深層学習による原子間力ポテンシャル構築のためのPython/C++ベースのソフトウェアパッケージ。局所構造に合わせた座標系を基準にして原子環境記述子を定義するDeep Potentialを実装している。多数の第一原理計算アプリおよび分子動力学計算アプリの出力を学習データとして利用可能で、学習済みのポテンシャルはLAMMPSによる分子動力学計算およびi-PIによる経路積分分子動力学計算で利用できる。
分子動力学計算のためのソフトウェアツールを集約したパッケージ。様々な原子間ポテンシャルやタイトバインディングモデルが実装されており、多数の外部アプリの呼び出しが可能。機械学習ポテンシャルの一種であるGAP (Gaussian Approximation Potential)の訓練と評価に対応している。
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。
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。
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。
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。
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。
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。