Strawberry Fields

  • 公開度 3 ★★★
  • ドキュメント充実度 2 ★★☆

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。

アプリ詳細へ

AkaiKKR

  • 公開度 3 ★★★
  • ドキュメント充実度 2 ★★☆

グリーン関数法(KKR法)を用いた第一原理計算プログラムパッケージ。広範な物理系に対して密度汎関数法に基づく電子状態計算・バンド計算を行う。結晶などの周期系だけでなく、コヒーレントポテンシャル近似(CPA)を用いて不純物系や不規則置換合金、混晶といった不規則系の電子状態・磁性の計算を行うことが可能。

アプリ詳細へ

FLEUR

  • 公開度 3 ★★★
  • ドキュメント充実度 2 ★★☆

全電子計算法に基づくオープンソースの第一原理計算アプリケーション。周期表のほぼ全ての原子について密度汎関数法による高精度な電子状態計算を行うことができる。LDA+U法、スピン軌道相互作用・ノンコリニアー磁性の取り扱い、GW近似による計算、 cRPA法による有効模型構築にも対応している。

アプリ詳細へ

CCCM

  • 公開度 3 ★★★
  • ドキュメント充実度 2 ★★☆

結合クラスター法に基づく量子スピン系の計算を行うオープンソースアプリケーション。量子スピン系の基底状態を適当なモデル波動関数と演算子の積で近似し、演算子を計算する問題に帰着させる。様々な形状の2次元、3次元の量子スピン系の波動関数、基底エネルギーの計算が可能。

アプリ詳細へ

Quantum Unfolding

  • 公開度 3 ★★★
  • ドキュメント充実度 2 ★★☆

スーパーセルを使った第一原理バンド計算の結果を、ユニットセルのブリルアンゾーンに展開するプログラム。Wannier90が出力する最局在ワーニエ関数を利用する。

アプリ詳細へ

MLIP

  • 公開度 1 ★☆☆
  • ドキュメント充実度 2 ★★☆

モーメント・テンソルポテンシャルを実装するソフトウェアパッケージ。ポテンシャルの学習および学習済みのポテンシャルを用いたLAMMPSによる分子動力学計算が実行可能。分子動力学計算と組み合わせた能動学習も利用可能。

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