| Plateformes de découverte accélérée de matériaux (MAP) |
2019 à 2024 |
- Accélérer le développement de nouveaux matériaux destinés aux technologies de l’énergie propre dans des laboratoires autonomes à l’aide de l’intelligence artificielle, de la robotique et du calcul de haute
performance.
- Appliquer des algorithmes d’apprentissage machine pour la prise de décisions afin de recommander les conditions pour de futures expériences et des recherches aléatoires.
|
Mark Kozdras |
- Technologies énergétiques
|
| Plateforme numérique ouverte pour l’optimisation de la chaîne de valeur forestière Note de bas de page * |
2019 à 2023 |
- cibler de nouvelles possibilités de croissance pour améliorer la compétitivité
- déterminer les meilleurs investissements en matière de croissance propre
- soutenir l’équité et la diversité dans le domaine de la science
- accroître et améliorer la main-d’œuvre
|
Mouloud Amazouz
Daniel Mazerolle
Eric Soucy |
- Technologies énergétiques
- Service canadien des forêts (SCF)
|
| Support à la décision pour l’optimisation de la performance des systèmes industriels |
2016 à 2020 |
- extraire les connaissances et déterminer les tendances dans les données de rendement industrielles
- améliorer les activités de plusieurs industries
|
Mouloud Amazouz |
- Technologies énergétiques
|
| Information sur les réseaux des eaux souterraines |
Depuis 2009 |
- distribuer les données sur les eaux souterraines
- utiliser l’IA pour améliorer l’accès aux données sur l’eau souterraine provenant de plusieurs sources
|
Boyan Brodaric |
|
| Petroinformatics: une plateforme numérique pour optimiser le raffinage du pétrole |
Depuis 2019 |
- créer des processus plus efficaces et plus rentables pour les activités de raffinage du pétrole
- créer une plateforme numérique pour soutenir le processus décisionnel dans les activités pétrolières
|
Rafal Gieleciak |
- Bureau des politiques et des investissements stratégiques relatifs aux hydrocarbures (CanmetÉNERGIE Devon)
|
| Cartographie de l’eau et de l’infrastructure du Canada |
Depuis 2017 |
- accélérer la capacité de créer des couches de données géospatiales pour détecter les mouvements en cas d’urgence et d’inondation
- améliorer les couches cartographiques du Canada
|
Karen Bronsard |
- Centre canadien de la cartographie et de l’observation de la Terre (CCCOT)
|
| Intégrité de la marque ENERGY STAR |
Avril 2018 (expérience de 8 semaines) |
- cibler les utilisations inappropriées de la marque ENERGY STAR sur les sites Web et les médias sociaux
- aider à renforcer les processus et à peaufiner la politique pour soutenir le processus décisionnel des consommateurs
|
Matt Naccarato
Dianna Miller |
- Faible teneur en carbone (Office de l’efficacité énergétique – OEE)
|
| Classification géochimiques des puits de Lalor |
2014 à 2018 |
- soutenir la classification des données géochimiques
- prédire la distribution 3D des unités géologiques souterraines
|
Ernst Schetselaar
Patrick Mercier-Langevin |
|
| Base de données sur les anneaux arborescents Note de bas de page * |
s/o |
- améliorer la compréhension des variations critiques de la croissance des arbres
- améliorer la fiabilité de la base de données sur les anneaux arborescents du Service canadien des forêts
|
Martin Girardin |
- Service canadien des forêts
|
| Automatisation robotisée des processus pour la gestion des documents financiers Note de bas de page * |
2020 |
- automatiser les tâches linéaires pour réduire les interventions manuelles
- minimiser les erreurs afin d’accroître l’exactitude et l’efficacité
|
Marc Cossette |
- |
| Charge d’énergie synthétique des communautés éloignées fondée sur des techniques d’apprentissage machine Note de bas de page * |
sept. 2020 à mars 2021 |
- mieux comprendre les profils de charge des collectivités éloignées du Canada afin de faciliter la transition hors diesel
- développer une application d’apprentissage machine pour produire des profils de charge électrique synthétique
|
Ryan Kilpatrick |
Technologies énergétiques |
| Détection de gisements minéraux profonds à des fins d’extraction grâce à l’apprentissage profond |
2020 à 2022 |
- élaborer des algorithmes d’apprentissage automatique et d’apprentissage en profondeur pour aider à déterminer la probabilité de la présence de gisements minéraux précieux et du type de roche;
- capacité d’adapter et de reproduire les résultats à l’échelle du Canada
|
Gilles Bellefleur |
Terres et minéraux |
| Optimisation des réseaux électriques et de l’infrastructure de recharge pour l’arrivée en masse de véhicules électriques sur le marché Note de bas de page * |
2020 |
- appliquer des techniques d’analyse des mégadonnées et d’intelligence artificielle pour mieux comprendre et caractériser les besoins en infrastructures de VE
- aider les entreprises d’électricité à mieux gérer les réseaux électriques
|
Evgueniy Entchev |
Technologies énergétiques |
