固体から分子まで様々な多体系を高精度に取り扱える第一原理量子モンテカルロ法パッケージ。Jastrow相関因子にジェミナル/Pfaffian波動関数を組み合わせた試行波動関数を用いることで、高精度な変分計算を行うことが可能。構造最適化や第一原理分子動力学法も実行できる。
第一原理モンテカルロ法パッケージ TurboRVBに実装された機能をPython経由で制御・実行できるPythonラッパー。ワークフロー管理アプリであるTurboWorkflowsと組み合わせることにより、ハイスループット計算を実行することもできる。
タイトバインディング法が実装されたPythonパッケージ。様々な模型を柔軟に設定することができ、それらの電子状態やBerry位相をタイトバインディング法によって計算できる。Wannier90で求めたパラメータを使うこともできる。
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。
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。
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。
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。
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。
化学物質データベースPubChemをPUG REST API経由で取り扱えるPythonラッパー。PubChemにあるデータを化合物名や構造情報から検索することができる。Pandas dataframeとして出力を受け取ることも可能。
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。