Subventions et contributions gouvernementales

L'objectif est d'étudier la gestion intelligente du jumelage numérique de la chaîne d'approvisionnement avec une application à la chaîne de valeur agroalimentaire mondiale (GAVC) qui améliore la qualité des aliments.
Les GAVC s'étendent souvent à travers le monde et impliquent diverses organisations dont les approches et les normes de production varient avec des acteurs réglementaires et des régimes gouvernementaux qui varient en compétences et en transparence. La distribution mondiale de produits agroalimentaires en créant des chaînes d'approvisionnement plus longues et plus complexes qui obscurcissent les méthodes traditionnelles de surveillance, de coordination et de collaboration.
Ces dernières années, il y a un intérêt accru pour la numérisation et la transformation numérique des processus de production et des chaînes d'approvisionnement résultant de l'accélération du développement technologique comme la quatrième révolution industrielle (Industrie 4.0).
Dans ce projet, l'accent est mis sur les solutions d'intelligence artificielle pour intégrer les chaînes de valeur entre les entreprises et gérer l'infusion de données pour relever de nombreux défis tels que la complexité, l'incertitude, le risque, la visibilité, la collaboration, les coûts et la durabilité.

Il est très difficile de concevoir un médicament ciblant une maladie particulière à cause de la complexité des molécules mises en jeu et des connaissances généralement limitées sur la maladie en question. La mise au point d’un médicament efficace (ciblant un gène, une protéine ou un mécanisme) prend normalement plusieurs années et coûte des milliards de dollars aux laboratoires pharmaceutiques privés, des dépenses qui expliquent le prix inabordable de certains médicaments sur les marchés canadien et mondial. L’émergence de techniques d’acquisition massive et rapide de données biochimiques et génomiques et l’avancée de nouveaux paradigmes en IA offrent l’occasion unique de concevoir automatiquement de nouveaux médicaments à une cadence beaucoup plus rapide et à un coût bien moindre, ce qui alimente l’espoir de découvrir des traitements pour des maladies jusqu’à maintenant incurables. Une plateforme et un protocole de conception de médicaments basés sur les données et l’IA seront mis au point pour le traitement précis et efficace de cancers et de maladies complexes. Le projet tirera parti de l’expertise multidisciplinaire unique du CNRC dans le domaine de l’IA, de la science des données et des thérapeutiques en santé humaine ainsi que des connaissances et des installations offertes par les collaborateurs externes pour relever les défis rencontrés à chaque étape de la conception des médicaments. Les technologies mises au point dans le cadre de ce projet, tout comme ses retombées, bénéficieront à toute la population canadienne. Ce projet sera axé sur le développement et la mise à l’essai de méthodes basées sur l’IA et la paramétrisation des molécules.

Les bioréacteurs jouent un rôle de premier plan dans la fabrication des produits biologiques. Leur conception a été bien décrite pour les fermentations traditionnelles axées sur la production de biomolécules simples, mais leur exploitation reste très empirique pour ce qui est de la production de produits biologiques complexes à partir de systèmes eucaryotes tels que des cellules humaines HEK-293. La production de produits biologiques en bioréacteur s’effectue dans un contexte complexe nécessitant des expertises étendues et approfondies qui ne sont pas systématiquement décrites dans la littérature scientifique ou technique reconnue. De plus, les produits biologiques tels que les exosomes et les vecteurs viraux (virus adéno-associés ou VAA) sont des structures biologiques complexes qui se sont récemment avérées très utiles dans le traitement d’un certain nombre de cancers et de maladies héréditaires. Leur production en bioréacteur sur le plan des quantités et qualités requises pour les besoins précliniques et cliniques limite considérablement leur utilisation et leur développement en tant qu’outils thérapeutiques. C’est donc une occasion d’intégrer les connaissances cumulées dans les bases de données et d’exploiter les progrès réalisés dans le domaine de l’IA pour accélérer la conception et l’optimisation du système de production de ces deux produits biologiques clés (exosomes et VAA) par l’installation et l’exploitation du jumeau numérique d’un bioréacteur physique, relié à celui-ci par un ensemble de capteurs assurant une communication constante entre les deux systèmes.

Les nouvelles techniques d’optimisation telles que la rétro-ingénierie nanophotonique sont des outils prometteurs qui sont susceptibles de réduire considérablement la taille des composants photoniques passifs en silicium tout en préservant leurs fonctionnalités et leurs performances. Bien que les résultats publiés fassent état de divers dispositifs miniaturisés de validation de principe ayant une taille et un rapport d’aspect prédéterminés, leurs performances actuelles sont inférieures à ce qui est disponible sur le marché et les conceptions sont très peu interprétables. Dans ce contexte, les outils de l’IA peuvent être mis à contribution pour aider à déterminer des motifs récurrents dans l’espace multidimensionnel de conception grâce à l’analyse d’une base de données regroupant des concepts simulés qui oriente la recherche de meilleures performances et éclaire le comportement de l’espace de conception en dévoilant ses particularités et ses limites. Au bout du compte, l’utilisation d’outils basés sur l’IA permettra de faire progresser la miniaturisation des composants photoniques intégrés en silicium sans compromettre leurs performances ni leur manufacturabilité.

Les matériaux technologiques modernes contiennent typiquement plusieurs composés et sont dotés d’une structure complexe qui détermine leurs propriétés optiques, électroniques et chimiques. La conception de nouveaux matériaux fonctionnels a grandement bénéficié du développement de méthodologies efficaces et précises applicables aux structures électroniques, en particulier de la théorie de la fonctionnelle de la densité (DFT). Mais l’application de la DFT au triage rapide de milliers de composants candidats dans le cadre de la conception d’un nouveau matériau hautes performances est une opération trop onéreuse. Ce projet vise à tirer parti de la puissance de l’intelligence artificielle pour exploiter le succès de la DFT et dénicher ainsi des paramètres de conception optimisés. Ce projet est d’une grande importance économique puisqu’il vise à réduire l’empreinte environnementale de l’exploitation des sables bitumineux de l’Alberta grâce à la mise au point de nouveaux nanocatalyseurs pour les réactions chimiques intervenant lors de la valorisation du brut en réservoir.

Il est très difficile de concevoir un médicament ciblant une maladie particulière à cause de la complexité des molécules mises en jeu et des connaissances généralement limitées sur la maladie en question. La mise au point d’un médicament efficace (ciblant un gène, une protéine ou un mécanisme) prend normalement plusieurs années et coûte des milliards de dollars aux laboratoires pharmaceutiques privés, des dépenses qui expliquent le prix inabordable de certains médicaments sur les marchés canadien et mondial. L’émergence de techniques d’acquisition massive et rapide de données biochimiques et génomiques et l’avancée de nouveaux paradigmes en IA offrent l’occasion unique de concevoir automatiquement de nouveaux médicaments à une cadence beaucoup plus rapide et à un coût bien moindre, ce qui alimente l’espoir de découvrir des traitements pour des maladies jusqu’à maintenant incurables. Une plateforme et un protocole de conception de médicaments basés sur les données et l’IA seront mis au point pour le traitement précis et efficace de cancers et de maladies complexes. Le projet tirera parti de l’expertise multidisciplinaire unique du CNRC dans le domaine de l’IA, de la science des données et des thérapeutiques en santé humaine ainsi que des connaissances et des installations offertes par les collaborateurs externes pour relever les défis rencontrés à chaque étape de la conception des médicaments. Les technologies mises au point dans le cadre de ce projet, tout comme ses retombées, bénéficieront à toute la population canadienne. Ce projet sera axé sur le développement et la mise à l’essai de méthodes basées sur l’IA et la paramétrisation des molécules.

Le projet examinera l'impact de la fermentation à l'état solide et submergée, et de la modification enzymatique sur les propriétés fonctionnelles et nutritionnelles des concentrés ou isolats de protéines de légumineuses commerciales (p. Ex. Pois jaunes, féverole et lentilles). La fermentation des fractions de légumineuses se fera à l'aide de souches traditionnelles de GRAS, Aspergillus niger, A. oryzae et Lactobacillus plantarum, dans différentes conditions de fermentation (pH, température et temps) pour obtenir différents niveaux d'hydrolyse (5, 10, 15 et 20%) . De même, des protéases (trypsine et savinase) seront ajoutées pour modifier les isolats de protéines dans différentes conditions (rapports enzyme: substrat, températures, pH et temps) pour obtenir des niveaux d'hydrolyse similaires. Les modifications des propriétés de surface de la protéine seront mesurées, ainsi que leur fonctionnalité (par exemple, solubilité, émulsification, rétention eau / huile et moussage). Les modifications des niveaux de composés antinutritionnels et de la qualité des protéines (PDCAAS et digestibilité) seront également examinées à la suite du traitement.

Les bioréacteurs jouent un rôle de premier plan dans la fabrication des produits biologiques. Leur conception a été bien décrite pour les fermentations traditionnelles axées sur la production de biomolécules simples, mais leur exploitation reste très empirique pour ce qui est de la production de produits biologiques complexes à partir de systèmes eucaryotes tels que des cellules humaines HEK-293. La production de produits biologiques en bioréacteur s’effectue dans un contexte complexe nécessitant des expertises étendues et approfondies qui ne sont pas systématiquement décrites dans la littérature scientifique ou technique reconnue. De plus, les produits biologiques tels que les exosomes et les vecteurs viraux (virus adéno-associés ou VAA) sont des structures biologiques complexes qui se sont récemment avérées très utiles dans le traitement d’un certain nombre de cancers et de maladies héréditaires. Leur production en bioréacteur sur le plan des quantités et qualités requises pour les besoins précliniques et cliniques limite considérablement leur utilisation et leur développement en tant qu’outils thérapeutiques. C’est donc une occasion d’intégrer les connaissances cumulées dans les bases de données et d’exploiter les progrès réalisés dans le domaine de l’IA pour accélérer la conception et l’optimisation du système de production de ces deux produits biologiques clés (exosomes et VAA) par l’installation et l’exploitation du jumeau numérique d’un bioréacteur physique, relié à celui-ci par un ensemble de capteurs assurant une communication constante entre les deux systèmes.

Les nouvelles techniques d’optimisation telles que la rétro-ingénierie nanophotonique sont des outils prometteurs qui sont susceptibles de réduire considérablement la taille des composants photoniques passifs en silicium tout en préservant leurs fonctionnalités et leurs performances. Bien que les résultats publiés fassent état de divers dispositifs miniaturisés de validation de principe ayant une taille et un rapport d’aspect prédéterminés, leurs performances actuelles sont inférieures à ce qui est disponible sur le marché et les conceptions sont très peu interprétables. Dans ce contexte, les outils de l’IA peuvent être mis à contribution pour aider à déterminer des motifs récurrents dans l’espace multidimensionnel de conception grâce à l’analyse d’une base de données regroupant des concepts simulés qui oriente la recherche de meilleures performances et éclaire le comportement de l’espace de conception en dévoilant ses particularités et ses limites. Au bout du compte, l’utilisation d’outils basés sur l’IA permettra de faire progresser la miniaturisation des composants photoniques intégrés en silicium sans compromettre leurs performances ni leur manufacturabilité.

Le but de ce Projet est de soutenir l'organisation de la conférence nationale 2020 et la 112e assemblée générale annuelle de l'Institut Forestier du Canada.