Projets novateurs réalisés

Développement d’un Système Personnalisé pour la Détection Précoce d’Événements Cliniques et l’Identification de Biomarqueurs : Application à l’Hypoglycémie

Dans les systèmes de monitoring physiologique (comme l’ECG ou l’EEG), certains événements rares, par exemple une crise d’épilepsie ou un épisode d’hypoglycémie sévère, peuvent avoir des conséquences graves s’ils ne sont pas détectés à temps. Ces événements, souvent brefs et peu fréquents, sont pourtant cruciaux à identifier rapidement pour permettre une alerte précoce et prévenir des situations d’urgence.

Le défi réside dans la rareté de ces événements, leur variabilité entre les individus, et le bruit présent dans les signaux. L’hypothèse de ce projet est qu’il est possible d’améliorer leur détection grâce à des modèles d’intelligence artificielle capables de mettre en évidence des motifs faibles mais significatifs, en utilisant des mécanismes d’attention et des représentations adaptées aux signaux complexes, notamment des approches point-based.

Durant ce stage, la doctorante développera un système performant de détection automatique d’événements rares dans des signaux physiologiques, posant les bases d’applications cliniques variées et de systèmes d’alerte médicale intelligents et personnalisés.

Synthèse totale de l’hodgsonox

Le projet porte sur la synthèse totale de l’hodgsonox, c’est-à-dire la construction par une succession de réactions chimiques au laboratoire de la structure complète de la molécule. L’hodgsonox est une molécule naturelle isolée au début des années 2000 et jamais synthétisée depuis. Elle est isolée d’une plante de Nouvelle-Zélande et possède des activités insecticides contre une mouche parasite. Outre cette activité biologique, l’hodgsonox possède une structure originale qui constitue un vrai défi synthétique qui peut expliquer pourquoi personne n’a réalisé jusque maintenant sa synthèse totale.

Self-Driving Lab en chimie des nanomatériaux : spectroscopies in-line & RL

Ce projet vise à développer un laboratoire autonome combinant intelligence artificielle et spectroscopie pour accélérer la découverte de matériaux et l’analyse de produits complexes. Sous la supervision du professeur Jean-François Masson à l’Université de Montréal, le stage portera sur la mise en place d’un système de synthèse en flux contrôlé par apprentissage automatique, permettant de fabriquer et d’optimiser des nanomatériaux en temps réel. Le stagiaire participera aussi à des applications concrètes, comme l’automatisation du classement du sirop d’érable et la détection optique de neurotransmetteurs dans les tissus biologiques. Ce projet favorisera le transfert de connaissances entre le Canada et le Maroc, contribuera à la recherche en laboratoires intelligents et offrira des bénéfices concrets pour les domaines de l’énergie, de l’agroalimentaire et de la santé.

SUSTAIN Emerging Leaders: Weaving Cultural Equity through Community-Based Research

SUSTAIN Emerging Leaders will study, document, analyze, and mobilize impacts of a pilot fellowship program for racialized and gender diverse young creatives, created by community partner the Foundation for Leadership, Imagination and Place (FLIP). The OCAD University-based intern will investigate the SUSTAIN fellowship coaching program, to explore how comprehensive durational support, focusing on basic income, intensive coaching, and wellness and belonging, may impact change in organizational leadership structures, and inform practices for potential sector-wide implementation.

Classification automatisée des soutènements souterrains par analyse topographique avec apprentissage machine

Au Canada, de nombreuses infrastructures souterraines comme les tunnels creusés dans le roc vieillissent et deviennent difficiles à inspecter. Ce projet de recherche vise à moderniser leur évaluation en utilisant des technologies de pointe. En collaboration avec une entreprise spécialisée en géomécanique, l’équipe développe une méthode innovante pour reconnaître automatiquement les structures de soutènement (les éléments qui maintiennent les parois des tunnels) à partir de données 3D.
Ces données sont recueillies grâce à des outils de télédétection comme le LiDAR, la photogrammétrie et des scanners laser, qui permettent de créer des cartes très détaillées des parois souterraines. Ensuite, des logiciels spécialisés analysent ces cartes pour extraire des informations physiques comme la rugosité ou l’orientation des surfaces.
Enfin, des algorithmes d’intelligence artificielle sont entraînés pour identifier les types de soutènement et détecter des signes de détérioration, comme la rouille, même lorsque les données sont de faible qualité.
Ce projet permettra de rendre les inspections plus rapides, plus précises et plus sécuritaires, tout en formant une nouvelle génération de spécialistes capables de travailler à l’interface entre l’ingénierie, la géomatique et l’intelligence artificielle.

Computational models of cone photoreceptor mosaic formation

Cone photoreceptors are specialized neurons of the vertebrate retina that absorb light to begin daylight vision. Two major morphological types exist: single cones, which are circular in cross section, and double cones, which consist of two conjoint cells with elliptical cross section. Cones can be distributed in precise repeat patterns such as he hexagonal lattice (as present in the human fovea), where each single cone is surrounded by six neighbours, the square lattice (as occurs in many adult fishes and lizards) where each single cone is surrounded by four double cones, or the row lattice (as in adult zebrafish), where rows of double cones alternate with those of single cones. The physical mechanisms underlying cone mosaic patterning are unknown. This research will model potential forces (adhesion, rotation, translation) acting on cones to reveal the mechanisms that underpin cone pattern formation. As cone mosaics are essential for all aspects of vision and become disrupted in major retinal diseases, this research is invaluable to understand basic principles of retinal architecture and how it affects function. This research will benefit the collaborating laboratories as both share research interests in cone structure and function and in understanding mechanisms of retinal development and homeostasis.

Exploration minérale par intelligence artificielle

La découverte de nouveaux gisements miniers est devenue l’un des grands défis du XXI? siècle. Alors que la demande mondiale en minéraux stratégiques augmente pour accompagner la transition énergétique, les ressources facilement accessibles s’épuisent. L’exploration doit désormais cibler des environnements complexes où les méthodes traditionnelles sont coûteuses et incertaines.

Ce projet propose une approche intégrée combinant télédétection multispectrale, données géophysiques et intelligence artificielle. En exploitant les images satellites et les levés géophysiques, puis en les analysant avec des algorithmes d’apprentissage automatique, l’objectif est de produire des cartes de prospectivité minérale plus fiables. Cette méthodologie contribuera à réduire les coûts, les risques et l’impact environnemental liés aux campagnes de terrain.

L’étude sera appliquée au Centre Togo, une région prometteuse mais encore sous-explorée. Elle permettra de tester ces approches dans un contexte inédit et de favoriser un transfert de connaissances à partir de l’expertise canadienne.

Sous la supervision du professeur Erwan Gloaguen (INRS-ETE), expert reconnu en IA appliquée aux géosciences, ce projet renforcera le leadership du Canada, stimulera l’innovation minière, encouragera une exploration plus durable et formera une nouvelle génération de chercheurs capables de relever les défis de la transition énergétique.

Investigating the Role of Mutations in Genome Evolution

Mutations are small changes in DNA that can have big effects on how organisms adapt and evolve. My project investigates how mutations arise in yeast and how factors like ploidy, environment, and genome organization influence their occurrence. I will use a fluctuation test, a fast and reliable method for measuring mutation rates at specific genes, to compare how different species respond to various conditions.

The first part of my project focuses on Kluyveromyces lactis, a haploid yeast species that has not been studied extensively. I will track mutations that inactivate a key gene such as URA3, providing insight into how haploid genomes accumulate mutations. For diploid species like Candida albicans, I will use an antibiotic resistance marker that regains function only after mutation, allowing me to study mutation patterns in organisms with two chromosome sets.

In addition to mutation rates, I will examine ploidy changes in Schizosaccharomyces pombe populations and observe how genome stability responds to environmental stress. This project combines hands-on experiments with fundamental questions about mutation, adaptation, and genomic resilience. By the end, it will provide a clear picture of how different yeast species maintain genome stability while still generating the mutations that drive evolution.

Machine Learning-Driven Techno-Economic Optimization of Hybrid Renewable Energy Systems with Hydrogen Storage for rural electrification in developing countries

Achieving net-zero targets in developing countries requires deploying renewable energy in off-grid areas where grid expansion is impractical. High capital costs for renewable energy and hydrogen storage hinder adoption, with many systems being inefficient due to poor sizing or curtailment. This research focuses on developing a hybrid AI and optimization framework to enhance the sizing and economic analysis of renewable energy systems. It aims to create a cost-effective Hybrid Renewable Energy System (HRES) for off-grid electrification in Nigeria or similar locations in Canada or globally. Building predictive models using Linear Regression, Tree Support vector Machines (SVM), Ensemble, Gaussian Process Regression, neural Network, and Kernel models is proposed for estimating the Levelized Cost of Electricity (LCOE) of the systems. By leveraging innovative AI solutions, the study aims to promote net-zero technologies and address barriers to transitioning to a low-carbon economy.

Image-to-Video Generative Modeling for Controllable Image Animation

This project aims to develop an AI-driven system that transforms a single still image into a realistic, controllable animated video. Unlike traditional video production, which requires costly filming or manual animation, our approach leverages advanced diffusion models to automatically generate dynamic motion while preserving the original visual details of both characters and text. A key innovation is the creation of layered video outputs, where different elements—such as background, characters, and text overlays—are separated. This allows easy editing and customization, enabling creators to modify individual components without regenerating the entire video.

The technology directly addresses challenges faced by the digital marketing and creative media industries, where rapid production and personalization are essential. By providing a scalable solution for high-quality animation, the project reduces production costs and turnaround times, empowering companies to deliver engaging content across multiple campaigns and markets.

Beyond commercial applications, this work contributes to advancing Canada’s AI and creative technology ecosystem. It trains highly skilled talent in generative AI and fosters collaboration between academia and industry. The outcome will support small businesses, independent artists, and marketing teams with accessible, professional-grade animation tools, driving innovation in digital storytelling and interactive advertising.

Safeguarding Economic Rights in Irregular Migration: Practical Pathways for Protection and Regularisation

This research project seeks to explore two interrelated, critical questions: “how do States situated along key migration corridors safeguard irregular migrants’ economic rights?” and, more specifically, “to what extent are measures and models to prevent and prosecute labour exploitation and forced labour (incl. through anti-trafficking efforts) effective in practice?”

Kondan & Symss Consultancy Inc. is a Toronto-based international consulting firm that works globally across more than 30 countries. Over the past decade, the firm has developed strong expertise in irregular migration by evaluating various global return and reintegration platforms/facilities alongside multiple protection and migration-related projects.

Through these engagements, the firm has observed that while policymakers and practitioners often voice strong interest in upholding the economic rights of irregular migrants, there is little case study documentation that shows what has worked and why certain commitments fall short. This gap is especially pressing in States facing rising demand for labour migration but with limited experience in managing bilateral agreements or temporary migration schemes. Therefore, the project aims to address this evidence gap by producing research across the proposed objectives, alongside a series of public-facing briefs that synthesize findings into accessible lessons learned.

Equilibrium isotope effects in aqueous environment

Water is without a doubt the most studied chemical compound. Nonetheless, because water is at the center of all biological and many geological processes and because it has uncommon physical and chemical properties, there is always more to discover about it. Here we aim to understand how water affects isotopic equilibria in gases containing methane, carbon dioxide, hydrogen, etc. – all ubiquitous in geology. This is crucial for geochemical applications, as isotopic content of samples is routinely used to pinpoint the origin and the mechanism of formation of natural samples. In collaboration with quantum chemists from Tufts and experimental geochemists from Berkeley, we have already developed a robust framework for predicting these for gaseous molecules.

In order to broaden the scope and impact of our research, we seek expertise in modeling complex many-body effects from the theoretical and computational physics group from lead by Prof. Sakhnyuk at the Volyn National University in Lutsk, Ukraine. The intern, Dmytro Skorubskyi, guided by Prof. Korol will utilize his background in theoretical and computational physics to overcome the challenges of simulating such a complex environment as liquid water. The interdisciplinary and inter-continental connection will thus be established.