文献から化学物質の情報を自動抽出するPythonツール。英語で書かれた論文などから自然言語処理アルゴリズムに基づき、物質名とそれに関連した融点やスペクトルなどの物性情報を抽出できる。
汎用機械学習ポテンシャルを評価するためのベンチマークフレームワークおよび、その評価に基づくリーダーボード。物質の生成エネルギーや、構造緩和の精度、熱伝導度の予測精度を総合的に勘案した評価をもとに順位付けを行っている。最近では大学などの公的研究機関に加えて、Meta、Microsoft、Googleなどの大企業も汎用ポテンシャルの開発に参画し、リーダーボードの上位を賑わしている。
ベーラーグループが開発しているFORTRANベースのベーラー・パリネロ型ニューラルネットワークポテンシャル関連パッケージ。ポテンシャルの構築および評価が可能で、LAMMPSを用いた分子動力学計算にも対応。最新の静電相互作用を考慮するニューラルネットワークポテンシャルが実装されている。
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。
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。
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。
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。
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。
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。
.
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。