遺伝的アルゴリズムに基づく構造予測を行うアプリケーション。結晶、分子、原子クラスターなどの安定な構造・組成を、第一原理計算や分子動力学を用いて予測する。VASP、LAMMPS、MOPAC、GULP、JDFTxなどの様々なコードとのインターフェイスを持ち、並列化されたアーキテクチャにおいても効率的に動作する。
所望の構造，物性を持つ候補分子を探索することができるRパッケージ。SMILES(Simplified Molecular Input Line Entry Specification Syntax)による化学構造の表現を採用し、sequential Monte Carlo法に基づいて新たな分子構造を生成し、機械学習による予測モデルを通じて候補分子を探索する。
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。
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・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。
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。
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。
COMBO(COMmon Baysian Optimization)をもとに、主に物性分野の研究者をターゲットに開発された、高速でスケーラブルなベイズ最適化のためのPythonライブラリ。あらかじめリストアップした候補パラメータから目的関数値が最大と考えられる候補を機械学習による予測をうまく利用することで選定できる。scikit-learn 等のスタンダードなベイズ最適化の実装よりも、多くのデータを扱うことができる。
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。