Code source libre

Mila a pour mission d’être un pôle mondial d’avancées scientifiques qui inspire l’innovation et l’essor de l’intelligence artificielle (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. 

Un environnement propice à la science ouverte

Découvrez certaines des réalisations les plus marquantes en matière de logiciels libres menés par ou co-développés par les chercheur·euse·s de Mila au fil des ans.

Academic Torrent

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.

Arcade Learning Environment (ALE)

ALE est un repère d'apprentissage par renforcement et un cadre permettant aux chercheur·euse·s de développer des agents d'IA pour les jeux Atari 2600. ALE continue à être maintenu par des chercheur·euse·s de Mila.

AxonDeepSeg

Le cadre AxonDeepSeg est un logiciel de segmentation des données de microscopie des fibres nerveuses basé sur un réseau neuronal convolutif.

BabyAI

BabyAI est un banc d’essai conçu pour entraîner des agents à comprendre et à exécuter des commandes linguistiques.

Chester, l’assistant de radiologie intelligent

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.

Distributed Evolutionary Algorithms in Python (DEAP)

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.

Dopamine

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.

Enhance-FineGrained

Enhance FineGrained vise l’amélioration de la compréhension visio-linguistique fine (fine-grained) par contraste de négatifs intra-modaux et classement de négatifs inter-modaux.

Graphium

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.

Hrepr

Hrepr : Représentation HTML des objets Python.

HyPyP

HyPyP est un pipeline Python Hyperscanning pour l'analyse de la connectivité inter-cerveau.

Ivadomed

Ivadomed est un cadre intégré pour l'analyse d'images médicales au moyen de l'apprentissage profond basé sur PyTorch.

Jurigged

Jurigged permet de mettre à jour du code en cours d'exécution.

MEDomics-UdeS

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

MAPL est un système d'intelligence artificielle multimodal capable de comprendre des images et du texte, tout en générant du texte libre en sortie.

MilaBench

MilaBench est un référentiel de bancs d'essai.

MiniGrid

Le gymnase Minimalistic Gridworld Environment (MiniGrid) est maintenu par la Fondation Farama.

Myia

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

Myriad est un banc d'essai réel qui vise à combler l’écart entre l'optimisation de trajectoire et l'apprentissage profond. 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.

Orion

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

Paperoni permet aux utilisateurs·rices de rechercher des articles scientifiques à partir de la ligne de commande.

PyNM

PyNM est une implémentation python de la modélisation normative la rendant accessible et facile à adopter.

Ptera

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.

qMRLab

qMRLab est un logiciel à code source libre 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.

Sequoia

Sequoia est un cadre logiciel qui permet de fédérer la recherche sur l'apprentissage continu.

Shimming-Toolbox

Shimming-Toolbox est un progiciel Python à code source libre permettant une variété de techniques de calage IRM (homogénéisation du champ magnétique).

SpeechBrain

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.

Spinal Cord Toolbox

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.

StratiPy

Factorisation matricielle non négative régularisée par graphique (GNMF) en Python.

TD3

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.

Temporal Graph Benchmark

TGB fournit un pipeline d'apprentissage automatique pour la recherche reproductible et accessible sur les graphes temporels, y compris le chargement des données, la configuration de l'expérience et l'évaluation des performances.

TinyDiffRast

Un tout petit cours qui a pour but d'explorer, d'expliquer et d'implémenter des approches de pointe pour la rastérisation de triangles différentiables. Le cours couvre une classe de techniques de rendu inverse qui permettent d'apprendre les paramètres d'une scène 3D (matériaux, lumières, caméras, géométrie) à partir d'une supervision d'images 2D.

Theano

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

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.

TorchProtein

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.