Subventions et contributions gouvernementales

Ce projet vise à faire progresser la technologie de bio-impression pour les applications spatiales, en se concentrant sur la cicatrisation des plaies en microgravité. Cette initiative à double objectif vise à améliorer la santé des astronautes tout en fournissant un traitement immédiat pour les brûlures graves. Les principaux objectifs comprennent l’analyse expérimentale de la peau bio-imprimée dans un simulateur de microgravité, l’utilisation d’une modélisation informatique pour simuler les propriétés de la peau multicouche et l’intégration d’algorithmes d’optimisation de topologie pilotés par l’IA dans la bio-impression pour une précision accrue. S’appuyant sur les connaissances existantes en matière de bio-impression de tissus spatiaux, le projet ouvre la voie dans les applications médicales immédiates en microgravité.

L’objectif de ce projet est de mieux limiter la formation de minéraux argileux sur Mars grâce à des missions analogiques sur Mars déployées sur trois sites terrestres argileux avec deux instruments de l'EMRF (la mission rover ExoMars Rosalind Franklin) comparables. Ce projet vise à fournir de l’information sur la mise au point et la validation de ces instruments et à former la prochaine génération d’explorateurs planétaires. Les objectifs de ce travail sont de continuer la conception et à la validation de l’instrument « Enfys » – le spectromètre nouvellement financé remplaçant l’ancien instrument russe ISEM, d’élaborer des procédures et des protocoles de mission spécialement conçus pour identifier et caractériser les argiles avec Enfys avec PanCam (Caméra Panoramique) et pour déterminer si les caractéristiques minérales/spectrales des argiles basées sur ces données recueillies dans différents contextes géologiques sont suffisamment distinctes pour différencier les différents scénarios de formations argileuses. Les missions analogiques seront exécutées sur trois sites de terrain : un site d’impact de météorite, un site volcanique et un site d’altération de surface.

Ce fonds d’investissement à impact contribuera à améliorer l’environnement et le mieux-être des populations vulnérables, en particulier des femmes, en Afrique, en Asie et en Amérique latine. Il investit dans des institutions financières à petite échelle telles que des banques, des sociétés de microcrédit et de microassurance dans les pays en développement. Les investissements du fonds Aequitas aideront ces institutions financières à améliorer la disponibilité des produits financiers, tels que le microcrédit et la microassurance, et des services aux populations mal desservies, notamment les femmes, les petites et moyennes entreprises, les jeunes et les petits exploitants agricoles. L’initiative profitera directement à 40 000 entrepreneurs (dont 20 000 femmes) qui bénéficieront de produits et de services financiers de meilleure qualité et plus inclusifs, et indirectement à 1,5 million de clients des institutions financières bénéficiaires.

[Janvier, 2024] Le Programme alimentaire mondial (PAM) est l’organisme de première ligne des Nations Unies dans la lutte contre la faim. Il répond aux urgences, sauve des vies en acheminant rapidement de l’assistance alimentaire (vivres et soutien financier) aux populations vulnérables souffrant d’insécurité alimentaire et contribue à prévenir la famine. En tant que principale agence responsable de la logistique et des télécommunications lors d’urgence humanitaire, le PAM joue un rôle de premier plan dans la prestation de services communs à la communauté humanitaire. Il assure le transport de travailleurs humanitaires et de marchandises pour les organismes humanitaires, et assure des services d’évacuation médicales et de sécurité. Ce projet opère en Afghanistan, Bangladesh, Birmanie, Colombie, El Salvador, Global, Guatemala, Haiti, Honduras, Nicaragua, Pakistan et Venezuela.

Avec le soutien d’AMC, le PAM offre de l’assistance alimentaire aux populations vulnérables ciblées pour réduire la malnutrition et l’insécurité alimentaire, ainsi que protéger les moyens de subsistance. Les activités de ce projet comprennent : 1) distribuer de la nourriture et du soutien financier; 2) fournir une alimentation complémentaire aux enfants de moins de cinq ans, ainsi qu’aux femmes enceintes et allaitantes; 3) fournir un soutien logistique et faciliter l’accès aux populations difficiles d’accès.

Le projet soutiendra l’intégration et la miniaturisation de la technologie de résonance magnétique détectée optiquement (ODMR) sur le silicium afin de l’amener à un niveau de maturité technologique permettant une production de masse compatible avec l’industrie des semiconducteurs. Ce projet de capteurs quantiques d’une durée d’un an vise à réduire les risques liés à cette entreprise de transfert de technologie difficile en s’attaquant directement aux principaux obstacles scientifiques potentiels, comme l’impact de la nanofabrication sur la sensibilité, et à évaluer l’état de préparation de la technologie pour un transfert complet du laboratoire à l’industrie. En plus de la miniaturisation, le projet vise à obtenir une augmentation significative de la sensibilité par rapport aux produits disponibles dans le commerce. La conclusion de ce projet aura un impact important sur les partenaires de recherche et sur l’industrie quantique dans son ensemble au Canada.

Reconstruction de microstructure pour augmentation des données et étude des relations procédé-structure-propriété avec des modèles d’apprentissage profond.

Technologies habilitantes pour les antennes et surfaces intelligentes reconfigurables (RIS) imprimées à haute performance pour les communications sans fil émergentes dans les bandes millimétriques

Technologies habilitantes pour les antennes et surfaces intelligentes reconfigurables (RIS) imprimées à haute performance pour les communications sans fil émergentes dans les bandes millimétriques

Le domaine de la découverte de nouveaux matériaux est témoin de plusieurs techniques intéressantes qui vont de la chimie de synthèse classique aux méthodes de calcul. Les méthodes de chimie synthétique sont normalement basées sur des démarches d’essais et erreurs et s’appuient souvent sur la connaissance expérimentale pour synthétiser des matériaux chimiquement stables. Les démarches d’apprentissage automatique (ML, Machine Learning), qui sont basées sur la modélisation générative profonde (DGM, Deep Generative Modelling), sont louables pour la découverte de nouveaux matériaux en raison de leur capacité impressionnante dans l’analyse d’un espace de conception chimique robuste. Reconnues pour leur rapidité, leur fiabilité et leur faible coût, les techniques DGM peuvent identifier de manière intelligente des corrélations et des modèles cachés dans un jeu de données d’apprentissage en résolvant un schéma de conception inverse. Cependant, les approches d’IA générative de l’apprentissage automatique profond (DGML, Deep Generative Machine Learning) se heurtent à divers obstacles liés à la reconstruction du réseau lors de la phase de décodage, ce qui pourrait mener à deux lacunes majeures. Pour surmonter les difficultés qui ont été relevées, le projet développera des approches d’apprentissage profond progressives pour la découverte de nouveaux matériaux en deux étapes. La première étape s’appuiera sur les atouts techniques d’un modèle de supervision VAE (c’est-à-dire SS-VAE) et d’un modèle GAN auxiliaire (c’est-à-dire A-GAN). L’architecture du modèle est appelée modèle génératif de matériaux limité par le réseau (LCMGM, Lattice Constrained Materials Generative Model). Ce modèle sera utilisé pour présélectionner la pérovskite inorganique stable dont les conformités du réseau cristallin sont compatibles avec des contraintes symétriques prédéfinies à la phase d’encodage. De plus, la deuxième étape comprendra la conception et le développement d’un nouveau modèle génératif de diffusion guidée par la thermodynamique (TGDGM, Guided Diffusive Generative Model) pour la découverte d’une pérovskite organique-inorganique hybride (HOIP, Hybrid Organic-Inorganic Perovskite). Le TGDGM s’appuie sur le LCMGM pour faciliter la recherche autonome de matériaux avec un haut niveau d’évolutivité et de fiabilité. Les structures cristallines de pérovskite générées par l’IA seront synthétisées à l’aide de moyens expérimentaux hautement évolutifs pour répondre à des applications ciblées dans de nombreux domaines de l’ingénierie. Les procédés de synthèse seront développés pour les composés les plus prometteurs découverts par l’IA à l’Université d’Ottawa. L’accent sera mis sur la production de poudres ou de particules aux propriétés optimisées pour de futures recherches sur de nouvelles structures de pérovskites produites par revêtement ou stratification. Deux approches seront étudiées simultanément, en commençant principalement par des particules d’oxydes mixtes : (1) traitement à l’état solide et (2) dépôt en solution (aussi appelé procédé « sol gel »). De plus, une caractérisation approfondie des matériaux permettra d’obtenir d’importantes connaissances et des données sur les matériaux, qui serviront de rétroaction essentielle sur la démarche en boucle fermée pour l’optimisation ultérieure des deux modèles d’apprentissage automatique et des procédés de synthèse, en mettant l’accent sur des applications telles que les photopiles, les matériaux de stockage d’énergie et les catalyseurs.

Faire avancer la recherche exploratoire dans le cadre de l’initiative Nouveaux débuts.