Projets novateurs réalisés

Innovations dans l’adjudication des règlements municipaux

Cette recherche portera sur les innovations existantes et possibles qui rendraient l’application et l’arbitrage des règlements municipaux en Saskatchewan plus accessibles, efficaces et efficients, et réduiraient l’implication du système judiciaire formel. Cela peut s’appuyer sur l’exemple de coopération régionale offert par la Cour municipale des règlements municipaux à Kindersley, et inclure des moyens de trancher les poursuites en matière de règlements à l’extérieur du système judiciaire. Toute solution proposée sera adaptée au contexte de la Saskatchewan, et toute modification nécessaire à la législation de la province sera spécifiquement identifiée.

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

L’apprentissage informel consiste à acquérir des connaissances en dehors d’un cadre structuré dans lequel
L’apprentissage est autodirigé et se développe à partir de l’expérience, de l’exposition et des interactions avec leur
environnements (Nelson et al., 2006). Des exemples d’apprentissage informel par coach incluent l’expérience
En tant qu’athlète, l’observation de l’entraîneur, l’introspection, la lecture de livres, l’exploration d’Internet, et
apprendre auprès d’experts ou de mentors dans le domaine (Fairhurst et al., 2017; Taylor et al., 2014).
Le mentorat a été considéré et utilisé comme une occasion d’apprentissage informelle où les coachs
rechercher des professionnels plus expérimentés dans leur domaine pour observer et apprendre (Bloom, 2013;
Kram, 1985; Ragins & Kram, 2007). L’une des premières études sur le mentorat d’entraîneurs dans le parasport
a été réalisée par Fairhurst et ses collègues (2017) qui ont interviewé six paralympiques canadiens
Coachs sur leurs expériences avec des opportunités d’apprentissage formelles et informelles. Les résultats
Il a révélé que quatre entraîneurs sur six avaient un mentor, dont trois étaient des relations informelles
et un d’un programme de mentorat formel, et tous les coachs ont agi comme mentors tout au long de leur
carrières. Les entraîneurs ont décrit avoir appris des compétences très spécialisées spécifiques au parasport grâce à leur
mentors, comme des informations relatives à la physiologie du handicap de leurs athlètes et
développer un programme d’entraînement parasportif et considérer cette relation comme la plus importante
une expérience d’apprentissage significative.

Ingénierie et automatisation des mégadonnées native dans le cloud

XLScout est une startup engagée dans la démocratisation de l’innovation et le lien entre la recherche et le développement et les départements de propriété intellectuelle (PI) à travers le monde. L’entreprise développe des algorithmes propriétaires, utilisant l’intelligence artificielle et l’apprentissage automatique, pour imiter le comportement d’un expert en recherche.
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 demande beaucoup d’efforts, de temps et de stratégies dont un débutant 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 durable et adaptatif d’exploration de texte sera développé pour fournir des résultats de recherche basés sur le PLN pour la recherche IP dans différents domaines. Cela offrira des solutions évolutives pour le coffre de données de XLScout, sur lequel l’entreprise exécutera des modèles propriétaires d’IA/ML et générera des solutions analytiques à forte valeur ajoutée pour aider les clients à prendre des décisions éclairées

Technologies blockchain sécurisées

Ces dernières années, les technologies blockchain se sont révélées prometteuses comme infrastructure pour un échange d’actifs numériques anonymes et sans confiance décentralisé. Cette technologie promet de transformer la manière dont les données sont partagées dans de nombreux domaines, notamment le secteur financier, l’assurance et les industries du jeu. Pourtant, plusieurs obstacles empêchent l’adoption grand public de cette technologie – l’un de ces défis est la sécurité. Pour faciliter la collecte et la gestion fiables des données en 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 domaines multi-instituts par l’apprentissage de représentation en séries temporelles médicales contraintes adversaires

Les hôpitaux s’efforcent d’offrir des traitements médicaux de pointe, de traiter tous les patients équitablement et de réduire les coûts d’exploitation, tout en permettant aux aidants de passer plus de temps à interagir avec les patients. L’intelligence artificielle et l’apprentissage automatique promettent ces choses. Cependant, les données médicales posent des défis uniques pour l’apprentissage automatique. Actuellement, si un hôpital souhaite inclure un algorithme pour la prise de décision automatisée, il doit soit obtenir l’approbation pour collecter des données supplémentaires des patients, soit modifier ses pratiques de soins pour reproduire celles d’autres institutions. Ce travail propose une application novatrice de l’intelligence artificielle en médecine qui crée une représentation numérique des dossiers médicaux électroniques des patients, qui est contrainte à être similaire dans tous les hôpitaux, même si chaque hôpital a des procédures opératoires sous-jacentes différentes. En conséquence, nous pouvons transférer directement des algorithmes qui ont prouvé qu’ils améliorent les soins d’un hôpital à un autre, sans avoir besoin de collecte de données supplémentaires. Cette recherche a le potentiel de sauver des vies de patients qui auraient autrement été 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 dans les trois prochaines années.

L’acquisition de terrains pour le bénéfice de la communauté : dynamiques de la structure organisationnelle et de la gestion

Union : La Coopérative de développement durable (Union Co-operative) cherche à démocratiser la construction urbaine en donnant à ses membres les moyens d’acheter, moderniser et gérer collectivement des propriétés commerciales et résidentielles afin d’améliorer la santé environnementale, sociale et économique de la région de Waterloo. Ce projet soutiendra l’évolution du modèle de la coopérative, le développement de logements abordables pour les réfugiés, et créera des modèles qui pourront être mis en œuvre par d’autres communautés cherchant à établir des loyers abordables et un contrôle communautaire des biens. La COVID-19 souligne l’importance cruciale d’un logement adéquat et abordable pour le confinement, ainsi que la nécessité d’une capacité accrue pour accueillir les réfugiés, alors que les Nations Unies prévoient une instabilité mondiale accrue.
La recherche utilisera l’analyse de documents, des entrevues, des groupes de discussion et des séances de conception animées.

Surveillance computationnelle des pipelines de détection de fuite sur les conduites de fluides multiphasées

Le flux multiphasique représente une part importante des produits transportés dans les pipelines canadiens. Chacune des nombreuses phases d’un écoulement multiphasique possède ses propres caractéristiques uniques, qui contribuent toutes à une couche supplémentaire de complexité dans la détection et la localisation subséquente d’une fuite. La technologie actuelle qui compare les variations de pression pour identifier une fuite est peu fiable pour les fuites qui représentent moins de 1% du volume d’écoulement [1]. En considérant un pipeline multiphasé d’une capacité de 300 000 barils par jour, une fuite de 1% de 3 000 barils par jour peut tout de même avoir un impact désastreux, surtout si elle n’est pas détectée immédiatement. De telles défaillances peuvent nuire à la sécurité des personnes, devenir un fardeau économique pour les entreprises et nuire à la perception du public. Le résultat de ce projet comblera le manque de logiciels et de techniques de détection de fuites pour relever les difficultés liées à la détection de fuites multiphasées.

Exploration des formulations d’hydrogène Silsesquioxane (HSQ) et utilisation du HSQ comme précurseur des points quantiques en silicium destinés aux revêtements polymères

Le projet impliquera la production et la caractérisation du silsesquioxane d’hydrogène (HSQ), un matériau utile tant pour la lithographie que pour la production de nanomatériaux en silicium. Ce matériau est le cheval de bataille d’Applied Quantum Materials Inc. (AQM), car il s’agit de l’un de leurs produits centraux qu’ils fournissent à l’industrie de la lithographie à faisceau électronique ainsi que du précurseur de leurs nanomatériaux en 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.

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

Les estimations de la densité de population des mammifères marins dans une région et le changement de population au fil de l’espace et du temps sont des éléments essentiels pour gérer les interactions entre l’activité humaine et les populations de mammifères. Les relevés visuels effectués depuis des bateaux, des stations à terre et des avions ont servi de base à la plupart des estimations de population actuellement utilisées par les gestionnaires. Cependant, ces méthodes d’arpentage ne sont généralement réalisées 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 jour et nuit, en toutes conditions météorologiques et toute l’année, constituent une alternative économique aux données visuelles.
JASCO dispose de jeux de données et de programmes de collecte de données en cours dont les résultats contiennent les vocalisations de nombreuses espèces de mammifères marins qui préoccupent fortement les régulateurs et le public, y compris les baleines franches, bleues et sei-i sur la côte est ainsi que 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 complétant trois sous-projets.

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

La population canadienne vieillit alors que les baby-boomers entrent dans leurs années de retraite et les modèles actuels de soins collectifs ne pourront pas s’adapter à la demande; continuer à vieillir chez eux et vivre de façon autonome est préféré, ce qui mène à la meilleure qualité de vie et aux meilleurs résultats. L’expérience récente de la pandémie de COVID a mis en lumière certains des défis liés aux soins collectifs et à la prestation de soins à distance. Des projets pilotes de modèles alternatifs utilisant la technologie permettant la surveillance à distance et des capacités de soutien ont eu un certain succès, mais ils n’ont pas connu d’utilisation ou de déploiement généralisé après l’essai. Un défi majeur auquel tous font face est leur dépendance aux infrastructures et aux services de communication.

Dans ce projet, un important fournisseur canadien de services de télécommunications (TELUS) travaillera à comprendre comment ces systèmes et services de surveillance résidentielle s’intègrent à leur réseau, ce qui mènera à la création de services et architectures réseau permettant leur usage généralisé. Les réseaux de communication ont dû évoluer à plusieurs reprises pour répondre aux besoins et exigences des nouveaux modèles de services, comme l’évolution de la navigation web vers le streaming vidéo. Ce projet se concentre 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 dont les premières études ont démontré une activité puissante contre le SARS-CoV-2 (la cause de la COVID-19) dans les expériences sur la culture cellulaire. Avant de pouvoir commencer des études cliniques avec BOLD-100, des recherches supplémentaires sur le mécanisme d’action sont nécessaires, ainsi que des tests sur la sécurité et l’efficacité de BOLD-100 dans des modèles animaux de la COVID-19. Le but de ce projet est d’utiliser une gamme de cultures cellulaires et de modèles animaux pour tester BOLD-100 contre la COVID-19 afin de mieux comprendre le médicament. De plus, des recherches 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 comme médicament antiviral pour une utilisation dans la COVID-19 et au-delà, et accéléreront son développement.

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

La menace interne est l’une des menaces les plus dommageables à 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 d’informations classifiées, le vol d’informations personnelles et le sabotage de systèmes. Les actions malveillantes de menaces internes sont menées par le personnel autorisé des organisations, qui connaissent la structure organisationnelle, les biens de valeur et les couches de sécurité. Étant donné qu’un initié malveillant est autorisé à accéder aux systèmes et réseaux de l’organisation, d’autres défis apparaissent également dans ce problème de détection. L’un d’eux est que les données décrivant les activités de menaces internes sont généralement rares et mal documentées. Ainsi, détecter et atténuer les menaces internes représente un défi majeur en cybersécurité pour toute organisation. En résumé, les défis liés à la détection des menaces internes incluent des données déséquilibrées, une vérité sur le terrain limitée et des changements possibles dans le comportement des utilisateurs. Ce projet vise à concevoir une approche basée sur l’apprentissage non supervisé pour la détection des menaces internes. Notre objectif est d’employer des algorithmes d’apprentissage non supervisé avec des principes de fonctionnement différents, tels qu’Autoencoder et Isolation Forest. De plus, nous explorerons diverses représentations des données avec des informations temporelles et comparerons notre approche à d’autres travaux de la littérature afin d’en analyser l’efficacité et la généralisabilité.