化学組成の情報から安定・準安定構造を予測するオープンソースアプリケーション。多数の第一原理計算アプリケーション(VASP、GULP、Quantum Espresso、CASTEP)のエネルギー計算を利用し、進化的アルゴリズムを用いて構造予測を行う。
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。
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・原子間力・応力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使ったLAMMPSによる分子動力学計算も実行可能。独自の予測不確かさの指標も同時に計算できる。
第一原理計算や古典MDプログラムを利用した、結晶構造探索ツール。結晶の組成を与えるだけで、結晶構造の生成から探索までを自動で行う。ver0.6.1では探索アルゴリズムとして、ランダムサーチ、ベイズ最適化およびLAQAが使用可能となっている。VASPやQuantum ESPRESSO、LAMMPSとのインターフェースを備えている。
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。
深層学習による原子間力ポテンシャル構築のためのPython/C++ベースのソフトウェアパッケージ。局所構造に合わせた座標系を基準にして原子環境記述子を定義するDeep Potentialを実装している。多数の第一原理計算アプリおよび分子動力学計算アプリの出力を学習データとして利用可能で、学習済みのポテンシャルはLAMMPSによる分子動力学計算およびi-PIによる経路積分分子動力学計算で利用できる。
機械学習で使われるベイズ最適化のPythonライブラリ。データ数に対して線形に計算コストが増大するので、大きな特徴空間でベイズ最適化を行うことが可能。ハイパーパラメータは第二種最尤推定に基づいてデータから自動的に学習される。
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。
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。