Code source libre
Un environnement propice à la science ouverte
Mila a pour mission d’être un pôle mondial d’avancées scientifiques qui inspire l’innovation et l’essor de l’IA au bénéfice de tous·tes. Dans le cadre de cette mission, Mila reconnaît l’énorme potentiel de l’IA et s’engage à rendre la recherche plus ouverte, interdisciplinaire et accessible.
Logiciels à code source libre
Explorez certaines des réalisations les plus marquantes en matière de logiciels à code source libre menés ou co-développés par des chercheur·e·s de Mila au cours des dernières années.
Academic Torrents est une plateforme évolutive fondée sur BitTorrent qui répartit le coût de l'hébergement des données afin d'éviter la montée et la chute des fournisseurs d'hébergement de données et l'effacement des données.
ALE est un repère d'apprentissage par renforcement et un cadre permettant aux chercheur·e·s de développer des agents d'IA pour les jeux Atari 2600. ALE continue à être maintenu par des chercheur·e·s de Mila.
Le cadre AxonDeepSeg est un logiciel de segmentation des données de microscopie des fibres nerveuses basé sur un réseau neuronal convolutif.
BabyAI est un banc d’essai conçu pour entraîner des agents à comprendre et à exécuter des commandes linguistiques.
Chester est un prototype de système gratuit et accessible qui a été conçu pour les professionnels de la santé afin de mieux saisir le potentiel des outils d'apprentissage profond dans l’analyse des radiographies pulmonaires.
DEAP est un cadre de calcul innovant qui aide à prototyper et à tester des idées par une itération rapide, ayant pour but de rendre les algorithmes explicites et les structures de données transparentes.
Un cadre de recherche pour le prototypage rapide d'algorithmes d'apprentissage par renforcement. Dopamine a notamment été développé par le professeur Marc G. Bellemare et ses collègues chez Google.
Amélioration de la compréhension visio-linguistique fine (fine-grained) par contraste de négatifs intra-modaux et classement de négatifs inter-modaux.
Doté de fonctionnalités moléculaires intégrées riches et puissantes, Graphium est une bibliothèque open source conçue pour l'apprentissage de la représentation graphique sur des tâches de chimie du monde réel. Graphium donne accès aux architectures GNN de pointe via une API extensible, permettant aux chercheurs de créer et de former facilement leurs propres GNN à grande échelle.
Représentation HTML des objets Python.
HyPyP est un pipeline Python Hyperscanning pour l'analyse de la connectivité inter-cerveau.
Ivadomed est un cadre intégré pour l'analyse d'images médicales au moyen de l'apprentissage profond basé sur PyTorch.
Jurigged permet de mettre à jour du code en cours d'exécution.
Le laboratoire de recherche MEDomics UdeS, dirigé par le professeur Martin Vallières de l'Université de Sherbrooke, se concentre depuis sa fondation en 2020 sur la création de modèles prédictifs en informatique de la santé.
MAPL : une méthode simple et efficace en termes de paramètres qui réutilise des modèles unimodaux pré-entraînés et exploite leurs fortes capacités de généralisation dans des paramètres de langage de vision (VL) multimodaux.
MilaBench est un référentiel de bancs d'essai.
Le gymnase Minimalistic Gridworld Environment (MiniGrid) est maintenu par la Fondation Farama.
Myia (qui fait suite à Theano) est un langage de programmation différentiable capable de prendre en charge des calculs de haute performance à grande échelle (par exemple, l'algèbre linéaire) et leurs gradients.
Myriad vise à combler le fossé entre l'optimisation de trajectoire et l'apprentissage profond. Myriad propose de nombreux environnements système dynamiques pertinents pour le monde réel, ainsi que plusieurs algorithmes d'optimisation de trajectoire. Tous ces éléments sont écrits en JAX et peuvent donc être facilement intégrés dans un flux de travail deep learning. Les environnements et outils de Myriad peuvent être utilisés pour l'optimisation de trajectoire, l'identification de systèmes, l'apprentissage par imitation et l'apprentissage par renforcement.
Le fruit d’une collaboration entre Mila et IBM, Oríon est une bibliothèque numérique destinée à l’optimisation des fonctions boîte noire qui est axée sur la convivialité et la facilité d’intégration pour les utilisateurs·rices.
Paperoni permet aux utilisateurs·rices de rechercher des articles scientifiques à partir de la ligne de commande.
PyNM est une implémentation python de la modélisation normative la rendant accessible et facile à adopter.
Ptera permet d'instrumenter du code depuis l'extérieur en spécifiant un ensemble de variables à surveiller dans un graphe d'appel Python arbitraire et en manipulant un flux de leurs valeurs.
Logiciel open source MATLAB/Octave pour l'analyse quantitative d'images IRM. L'objectif principal du projet qMRLab est de fournir à la communauté un logiciel qui rend l'ajustement des données, la simulation et l'optimisation des protocoles aussi simples que possible pour une myriade de modèles quantitatifs différents.
Un cadre logiciel qui permet de fédérer la recherche sur l'apprentissage continu
Progiciel Python open source permettant une variété de techniques de calage IRM (homogénéisation du champ magnétique).
SpeechBrain est une boîte à outils de traitement de la parole tout-en-un en code source libre, à la fois simple, flexible, conviviale et bien documentée, conçue pour faciliter la recherche-développement de technologies de traitement neuronal de la parole.
SCT est un ensemble complet, gratuit et open source d'outils en ligne de commande dédiés au traitement et à l'analyse des données d'IRM de la moelle épinière.
Factorisation matricielle non négative régularisée par graphique (GNMF) en Python.
L’étudiant au doctorat Scott Fujimoto, qui est supervisé par Doina Precup et David Meger, détient le code source libre de TD3, une méthode d'apprentissage par renforcement profond parmi les plus performantes à ce jour.
TGB est un benchmark des graphiques temporels pour l'apprentissage automatique sur les graphiques temporels.
Theano, l'un des premiers cadres de programmation pour l'apprentissage profond, a été conçu par une équipe de recherche issue de Mila et de l'Université de Montréal. Il s’agit d’une bibliothèque logicielle Python et d’un compilateur d'optimisation permettant de manipuler et d'évaluer des expressions mathématiques. Le développement de Theano s'est achevé en 2017.
TorchDrug est une plateforme d’apprentissage automatique à code source libre pour la découverte de médicaments qui couvre un large éventail de techniques, telles que l’apprentissage automatique basé sur des graphes, les modèles génératifs profonds et l’apprentissage par renforcement.
Accessible à partir de TorchDrug, TorchProtein est une bibliothèque d'apprentissage automatique pour la science des protéines, fournissant des modèles d'apprentissage de représentation à la fois pour les séquences et les structures de protéines, ainsi que pour certaines tâches fondamentales, telles que la prédiction de la fonction et de la structure.
