Projets novateurs réalisés

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

13270 Projets achevés

1072
AB
2795
C.-B.
430
MB
106
NF
348
SK
4184
ON
2671
QC
43
PE
209
NB
474
NS

Projets par catégorie

10%
Informatique
9%
Génie
1%
Génie - biomédical
4%
Génie - chimique / biologique

Enquête sur l’effet des dommages aux radiations sur le mécanisme de défaillance du matériau espaceur CANDU X-750 basé sur le Ni

Cette étude porte sur la compréhension de la fragilité induite par les radiations dans le matériau d’espacement du réacteur CANDU, Inconel X-750. La pré-implantation de l’hélium qui suit l’irradiation au proton sera utilisée comme substitut à l’irradiation neutronique afin de simuler les dommages causés par le rayonnement sur la microstructure de l’Inconel X-750. Un essai de micro-traction sur le matériau d’irradiation X-750 sera réalisé afin d’évaluer les propriétés mécaniques et d’explorer également le mécanisme de rupture ou de fracture. Le suivi étape par étape du comportement de déformation de l’alliage X-750 irradié lors de l’essai de tension SEM in situ sera utilisé pour comprendre le mécanisme de défaillance de l’espaceur CANDU après irradiation. De plus, l’observation TEM post-déformation sur l’Inconel X-750 irradié aidera à étudier l’effet des défauts induits par la radiation sur la propriété de fracture/défaillance du matériau espaceur.

Voir la description complète du projet
Superviseur du corps professoral :

Zhongwen Yao

Étudiant :

Pooyan Changizian

Partenaire :

Kinectrics Inc

Discipline :

Génie - mécanique

Secteur :

Secteur de l’énergie

Université :

Programme :

Accélération

Le registre foncier habilité par la blockchain : vers l’amélioration de la transparence, de la reddition de comptes et de la conformité

Le système actuel d’enregistrement foncier en Ontario manque d’efficacité et de transparence; et il est sujet à des problèmes de qualité de l’information en raison de l’absence d’un système uniforme et intégré pour enregistrer et partager en temps réel des données sur les transactions foncières entre les organisations prenantes. Pour surmonter ces problèmes, de nombreux pays se tournent vers la technologie blockchain pour permettre les transactions d’enregistrement foncier. Une mise en œuvre de bout en bout d’une plateforme d’enregistrement foncier compatible avec la blockchain a le potentiel de créer un système décentralisé, transparent et digne de confiance, capable de suivre tous les événements importants liés à une propriété spécifique. Cependant, aucune initiative de ce type n’existe au Canada qui explore les opportunités offertes par la technologie blockchain pour les transactions de registre foncier. Nos recherches visent à combler cette lacune. L’objectif de cette recherche est d’utiliser une approche de preuve de concept et de développer un prototype de plateforme blockchain répondant aux exigences spécifiques des cas d’utilisation liés aux événements immobiliers et aux transactions entre entités commerciales. À CONTINUER

Voir la description complète du projet
Superviseur du corps professoral :

Umar Ruhi

Étudiant :

Karim Sultan

Partenaire :

Développement d’Arrowhead

Discipline :

Entreprises

Secteur :

Technologies de l’information et des communications

Université :

Programme :

Accélération

Développement d’un revêtement diélectrique pour le système portable de surveillance cardiaque de prochaine génération

L’électrocardiographie, ou ECG, est une technologie qui peut être utilisée pour surveiller l’activité électrique du cœur sur une longue période. De tels signaux peuvent être utilisés pour interpréter à la fois la structure et la fonction du cœur. Les conceptions traditionnelles d’ECG consistent en plusieurs électrodes qui doivent être placées directement en contact avec la peau du patient. Ces électrodes sensorielles métalliques sont habituellement fabriquées en configuration en forme de disque, et l’un des principaux inconvénients est l’incohérence dans l’enregistrement du signal due à un mauvais contact cutané dû à la nature non flexible de la conception de l’électrode. Ainsi, HelpWear Inc. vise à fabriquer des capteurs ECG de nouvelle génération en utilisant des matériaux polymériques flexibles pour remplacer le design ECG volumineux traditionnel et intégrer des matériaux novateurs pour des applications portables en santé.

Voir la description complète du projet
Superviseur du corps professoral :

Hani Naguib

Étudiant :

Yu-Chen Sun

Partenaire :

HelpWear

Discipline :

Génie - mécanique

Secteur :

Dispositifs médicaux

Université :

Programme :

Accélération

Hyperétat : Communication entre organisations dans l’industrie musicale

Le projet actuel vise à créer une solution de plateforme logicielle qui résolve la communication entre les organisations de l’industrie musicale. Dans l’ensemble, la plateforme utilise des systèmes tiers pour répondre aux exigences de l’énoncé du problème. De plus, la plateforme est construite sur des niveaux d’abstraction pour intégrer différents composants. La recherche sur l’intégration de ces parties, y compris les technologies blockchain, résoudra la transmission des données et la responsabilité responsables de la distribution des paiements dans le cas d’utilisation spécifique du partenaire dans l’industrie musicale. Plus précisément, transmettez efficacement les données entre plusieurs organisations (labels, artistes, distributeurs, etc.) afin de rendre les paiements rapides, sécuritaires et fiables, instaurant ainsi la confiance entre les participants. La chaîne des processus qui seront définis automatisera les processus traditionnels responsables. Chaque participant obtiendra ses gains plus équitablement et plus rapidement, améliorant et innovant dans l’industrie en même temps.

Voir la description complète du projet
Superviseur du corps professoral :

Ralph dissuade

Étudiant :

Marco Antonio Maigua Teran

Partenaire :

Membran Canada

Discipline :

Informatique

Secteur :

Technologies de l’information et des communications

Université :

Programme :

Accélération

Perception 3D et prédiction pour la conduite autonome

Pour qu’un véhicule autonome (AV) prenne des décisions et conduise de manière autonome dans les rues urbaines, le problème en jeu peut être divisé en plusieurs phases, dont deux sont la perception et la prédiction. La perception fait référence au processus d’extraction d’informations précieuses de l’environnement à l’aide de données recueillies par des capteurs tels que le LIDAR et la caméra. Cela inclut la détection de voitures, d’estrians à pied, de voies et de nombreux objets. La prédiction fait référence au processus de suivi de tous les objets connus et de prédiction des actions futures possibles afin de permettre au véhicule autonome de prendre des décisions éclairées. Traditionnellement, ces tâches sont effectuées séquentiellement et indépendamment, les unes après les autres. Cela rend l’incertitude difficile à propager de la perception à la prédiction. L’objectif de ce projet est de construire un modèle d’apprentissage profond qui combine perception et prédiction 3D.

Voir la description complète du projet
Superviseur du corps professoral :

Sanja Fidler

Étudiant :

Satya Krishna Gorti

Partenaire :

Groupe Uber Technologies Avancées

Discipline :

Informatique

Secteur :

Technologies de l’information et des communications

Université :

Programme :

Accélération

Développement d’échafaudages bioabsorbables éluant des médicaments pour des applications de piercing corporel

Près de 20% de tous les piercings mènent à une infection locale, il est donc impératif de développer des méthodes alternatives et commercialement viables de soins post-piercing pour prévenir l’infection. L’objectif général du projet proposé est d’optimiser la conception des échafaudages bioabsorbables éluant des médicaments pour les applications de piercing de tissus humains et animaux, en mettant l’accent sur la dégradation de l’échafaudage et les propriétés de libération des médicaments. Des méthodes de fabrication à basse température d’échafaudages bioabsorbables éluant des médicaments seront développées et optimisées. De plus, la géométrie requise de l’échafaudage et la concentration des médicaments à intégrer seront déterminées en fonction du profil de libération du médicament et du taux de dégradation (in vitro).

Voir la description complète du projet
Superviseur du corps professoral :

Ali Ahmadi

Étudiant :

Tartela Alkayyali

Partenaire :

BioPierce Canada Ltd

Discipline :

Ingénierie - autres

Secteur :

Fabrication de pointe

Université :

Programme :

Accélération

Détection et simulation d’anomalies pour des données de capteurs non étiquetées

Le développement rapide dans les domaines des statistiques et de l’apprentissage automatique démontre une performance sans précédent dans la prise de décisions d’affaires cognitives. Quartic.ai vise à utiliser une technologie d’apprentissage automatique de pointe pour aider les fabricants à évaluer et maintenir la qualité de leurs unités industrielles, qui subissent des dommages en raison d’une utilisation continue et de l’usure normale. De tels dommages doivent être détectés tôt pour éviter d’autres pertes. Les données dans ce domaine sont enregistrées à l’aide de capteurs à différents stades du processus de déroulement. Les principaux défis de l’analyse de ces données de capteurs sont (1) les données non étiquetées, qui peuvent contenir très peu d’anomalies ou d’exceptions non observées; (2) le développement et l’évaluation d’algorithmes capables de détecter robustement les anomalies. En raison de l’absence d’étiquettes, la performance des algorithmes ne peut pas être évaluée directement. Pour résoudre ces problèmes, nous concevrons soigneusement des simulations en tenant compte de divers types d’exceptions et développerons de nouveaux algorithmes robustes de classification à une classe.

Voir la description complète du projet
Superviseur du corps professoral :

Linglong Kong

Étudiant :

Sile Tao

Partenaire :

Quartic.ai Canada Inc

Discipline :

Mathématiques

Secteur :

Technologies de l’information et des communications

Université :

Programme :

Accélération

Prédiction de la récupération après une commotion cérébrale pendant la formation des cadets militaires à l’aide de données IRM multimodales et d’apprentissage automatique

Dans l’armée, les commotions cérébrales sont fréquentes et plusieurs surviennent en dehors du déploiement, y compris lors d’exercices d’entraînement des cadets. Pour la majorité des personnes atteintes de commotions cérébrales, les symptômes disparaissent d’eux-mêmes, mais pour une minorité misérable, les symptômes persistent au-delà de la période de récupération typique de 3 mois, affectant la qualité de vie. La plupart des recherches sur les commotions génèrent des inférences au niveau des groupes qui ne peuvent pas être utilisées pour faire des prédictions individuelles. Nous proposons une approche d’apprentissage automatique supervisé pour construire un modèle prédisant la récupération des symptômes à partir de plusieurs mesures cérébrales IRM. La capacité d’identifier les personnes en phase aiguë susceptibles d’avoir une mauvaise récupération des symptômes à 6 mois après la blessure est extrêmement utile pour la prise de décision clinique, la gestion des commotions cérébrales, un traitement optimisé et la médecine personnalisée. Ce projet contribuera à combler le fossé entre la recherche et l’utilisation clinique, en adaptant et validant les applications d’apprentissage automatique en neuroimagerie. À CONTINUER

Voir la description complète du projet
Superviseur du corps professoral :

Douglas Cook

Étudiant :

Ashley Ptinis

Partenaire :

Synaptive Medical Inc.

Discipline :

Médecine

Secteur :

Dispositifs médicaux

Université :

Programme :

Accélération

La génétique des biomarqueurs sanguins dans la MPOC

La MPOC est une maladie inflammatoire progressive des voies respiratoires caractérisée par une inflammation persistante et progressive. C’est une cause majeure de morbidité et de mortalité mondiales et on prévoit qu’elle deviendra la troisième cause de décès d’ici 2020. Les biomarqueurs peuvent être utiles pour diagnostiquer une maladie, étant donné que les mesures de fonction pulmonaire habituellement utilisées présentent une faible corrélation avec les symptômes et d’autres mesures de progression de la maladie. Cependant, la relation entre les biomarqueurs et la MPOC demeure insaisissable. Établir la causalité pour certaines protéines et voies est une étape prometteuse vers leur développement à la fois comme biomarqueurs et cibles thérapeutiques. Notre groupe a découvert que la protéine D du tensioactif est un nouveau biomarqueur, jouant un rôle causal dans la pathogenèse de la MPOC et sa progression. À CONTINUER

Voir la description complète du projet
Superviseur du corps professoral :

Xuekui Zhang

Étudiant :

Ailan Shi

Partenaire :

Providence Health Care

Discipline :

Mathématiques

Secteur :

Dispositifs médicaux

Université :

Programme :

Accélération

L’apprentissage automatique vers des processus intelligents de raffinage de l’acier

Dans l’industrie sidérurgique, les modèles de contrôle de procédé doivent reposer sur une solide compréhension physique du procédé, mais doivent aussi tenir compte de nombreuses incertitudes liées à la nature et à la complexité de l’environnement dans lequel le procédé est réalisé. Par conséquent, il est crucial d’extraire des informations utiles sur le contrôle des procédés à partir du flux de données brutes acquis par les capteurs industriels. Le projet proposé vise à développer des algorithmes avancés pour améliorer l’estimation des paramètres clés de contrôle dans le processus de décarburation argon-oxygène (AOD), en s’appuyant sur les approches et outils d’apprentissage automatique appliqués aux données de fabrication. Cette recherche, bien qu’elle constitue une formation précieuse pour un étudiant très talentueux au Canada, aidera l’organisation partenaire Tenova Goodfellow Inc. à maintenir son leadership en optimisation des procédés appliquée aux fours de fabrication d’acier.

Voir la description complète du projet
Superviseur du corps professoral :

Abdallah Shami

Étudiant :

Elena Uchiteleva

Partenaire :

Tenova Goodfellow Inc

Discipline :

Génie - informatique / électricité

Secteur :

Fabrication de pointe

Université :

Programme :

Accélération

Leçons apprises et outil de prise de décision pour les projets d’ingénierie

Selon le Conseil mondial du pétrole (WPC), l’âge moyen des employés dans les entreprises pétrolières et gazières est de 50 ans, et on estime que dans les cinq prochaines années, 40 à 60% d’entre eux prendront leur retraite. La conséquence est une crise liée à l’âge dans le secteur, puisque, dans bien des cas, les connaissances accumulées vont avec les pleins à la retraite. L’objectif de ce projet est de commencer à ouvrir la voie au développement d’un système logiciel novateur qui soutient les tâches décisionnelles en temps opportun basées sur les leçons apprises et les meilleures pratiques de l’industrie pétrolière et gazière, répondant à un besoin actuel d’une grande entreprise de la région maritime de réduire les coûts généraux du processus complexe de récupération de toutes les informations nécessaires pour résoudre un problème.

Voir la description complète du projet
Superviseur du corps professoral :

Fernando Paulovich

Étudiant :

Mitchell Kane

Partenaire :

Waterford Energy Services Inc

Discipline :

Informatique

Secteur :

Technologies de l’information et des communications

Université :

Programme :

Accélération

Détection et localisation robustes de la présence intérieure basée sur le WiFi

Dans ce projet, nous nous intéressons à des méthodes sans dispositifs qui détectent, surveillent et suivent passivement la présence, la localisation et les déplacements des personnes à l’intérieur à l’aide d’appareils Wi-Fi prêts à l’emploi. Nous utilisons l’information extraite de la couche physique des liens sans fil pour détecter et interpréter la présence humaine, la localisation et les activités physiques. La conception et la mise en œuvre actuelles des systèmes basés sur le Wi-Fi présentent certaines incohérences temporelles et des limites dues à la complexité de la propagation du signal sans fil en environnement intérieur et à la nature difficile du comportement humain lui-même. Ce projet se concentre sur des techniques d’extraction de caractéristiques pour réduire les incohérences des données et améliorer la performance des algorithmes classiques d’apprentissage automatique et des modèles d’apprentissage profond, afin de construire des applications domotiques robustes telles que la détection de présence et la localisation intérieure.

Voir la description complète du projet
Superviseur du corps professoral :

Xue (Steve) Liu

Étudiant :

Qianyu Liu

Partenaire :

Aerial Technologies Inc.

Discipline :

Informatique

Secteur :

Technologies de l’information et des communications

Université :

Programme :

Accélération

Précédent
1...804805806807808809810...1,106
Suivant

Joignez-vous à un écosystème d’innovation florissant.

Abonnez-vous à notre infolettre dès maintenant!

S’inscrire