pacemaker

  • 公開度 3 ★★★
  • ドキュメント充実度 2 ★★☆

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。

アプリ詳細へ

PAICS

  • 公開度 3 ★★★
  • ドキュメント充実度 3 ★★★

フラグメント分子軌道法(FMO法)に基づく量子化学計算を行うアプリケーション。生体分子を含む巨大分子のHF計算やMP2計算などが高速に実行可能。MPI並列に対応しており、研究室レベルのクラスタ計算機からスパコンまで、幅広いシステムで高効率に稼働する。入力ファイル作成支援プログラムPaicsViewも開発されている。

アプリ詳細へ

PARATEC

  • 公開度 0 ☆☆☆
  • ドキュメント充実度 0 ☆☆☆

平面波基底とノルム保存型擬ポテンシャル法に基づいた並列DFT 計算ソフトウェア。BerkeleyGW と高い互換性を持つ。

アプリ詳細へ

ParaView

  • 公開度 3 ★★★
  • ドキュメント充実度 3 ★★★

2次元・3次元データの解析・可視化を行うオープンソースアプリケーション。3D表示を利用したインタラクティブな操作による処理と、バッチ処理による処理の双方をサポートしており、デスクトップPCから大規模並列スーパーコンピュータまで対応している。Windows, Mac, Linuxなどの多くの環境で利用可能。

アプリ詳細へ

Parsec

  • 公開度 3 ★★★
  • ドキュメント充実度 2 ★★☆

実空間基底とノルム保存擬ポテンシャル法に基づいた並列DFT 計算ソフトウェア。構造最適化や分子動力学計算、焼きなまし法、分極計算も実装している。

アプリ詳細へ

peps-torch

  • 公開度 3 ★★★
  • ドキュメント充実度 2 ★★☆

peps-torch は2次元格子上の量子モデル計算のための python ライブラリである.バウンダリの無い(つまり無限系の)テンソルネットワーク状態(iPEPS)を変分波動関数とした変分法が使われているので,基底状態波動関数がiPEPS を構成する要素テンソルの形で得られる.エネルギーの評価には角転送行列法(CTM)が用いられ,pytorch を介した自動微分によってその最小化が行われる.可換な対称性を保ったままテンソルを操作するための関数/クラスが用意されている.一般の格子やモデルを標準でサポートしていないが,多くの計算実行例がついているので,直接サポートされていない格子やモデルについては,実行例を参考にユーザが比較的容易にソースコードを改変できるようになっている.pytorch がインストールされていることが必要である.

アプリ詳細へ

PFAPACK

  • 公開度 3 ★★★
  • ドキュメント充実度 2 ★★☆

反対称行列に対して定義されるパフィアン(行列式の平方根)を計算するためのライブラリ。各種言語(Fortran, Python, Matlab, Mathematica)で書かれており、ユーザーは必要に応じて言語を選択することができる。また、C言語用のインターフェースも用意されている。

アプリ詳細へ

PHASE

  • 公開度 3 ★★★
  • ドキュメント充実度 3 ★★★

密度汎関数理論に則った平面波基底・擬ポテンシャル法電子状態計算プログラム。未知の物質に対する様々な物性予測のほか、STM像、EELSなどの実験測定を再現することが可能。表面・界面などの長時間の第一原理分子動力学法計算や反応経路解析も行える。ソースコードが公開されており、PC上の小規模計算から大規模並列計算まで可能。

アプリ詳細へ

Phonopy

  • 公開度 3 ★★★
  • ドキュメント充実度 3 ★★★

第一原理計算ソフトウェアの計算結果から固体のフォノンに関連する物理量を計算するソフトウェア。VASPやWien2kといった第一原理計算ソフトウェアの計算結果を入力とし、フォノン分散、状態密度、比熱、グリュナイゼン定数などを計算することができる。

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