Innovative Projects Realized

Perimeter QuInterships – Symmetric Ansatz for the Kagome HAF

Haiqu Inc. focuses on building a quantum software stack enabling more efficient development and execution of quantum applications on near-term and early fault tolerant quantum computers. Simulations of quantum chemistry and condensed matter models are one of the primary early uses cases for quantum processors (QPUs), with benefits for chemistry and materials science. Important open questions in this domain concern the physics of magnetic systems on geometrically frustrated lattices. A particular example is the Heisenberg antiferromagnet (HAF) on the Kagome lattice. The primary challenge is the difficulty in classical simulations using e.g. exact diagonalization or DMRG methods, when applied to larger systems. The key objective of the project is to demonstrate the utility of quantum computers in simulating such systems, overcoming classical limitations. The intern will work with to study in detail, implement and simulate on simulated noiseless and noisy quantum devices the ground state properties of the HAF model using symmetric quantum machine learning (QML). Haiqu has been developing SU(2) symmetric QML ansaetze and studying their applications to quantum condensed matter problems. Through this project we aim to validate the use of such equivariant QML approaches and chart the path to their applications in materials science.

Adoption of Frictionless Retail Technologies: Key Factors and Impact

This project will study consumer experience and reaction to shopping in a frictionless or autonomous store environment. Fricitonless stores offer a no-cashier shopping experience using advanced technologies such as computer vision , weight sensors and light sensors. The adoption of some or all aspects of this technology has significant potential benefits for retailers in terms of automated inventory tracking, shopper journey mapping, and reduced labour. The technologies offer a more efficient shopping experience for consumers. Very little is known about shopper experience and perception of such technologies. Part of this project will involve comparison consumer reaction to these technologies in two countries – Canada and Germany. The project will provide actionable insights for retail companies seeking to invest in such technologies, enabling them to make innovation decisions backed by evidence.

Vers une industrie pharmaceutique sans PFAS : Évaluation des risques et stratégies d’atténuation pour une production plus sûre

Les substances per- et polyfluoroalkylées (PFAS) sont des produits chimiques utilisés pour leurs propriétés résistantes à l’eau et à l’huile, mais elles sont aussi très persistantes dans l’environnement et peuvent nuire à la santé humaine. Ce projet vise à étudier la présence des PFAS dans les produits pharmaceutiques, un domaine encore peu exploré. En collaboration avec Mantra Pharma, la recherche cherchera à identifier les sources potentielles de contamination par les PFAS dans la fabrication des médicaments, à évaluer les risques pour la santé et l’environnement, et à proposer des solutions pour réduire ou éliminer cette contamination. Face aux réglementations de plus en plus strictes en Europe et au Canada concernant les PFAS, ce projet permettra de mieux protéger les patients et de guider l’industrie pharmaceutique vers des pratiques plus sécuritaires et durables.

Dans quelle mesure le modèle opérationnel actuel du département de pharmacovigilance au Canada, qui adhère à un cadre mondial, répond-il efficacement aux besoins et aux défis spécifiques de l’affilié canadien?

Le projet de recherche examinera dans quelle mesure le système actuel de pharmacovigilance au Canada s’aligne sur les normes mondiales tout en répondant aux défis réglementaires locaux. La pharmacovigilance assure la sécurité des médicaments en surveillant et en gérant les risques potentiels. Bien que le Canada suive les lignes directrices internationales, il dispose également de réglementations spécifiques, telles que les inspections pour les bonnes pratiques de pharmacovigilance (BPV). La difficulté d’accès aux dossiers médicaux électroniques dans certaines provinces, comme le Québec, représente un obstacle majeur au suivi de la sécurité post-commercialisation. En outre, de récentes initiatives gouvernementales mettent l’accent sur l’amélioration de la collecte des données de santé et des outils numériques, ce qui a un impact sur les pratiques de pharmacovigilance. Ce projet analysera les processus actuels, identifiera les écarts entre les réglementations canadiennes et les normes mondiales, et proposera des améliorations. L’avantage attendu pour l’organisation partenaire est un système de pharmacovigilance plus efficace et plus conforme, garantissant des médicaments plus sûrs pour les patients canadiens tout en maintenant l’alignement réglementaire.

L2M – Next Generation Data Validation and Annotation Utilizing Geometrical Space of Differentiable Labelers

The challenge to be addressed in this project is to develop a next generation of machine-learning-guided data validation and annotation tools that take account of differences in human judgment and decision-making processes.

Réutilisation efficace des modèles prédictifs à base d’ensemble d’arbres pour faire face à de nouvelles tâches de tarification

En assurance de particuliers, on retrouve plusieurs tâches partageant une majorité de caractéristiques, mais où pourtant chacune d’elles est unique. En assurance automobile par exemple, la tâche de tarification au sein des différentes provinces est unique, étant donné que chacune d’elles possède ses particularités, bien qu’elles se ressemblent beaucoup. De ce fait, il ne peut y avoir un seul modèle pour résoudre chacune de ses tâches: il faut un modèle distinct pour chacune d’elles. Dans ce paradigme, chaque tâche est traitée de façon indépendente, entrainant plusieurs conséquences, par exemple : le fait que chaque tâche soit traitée de façon indépendante ne permet pas le partage d’information entre elles. Nous allons travailler à la mise en commun de l’information tirée de différentes tâches afin de disposer de plus d’information pour le traitement des tâches futures.

L2M – U-Pro Soccer

U-Pro Soccer is a Canadian sportstech company developing a mobile-first training platform that uses AI and computer vision to help youth athletes practice soccer drills at home using only a smartphone and a training mat. Many young players lack access to structured training, especially outside of team environments, and U-Pro aims to fill this gap by offering real-time feedback on skill execution, agility, balance, and effort. This project will support the development of U-Pro’s scoring system by designing movement evaluation logic, integrating it into the AI feedback engine, and preparing validation plans to guide future testing. These efforts will strengthen the product’s accuracy and commercial readiness while ensuring that the feedback provided aligns with core principles of skill development. The expected benefit to the partner organization is a validated and defensible scoring framework that enhances the accuracy, usability, and market competitiveness of its AI-driven training product, helping accelerate its path to commercialization.

L2M Project – Salyx Medical Inc.

Salyx Medical is advancing a proactive health monitoring solution designed to protect seniors and individuals with chronic conditions who live alone, addressing the critical gap left by reactive tools like fall detectors or emergency buttons. The project focuses on overcoming challenges related to establishing strategic partnerships and executing real-world pilot studies—key steps in validating the technology and building trust in traditionally cautious healthcare environments. A major goal is to raise awareness within the senior care sector through targeted outreach, encouraging early adoption and easing the path to market. The project’s pilot run in a senior care facility will be instrumental in collecting user feedback, demonstrating clinical value, and refining the system for a successful market launch.

Technical and business intern(s) working within cross-functional teams to commercialize AI-powered solutions (3)

There is no overview on Umbrella applications so this section is left empty.

Développer une stratégie de gestion et d’évaluation des risques en biosécurité et biosûreté liée à la manipulation et au transport des agents pathogène de groupe de risque 2 au laboratoire NC2 d’EVAH, en conformité avec la réglementation en santé animale

EVAH Corp, est une entreprise de biotechnologies axée sur le développement des technologies dans le domaine de la santé animale, cherche à optimiser la gestion des risques liés aux agents pathogènes de niveau NC2 dans son laboratoire. Ce projet vise à développer une stratégie proactive d’évaluation et de contrôle des risques de biosécurité/biosûreté, conformément à la Norme canadienne sur la biosécurité. Les activités incluront l’analyse des procédures existantes, l’identification des lacunes, et la proposition de mesures correctives. Les retombées attendues incluent une meilleure conformité réglementaire, une réduction des risques pour les employés, le public et environnement, et une amélioration continue la gestion des risques et la pérennité d’EVAH Corp.

Empowering HR Decisions through Explainable Agentic Intelligence and Predictive Analytics

The current landscape of human resources faces significant challenges in streamlining job documentation and job evaluation processes, which are critical for consistent, efficient, and defensible compensation-related decisions. Laulima Consulting Inc., as the partner organization, aims to overcome this by developing an AI-powered tool that supports the end-to-end creation and evaluation of job descriptions. The core innovation challenge or improvement priority that Laulima needs to solve is to move beyond traditional, potentially manual, and inconsistent methods of job documentation and evaluation. This project proposes to address this by integrating market intelligence, conversational AI, and standardized frameworks to ensure greater consistency, efficiency, and defensibility in human capital decisions, specifically concerning job level and pay grade determination.

This project will help Laulima Consulting Inc. address these challenges in a way that extends significantly beyond typical day-to-day business operations by creating a standardized and scalable AI agent. This agent will not only synthesize internal inputs with external market intelligence to generate customized job descriptions but will also leverage a natural language AI agent for interactive validation and refinement of job content with managers. Critically, the project involves automating point factor job evaluation methodologies, where AI interprets job content against selected criteria, assigns point values, and provides justifications for transparency and auditability. This level of AI-based factor evaluation, combined with a flexible evaluation framework, dynamic visualizations, and consistency checks, significantly enhances HR’s strategic decision-making capabilities, moving beyond manual tasks to provide data-driven insights and a defensible system. Solving this complex problem requires specialized expertise in Natural Language Processing (NLP), Large Language Models (LLMs) and Agentic AI systems for content analysis and conversational AI, as well as data aggregation and benchmarking methodologies. Additionally, it necessitates advanced software engineering for building configurable and scalable systems, and deep domain knowledge in human resources, including job evaluation and compensation frameworks.

Étude des menaces au niveau des environnements des bornes de recharge pour les véhicules électriques

Alors que l’industrie des véhicules électriques connaît une croissance rapide, l’importance des stations de recharge ne peut être sous-estimée. Cependant, cette croissance s’accompagne également d’un problème urgent en matière de cybersécurité. Ce projet est dédié à la protection des communications entre les stations de recharge et leurs systèmes de gestion, en particulier ceux qui utilisent le protocole de communication OCPP. Les vulnérabilités potentielles de ce protocole pourraient être exploitées par des attaquants informatiques, entraînant des perturbations dans les réseaux de recharge et compromettant même la sécurité énergétique.

Ce projet adopte une approche innovante pour lutter contre ces menaces. Il vise à développer un système intelligent capable de détecter automatiquement les tentatives d’intrusion, en particulier celles qui ciblent les mécanismes d’authentification. Ce système utilisera des techniques d’intelligence artificielle de pointe, telles que l’apprentissage profond, pour analyser des données réelles et simulées. En identifiant les comportements suspects, ce système renforcera considérablement la sécurité de nos réseaux de recharge.

En rendant les réseaux de recharge plus sûrs, plus fiables et mieux protégés contre les cyberattaques, ce projet répond non seulement à un enjeu crucial pour l’industrie des véhicules électriques, mais contribue également à l’objectif plus large de transition vers une mobilité électrique durable.