Développement de nouveaux algorithms pour accroître la precision, la robustesse et la reproductibilité d’instruments intelligents en réponse aux exigence de l’industrie

Le monitoring en temps réel des bioprocédés permet d’augmenter les performances et de réduire les pertes. La principale
difficulté provient de la quantité limitée d’information accessible en temps réel et des phénomènes complexes et fortement
non-linéaires en présence. Ainsi, les algorithmes statistiques conventionnels ne permettent pas d’interpréter adéquatement et
avec la précision requise en pharmaceutique les signaux mesurés par des sondes spectrales. L’objectif du projet est de
développer de nouveaux algorithmes non-linéaires complexes qui permettront de réaliser la transformation de signaux
spectraux bruts complexes en indicateurs de performances précis, robustes et reproductibles. Ce projet permettra de
développer un algorithme qui améliore les performances d’estimation en temps réel des concentrations de produits dans des
cultures cellulaires pharmaceutiques. Ces algorithmes utiliseront l’apprentissage profond pour modéliser les phénomènes nonlinéaires
et s’appuieront sur le transfert d’apprentissage pour permettre l’entraînement avec peu de données.

Intern: 
Samuel Cyr
Superviseur universitaire: 
François Grondin
Province: 
Quebec
Partner University: 
Programme: