モデル

SpookyNetは、電子自由度と非局所効果を含む力場を学習するものとして説明されているPython研究パッケージです。関連論文が引用されており、リポジトリのコードにはMITライセンスが適用されています。

分子特性予測 · 量子化学

PhysNetは、分子のエネルギー、力、双極子モーメント、部分電荷を予測するニューラルネットワークのTensorFlow実装です。設定可能なトレーニングワークフローとサンプルデータセットを備えています。

分子特性予測 · 量子化学

TorchMD-Netは、TensorNetアーキテクチャ、自作分子データセット、学習済みチェックポイントの読み込み、分子動力学との連携を備えた、学習可能なニューラルネットワークポテンシャルをPyTorchモジュールとして実装します。

分子特性予測 · 計算化学

DeePMD-kit は、量子力学計算の参照データから Deep Potential 原子間モデルを学習・ファインチューニングし、推論や分子動力学シミュレーション用にエクスポートするためのツールキットです。

計算化学 · 材料探索

TorchANI は、ANI 系ニューラルネットワーク原子間ポテンシャルの開発、学習、利用を目的とした PyTorch ライブラリです。記述子の計算と推論には、オプションの C++ および CUDA 拡張を利用できます。

分子特性予測 · 量子化学

Allegro は NequIP の拡張として E(3) 等変原子間ポテンシャルを実装し、文書化された GPU 高速化オプションと、LAMMPS シミュレーション用の独立したプラグインを提供します。

計算化学 · 材料探索

NequIP は、E(3) 同変原子間ポテンシャルを構築するためのオープンソースフレームワークです。学習、事前学習済み基盤ポテンシャル、および ASE と LAMMPS との連携をサポートします。

計算化学 · 材料探索

MACE は高次の等変機械学習原子間ポテンシャルを提供し、原子系データによる学習、構造の評価、事前学習済みモデルの利用やファインチューニングのワークフローを備えています。

計算化学 · 材料探索

SchNetPack は、原子系ニューラルネットワークの構築と学習に用いる Python ツールキットです。SchNet および PaiNN 表現、量子化学的な物性出力、分子動力学コンポーネントを備えています。

分子特性予測 · 量子化学

AiZynthFinder は、神経ネットワークに導かれる探索を用いて、対象分子から設定済みの在庫にある前駆体へ至る経路を提案する、Python 製の逆合成計画ツールキットです。

逆合成

Chemprop は、分子特性予測のためのメッセージパッシングニューラルネットワークを学習・評価する PyTorch ベースのツールキットです。CLI ワークフロー、Python モジュール、タスク別ノートブックを備えています。

分子特性予測