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

COMmon Bayesian Optimization Library (COMBO)

  • 公開度 3 ★★★
  • ドキュメント充実度 1 ★☆☆

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。

アプリ詳細へ

Keras

  • 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。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。

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

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

iqspr

  • 公開度 3 ★★★
  • ドキュメント充実度 2 ★★☆

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。

アプリ詳細へ

aenet (ænet, The Atomic Energy Network)

  • 公開度 3 ★★★
  • ドキュメント充実度 2 ★★☆

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。

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

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

2DMAT

  • 公開度 3 ★★★
  • ドキュメント充実度 2 ★★☆

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。

アプリ詳細へ