Pomerol

  • 公開度 3 ★★★
  • ドキュメント充実度 1 ★☆☆

Pomerolは厳密対角化法をもとに一粒子、二粒子グリーン関数を計算するアプリ。C++で書かれており、MPI+openMPのハイブリッド並列にも対応している。

アプリ詳細へ

SpM

  • 公開度 3 ★★★
  • ドキュメント充実度 1 ★☆☆

スパースモデリングを利用して虚時間Green関数からスペクトル関数を計算するツール。量子モンテカルロ法などを用いて得られたデータから統計誤差の影響を取り除き、安定した解析接続を行う。非負性および総和則を満たしたスペクトル関数が得られる。計算が軽く、手動で調整するパラメーターがないのが特長。

アプリ詳細へ

CASINO

  • 公開度 3 ★★★
  • ドキュメント充実度 1 ★☆☆

拡散モンテカルロ法に基づくオープンソースの電子状態計算アプリケーション。他の第一原理計算/量子化学計算パッケージで行った電子状態計算の結果を用いて、結晶や分子の高精度電子状態計算を行う。計算コストはかかるものの、各種の物理量を非常に高精度で求めることができる。効率のよい並列計算が可能で、超高並列計算にも対応。

アプリ詳細へ

OpenPhase

  • 公開度 3 ★★★
  • ドキュメント充実度 1 ★☆☆

Phase-field法シミュレーションを行うオープンソースアプリケーション。状態相図、結晶成長、一次相転移に伴う微小構造の形成など、物質科学に関わる多くの問題を取り扱うことができる。C++で書かれたコードがGPLライセンスで公開されており、拡張性を意識した開発が進められている。

アプリ詳細へ

RAQET

  • 公開度 2 ★★☆
  • ドキュメント充実度 1 ★☆☆

2成分相対論的量子化学理論に基づく電子状態計算パッケージ。重元素を含む化合物の計算に特化した種々の手法・アルゴリズムを実装。基底状態・励起状態のエネルギーから構造最適化、各種分子物性計算が利用可能。金属クラスターのような多数の重原子を含んだ化合物に対して、これまで困難であった高精度かつ効率的な量子化学計算が実行可能である。

アプリ詳細へ

Libxc

  • 公開度 3 ★★★
  • ドキュメント充実度 1 ★☆☆

Libxcは密度汎関数理論で用いる交換相関汎関数を計算するためのライブラリである。容易に移植出来、よくテストされている交換相関汎関数をあらゆるコードで用いることを目的として開発されている。

Libxcでは様々なタイプの汎関数、LDA・GGA・ハイブリッド汎関数・メタGGA、を選択することが出来る。これらの汎関数はある点での密度(GGAの場合はそれに加えて密度勾配、メタGGAの場合はさらに運動エネルギー密度)を与えるとその点でのポテンシャルを返すようになっている。

アプリ詳細へ

Harlem

  • 公開度 3 ★★★
  • ドキュメント充実度 2 ★★☆

分子・生体高分子のモデリング・可視化のためのオープンソース多機能アプリケーション。マルチスケールの分子シュミレーション用に開発され、AMBERやGaussian等の簡易GUI機能も持つ。蛋白質の残基の入れ替え機能や蛋白質電子移動のPathwaysモデルのコードを実装しているのが特徴。原子・分子の描画機能等はrasmolを呼び出して使っている。

アプリ詳細へ

ChemBio3D/Chem3D

  • 公開度 0 ☆☆☆
  • ドキュメント充実度 2 ★★☆

有償の分子モデリング、可視化アプリケーション。定番の分子構造エディタであるChemDrawが同梱されており、化学構造式からのモデリングも可能。分子力学計算による構造最適化・分子動力学の機能の他、MOPAC, Jaguar, GAMESS, GaussianのGUI機能も持ち、分光学的な解析も可能。上位パッケージのChemBioOfficeやChemOfficeにも含まれている。

アプリ詳細へ

Molden

  • 公開度 3 ★★★
  • ドキュメント充実度 2 ★★☆

量子化学計算の前処理/後処理のためのオープンソースアプリケーション。GAUSSIAN, GAMESS, MOPACの結果だけではなく、Molden形式で保存された他のアプリケーションで得られた結果も処理できる。Postscript, XWindows, VRML, OpenGLなど多数の描画インターフェイスに対応し、分子軌道や電子密度の可視化や分子振動の動画作成が可能。

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