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。
順問題ソルバーに対して探索アルゴリズムを適用して最適解を探すためのフレームワーク。バージョン1.0では、順問題ソルバーとして量子ビーム回折実験の全反射高速陽電子回折実験（Total-reflection high-energy positron diffraction, TRHEPD，トレプト）、探索アルゴリズムはNelder-Mead法、グリッド型探索法、ベイズ最適化、レプリカ交換モンテカルロ法が実装されている。順問題ソルバーはユーザ自身で定義することもできる。
有効模型をベイズ最適化を用いて有効模型を導出するツール(BEEMs =Bayesian optimization tool of Effective Models )。
与えられたハミルトニアンから磁化曲線を求める順問題ソルバーとして、量子格子模型ソルバーHΦが使われている。ターゲットの磁化曲線と計算で得られた磁化曲線の差がコスト関数として用いられ、ベイズ最適化ライブラリPHYSBOによって、コスト関数を最小にするよう次の候補ハミルトニアンが提案される。
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機械学習・深層学習に関する様々な機能を提供する。柔軟な記法により、単純なネットワークから多層ネットワークまで様々なタイプのニューラルネットを直感的にわかりやすく実装することができる。CUDAをサポートしており、GPGPU並列計算に対応している。
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。
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。