Subventions et contributions gouvernementales

Les méthodes d’évaluation de la viabilité des techniques de transformation des protéines issues des légumineuses alimentaires fondées sur l’analyse technicoéconomique (ATE) et l’analyse du cycle de vie (ACV) ne sont pas très avancées au Canada. Les praticiens canadiens de l’ATE et de l’ACV utilisent principalement à cette fin des données de substitution tirées de bases américaines ou européennes, lorsqu’elles existent. Or, comme les résultats de ces évaluations sont très sensibles aux données de départ, il est essentiel de pouvoir compter sur des données locales et régionales facilement accessibles, réunies dans une base de données organisée pour assurer des résultats d’ATE et d’ACV rigoureux et significatifs. Le Canada est un chef de file de l’alimentation à base de végétaux, mais il doit aussi pouvoir mesurer les répercussions environnementales et économiques des solutions retenues à l’heure actuelle pour la production de ces aliments. Ce projet vise à réaliser une évaluation détaillée des procédés actuels de production de protéines végétales et d’amidon. En combinant les données expérimentales et les simulations de procédés, il permettra d’optimiser l’évaluation de la viabilité des systèmes de transformation des protéines végétales en s’appuyant sur des critères techniques, économiques et environnementaux.

Ce projet vise à mettre au point de nouveaux algorithmes d’apprentissage automatique pour automatiser certains aspects de la chimie physique grâce à la découverte de nouveaux processus pour la création de matériaux ayant des propriétés particulières. L’objectif est d’utiliser le cadre de l’apprentissage par renforcement pour découvrir de nouveaux matériaux ainsi que contrôler et optimiser leur production. Le présent projet explorera une nouvelle stratégie de prise de décision associée à des processus établis mais très complexes utilisés pour transformer un produit chimique en un autre. D’un point de vue algorithmique, ces travaux de recherche relèveront le défi de travailler avec des relations hautement non linéaires et de générer des simulations de haute qualité.

La technologie actuelle repose sur la communication par radiofréquence entre les satellites et les stations terrestres. Les communications optiques par satellite peuvent prendre en charge des largeurs de bande beaucoup plus importantes, mais nécessitent des systèmes de correction optique adaptative pour corriger les turbulences atmosphériques et maintenir un débit élevé. Toutefois, les systèmes classiques d’optique de masse peuvent être d’un coût prohibitif. Pour atténuer les problèmes de coût et d’espace, le projet développera un système de déphasage d’optique adaptative (OA) sur puce qui utilise l’analogue photonique intégré en silicium d’un miroir déformable. Le « miroir déformable » sur puce fonctionne par l’intermédiaire d’un réseau de coupleurs à réseau, de capteurs de phase et de déphaseurs pour corriger les aberrations du front d’onde d’un faisceau optique en espace libre directement dans le plan d’une puce photonique intégrée. Et cela présente de nombreux avantages, notamment la réduction de l’encombrement, la réduction des coûts et l’augmentation de la production en volume.

Ce projet est une collaboration entre le CNRC et l’Université de Victoria (UVic). Il vise à développer des méthodes d’apprentissage par transfert qui utilisent un grand ensemble de données pour les patients en bonne santé dans le but de développer un modèle pour l’analyse de plus petites populations de patients. Ainsi, il fournira un modèle de base pour un diagnostic personnalisé précoce qui sera précis pour différentes sous-populations de patients. Le projet se concentrera sur deux maladies neurodégénératives : la maladie d’Alzheimer et la maladie de Parkinson. Le modèle d’apprentissage par transfert sera utilisé pour le développement de méthodes de diagnostic précoce optimisées en fonction du sexe et de la race pour ces maladies.

Le projet vise à optimiser les tests simples d’agglutination au latex (TAL) pour la détection du virus du SRAS-CoV-2 dans la salive grâce à une méthode peu coûteuse de « diagnostic par mastication ». Les TAL de diagnostic du SRAS-CoV-2 seront effectués en une seule étape. L’objectif consiste à obtenir des résultats vérifiables par simple inspection visuelle, qui pourront aussi se prêter à la lecture automatique par l’intermédiaire d’un téléphone intelligent. Le projet devrait déboucher sur l’élaboration, l’optimisation et l’évaluation d’une cartouche de diagnostic masticable dans le cadre d’un essai clinique à l’échelle pilote.

Le répertoire de données terrestres (Earth Data Store, ou EDS) est un référentiel de stockage de données en nuage financé par la Supergrappe des technologies numériques du Canada. Les procédés manuels de traitement des données aériennes sont en voie d’être remplacés par des méthodes basées sur l’apprentissage machine. À mesure qu’évolue cette méthode automatisée d’extraction de l’information, il faut élaborer des moyens automatisés d’alignement des données aériennes avec les modèles existants et d’autres sources de données. Cette opération est hautement spécifique au domaine, et chaque ensemble de nouvelles sources de données nécessite un minimum de manipulations pour définir les meilleures technologies d’alignement. Ce projet mettra l’accent sur l’exploitation des données satellitaires EDS sous une forme compatible avec le logiciel Sensair. Il faudra pour cela créer des interfaces afin d’autoriser l’accès en temps réel et la dérivation de données de modélisation 3D issues de nuages de points LiDAR, de données satellitaires et d’autres types de données de capteurs.

Mettre en place une initiative de développement des compétences et de formation en matière de cybersécurité

Mettre en place une initiative de développement des compétences et de formation en matière de cybersécurité

Initiative Climat et Sport : boîte à outils et projet pilote liés à l’action pour le climat

Mobiliser l’action pour le climat dans la communauté de St. James Town, à Toronto