Projets innovants réalisés

Explorez des milliers de projets réussis résultant de la collaboration entre les organisations et les talents postsecondaires.

13270 Projets terminés

1072
AB
2795
C.-B.
430
MO
106
NF
348
SK.
4184
L’ONT
2671
QC (EN)
43
PE
209
N.-B.
474
N.-S.

Projets par catégorie

10%
Informatique
9%
Génie
1%
Ingénierie - biomédicale
4%
Ingénierie - chimique / biologique

Une solution de positionnement omniprésente pour les capteurs montés sur la tête - Deuxième année

Les progrès récents de la technologie de vision par ordinateur et de détection ont montré un grand potentiel pour les véhicules autonomes. Ce travail vise à étudier l’utilisation d’un affichage tête haute en réalité augmentée pour améliorer la fiabilité des systèmes avancés d’aide à la conduite (ADAS). Les algorithmes mis au point aideront les conducteurs à détecter les obstacles, p. ex. les passages pour piétons, à améliorer les avertissements actuels de sortie de voie pour permettre à une voiture de naviguer en toute sécurité sans, ainsi qu’à estimer la distance par rapport aux véhicules à proximité pour éviter les collisions.

Voir la description complète du projet
Superviseur de la faculté :

Parc Edward

Etudiant :

Ahmed Arafa

Partenaire :

Elves Technologies Inc. (en)

Discipline :

Ingénierie - mécanique

Secteur :

Technologies de l’information et des communications

Université :

Programme :

Élévation

Modélisation mathématique de l’approvisionnement en vitamines B chez les vaches laitières – Deuxième année

Les besoins en vitamine B des bovins ont été traditionnellement satisfaits par la synthèse microbienne du rumen. Cependant, les demandes en vitamines B de la vache laitière moderne à forte production dépassent maintenant le taux de synthèse des microbes du rumen, ce qui conduit à une production et à une efficacité du lait sous-optimales. Une meilleure compréhension des facteurs alimentaires qui stimulent la synthèse ruminale et l’utilisation de vitamines B aideront à déterminer quand la supplémentation profitera à la vache. Bien que la cinétique de la vitamine B chez la vache laitière n’ait pas été modélisée auparavant, les données sur les concentrations et les débits sont disponibles auprès de sources existantes. Cette information sera utilisée pour développer des modèles afin d’augmenter notre compréhension globale des facteurs affectant la synthèse de la vitamine B dans le rumen. Un tel modèle appuiera l’élaboration de stratégies nutritionnelles pour répondre aux besoins modernes des vaches laitières en vitamines B, offrant ainsi une efficacité et une santé métaboliques améliorées.

Voir la description complète du projet
Superviseur de la faculté :

Jacques France

Etudiant :

Douglas Castagnino

Partenaire :

Université de Guelph

Discipline :

Sciences animales

Secteur :

Agriculture

Université :

Programme :

Élévation

Technologie de radiodiffusion cellulaire sécurisée dans la communication M2M pour une application spécifique à l’énergie

Ce projet sera axé sur la recherche de solutions de diffusion cellulaire pour les communications de machine à machine (M2M) (opérations de commande et de contrôle). Comme une alternative à l’Internet, Cell Broadcast est censé offrir grand
avantages à la fois pour les fournisseurs de services publics ainsi que pour les consommateurs de CVC commerciaux / résidentiels en raison de ses caractéristiques et de sa nature de radiodiffusion sur les canaux de contrôle cellulaire. L’adoption de la diffusion cellulaire générera plusieurs défis liés aux communications qui seront étudiés et étudiés tout au long de la période de subvention. Les solutions globales proposées pour relever ces défis seront également abordées. Le programme Mitacs aidera NexGen Controls à obtenir de l’expertise, des connaissances et divers ensembles de compétences que les stagiaires fourniront pour accélérer la recherche et le développement dans le cadre du projet proposé. Les résultats de la recherche permettront aux clients de NexGen Controls d’optimiser et de contrôler les ressources énergétiques de tous les fournisseurs de services publics jusqu’à leur équipement mécanique CVC, etc. De plus, les résultats du projet créeront une transition pour NexGen Controls d’un fournisseur de services axé sur le consommateur, à un fournisseur de solutions de communication énergétique de contrôles éprouvé, offrant une commande et un contrôle inégalés, résistants à Internet et sécurisés, pour les entreprises de services publics, les consommateurs commerciaux / industriels ainsi que résidentiels.

Voir la description complète du projet
Superviseur de la faculté :

Jahangir Hossain

Etudiant :

Hassan Mohammadnavazi

Partenaire :

NxGen Controls Corp

Discipline :

Génie

Secteur :

Secteur de l’énergie

Université :

Programme :

Accélération

Développement d’un système photovoltaïque/thermique intégré combiné pour bâtiments (BIPV/T) pour les applications de bâtiments à consommation énergétique nette zéro – Deuxième année

Le réseau photovoltaïque intégré au bâtiment (BIPV/ T) incorporé dans une structure de bâtiment est un système qui combine le toit / façade, les cellules photovoltaïques et le collecteur thermique comme un produit tout-en-un au lieu d’installer chacun individuellement. Le BIPV/T remplace efficacement les matériaux de construction conventionnels et est plus rentable que d’avoir plusieurs produits distincts, et l’installation du système BIPV/T peut être mise en œuvre lors de la construction initiale du bâtiment. Bipv /T sert non seulement à produire de l’électricité, mais peut également générer de l’énergie thermique, et agir comme une protection contre le bruit et les conditions météorologiques. Dans cet esprit, bipv / T fonctionne comme une nouvelle technologie perturbatrice. Ce projet permettra aux partenaires de mieux comprendre les avantages, les défis et les améliorations de la conception et de l’installation des systèmes du BIPV/T, ce qui pourrait réduire les coûts, aider à faire progresser le système d’énergie solaire commercial et contribuer aux avantages économiques de l’Ontario et du Canada.

Voir la description complète du projet
Superviseur de la faculté :

Alan Fung

Etudiant :

Raghad Kamel

Partenaire :

Office de protection de la nature de Toronto et de la région

Discipline :

Ingénierie - mécanique

Secteur :

Énergies de remplacement

Université :

Programme :

Élévation

L’accélérateur civique de Guelph

Ce projet permettra d’évaluer le programme Civic Accelerator à Guelph et de rechercher les principales caractéristiques du programme. L’Accélérateur civique est une approche innovante du développement économique, utilisant l’approvisionnement du secteur public et les concours de défis pour soutenir les entrepreneurs, les startups, les étudiants et les entreprises technologiques âcivic. Ce projet appuiera l’élaboration continue du programme Civic Accelerator à Guelph ainsi que l’adoption du modèle de façon plus générale. Plus précisément, ce projet examinera comment les sujets des défis sont identifiés, comment les entreprises participantes sont soutenues, comment les idées sont évaluées dans l’âchallengeâ et d’autres façons dont le programme pourrait être exécuté. Les réponses à ces questions éclaireront directement les futures itérations de l’accélérateur à Guelph ainsi que les efforts de CODX pour ensemencer les défis d’innovation en matière de données dans les municipalités du Canada.

Voir la description complète du projet
Superviseur de la faculté :

Harry Cummings

Etudiant :

Joséphine Bamanya

Partenaire :

Échange de données ouvertes au Canada

Discipline :

Sciences de l’environnement

Secteur :

Gestion d’entreprises et d’entreprises

Université :

Programme :

Accélération

Exploiter la puissance du transfert horizontal de gènes pour le développement de souches de levure

La levure est utilisée à grande échelle dans de nombreux contextes industriels, tels que la production d’aliments et de boissons, de suppléments nutritifs, de produits pharmaceutiques et autres, totalisant plus de 5 milliards de dollars en valeur marchande annuelle. La plupart des levures actuellement utilisées à des fins industrielles sont tirées directement de la nature et ne sont pas optimisées pour les exigences de processus spécifiques de l’industrie. Actuellement, de nombreux outils pour l’amélioration des souches nécessitent une modification génétique des organismes, ce qui ne permet pas un étiquetage âcleanâ sans OGM. Les améliorations des souches de levure peuvent également être dérivées par des méthodes classiques - telles que la sélection et l’évolution - mais la portée est limitée aux caractères déjà présents dans les espèces de levure plus larges capables de s’accoupler. Les levures acquièrent également de nouveaux caractères par transfert horizontal de gènes (HGT), qui est l’acquisition de matériel génétique par des mécanismes autres que la reproduction. À CONT’D

Voir la description complète du projet
Superviseur de la faculté :

John Smit

Etudiant :

Cédric Brimacombe

Partenaire :

Renaissance BioScience Corporation

Discipline :

Biologie

Secteur :

Sciences de la vie

Université :

Programme :

Élévation

Technologie et outils pour le neurodiagnostic quantitatif à l’aide de l’imagerie par résonance magnétique ultra-haute résolution

Le projet vise à traduire les développements dans les capteurs d’IRM ultra-sensibles dans un cadre cliniquement pertinent. Pour créer des capteurs de haute sensibilité pour de meilleures images, nous visons à créer un système d’ajustement serré qui place les capteursâakin aux antennesâcloser au cerveau. Cela améliorera la qualité des signaux que nous pouvons extraire du cerveau et nous permettra d’utiliser ces améliorations pour capturer des images qui ont une résolution plus élevée et un meilleur contraste. En utilisant cette amélioration de l’imagerie, nous visons ensuite à créer un grand ensemble de données normatives sur les épaisseurs de matière grise. Cet ensemble de données nous dira ce qui est ânormalâ pour l’épaisseur dans chaque partie du cerveau, et nous permet de capturer les différences avec précision et la sensibilité. En fin de compte, nous visons à devenir sensibles à des changements même subtils dans la perte de matière grise, ce qui peut nous permettre de détecter certaines maladies neurodégénératives plus tôt, ce qui nous permet de mieux les traiter.

Voir la description complète du projet
Superviseur de la faculté :

Reza Farivar-Mohseni

Etudiant :

William Mathieu

Partenaire :

Siemens Healthcare Ltd.

Discipline :

Ingénierie - mécanique

Secteur :

Dispositifs médicaux

Université :

Programme :

Accélération

Applications de l’apprentissage profond à l’analyse de données à grande échelle en protéomique basée sur la spectrométrie de masse

En raison des progrès récents des technologies à haut débit, l’augmentation rapide des quantités de données de spectrométrie de masse (SM) présente de nouvelles opportunités ainsi que des défis pour les méthodes d’analyse existantes. De nouvelles approches informatiques sont nécessaires pour tirer parti des dernières percées en calcul haute performance pour l’analyse à grande échelle des mégadonnées à partir de la protéomique basée sur la SP. Dans ce projet, nous visons à développer de nouvelles applications de l’apprentissage profond et des réseaux neuronaux pour l’analyse des données sur la SP. En particulier, nous nous concentrons sur trois problèmes fondamentaux dans un flux de travail typique d’analyse de LAM : la détection et la quantification des caractéristiques peptidiques, le séquençage des peptides de novo et l’identification et la quantification des protéines. Une fois évaluées avec succès, les techniques proposées seront mises en œuvre et intégrées à PEAKS Studio, la plate-forme d’analyse MS actuelle du partenaire. Nous croyons que les résultats du projet contribueront à des avancées majeures dans le domaine de recherche de la protéomique basée sur la SP et amélioreront considérablement le rendement des produits logiciels du partenaire.

Voir la description complète du projet
Superviseur de la faculté :

Mark Giesbrecht

Etudiant :

Ngoc Hieu Tran

Partenaire :

Solutions bioinformatiques inc.

Discipline :

Informatique

Secteur :

Technologies de l’information et des communications

Université :

Programme :

Élévation

Conception de couches catalytiques de nouvelle génération pour les piles à combustible PEM

La performance des catalyseurs de métaux non précieux (NPMCs) pour les piles à combustible à membrane échangeuse de protons (PEMFC) a maintenant atteint un stade où ils peuvent être considérés comme des alternatives possibles au Pt coûteux, en particulier pour les applications de faible puissance. Cependant, malgré les efforts importants déployés dans le passé pour le développement de catalyseurs, seules des études limitées ont été réalisées sur les conceptions d’électrodes à base de MNP. Ainsi, il est nécessaire de développer une électrode à base de NPMC efficace qui peut équilibrer correctement les paramètres complexes pour maximiser les performances qu’elle peut apporter. Ici, nous proposons la recherche et le développement d’électrodes NPMC rentables avec des performances améliorées grâce à des nanoarchitectures hiérarchiques. Ce travail implique une approche unique et prometteuse dans la fabrication de pointe de NPMCs nanostructurés et d’électrodes avec une ingénierie précise de leurs nanostructures.

Voir la description complète du projet
Superviseur de la faculté :

Zhongwei Chen

Etudiant :

Ja-Yeon Choi

Partenaire :

Ballard Power Systems Inc.

Discipline :

Ingénierie - chimique / biologique

Secteur :

Secteur de l’énergie

Université :

Programme :

Accélération

Étiquetage longitudinal faible pour le pronostic du cancer du poumon et prédiction de la réponse au traitement

Ce projet vise à évaluer si les résultats récents dans les modèles d’apprentissage profond, formés pour exploiter les étiquettes faibles (Hwang, 2016) peuvent servir à extraire des localisations significatives de lésions à partir d’étiquettes au niveau de l’image, soit à partir de scans individuels ou donné une séquence (longitudinale) de celui-ci. À cette fin, nous allons mettre à l’échelle les modèles existants qui ont été montrés pour travailler sur des images 2D à un contexte 3D, en étudiant les performances d’étiquetage à mesure que la taille du jeu de données augmente. En cas de succès, ce travail affirmera l’utilité des DCNN pour fournir un cadre de modélisation général afin d’intégrer l’imagerie à d’autres données cliniques sur les patients dans un système prédictif qui pourrait aider à soutenir les décisions cliniques et, en fin de compte, améliorer les soins aux patients. Le projet de recherche proposé s’inscrit dans la feuille de route scientifique du partenaire, qui consiste à développer des modèles d’apprentissage profond adaptés au traitement des données cliniques qui surviennent de manière séquentielle au niveau du patient (données longitudinales), dans lequel l’ensemble des modalités cliniques disponibles peut être très variable (hétéromodalité). Le partenaire industriel dispose d’une équipe existante de chercheurs à temps plein dédiée à l’étude de ces questions ; le stagiaire attaquera les questions complémentaires avec l’aide de l’équipe.

Voir la description complète du projet
Superviseur de la faculté :

Yoshua Bengio

Etudiant :

Michal Drozdzal

Partenaire :

Imagia Cybernetics Inc. (en)

Discipline :

Informatique

Secteur :

Dispositifs médicaux

Université :

Programme :

Accélération

Analyse de TGF- ? pièges comme traitements immunostimulants efficaces contre le cancer

AVID200 est un TGF- ? piège qui séquestre spécifiquement TGF- ? I et TGF- ? III pour augmenter l’immunité antitumorale pour empêcher la croissance de tumeur. AVID200 évite également l’effet secondaire indésirable de appauvri de TGF- ?II. AVID200 est relativement de courte durée dans la circulation, diminuant sa capacité d’exercer l’amélioration souhaitable de l’immunité antitumo-tumorale. Pour augmenter l’efficacité de TGF- ? pièges, un panel de molécules candidates qui retiennent TGF- ? La spécificité isoforme et la capacité d’inactivation, mais avec une stabilité accrue prévue, ont été générées par Formation Biologics. Pour soutenir une application de nouveau médicament expérimental (IND), des modèles murins de cancers du sein, du mélanome et de l’ovaire seront traités avec ces TGF- ? pièges. Leur effet sur le système immunitaire et l’inhibition de tumeur seront déterminés à la fois en tant qu’agents simples et en combination avec des drogues stimulantes immunisées. Ces expériences fourniront des preuves précliniques de l’efficacité du candidat TGF- ? inhibiteurs sur des modèles murins de cancer en préparation d’une application IND et des essais cliniques.

Voir la description complète du projet
Superviseur de la faculté :

James Koropatnick

Etudiant :

Michael Thwaites

Partenaire :

Produits biologiques de formation

Discipline :

Biochimie / Biologie moléculaire

Secteur :

Produits pharmaceutiques

Université :

Programme :

Accélération

Visualisation, compréhension et ingénierie des modèles d’apprentissage automatique pour la reconnaissance des entités

L’apprentissage automatique est une discipline d’enseignement des tâches reproductibles aux ordinateurs que les humains font bien mais lentement. Chez Interdata, nous avons pour mission d’utiliser l’intelligence artificielle pour comprendre les données stockées par les organisations et les relations entre ces actifs de données. En tant que tel, Darrell travaillera sur des méthodologies et des outils pour élargir notre compréhension des algorithmes que nous développons afin de les améliorer. Il utilisera ensuite ces méthodologies et outils pour concevoir de nouveaux algorithmes qui seront utilisés par l’organisation pour catégoriser et transformer les données.

Voir la description complète du projet
Superviseur de la faculté :

David Duvenaud

Etudiant :

Darrell Aucoin

Partenaire :

Interdata Laboratories Inc. (en)

Discipline :

Informatique

Secteur :

Technologies de l’information et des communications

Université :

Programme :

Accélération

Précédent
1...692693694695696697698...1,106
Suivant

Joignez-vous à un écosystème d’innovation florissant.

Abonnez-vous à notre infolettre dès maintenant!

S’inscrire