Subventions et contributions gouvernementales

Le projet soutiendra le développement de la capacité de l’entreprise en matière de propriété intellectuelle.

BOMImed est un fabricant canadien d’appareils médicaux de haute qualité, notamment de circuits respiratoires et d’accessoires utilisés pour les applications d’anesthésie et de ventilation. Nous sommes en bonne position pour poursuivre notre croissance sur le marché canadien, ainsi que pour étendre la fabrication en vue de l’approvisionnement de plus grandes entreprises sur le marché américain plus vaste. Notre stratégie consiste à tirer parti de notre expertise croissante en matière de robotique et d’automatisation pour exploiter tout le potentiel de ces technologies en vue d’une fabrication et d’un assemblage rapides et efficaces des dispositifs médicaux.

Le projet soutiendra les essais pilotes de stratégies d’IA, déterminera l’architecture cible et les objectifs techniques quantitatifs pour la mise en œuvre d’une solution d’IA.

Participation à la mission canadienne de co-innovation en matériaux intelligents au Japon - 27 au 31 janvier 2025. Délégation pilotée par le Programme d’aide à la recherche industrielle du Conseil national de recherches du Canada (PARI CNRC) pour explorer le marché japonais et développer des partenariats internationaux et des idées de projets potentiels dans le cadre du Programme Japon. En partenariat avec le Service des délégués commerciaux, l’Accélérateur technologique canadien et Deep Tech Canada, la délégation canadienne bénéficiera également d’un encadrement et d’un mentorat de la part de chefs de file de l’industrie, d’un soutien pour ses stratégies d’affaires internationales et d’entrée sur le marché, ainsi que de présentations à d’autres partenaires et clients potentiels au cours de la mission.

Dans le cadre du programme de collaboration avec les entreprises multinationales, le projet CIBI se concentrera sur l’intégration et le codéveloppement de la technologie de fibre de collagène (CollaFibR™) de 3DBF avec l’insert de culture cellulaire d’un partenaire international, afin de créer un produit de culture cellulaire 3D inédit, hautement cohérent et physiologiquement pertinent pour la communauté de la recherche médicale.

Dans le cadre du projet de consortium international « RT HGS-ML », ce projet se concentrera sur l’amélioration de la gestion des ressources en eau en intégrant le modèle avancé HydroGeoSphere (HGS) à l’apprentissage automatique. Sur trois ans, l’initiative développera des algorithmes d’apprentissage automatique afin de stimuler les simulations en temps réel pour une meilleure prise de décision. La première année est consacrée au développement d’algorithmes et à la mise en place de systèmes de collecte et de prétraitement des données. La deuxième année comprend une phase de validation du concept afin d’évaluer les performances du modèle intégré. La dernière année sera consacrée à l’application de ce modèle à un bassin versant réel afin d’obtenir des prévisions précises en temps réel. Les résultats attendus comprennent un outil de modélisation hybride, une interface conviviale, une documentation technique complète et la formation des intervenants.

Embauche d’une ressource en analyse de données et affaires pour renforcer les activités de vente et optimiser les stratégies commerciales à l’aide des données de marché afin de soutenir les objectifs de ventes.

Le projet soutiendra la formation d’agents d’IA sur les données vidéo et AIS pour la sécurité et la gestion des ports. En outre, il sera utilisé pour aider au développement de l’IA de documentation et de la gouvernance des données.

La production de la Firme requiert des plans de tests et d’automatisation pour assurer une qualité et une fiabilité optimales. Ces tests, bien qu’unitaires et coûteux, sont essentiels. Pour rendre la production au Québec viable et rentable, l’automatisation et la parallélisation sont indispensables.

Le projet permettra d'évaluer la qualité et la provenance des données en prévision d'un projet d'IA. Il permettra aussi de caractériser et d'étayer certains aspects des données au niveau de la gouvernance de l'IA.