NetKet

  • 公開度 3 ★★★
  • ドキュメント充実度 2 ★★☆

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。

アプリ詳細へ

PHYSBO (optimization tools for PHYsics based on Bayesian Optimization )

  • 公開度 3 ★★★
  • ドキュメント充実度 2 ★★☆

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。

アプリ詳細へ

PyTorch

  • 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。

アプリ詳細へ

QuCumber

  • 公開度 3 ★★★
  • ドキュメント充実度 2 ★★☆

機械学習により測定データから多体波動関数を構成するオープンソースPythonライブラリ。軌道占有数や磁気スピンなどの測定量をトレーニングデータとすることで、測定量を再現するような制限ボルツマン機械で表現される最適な量子状態を見つけることができる。

.

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

Strawberry Fields

  • 公開度 3 ★★★
  • ドキュメント充実度 2 ★★☆

連続変数光量子回路の設計、シミュレーション、最適化のための Pythonライブラリ。グラフやネットワークの最適化、機械学習、化学などの問題を解くための高水準関数を持ち、TensorFlowバックエンドを用いた量子プログラムの学習と最適化を実行できる。

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

Theano

  • 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。

アプリ詳細へ

Torch

  • 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。

アプリ詳細へ

XenonPy

  • 公開度 3 ★★★
  • ドキュメント充実度 2 ★★☆

機械学習を用いて物質探索を行うためのPythonツール。matminerで対応している記述子を使用できるが、化合物の化学組成と構造情報から記述子を算出することもできる。モデル訓練はPyTorchによって行われている。記述子の可視化ツールと転移学習フレームワークも備えており、様々な化合物物性値の予測に利用できる。

アプリ詳細へ