進化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。ユニットセル内の原子数・種類をインプットとし、安定な構造・組成を第一原理計算・分子動力学の計算と進化的アルゴリズムによって予測する。Pythonで書かれており、Quantum ESPRESSOかGULPを外部ルーチンとして使用する。
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。
物質データマイニングのためのオープンソースPythonパッケージ。数十を超えるデータベースからデータを抽出し、前処理や可視化をすることができる。scikit-learnなどと組み合わせることにより、抽出したデータを元に作成した記述子で機械学習モデルを構築できる。
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。