Étude de la symbiose actinorhizienne chez l'aulne en présence de résidus miniers aurifères acidogènes

Les concentrations de métaux lourds retrouvées dans les sols augmentent considérablement depuis la révolution industrielle et s’accumulent quotidiennement dans la biosphère. Ces composés métalliques persisteront pendant plusieurs années au niveau des différents écosystèmes affectés et voyageront dans les chaînes alimentaires par bioaccumulation. Les activités humaines, telle que l’industrie minière contribuent activement à cette problématique environnementale. En effet, l’excavation minière perturbe la roche-mère et favorise l’oxydation des métaux lourds sulfurés qui, lentement, produiront de l’acide sulfurique. Cette acidification peut mobiliser les éléments métalliques stables en condition neutre ou alcaline. Ces phénomènes induisent la formation du drainage minier acide (DMA) qui peut contaminer les cours d’eau ou les nappes phréatiques à proximité. Plusieurs mines sont situées en Abitibi-Témiscamingue en raison de l’abondance de divers minerais dans la roche mère tels que l’or. Une importante quantité de déchets industriels est produite lors de l’excavation du minerai, dont les résidus miniers entreposés dans des bassins de rétention extérieurs. Ces bassins prennent de l’expansion quotidiennement autour du site minier substituant la place de la végétation saine et des territoires. Une mise en végétation des sites miniers du Québec est exigée depuis 1995 afin de redonner une apparence naturelle aux sites et limiter le phénomène d’érosion. Depuis 2013, un plan de réaménagement et de restauration des sites exploités est obligatoire selon la loi sur les mines. Ces bassins seront donc ciblés pour effectuer des essais de revégétalisation par l’entremise de plantes actinorhiziennes. Les plantes actinorhiziennes sont des végétaux robustes pouvant coloniser nombreux habitats perturbés et hostiles. L’aulne est une plante actinorhizienne pouvant établir une relation symbiotique avec l’actinobactérie fixatrice d’azote du genre Frankia. La symbiose actinorhizienne est une interaction équitablement profitable entre la plante et la bactérie. Cette symbiose repose sur la capacité de la bactérie à transformer, au niveau des nodules, l’azote atmosphérique en ammonium assimilable grâce à une enzyme spécifique, la nitrogénase. Lorsque la symbiose est bien établie, elle donnera un avantage significatif aux plantes pour leur développement et leur croissance, et ce, même dans un substrat pauvre en nutriments ou contaminé. En effet, la symbiose actinorhizienne permet d’améliorer la structure physicochimique d’un sol et de l’enrichir en azote grâce à la fixation de l’azote atmosphérique. Dans la région de l’Abitibi-Témiscamingue, la mine Doyon est une mine d’or qui détient des sols acidogènes contenant des traces non négligeables de métaux lourds. Ce projet de recherche en microbiologie environnementale avait comme objectif principal d’évaluer la capacité des aulnes rugueux et des aulnes crispés à coloniser des résidus miniers acidogènes aurifères (concentrations différentes de 0 %, 35 %, 65 % et 100 %) avec ou sans l’aide de Frankia. La dispersion des contaminants par les feuilles a aussi été étudiée afin d’évaluer le risque environnemental de l’utilisation des aulnes sur le terrain à des fins de revégétalisation. Les objectifs préliminaires avaient comme but d’évaluer la résistance, de manière individuelle, de la souche ACN10a du genre Frankia (par extrait aqueux) puis des espèces d’aulne aux résidus miniers non stérilisés. Par le fait même, la microflore des résidus miniers a été étudiée dans le but d’isoler des espèces symbiotiques d’endophytes écoadaptées aux conditions arides du site minier Doyon. Concernant les objectifs préliminaires, les résultats ont démontré que la souche ACN10a résiste bien jusqu’à 35 % d’extrait aqueux de résidus miniers de la mine Doyon. Pour les concentrations supérieures à 50 %, Frankia (souche ACN10a) a démontré une respiration cellulaire et des concentrations protéiques décroissantes en raison de la présence d’éléments toxiques biodisponibles dans l’extrait aqueux. Par ailleurs, les aulnes rugueux et crispés ont démontré une tolérance jusqu’à la concentration de 35 % de résidus miniers non stérilisés sans la présence de Frankia. Par la suite, les résultats d’isolement n’ont pas démontré la capacité des aulnes à recruter des bactéries symbiotiques à partir des résidus miniers de la mine Doyon. Concernant l’objectif principal, les résultats ont démontré que l’aulne rugueux résiste mieux que l’aulne crispé jusqu’aux concentrations de 35 % de résidus miniers lorsqu’inoculés en manifestant une meilleure biomasse sèche totale, une plus grande concentration de chlorophylle dans les feuilles et un plus grand nombre spécifique de nodules. L’établissement symbiotique a été affecté par la présence des résidus miniers acidogène révélant que le nombre de site d’infection racinaire diminuait en fonction des concentrations de résidus miniers croissantes (0 %, 35 %, 65 % et 100 %). Ensuite, une analyse des éléments chimiques des feuilles a démontré que le transfert des métaux lourds des résidus miniers vers les feuilles était minime. Les plantes révélant de hautes teneurs en métaux lourds dans leurs feuilles ont développé par le fait même, une faible biomasse aérienne limitant ainsi la dispersion de contaminants lors de la perte des feuilles à l’automne. Le modèle expérimental aulne-Frankia possédait un seuil de tolérance visible à la concentration de 35 % de résidus miniers acidogènes aurifères de la mine Doyon. De plus, la présence de la symbiose actinorhizienne a modulé la distribution de certains éléments chimiques dans les feuilles en comparaison avec les aulnes non-inoculés (molybdène, nickel). Puis, une similarité a été notée dans la composition chimique des feuilles d’aulnes inoculés s’étant développés dans 0 % (témoin positif) et 35 % de résidus miniers.

Intelligent Sensor Systems for Structural Health Monitoring Applications

The convergence between the recent developments in sensing technologies, data science, signal processing and advanced modelling has fostered a new paradigm to the Structural Health Monitoring (SHM) of engineered structures, which is the one based on intelligent sensors, i.e., embedded devices capable of stream processing data and/or performing structural inference in a self-contained and near-sensor manner. To efficiently exploit these intelligent sensor units for full-scale structural assessment, a joint effort is required to deal with instrumental aspects related to signal acquisition, conditioning and digitalization, and those pertaining to data management, data analytics and information sharing. In this framework, the main goal of this Thesis is to tackle the multi-faceted nature of the monitoring process, via a full-scale optimization of the hardware and software resources involved by the {SHM} system. The pursuit of this objective has required the investigation of both: i) transversal aspects common to multiple application domains at different abstraction levels (such as knowledge distillation, networking solutions, microsystem {HW} architectures), and ii) the specificities of the monitoring methodologies (vibrations, guided waves, acoustic emission monitoring). The key tools adopted in the proposed monitoring frameworks belong to the embedded signal processing field: namely, graph signal processing, compressed sensing, ARMA System Identification, digital data communication and TinyML.

Concepts and methods for efficient decentralized learning in federated settings

Deep Neural Networks (DNNs) have revolutionized a wide range of applications beyond traditional machine learning and artificial intelligence fields, e.g., computer vision, healthcare, natural language processing and others. At the same time, edge devices have become central in our society, generating an unprecedented amount of data which could be used to train data-hungry models such as DNNs. However, the potentially sensitive or confidential nature of gathered data poses privacy concerns when storing and processing them in centralized locations. To this purpose, decentralized learning decouples model training from the need of directly accessing raw data, by alternating on-device training and periodic communications. The ability of distilling knowledge from decentralized data, however, comes at the cost of facing more challenging learning settings, such as coping with heterogeneous hardware and network connectivity, statistical diversity of data, and ensuring verifiable privacy guarantees. This Thesis proposes an extensive overview of decentralized learning literature, including a novel taxonomy and a detailed description of the most relevant system-level contributions in the related literature for privacy, communication efficiency, data and system heterogeneity, and poisoning defense. Next, this Thesis presents the design of an original solution to tackle communication efficiency and system heterogeneity, and empirically evaluates it on federated settings. For communication efficiency, an original method, specifically designed for Convolutional Neural Networks, is also described and evaluated against the state-of-the-art. Furthermore, this Thesis provides an in-depth review of recently proposed methods to tackle the performance degradation introduced by data heterogeneity, followed by empirical evaluations on challenging data distributions, highlighting strengths and possible weaknesses of the considered solutions. Finally, this Thesis presents a novel perspective on the usage of Knowledge Distillation as a mean for optimizing decentralized learning systems in settings characterized by data heterogeneity or system heterogeneity. Our vision on relevant future research directions close the manuscript.