Projets novateurs réalisés

Development of surrogate model platform to quantify the impact of design decisions on energy consumption, peak demand, and greenhouse gas emissions for buildings in North America

Canada aims to significantly reduce greenhouse gas emissions by 2030 and achieve net-zero emissions by 2050. Buildings play a big role in this effort, so this research focuses on developing a tool to design and retrofit buildings for greater energy efficiency and sustainability. Using advanced computer models and data from building simulations, this tool predicts how different design choices impact energy use, peak power demand, and emissions in minutes instead of weeks. By simplifying the process, architects and builders can more easily design eco-friendly buildings, quantifying their carbon footprint and ensuring they are in line with Canada’s climate targets. Adaptis, known for its expertise in building performance software, enhances this tool by integrating it into their software, ensuring accuracy and user-friendliness, while enhancing Adaptis’ capability to deliver precise and efficient building solutions. This collaboration advances sustainable building practices, potentially reducing energy consumption and operational costs for building owners and occupants, in line with Canada’s national climate goals.

Istituto Ortopedico Rizzoli – HTO Research

Abnormal knee loading is known to contribute towards knee osteoarthritis, causing tissue damage and pain. High tibial osteotomy is a surgical procedure that corrects abnormal knee loading conditions and alleviates osteoarthritis symptoms. However, we don’t fully understand how different surgical procedures affect joint tissues. Establishing the relationship between joint structure and joint surgery presents an opportunity to understand the trajectory of osteoarthritis and how it can be managed.

The Rizzoli Orthopedic Institute (IOR) in Bologna (Italy) is a hospital and research facility with an ongoing clinical trial (Clinical Trial Gov Number NCT05865899) assessing the impact of high tibial osteotomy for knee osteoarthritis. In collaboration with IOR, we will use novel medical imaging tools to assess bone and joint changes in osteoarthritis patients undergoing high tibial osteotomy. Through this collaboration, we will share our expertise in image analysis with IOR, whilst also gaining access to a unique image dataset where we can apply, assess and enhance the analysis tools that we have recently implemented.

This clinical trial will explore the underlying mechanisms that can delay osteoarthritis development and will facilitate informed and shared decision-making between patients and physicians, which will aid in maintaining long-term joint health and quality of life.

Optimization of heat pump water heaters operating at extreme cold temperatures

The extreme cold weather of Canada requires innovative solutions to provide efficient options to for heating of water domestically, industrially and commercially. Heat pump water heaters might be the answer as efficient heating systems and cost-effective on the long term. Hence, this project studies heat pump water heaters as a potential efficient and environmentally-friendly substitution to gas boilers and electric water heaters. The aim is to have an efficient system operating at different Canadian weathers and at a wide range of ambient conditions, especially the cold conditions.

Optimisation des Chaînes d’Approvisionnement pour la Décarbonisation du Transport Lourds sur les Circuits Courts

Dans un monde où la lutte contre le changement climatique devient une priorité, ce projet vise à réduire les émissions de carbone du transport lourd sur des circuits courts. Imaginez des camions, essentiels à notre économie, devenant plus propres et plus efficaces. Ce projet explore des méthodes novatrices pour rendre cela possible en optimisant les chaînes d’approvisionnement.
L’équipe analysera les trajets des camions pour identifier les points où l’énergie est gaspillée. Grâce à des outils de modélisation et de simulation avancés, elle testera diverses stratégies pour réduire les émissions, comme l’optimisation des itinéraires, l’introduction de véhicules à faible émission et l’amélioration de l’efficacité des entrepôts.
L’objectif est de mettre en place des solutions pratiques adoptables par les entreprises de transport pour réduire leur empreinte carbone tout en maintenant leur efficacité. Il s’agit de rendre les chaînes d’approvisionnement plus respectueuses de l’environnement et plus rentables. Ce projet est une étape cruciale vers un avenir où le transport lourd, indispensable à notre mode de vie, devient plus durable et respectueux de notre planète.

Estimation de l’état des batteries lithium-ion grâce à l’apprentissage automatique en contexte de véhicules hors route

Ce projet vise une « analyse de la viabilité technique des méthodes d’apprentissage automatique appliquées pour l’estimation de l’état de charge dans les véhicules hors route ». Spécifiquement, nous allons définir les structures de méthodes d’apprentissage automatique pour l’estimation de l’état de charge, les implémenter dans différents types de processeurs et les valider sur de plateformes de robots et véhicules électriques. L’accomplissement des objectifs du projet doit permettre de répondre aux questions sur la viabilité technique des méthodes pour les applications dans les véhicules hors route où des contraintes de coût, d’espace et de puissance de calcul apparaissent souvent mentionnées comme des barrières importantes pour l’adoption de méthodes avancées. Les techniques d’apprentissage automatique étant parmi les approches actuelles les plus utilisées pour des processus d’apprentissage efficaces en contrôle automatique, les résultats et l’expérience obtenus dans le cadre de ce projet développeront et mettront à jour l’expertise et le champ d’action des chercheurs, en ce qui concerne les avancées les plus récentes de l’intelligence artificielle et leurs applications pour la modélisation, le contrôle et la gestion de systèmes électromécaniques. Ce projet contribue à renforcer la collaboration en recherche des équipes de l’UQTR et de l’Université Autonome de l’État de México (UAEMex).

Investigation de mécanismes moléculaires de la pathogénèse

Utilisant des outils modernes impliquant la génétique, la microscopie confocale et la biologie moléculaire, notre programme de recherche vise la découverte de composants de l’immunité innée conservés dans toutes les espèces. Les agents pathogènes sécrètent des protéines effectrices, également appelées facteurs de virulence, pour supprimer l’immunité. L’issue de l’infection (résistance ou maladie) dépendra de la capacité de l’agent pathogène à échapper à la reconnaissance par l’hôte.
Nous avons combiné deux approches afin de trouver des cibles hôtes d’effecteurs pathogènes. Dans la première approche, nous avons réalisé un criblage de deux hybrides de levure en utilisant les effecteurs comme appâts et une bibliothèque Arabidopsis pour les proies. Dans la deuxième approche, nous avons utilisé l’immunoprécipitation dans des lignées transgéniques stables transgéniques d’Arabidopsis exprimant l’effecteur marqué par la GFP. Les deux laboratoires travailleront ensemble pour caractériser les effecteurs de Xanthomonas, un agent pathogène qui infecte le manioc, une culture très importante économiquement en Amérique du Sud, et de Melampsora, un agent pathogène à large spectre qui infecte le peuplier et de nombreuses autres espèces. Malgré des différences importantes entre les deux pathogènes, les mêmes approches peuvent être utilisées pour étudier leurs mécanismes de pathogénicité.

Multilingual NowLLM -Benchmarking

THIS IS A GENERIC TEXT PUT IN PLACE AS THERE WAS NO PROJECT OVERVIEW.

Développement d’un Modèle Avancé de Similarité pour la Fusion de Bases de Données en Conformité avec la Loi 25 sur la Protection des Renseignements Personnels

Ce projet de recherche vise à relever le défi posé par la Loi 25, qui exige une gestion plus efficace des bases de données (BDD) pour éliminer les doublons. Pour les entreprises et organisations, cela signifie un besoin crucial d’unifier leurs bases de données pour éviter les redondances, telles que des noms, adresses, et numéros de téléphone répétitifs. Le but de cette recherche est de développer des méthodes innovantes pour identifier et gérer ces doublons en créant des algorithmes capables de détecter les entrées similaires malgré les erreurs courantes comme les fautes d’orthographe ou les formats différents.

La méthode traditionnelle de comparaison, connue sous le nom de distance de Levenstein, est souvent trop lente. Par conséquent, ce projet explore l’utilisation des n-grammes de lettres, une technique plus rapide et potentiellement plus précise pour comparer les données. L’objectif est de tester cette technique afin de fournir un score de correspondance fiable pour chaque paire d’entrées de données, améliorant ainsi l’efficacité et la précision de la fusion des bases de données.

Photonic molecular detection using coupled micro-ring resonators with thermal compensation

This research aims to advance point-of-care molecular diagnostics by combining isothermal nucleic acid amplification with innovative photonic detection techniques. The project will focus on modeling and optimizing polymer based optical resonators to improve sensitivity and thermal stability during amplification processes. By meeting the WHO ASSURED criteria (Affordable, Sensitive, Specific, User-friendly, Rapid and Robust, Equipment-free, and Deliverable to end-users), the goal is to develop cost-effective, integrated diagnostic sensors that enable DNA detection for remote pathogen identification, suitable for use in underserved areas.

Approches biopolitiques des âges de la vie au Québec

Cette recherche vise à investiguer si la Politique québécoise de la jeunesse et la Politique québécoise de vieillissement actif portent en elles un projet de société caractérisé par une nouvelle gestion biopolitique des âges de la vie, présentant une certaine cohérence interne et dévoilant une certaine rationalité dans l’action de l’État dans sa reconfiguration de sa relation avec les citoyen·ne·s. Pour y parvenir, ce projet de recherche postdoctoral procèdera à une synthèse critique et réflexive des écrits scientifiques sur les domaines de la jeunesse et de la gérontologie sociale, ainsi qu’à l’analyse des politiques et des budgets gouvernementaux liés aux politiques de la jeunesse et de la vieillesse.

L2M QC 2024 – «Development of Printed Electrochemical Sensors for Efficient CO2 Monitoring and Carbon Capture Applications »

The development of low-power, printed gas sensors is revolutionizing the monitoring of harmful gases like CO2 across various industries. This innovative technology offers a real-time, advanced, and cost-effective solution for detecting and measuring gas levels, significantly enhancing environmental monitoring and industrial process optimization. Utilizing resistance-based and electrochemical sensing approaches, these sensors are part of a high-throughput, repeatable fabrication process that leverages 2D printing and hybrid techniques involving microfabrication.
This project not only accelerates sensor development but also bridges the gap between sensor technology and materials R&D. It facilitates the rapid testing and characterization of diverse materials, both organic and inorganic, tailored for specific applications. This method is considerably more cost-effective and efficient compared to traditional lab techniques, supporting the quick iteration and innovation required for developing CO2 adsorption materials. As a result, this project plays a crucial role in high-throughput materials research, contributing significantly to advancements in sustainable technology and environmental safety.

L2M QC 2024 – «Développement d’une application mobile pour l’estimation de la couverture des résidus à l’échelle du champ à partir d’observations de la Terre à haute résolution en utilisant l’intelligence artificielle»

Le projet vise à développer un outil cartographique à haute résolution permettant d’évaluer automatiquement le pourcentage de couverture de résidu au sol. Il est basé sur l’utilisation d’un modèle UNet à Attention Résiduelle (RAUNet). Le RAUnet est un modèle possédant une architecture d’apprentissage profond, léger et efficace, conçue pour estimer la couverture des résidus de cultures à partir de photos prises par smartphones.
Au vu des défis actuels auxquels nous sommes confrontés en termes de ressources, l’agriculture de précision devient de plus en plus une nécessité. L’une des pratiques de conservation de sol les plus conseillées est le maintien d’une couverture résiduelle de 30% au sol (Muth et al. 2013). La technologie que nous proposons permettrait donc aux agriculteurs canadiens d’estimer efficacement cette couverture via leurs smartphones. Cela aura pour effet une optimisation de leurs pratiques améliorant ainsi les rendements de cultures tout en réduisant du même coup leur impact environnemental.
Aussi, pour la mise en place réussie d’un tel projet, une étude de marché est nécessaire afin de recueillir les besoins, les préoccupations ainsi que les différentes pratiques agricoles des producteurs afin de pouvoir les intégrer dans le développement de l’application. Une conduite réussite de l’étude de marché en plus de mieux orienter la conception du projet, permettrait également d’attirer l’attention des producteurs sur les capacités de l’intelligence artificielle à estimer avec précision et moins de ressources la quantité de résidus qui leur est utile dans le champ.