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。
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。
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。
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。
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。
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。
.
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。
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。