Gain bandwidth optimisation and enhancement in ultra-long Raman fibre laser based amplifiers

We show experimentally a 57nm gain bandwidth for an ultra-long Raman fiber laser based amplification technique using only a single pump wavelength. The enhanced gain bandwidth and gain flatness is investigated for single and multi-cavity designs. ©2010 IEEE.

Development and optimisation of photonic crystal based nanosensors

This thesis involved the development of two Biosensors and their associated assays for the detection of diseases, namely IBR and BVD for veterinary use and C1q protein as a biomarker to pancreatic cancer for medical application, using Surface Plasmon Resonance (SPR) and nanoplasmonics. SPR techniques have been used by a number of groups, both in research [1-3] and commercially [4, 5] , as a diagnostic tool for the detection of various biomolecules, especially antibodies [6-8]. The biosensor market is an ever expanding field, with new technology and new companies rapidly emerging on the market, for both human [8] and veterinary applications [9, 10]. In Chapter 2, we discuss the development of a simultaneous IBR and BVD virus assay for the detection of antibodies in bovine serum on an SPR-2 platform. Pancreatic cancer is the most lethal cancer by organ site, partially due to the lack of a reliable molecular signature for diagnostic testing. C1q protein has been recently proposed as a biomarker within a panel for the detection of pancreatic cancer. The third chapter discusses the fabrication, assays and characterisation of nanoplasmonic arrays. We will talk about developing C1q scFv antibody assays, clone screening of the antibodies and subsequently moving the assays onto the nanoplasmonic array platform for static assays, as well as a custom hybrid benchtop system as a diagnostic method for the detection of pancreatic cancer. Finally, in chapter 4, we move on to Guided Mode Resonance (GMR) sensors, as a low-cost option for potential use in Point-of Care diagnostics. C1q and BVD assays used in the prior formats are transferred to this platform, to ascertain its usability as a cost effective, reliable sensor for diagnostic testing. We discuss the fabrication, characterisation and assay development, as well as their use in the benchtop hybrid system.

Valeur pronostique de CD73 et des lymphocytes T CD8 et optimisation de la vaccination de type GVAX dans le cancer de la prostate

CD73 est un ecto-enzyme qui a été associé à la suppression de l'immunité anti-tumorale. Ses valeurs pronostiques et thérapeutiques ont été mises de l'avant dans plusieurs types de cancer. La première hypothèse du projet est que l'expression de CD73 dans la tumeur prédit le pronostic des patients atteints du cancer de la prostate. L'expression de CD73 a été étudiée par immunofluorescence dans des échantillons de tumeur. Puis, des analyses univariées et multivariées ont été conduites pour déterminer si l'expression de CD73 permet de prédire la récidive biochimique des patients. Nous avons déterminé que CD73 prédit indépendamment le pronostic des patients atteints du cancer de la prostate. De plus, nous avons déterminé que son expression dans le tissu normal adjacent ou dans la tumeur prédit différemment la survenue de la récidive biochimique. La deuxième hypothèse est que l'inhibition de CD73 permet d'améliorer l'efficacité d'un vaccin thérapeutique contre le cancer de la prostate. L'effet d'un vaccin de type GVAX a été étudié dans des souris CD73KO ou en combinaison avec un anticorps ciblant CD73. Nous avons observé que l'efficacité du vaccin était augmentée dans les souris où CD73 était absent. Cependant, la combinaison avec l'anti-CD73 n'a pas permis d'améliorer l'efficacité.

Optimisation of a droplet digital PCR assay for the diagnosis of Schistosoma japonicum infection: A duplex approach with DNA binding dye chemistry

Schistosomiasis is a chronically debilitating helminth infection with a significant socio-economic and public health impact. Accurate diagnostics play a pivotal role in achieving current schistosomiasis control and elimination goals. However, many of the current diagnostic procedures, which rely on detection of schistosome eggs, have major limitations including lack of accuracy and the inability to detect pre-patent infections. DNA-based detection methods provide a viable alternative to the current tests commonly used for schistosomiasis diagnosis. Here we describe the optimisation of a novel droplet digital PCR (ddPCR) duplex assay for the diagnosis of Schistosoma japonicum infection which provides improved detection sensitivity and specificity. The assay involves the amplification of two specific and abundant target gene sequences in S. japonicum; a retrotransposon (SjR2) and a portion of a mitochondrial gene (nad1). The assay detected target sequences in different sources of schistosome DNA isolated from adult worms, schistosomules and eggs, and exhibits a high level of specificity, thereby representing an ideal tool for the detection of low levels of parasite DNA in different clinical samples including parasite cell free DNA in the host circulation and other bodily fluids. Moreover, being quantitative, the assay can be used to determine parasite infection intensity and, could provide an important tool for the detection of low intensity infections in low prevalence schistosomiasis-endemic areas.

Physical model parameter optimisation for calibrated emulation of the Dallas Rangemaster Treble Booster guitar pedal

In this work we explore optimising parameters of a physical circuit model relative to input/output measurements, using the Dallas Rangemaster Treble Booster as a case study. A hybrid metaheuristic/gradient descent algorithm is implemented, where the initial parameter sets for the optimisation are informed by nominal values from schematics and datasheets. Sensitivity analysis is used to screen parameters, which informs a study of the optimisation algorithm against model complexity by fixing parameters. The results of the optimisation show a significant increase in the accuracy of model behaviour, but also highlight several key issues regarding the recovery of parameters.

Caractérisation et optimisation d'un détecteur à scintillation à 2 points

Ce projet de recherche s’inscrit dans le domaine de la dosimétrie à scintillation en radiothérapie, plus précisément en curiethérapie à haut débit de dose (HDR). Lors de ce type de traitement, la dose est délivrée localement, ce qui implique de hauts gradients de dose autour de la source. Le but de ce travail est d’obtenir un détecteur mesurant la dose en 2 points distincts et optimisé pour la mesure de dose en curiethérapie HDR. Pour ce faire, le projet de recherche est séparé en deux études : la caractérisation spectrale du détecteur à 2-points et la caractérisation du système de photodétecteur menant à la mesure de la dose. D’abord, la chaine optique d’un détecteur à scintillation à 2-points est caractérisée à l’aide d’un spectromètre afin de déterminer les composantes scintillantes optimales. Cette étude permet de construire quelques détecteurs à partir des composantes choisies pour ensuite les tester avec le système de photodétecteur multi-point. Le système de photodétecteur est aussi caractérisé de façon à évaluer les limites de sensibilité pour le détecteur 2-points choisi précédemment. L’objectif final est de pouvoir mesurer le débit de dose avec précision et justesse aux deux points de mesure du détecteur multi-point lors d’un traitement de curiethérapie HDR.

Optimisation de l’élevage intensif des larves de doré jaune (sander vitreus) dans les systèmes aquacoles en recirculation

Les percidés, dont le doré jaune (Sander vitreus), représentent une opportunité considérable de diversification de l’offre pour l’industrie aquacole au Canada, mais aussi ailleurs dans le monde. Malgré son fort potentiel, les producteurs de dorés sont marginaux, car l’élevage larvaire s’avère difficile et complexe, résultant en des succès de survie variables. Pour un développement durable de l’aquaculture, mais aussi pour assurer un meilleur contrôle des paramètres environnementaux, et conséquemment une meilleure rentabilité, les nouvelles méthodes d’élevage s’orientent vers l’utilisation de systèmes en recirculation où l’eau est majoritairement filtrée et recyclée. Un premier volet de nos travaux réalisés en 2014 a confirmé que (i) les méthodes intensives d’élevage larvaire peuvent être adaptés dans les systèmes en recirculation, que (ii) la moulée commerciale enrichie de farine de krills offre une meilleure croissance qu’une moulée commerciale enrichie aux microalgues, (iii) que des artémies vivantes ne favorise pas l’ingestion alimentaire lorsqu’ils sont ajoutés à des rations d’une moulée commerciale enrichie de farine de krills et (iv) que le développement de la vessie natatoire est le défi principal afin de produire du doré en circuit recyclé de façon rentable. Une étude menée en 2015 visait à favoriser le développement de la vessie natatoire du doré dans les systèmes en recirculation. Quatre traitements ont été comparés soit, un jet d’eau de surface faible, un jet d’eau de surface fort, un microbulleur et un rondin commercial d’absorption d’huile. Nous avons démontré que (i) l’utilisation d’un jet d’eau de surface faible n’était pas suffisant pour favoriser le développement de la vessie natatoire du doré dans les systèmes où l’eau est fortement recirculée et (ii) qu’un rondin d’absorption d’huile est le dispositif le plus efficace pour favoriser le développement de la vessie natatoire du doré. Les prochains travaux devraient se pencher sur (i) l’élaboration de bassins adaptés aux réalités de l’élevage intensif des percidés, (ii) sur des efforts de domestication du doré par sélection génétique afin d’augmenter la survie dans les systèmes en recirculation et sur (iii) des études bioéconomiques afin de réduire les risques associés aux démarrages de nouvelles piscicultures.

Conception, caractérisation et optimisation de SPAD en technologie Dalsa HV CMOS 0.8 μm pour intégration dans un 3D-SiPM

Résumé : Les photodiodes à avalanche monophotonique (SPAD) sont d'intérêts pour les applications requérant la détection de photons uniques avec une grande résolution temporelle, comme en physique des hautes énergies et en imagerie médicale. En fait, les matrices de SPAD, souvent appelés photomultiplicateurs sur silicium (SiPM), remplacent graduellement les tubes photomultiplicateurs (PMT) et les photodiodes à avalanche (APD). De plus, il y a une tendance à utiliser les matrices de SPAD en technologie CMOS afin d'obtenir des pixels intelligents optimisés pour la résolution temporelle. La fabrication de SPAD en technologie CMOS commerciale apporte plusieurs avantages par rapport aux procédés optoélectroniques comme le faible coût, la capacité de production, l'intégration d'électronique et la miniaturisation des systèmes. Cependant, le défaut principal du CMOS est le manque de flexibilité de conception au niveau de l'architecture du SPAD, causé par le caractère fixe et standardisé des étapes de fabrication en technologie CMOS. Un autre inconvénient des matrices de SPAD CMOS est la perte de surface photosensible amenée par la présence de circuits CMOS. Ce document présente la conception, la caractérisation et l'optimisation de SPAD fabriqués dans une technologie CMOS commerciale (Teledyne DALSA 0.8µm HV CMOS - TDSI CMOSP8G). Des modifications de procédé sur mesure ont été introduites en collaboration avec l'entreprise CMOS pour optimiser les SPAD tout en gardant la compatibilité CMOS. Les matrices de SPAD produites sont dédiées à être intégrées en 3D avec de l'électronique CMOS économique (TDSI) ou avec de l'électronique CMOS submicronique avancée, produisant ainsi un SiPM 3D numérique. Ce SiPM 3D innovateur vise à remplacer les PMT, les APD et les SiPM commerciaux dans les applications à haute résolution temporelle. L'objectif principal du groupe de recherche est de développer un SiPM 3D avec une résolution temporelle de 10 ps pour usage en physique des hautes énergies et en imagerie médicale. Ces applications demandent des procédés fiables avec une capacité de production certifiée, ce qui justifie la volonté de produire le SiPM 3D avec des technologies CMOS commerciales. Ce mémoire étudie la conception, la caractérisation et l'optimisation de SPAD fabriqués en technologie TDSI-CMOSP8G.

Parallel optimisation algorithms for multilevel mesh partitioning

Abstract not available

Optimisation of Spirulina platensis convective drying: evaluation of phycocyanin loss and lipid oxidation

The aim of the study was the optimisation of Spirulina platensis drying on convective hot air through the response surface methodology. The responses were thiobarbituric acid (TBA) and phycocyanin loss percentage values in final product. Experiments were carried out in perforated tray drier with parallel air flow, and the wet samples thickness and drying air temperatures were in range of 3–7 mm and 50–70 °C, respectively. The statistical analysis showed significant effect (P < 0.05) for air temperature and samples thickness. In the best drying condition, 55 °C and 3.7 mm, presented the phycocyanin loss percentage and the TBA values of approximately 37% and 1.5 mgMDA kg−1, respectively. In this drying condition, the fatty acids composition of the microalgae Spirulina did not show significance difference (P > 0.05) in relation to fresh biomass. The lipid profile of dried product presented high percentage of polyunsaturated fatty acids (34.4%), especially the gamma-linolenic acid (20.6%).

'A Bayesian Optimisation Algorithm for the Nurse Scheduling Problem'

Abstract- A Bayesian optimization algorithm for the nurse scheduling problem is presented, which involves choosing a suitable scheduling rule from a set for each nurse's assignment. Unlike our previous work that used GAs to implement implicit learning, the learning in the proposed algorithm is explicit, i.e. eventually, we will be able to identify and mix building blocks directly. The Bayesian optimization algorithm is applied to implement such explicit learning by building a Bayesian network of the joint distribution of solutions. The conditional probability of each variable in the network is computed according to an initial set of promising solutions. Subsequently, each new instance for each variable is generated by using the corresponding conditional probabilities, until all variables have been generated, i.e. in our case, a new rule string has been obtained. Another set of rule strings will be generated in this way, some of which will replace previous strings based on fitness selection. If stopping conditions are not met, the conditional probabilities for all nodes in the Bayesian network are updated again using the current set of promising rule strings. Computational results from 52 real data instances demonstrate the success of this approach. It is also suggested that the learning mechanism in the proposed approach might be suitable for other scheduling problems.

'Bayesian Optimisation for Nurse Scheduling'

A Bayesian optimisation algorithm for a nurse scheduling problem is presented, which involves choosing a suitable scheduling rule from a set for each nurse's assignment. When a human scheduler works, he normally builds a schedule systematically following a set of rules. After much practice, the scheduler gradually masters the knowledge of which solution parts go well with others. He can identify good parts and is aware of the solution quality even if the scheduling process is not yet completed, thus having the ability to finish a schedule by using flexible, rather than fixed, rules. In this paper, we design a more human-like scheduling algorithm, by using a Bayesian optimisation algorithm to implement explicit learning from past solutions. A nurse scheduling problem from a UK hospital is used for testing. Unlike our previous work that used Genetic Algorithms to implement implicit learning [1], the learning in the proposed algorithm is explicit, i.e. we identify and mix building blocks directly. The Bayesian optimisation algorithm is applied to implement such explicit learning by building a Bayesian network of the joint distribution of solutions. The conditional probability of each variable in the network is computed according to an initial set of promising solutions. Subsequently, each new instance for each variable is generated by using the corresponding conditional probabilities, until all variables have been generated, i.e. in our case, new rule strings have been obtained. Sets of rule strings are generated in this way, some of which will replace previous strings based on fitness. If stopping conditions are not met, the conditional probabilities for all nodes in the Bayesian network are updated again using the current set of promising rule strings. For clarity, consider the following toy example of scheduling five nurses with two rules (1: random allocation, 2: allocate nurse to low-cost shifts). In the beginning of the search, the probabilities of choosing rule 1 or 2 for each nurse is equal, i.e. 50%. After a few iterations, due to the selection pressure and reinforcement learning, we experience two solution pathways: Because pure low-cost or random allocation produces low quality solutions, either rule 1 is used for the first 2-3 nurses and rule 2 on remainder or vice versa. In essence, Bayesian network learns 'use rule 2 after 2-3x using rule 1' or vice versa. It should be noted that for our and most other scheduling problems, the structure of the network model is known and all variables are fully observed. In this case, the goal of learning is to find the rule values that maximize the likelihood of the training data. Thus, learning can amount to 'counting' in the case of multinomial distributions. For our problem, we use our rules: Random, Cheapest Cost, Best Cover and Balance of Cost and Cover. In more detail, the steps of our Bayesian optimisation algorithm for nurse scheduling are: 1. Set t = 0, and generate an initial population P(0) at random; 2. Use roulette-wheel selection to choose a set of promising rule strings S(t) from P(t); 3. Compute conditional probabilities of each node according to this set of promising solutions; 4. Assign each nurse using roulette-wheel selection based on the rules' conditional probabilities. A set of new rule strings O(t) will be generated in this way; 5. Create a new population P(t+1) by replacing some rule strings from P(t) with O(t), and set t = t+1; 6. If the termination conditions are not met (we use 2000 generations), go to step 2. Computational results from 52 real data instances demonstrate the success of this approach. They also suggest that the learning mechanism in the proposed approach might be suitable for other scheduling problems. Another direction for further research is to see if there is a good constructing sequence for individual data instances, given a fixed nurse scheduling order. If so, the good patterns could be recognized and then extracted as new domain knowledge. Thus, by using this extracted knowledge, we can assign specific rules to the corresponding nurses beforehand, and only schedule the remaining nurses with all available rules, making it possible to reduce the solution space. Acknowledgements The work was funded by the UK Government's major funding agency, Engineering and Physical Sciences Research Council (EPSRC), under grand GR/R92899/01. References [1] Aickelin U, "An Indirect Genetic Algorithm for Set Covering Problems", Journal of the Operational Research Society, 53(10): 1118-1126,