poorly water-soluble antibiotics.

The main objectives are to fabricate hydrogel scaffolds with adjustable porosity for optimized drug loading, to assess their mechanical and physicochemical properties for wound applications, and to evaluate antibiotic release and antibacterial efficacy against pathogens such as Staphylococcus aureus.

This research will contribute to developing next-generation wound-care materials that promote healing while reducing systemic side effects and antibiotic resistance. By combining materials science and microbiology, the project supports the broader mission of the Coombes Lab at McMaster University to advance innovative biomaterial strategies for infection control and tissue repair.

Optimisation Prédictive de la Formulation des Plastiques Recyclés (PP/PE/PS)

Ce projet vise à s’attaquer à une limitation critique qui entrave la capacité de l’industrie du recyclage du plastique à vendre son produit, les plastiques recyclés, sur le marché. Lors de l’achat de plastiques recyclés sous forme de granulés, les clients exigent que le plastique possède des propriétés qui soient aussi proches que possible de leurs exigences. Ces propriétés concernent principalement la fluidité du plastique et sa résistance aux chocs.

Fournir un produit qui correspond aux attentes du client est souvent un défi et une contrainte, car les recycleurs doivent mélanger différentes catégories de plastique pour obtenir les propriétés requises. Cela est ardu car cela se fait par une méthode d’essai et erreur qui est très chronophage.

Ce projet a pour objectif d’explorer deux types de modèles différents (analytiques et basés sur l’apprentissage automatique) pour accomplir cette étape rapidement et efficacement. Le but est de faire savoir aux clients aussi vite que possible si la qualité de plastique recyclé demandée peut être produite, et de la produire le plus rapidement possible avec le moins de déchets possible.

Multi-Objective Optimization of Energy Systems in Smart Grid in Connection with Renewable Energy Communities Considering Source and Consumption Variability

In this project, we will develop a multi-objective and hybrid energy optimization framework for the optimum system cost and energy cost savings with a tolerable degree of customer discomfort. This framework will be based on artificial intelligence (AI) and artificial neural network (ANN) approaches for forecasting to track for maximum green energy production with the help of SG and REC. These goals and objectives will be achieved by utilizing optimization techniques like genetic algorithm (GA), binary particle swarm optimization, wind driven optimization, fuzzy logic, HGSO to acquire all sets of solutions. The compromise solutions will then be chosen using hybrid, decision-making, and multi-criteria techniques, such as Pareto-optimal, AHP and VIKOR approaches. Moreover, incentive-based DR programs are adopted to cope with the uncertainties resulting from power generation by RESs. In addition, SOs suggested DR programs and a proposal for the use of price-offer packages for consumers must be implemented. It is proposed to use a multi-objective scheduling model and recommend the Pareto criterion with nonlinear sorting based on fuzzy logic and heuristic algorithms. Lastly, comparing results between different pricing schemes will be done by adopting and merging time of use (ToU), inclined block rate, flat pricing, and day-ahead pricing.