Projets innovants réalisés

Innovations dans l’arbitrage des règlements municipaux

Cette recherche portera sur les innovations existantes et possibles qui rendraient l’application des règlements municipaux et l’arbitrage en Saskatchewan plus accessibles, efficaces et efficients et réduiraient la participation du système judiciaire officiel. Cela peut s’appuyer sur l’exemple de la coopération régionale offert par la Cour des règlements municipaux de Kindersley, et cela peut inclure des moyens de statuer sur les poursuites liées aux règlements administratifs en dehors du système judiciaire. Toutes les solutions proposées conviendront au contexte de la Saskatchewan, et toute modification nécessaire à la législation de la Saskatchewan sera spécifiquement identifiée.

Explorer l’efficacité d’un programme pilote de mentorat d’entraîneurs parasports.

L’apprentissage informel implique l’acquisition de connaissances en dehors d’un cadre structuré dans lequel
l’apprentissage est autodirigé et développé à partir de l’expérience, de l’exposition et des interactions avec leur
(Nelson et coll., 2006). Des exemples d’apprentissage informel en coach incluent l’expérience
en tant qu’athlète, l’observation de l’entraîneur, l’autoréflexion, la lecture de livres, l’exploration d’Internet, et
apprendre d’experts ou de mentors dans le domaine (Fairhurst et coll., 2017 ; Taylor et coll., 2014).
Le mentorat a été envisagé et utilisé comme une occasion d’apprentissage informelle où les entraîneurs
rechercher des professionnels plus expérimentés dans leur domaine pour observer et apprendre (Bloom, 2013 ;
Kram, 1985 ; Ragins et Kram, 2007). L’une des premières études sur le mentorat d’entraîneur en parasport
a été menée par Fairhurst et ses collègues (2017) qui ont interviewé six Jeux paralympiques canadiens
sur leurs expériences avec les possibilités d’apprentissage formelles et informelles. Les résultats
a révélé que quatre entraîneurs sur six avaient un mentor, dont trois étaient des relations informelles
et un d’un programme de mentorat officiel, et tous les entraîneurs ont agi comme mentors tout au long de leur
carrières. Les entraîneurs ont décrit l’apprentissage de compétences hautement spécialisées spécifiques au parasport à partir de leur
les mentors, comme l’information sur la physiologie du handicap de leurs athlètes ;
l’élaboration d’un programme de formation parasport, et a considéré que cette relation était la plus leur
expérience d’apprentissage significative.

Cloud Native Big Data Ingénierie et automatisation

XLScout est une start-up engagée dans la démocratisation de l’innovation et la connexion de la recherche et du développement avec les départements de propriété intellectuelle (IP) à travers le monde. La société développe des algorithmes propriétaires, utilisant l’intelligence artificielle et l’apprentissage automatique, pour imiter le comportement d’un chercheur expert.
XLScout héberge un coffre de données d’environ 130+ millions de documents de brevet qui occupe environ 8 To de stockage. La recherche de tels documents est un processus fastidieux qui nécessite beaucoup d’efforts, de temps et de stratégies dont un chercheur novice pourrait ne pas être au courant. L’objectif de ce projet est d’automatiser le processus de recherche en permettant aux machines de comprendre les requêtes des utilisateurs. Un cadre d’exploration de texte durable et adaptatif sera développé pour fournir des résultats de recherche basés sur la PNL pour la recherche de propriété intellectuelle dans différents domaines. Cela fournira des solutions évolutives pour le coffre-fort de données de XLScout sur lequel l’entreprise exécutera des modèles d’IA / ML propriétaires et générera des solutions analytiques de grande valeur pour aider les clients à prendre des décisions éclairées

Technologies blockchain sécurisées

Au cours des dernières années, les technologies blockchain se sont révélées prometteuses en tant qu’infrastructure pour l’échange d’actifs numériques anonymes décentralisés sans confiance. La technologie promet de transformer la façon dont les données sont partagées dans de nombreux domaines, y compris le secteur financier, l’assurance et les industries du jeu. Pourtant, plusieurs obstacles empêchent l’adoption généralisée de cette technologie - l’un de ces défis est la sécurité. Pour faciliter la collecte et la gestion des données fiables dans la blockchain, il est essentiel d’assurer une communication sécurisée.
La théorie cryptographique sous-jacente de la blockchain rend difficile pour un adversaire de modifier la provenance des données. Pourtant, la technologie n’est pas à l’abri de l’accès non autorisé, des modifications et de la répudiation de l’origine. Cette recherche vise à résoudre ces problèmes de sécurité et à développer des méthodologies pour prédire, suivre et analyser les utilisateurs suspects, leur comportement et les menaces correspondantes dans la blockchain.

Adaptation de domaine multi-instituts par l’apprentissage de la représentation de séries chronologiques médicales contraintes contradictoires

Les hôpitaux s’efforcent d’effectuer des traitements médicaux de pointe, de traiter tous les patients équitablement et de réduire les coûts d’exploitation, tout en permettant aux soignants de passer plus de temps à interagir avec les patients. L’intelligence artificielle et l’apprentissage automatique promettent ces choses. Cependant, les données médicales offrent des défis uniques pour l’apprentissage automatique. À l’heure actuelle, si un hôpital souhaite inclure un algorithme pour la prise de décision automatisée, il doit soit obtenir l’approbation pour recueillir des données supplémentaires sur les patients, soit modifier ses pratiques de soins pour reproduire celles d’autres établissements. Ce travail propose une nouvelle application de l’intelligence artificielle en médecine qui crée une représentation numérique des dossiers médicaux électroniques des patients qui est contraint d’être similaire dans tous les hôpitaux, même si chaque hôpital a des procédures d’exploitation sous-jacentes différentes. En conséquence, nous pouvons transférer directement des algorithmes qui ont fait leurs preuves pour améliorer les soins dans un hôpital à un autre, sans avoir besoin de la collecte de données supplémentaires. Cette recherche a le potentiel de sauver la vie de patients qui, autrement, auraient pu être négligés, d’améliorer la qualité de vie des patients et de créer un précédent pour des soins de santé de qualité à l’échelle mondiale au cours des trois prochaines années.

L’acquisition de terres au profit de la collectivité : dynamique de la structure organisationnelle et de la gestion

Union : La Coopérative de développement durable (Union Co-operative) cherche à démocratiser la construction de la ville en donnant à ses membres les moyens d’acheter, de mettre à niveau et de gérer collectivement des propriétés commerciales et résidentielles afin d’améliorer la santé environnementale, sociale et économique de la région de Waterloo. Ce projet appuiera l’évolution du modèle de la Coopérative, le développement de logements abordables pour les réfugiés et créera des modèles qui peuvent être mis en œuvre par d’autres communautés qui cherchent à établir des loyers abordables et le contrôle communautaire de la propriété. La COVID-19 souligne l’importance cruciale d’un logement adéquat et abordable pour la mise à l’abri sur place, et la nécessité d’une capacité supplémentaire pour accueillir les réfugiés alors que les Nations Unies prédisent une instabilité mondiale accrue.
La recherche fera appel à l’analyse de documents, à des entrevues, à des groupes de discussion et à des séances de conception animées.

Détection des fuites de surveillance de pipeline informatique sur les pipelines de fluides multiphases

L’écoulement multiphasé représente une partie importante des produits transportés dans les pipelines canadiens. Chacune des nombreuses phases d’un écoulement multiphase a ses propres caractéristiques uniques, qui contribueront toutes à une couche supplémentaire de complexité dans la détection et la localisation ultérieure d’une fuite. La technologie actuelle qui compare les variations de pression pour identifier une fuite n’est pas fiable pour les fuites qui représentent moins de 1% du volume d’écoulement [1]. Compte tenu d’un pipeline multiphase d’une capacité de 300 000 barils par jour, une fuite de 1% de 3000 barils par jour peut encore avoir un impact désastreux, surtout s’il n’est pas immédiatement détecté. De tels manquements peuvent nuire à la sécurité des personnes, devenir un fardeau économique pour les entreprises et créer des dommages à la perception du public. Les résultats de ce projet combleront les lacunes dans les logiciels et les techniques de détection des fuites afin de résoudre les difficultés associées à la détection des fuites multiphases.

Exploration des formulations d’hydrogène silsesquioxane (HSQ) et utilisation du HSQ comme précurseur des points quantiques de silicium pour une utilisation dans les revêtements polymères

Le projet comprendra la production et la caractérisation de silsesquioxane d’hydrogène (HSQ), un matériau utile pour la lithographie et la production de nanomatériaux de silicium. Ce matériau est le cheval de bataille d’Applied Quantum Materials Inc. (AQM), car c’est l’un de leurs produits centraux qu’ils fournissent à l’industrie de la lithographie par faisceau électronique ainsi que le précurseur de leurs nanomatériaux de silicium. Une fois étudiés, les échantillons expérimentaux de HSQ seront transformés en nanomatériaux de silicium et incorporés dans des polymères pour produire de nouveaux matériaux qui convertissent les UV solaires en lumière rouge et proche infrarouge (NIR) plus utile.

Élaboration et application de méthodes d’estimation de la densité des mammifères marins pour les hydrophones directionnels et omnidirectionnels

Les estimations de la densité de la population de mammifères marins dans une zone et de l’évolution de la population au fil de l’espace et dans le temps sont des intrants essentiels à la gestion des interactions entre l’activité humaine et les populations de mammifères. Les relevés visuels des bateaux, des stations côtières et des aéronefs ont servi de base à la plupart des estimations de la population actuellement utilisées par les gestionnaires. Cependant, ces méthodes de relevé ne sont généralement effectuées que dans de bonnes conditions météorologiques et nécessitent de nombreux observateurs formés. Ces facteurs rendent les relevés visuels coûteux et réduisent la couverture temporelle et spatiale des estimations de population. Les données de surveillance acoustique passive (PAM), qui peuvent être recueillies nuit et jour, dans toutes les conditions météorologiques et toute l’année, constituent une solution de rechange rentable aux données visuelles.
JASCO dispose d’ensembles de données et de programmes de collecte de données continus dont les résultats contiennent les vocalisations de nombreuses espèces de mammifères marins qui préoccupent grandement les organismes de réglementation et le public, y compris les rorquals boréaux, les rorquals bleus et les rorquals boréaux sur la côte est et les épaulards résidents du sud sur la côte ouest du Canada.
Ce projet MITACS vise à améliorer les méthodes disponibles pour détecter et identifier quelles espèces de mammifères marins sont présentes dans les ensembles de données PAM en réalisant trois sous-projets.

Besoins en services d’infrastructure pour le moniteur de bien-être basé sur capteur sur un réseau de télécommunications

La population canadienne vieillit à mesure que les baby-boomers entrent dans leur année de retraite et les modèles actuels de soins communautaires ne seront pas en mesure d’évoluer pour répondre à la demande et il est préférable de continuer à vieillir chez eux et à vivre de façon autonome, ce qui mènera à la meilleure qualité de vie et aux meilleurs résultats. L’expérience récente de la pandémie de COVID a rendu certains des défis en matière de soins communautaires et de prestation de soins à distance clairs. Les projets pilotes de modèles alternatifs qui utilisent la technologie pour permettre la surveillance à distance et les capacités de soutien ont eu lieu avec un certain succès, mais ils n’ont pas vu une utilisation ou un déploiement généralisé après l’essai. L’un des principaux défis auxquels tous sont confrontés est leur dépendance à l’égard de l’infrastructure et des services de communication.

Dans le cadre de ce projet, un important fournisseur canadien de services de télécommunication (TELUS) s’emploiera à comprendre comment ces systèmes et services de surveillance à domicile s’intègrent à leur réseau, ce qui mènera à la création de services et d’architectures de réseau habilitants pour leur utilisation généralisée. Les réseaux de communication ont dû évoluer à plusieurs reprises pour répondre aux besoins et aux exigences des nouveaux modèles de services tels que l’évolution de la navigation sur le Web vers la diffusion vidéo en continu. Ce projet met l’accent sur les capteurs et les systèmes d’évaluation du bien-être et leurs implications

Explorations du mécanisme et du potentiel de l’activité antivirale de BOLD-100 comme traitement de la COVID-19

BOLD-100 est un nouveau médicament prometteur qui, selon des études initiales, a une activité puissante contre le SARS-CoV-2 (la cause de COVID-19) dans des expériences de culture cellulaire. Avant de pouvoir commencer des études cliniques avec BOLD-100, des recherches supplémentaires sur le mécanisme d’action sont nécessaires, en plus de tester l’innocuité et l’efficacité de BOLD-100 dans des modèles animaux de COVID-19. Le but de ce projet est d’utiliser une gamme de modèles de culture cellulaire et d’animaux pour tester BOLD-100 contre COVID-19 afin de mieux comprendre le médicament. En outre, les enquêtes examineront d’autres maladies virales dans lesquelles BOLD-100 pourrait être utilisé. Les résultats de ce projet aideront à définir le potentiel de BOLD-100 en tant que médicament antiviral destiné à être utilisé dans la COVID-19 et au-delà, et à accélérer son développement.

Approche non supervisée basée sur l’apprentissage pour l’analyse des menaces internes

La menace interne est l’une des menaces de sécurité les plus dommageables pour la sécurité des données, des systèmes et de la propriété intellectuelle des institutions. Les menaces typiques causées par des initiés malveillants sont les secrets commerciaux / le vol de propriété intellectuelle, la divulgation de renseignements classifiés, le vol de renseignements personnels et le sabotage de systèmes. Les actions malveillantes des menaces internes sont effectuées par le personnel autorisé des organisations, qui peut être familier avec la structure organisationnelle, les propriétés valorisée et les couches de sécurité. Étant donné qu’un initié malveillant est autorisé à accéder aux systèmes et aux réseaux de l’organisation, d’autres défis apparaissent également dans ce problème de détection. L’une d’entre elles est que les données décrivant les activités de menace internes sont généralement rares et mal documentées. Ainsi, la détection et l’atténuation des menaces internes représentent un défi majeur en matière de cybersécurité pour toute organisation. En résumé, les défis liés à la détection des menaces internes comprennent des données déséquilibrées, une réalité de terrain limitée et des changements de comportement possibles de l’utilisateur. Ce projet vise à concevoir une approche non supervisée basée sur l’apprentissage pour la détection des menaces internes. Notre objectif est d’utiliser des algorithmes d’apprentissage non supervisés avec différents principes de travail, tels que l’auto-encodeur et la forêt d’isolation. De plus, nous explorerons diverses représentations de données avec des informations temporelles et comparerons notre approche à d’autres travaux de la littérature pour analyser son efficacité et sa généralisabilité.