Projets novateurs réalisés

Modeling Brain Responses to Natural Conversation via LLM-Derived Informational and Relational Metrics

The project uses large language models (LLMs) and information-theory measures to quantify how people think in real conversations. The goal is to create a pipeline that quantifies informational content (the purpose of the utterance is to provide/inquire information) and relational content (the purpose is to build a stronger relational bond with the other speaker) in conversation utterances. Then, we will test whether these conversation features can predict which parts of the brain become active while people talk and listen in natural, everyday conversations. This work will help Princeton and the University of Toronto develop better, more realistic models of human communication and brain function, and will produce tools and analyses that can support future research in neuroscience and AI.

Enseigner à NEOJIBA

Ce projet de recherche vise à mieux comprendre comment la musique peut contribuer au développement et au bien-être des jeunes, en particulier ceux issus de milieux défavorisés. Pour ce faire, le chercheur effectuera une immersion de trois mois au Brésil au sein de NEOJIBA, un programme d’éducation musicale reconnu internationalement et inspiré d’El Sistema, qui permet à des milliers de jeunes d’apprendre la musique en orchestre. En participant directement aux activités du programme comme enseignant et observateur, il cherchera à comprendre comment NEOJIBA adapte la musique à son contexte social et culturel, tout en répondant aux critiques adressées à El Sistema. L’objectif est ensuite de comparer cette expérience avec la réalité québécoise afin d’identifier des pratiques inspirantes et réalistes pouvant améliorer l’accessibilité et l’équité des programmes de musique au Québec. À terme, ce projet souhaite contribuer à documenter les possibilités d’adaptation de programmes inspirés d’El Sistema au Québec.

Diagnostic médical assisté par l’IA via l’intégration de l’imagerie médicale et des modèles linguistiques et visuo-linguistiques

L’intelligence artificielle joue un rôle de plus en plus important dans le domaine de la santé, notamment grâce aux grands modèles de langage capables d’analyser de vastes volumes d’information médicale. Toutefois, ces systèmes demeurent souvent difficiles à interpréter, ce qui limite leur utilisation dans des contextes sensibles.

Ce projet vise à développer des outils d’intelligence artificielle plus transparents et fiables afin de soutenir la prise de décision clinique. En combinant apprentissage automatique avancé et mécanismes explicatifs, l’objectif est d’améliorer la compréhension des recommandations générées par l’IA et de renforcer la confiance des utilisateurs.

Mené dans le cadre d’une collaboration entre le Canada et la Tunisie, le projet offrira à une stagiaire l’occasion de travailler dans un environnement de recherche stimulant à l’Université du Québec à Rimouski (campus de Lévis). Cette expérience favorisera le transfert de connaissances et le développement de compétences spécialisées en intelligence artificielle appliquée.

À terme, les résultats contribueront à l’évolution de technologies intelligentes responsables et au rayonnement de la recherche canadienne.

Vehicle Mounted Remora Edge Sensor Platform Building the Urban Nervous System

Livesens is building the Urban Nervous System: a vehicle-mounted sensing layer that turns everyday fleet movement into real-time street visibility. As vehicles drive their normal routes, we capture basic mobility signals (where movement slows, where stops cluster, how travel time changes by time of day) and convert them into clear corridor outputs like travel time reliability, delay hotspots, and recurring congestion patterns.

ESI Imaging Novel Breast Cancer Screening Data Driven Research Study

ESI’s current focus is product research and development (R&D), and commercialization activities. The R&D pipeline furthers the technology (hardware, software), systems, and collects/analyzes the data required to ensure device operations and regulatory compliance. Device R&D will refine and miniaturize the metasurface, enhance antennae, and complete software integration (signal and image processing, hardware integration, AI-driven decision-making). Data collection, testing, analysis are key to hardware and software enhancements by providing evidence, comparative testing, AI/ML training, and pre-regulatory data. Ongoing, regular, structured data collection is critical to development and certification; with a small team, data collection activities are key, but leadership and engineering teams lack the resources for sustained collection. A key data collection milestone is First-in-Human (FIH) testing scheduled for Q2-Q3 2026.
The intern will primarily be involved in data-driven activities related to FIH with an enriched population; that is, high-risk female patients at an Ontario Breast Screening Program (OSBP) / breast oncology facility. (ESI is currently in discussion with Juravinski Hospital/CIBC OSBP site.) The intern will be involved in the FIH design, collection, and analysis of the data needed to feed further R&D and regulatory planning

Caractérisation d’une torche plasma à la pression atmosphérique pour le dépôt de couches minces

Ce projet porte sur la caractérisation d’une torche plasma à arc soufflé à la pression atmosphérique pour le dépôt de couches minces organosiliciées. La caractérisation se concentre principalement sur l’interaction précurseur plasma et et son impact sur la physicochimie des couches déposées. La principale méthode de caractérisation du plasma sera faite à l’aide de l’utilisation d’un analyseur hyper-spectrale permettant une acquisition spatiales des propriétés optiques de la décharge. Des mesures de caractérisations seront également effectuées en parallèles.

Stage de recherche en ingénierie des systèmes cognitifs appliquée à la cyberjustice

Mon projet de recherche vise à rendre la justice numérique plus accessible et humaine en adaptant les outils technologiques aux capacités de compréhension des citoyens. Dans le cadre de ce stage au Laboratoire de cyberjustice, j’interviens en tant qu’élève-ingénieure en cognitique pour analyser comment les utilisateurs interagissent avec les systèmes judiciaires automatisés. Mon objectif est d’identifier les obstacles à la compréhension et de proposer des interfaces simplifiées qui réduisent la charge mentale des justiciables.

Le temps en droit de la filiation sous le prisme des assistances à la procréation

La naissance de Louise Brown en 1978 n’a pas seulement marqué la venue au monde du premier bébé éprouvette, elle a également marqué le début d’une révolution procréative permise par le succès de la fécondation in vitro. Si ces progrès ont rapidement été plébiscités par la société, leur réalisation a cependant révélé l’inadéquation du droit à reconnaître le lien de filiation de l’enfant issu d’une assistance à la procréation impliquant un tiers. C’est donc au gré des contentieux que les juges ont façonné leur jurisprudence suppléant ainsi le silence des textes. Les problématiques juridiques soulevées par ces pratiques demeurent importantes et les affaires qui en découlent font fréquemment l’objet d’une médiatisation trouvant un fort écho dans la société. Parce que ces enjeux touchent à la famille et donc à l’intimité des personnes, le droit de la filiation se doit de parvenir à une réponse respectueuse des intérêts en présence. L’objectif de la recherche est alors d’étudier les droits québécois et français pour analyser leur approche de la filiation de l’enfant né d’une assistance à la procréation, et de réfléchir aux propositions qui pourraient être formulées pour remédier aux insécurités juridiques dont sont sources les normes existantes à ce jour.

ESROP – Exploring Metallization of Tandem Solar Cells through Machine Learning and Simulations

Tandem solar cells represent the future of renewable solar energy, offering efficiencies beyond traditional single-junction silicon cells. However, their current commercial viability is limited by their metallization pattern, which is the silver contacts on the surface that collect electricity. Current design processes are manual and computationally expensive; therefore, this project aims to integrate machine learning to optimize the design of these patterns. By developing an algorithm in Python and Griddler software, we aim to optimize both the power conversion efficiency and production costs of the tandem solar cells, accelerating the global transition to clean, renewable solar technology.

ESROP – Physics-Informed Neural Network Engine for Perovskite Solar Cells

Perovskite solar cells are a promising next-generation energy technology, yet their widespread commercial adoption is hindered by extreme sensitivity to manufacturing conditions, leading to unpredictable performance. This project aims to overcome this reliability challenge by developing a “smart” predictive engine that integrates artificial intelligence with fundamental physics. By leveraging a massive dataset of nearly 500,000 device measurements, interns will construct a modular system that automatically categorizes solar cells into distinct performance regimes and trains specialized “physics-Informed” models for each category. This innovative approach ensures that AI predictions remain consistent with physical laws, offering a significant improvement over traditional tools that struggle with complex hardware data. The project benefits the National University of Singapore by delivering a robust, automated tool to accelerate the optimization of solar materials, while enabling the University of Toronto to deepen its capacity in Scientific Machine Learning, fostering international knowledge transfer that supports the global transition to clean energy.

Optical Polarization Observations of Blazars and Tidal Disruption Events

This project aims to understand the processes of accretion disk and jet formation around supermassive black hole systems. It will be performed within the Black hOle Optical-polarization TimE-domain Survey (BOOTES, https://www.ia.forth.gr/index.php/project/1055), designed to study the polarized light coming from persistent and transient black hole systems called blazars and Tidal Disruption Events (TDEs), respectively. Within the framework of BOOTES, the intern will be working on the acquisition, and data analysis of optical polarization observations using a novel high-accuracy polarimeter mounted at the 1.3-metre telescope of the Skinakas Observatory called RoboPol. The project will allow the intern to acquire hands-on experience in cutting-edge astrophysical research as well as the operation of world-class telescopes by joining the BOOTES team at the Institute of Astrophysics in Crete to study some of the universe’s most extreme objects. The proposed collaboration strengthens research ties between the participating institutions, supports student training in advanced observational techniques, and contributes valuable data to an international effort to study high-energy astrophysical phenomena.

ESROP – Time-Series Data Modelling and Analysis with a Focus on Pattern Analysis

The research addresses the fundamental trade-off in financial econometrics between computational efficiency and predictive accuracy under varying market conditions. While existing literature has established hybrid models with high predictive capabilities, these often incur high computational costs that may not be necessary during stable market regimes. Conversely, traditional regime-switching models like the MS-GARCH utilize a Markov switch to adjust parameters but often lack the predictive depth required for unstable periods.

This project aims to bridge the gap by developing a mechanism that implements Markov switches between GARCH and LSTM architectures based on the detected regime.