ベーラーグループが開発しているFORTRANベースのベーラー・パリネロ型ニューラルネットワークポテンシャル関連パッケージ。ポテンシャルの構築および評価が可能で、LAMMPSを用いた分子動力学計算にも対応。最新の静電相互作用を考慮するニューラルネットワークポテンシャルが実装されている。
モーメント・テンソルポテンシャルを実装するソフトウェアパッケージ。ポテンシャルの学習および学習済みのポテンシャルを用いたLAMMPSによる分子動力学計算が実行可能。分子動力学計算と組み合わせた能動学習も利用可能。
機械学習のためのフリーのライブラリ。多層ニューラルネットワークに基づく機械学習（教師あり学習・教師なし学習）について様々な機能を提供する。データフローグラフを使用しており、複雑なネットワークを分かりやすく記述できる。GPGPU並列計算に対応しており、効率のより大規模データ処理が可能。
機械学習のためのオープンソース計算ライブラリ。ニューラルネットワークによる深層学習について、様々な機能を実装している。柔軟な記述により複雑なニューラルネットワークを実装することができ、最新の手法が多数実装されている。世界的に多くの企業で利用されている。スクリプト言語luaによって書かれている。
E(3)-同変グラフニューラルネットワークを用いた機械学習ポテンシャルを構築し、利用するためのオープンソースソフトウェア。aseで読み込み可能な構造ーエネルギー・原子間力データを用いた学習が可能。学習済みのポテンシャルを用いてLAMMPSによる分子動力学計算を行うことができる。
機械学習のためのオープンソース計算ライブラリTorchをPythonから使うためのインターフェース。手軽にニューラルネットワークによる深層学習を構築することができ、最新の手法を利用することができる。CUDAによるGPGPU並列計算に対応しており、高速処理が可能。C++から呼ぶためのインターフェースも用意されている。
E(3)-同変グラフニューラルネットワークを用いたAllegroポテンシャルモデルを構築し、分子動力学計算に利用するためのオープンソースソフトウェア。NequIPに依存しており、NequIPと同様に利用可能。メッセージパッシングを用いずに、局所的な情報のみから原子ごとのエネルギーが計算できるため、スケーリングに優れるとされる。
機械学習のためのオープンソース計算ライブラリ。他の機械学習ライブラリ(TensorFlow,CNTK,Theanoなど)の上部で動作させることができ、比較的短いコードでニューラルネットワークを構築することができる。多くの機械学習・深層学習の手法が実装されており、最先端の手法をすばやく試すことができる。Pythonで記述されている。
非線形atomicクラスター展開による原子間力ポテンシャル構築のためのツール。pandasとASEを使ったデータフォーマットを用いるが、VASPの出力ファイルから学習データを自動で抽出することもできる。学習したポテンシャルはLAMMPSに対応しており、分子動力学計算と同時に、出現した構造の学習範囲からの逸脱度合い(extrapolation grade)も計算可能。
機械学習やニューラルネットワークを駆使することで高精度な計算を行うことができるオープンソースの量子多体系ソルバー。変分モンテカルロ法に基づいたニューラルネットワーク状態の最適化や、厳密対角化の状態を教師データとした教師あり学習などを行うことが可能。