aenet (ænet, The Atomic Energy Network)

  • 公開度 3 ★★★
  • ドキュメント充実度 2 ★★☆

人工ニューラルネットワークを用いた原子間ポテンシャルに関連したソフトウェア。第一原理計算のエネルギーと物質の構造データからニューラルネットワークポテンシャルを生成できる。生成したポテンシャルはASEなどの分子動力学・モンテカルロシミュレーションに適用することもできる。

アプリ詳細へ

n2p2

  • 公開度 3 ★★★
  • ドキュメント充実度 2 ★★☆

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を実装するソフトウェアパッケージ。構造とエネルギーを関連付けるデータからポテンシャルを学習したり、学習済みのポテンシャルを任意の構造に対して評価するためのツール群を提供する。LAMMPSと組み合わせることで分子動力学計算も実行可能。

アプリ詳細へ

Chainer

  • 公開度 3 ★★★
  • ドキュメント充実度 3 ★★★

機械学習のためのオープンソースライブラリ。ニューラルネットワークに基づく機械学習・深層学習に関する様々な機能を提供する。柔軟な記法により、単純なネットワークから多層ネットワークまで様々なタイプのニューラルネットを直感的にわかりやすく実装することができる。CUDAをサポートしており、GPGPU並列計算に対応している。

アプリ詳細へ

Caffe

  • 公開度 3 ★★★
  • ドキュメント充実度 3 ★★★

機械学習のためのオープンソースライブラリ。ニューラルネットワークに基づく深層学習に関する様々な機能を提供する。特に画像認識の処理を得意としており、サンプルコードが充実しているほか、学習済みモデルがCaffe Model Zooで公開されている。C++による実装のため高速で動作する。

アプリ詳細へ

SIMPLE-NN

  • 公開度 3 ★★★
  • ドキュメント充実度 2 ★★☆

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を実装するソフトウェアパッケージ。構造とエネルギー・原子間力・応力を関連付けるデータからポテンシャルを学習したり、学習済みのポテンシャルを使ったLAMMPSによる分子動力学計算も実行可能。独自の予測不確かさの指標も同時に計算できる。

アプリ詳細へ

scikit-learn

  • 公開度 3 ★★★
  • ドキュメント充実度 3 ★★★

データマイニング・データ解析のためのオープンソース計算ライブラリ。教師あり学習(データの分類・回帰)や教師なし学習(クラスタリング)、データの前処理など、機械学習の手法を手軽に扱うことができる。NumPy, SciPyなどのPythonの数値計算ライブラリを利用しており、並列計算にも対応している。

アプリ詳細へ

TensorFlow

  • 公開度 2 ★★☆
  • ドキュメント充実度 3 ★★★

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。

アプリ詳細へ

RuNNer

  • 公開度 1 ★☆☆
  • ドキュメント充実度 2 ★★☆

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。

アプリ詳細へ

MLIP

  • 公開度 1 ★☆☆
  • ドキュメント充実度 2 ★★☆

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。

アプリ詳細へ