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。
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。
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。
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。
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。
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。
機械学習のためのオープンソース計算ライブラリ。機械学習に関する様々な機能を実装している。ユーザは数式そのものを直接記述でき、行列演算や自動偏微分などの便利な機能を有する。実行時にCコードを生成してコンパイルすることができ、GPGPU並列計算にも対応してため、高速な計算が可能。チュートリアルも充実している。
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。
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。