オープンソース

OpenMM は分子シミュレーションのツールキットです。公式の OpenMM-ML 拡張を通じて機械学習ポテンシャルを利用できます。

計算化学

e3nn は E(3) 等変ネットワークの基盤部品を提供し、表現、テンソル積、球面調和関数などを扱います。

PyTorch Geometric（PyG）は汎用グラフニューラルネットワークライブラリです。公式の QM9 例で分子物性学習への利用を確認できます。

分子特性予測

DGL-LifeSci は DGL と PyTorch に基づくツールキットで、化学・生物分野のグラフ学習用部品と例を提供します。

分子特性予測

ASE は原子シミュレーション向け Python ライブラリで、共通の計算器インターフェースを通じて従来の計算コードと外部の機械学習ポテンシャルを接続します。

計算化学

MatGL は材料科学向けのグラフ学習ライブラリで、物性予測器や機械学習ポテンシャルの開発・利用を支援します。

計算化学 · 材料探索

molSimplifyは、計算スクリーニング向けの無機配位錯体および分子間錯体を生成します。また、八面体遷移金属錯体の一部の特性を予測するニューラルネットワークを同梱しています。

分子生成 · 計算化学

ChemMLは、化学・材料データの分析、マイニング、モデリングを行うPythonツールスイートです。モジュール型設計を採用し、グラフニューラルネットワーク、AutoML、説明可能性に関する取り組みが記載されています。

分子特性予測 · 材料探索

DeepMolは、化合物の標準化と特徴量化から、モデルの学習、評価、解釈、再利用可能なパイプラインまでをつなぐ、分子機械学習向けのPythonツールキットです。

分子特性予測

AutoDock Vinaは、VinaおよびAutoDock4.2スコアリング、複数リガンドのドッキング、マクロサイクル対応、Python 3バインディングを備えたオープンソースの分子ドッキング・バーチャルスクリーニングプログラムです。

創薬

FEgrowは、自由エネルギー計算の準備に向けたリガンド系列の対話的な構築を支援します。文書化されたアクティブ・ラーニングの例に加え、分子設計ワークフロー向けのDaskベースの高速化機能を備えています。

分子生成 · 創薬

Matchms は、タンデム質量スペクトルのインポート、クリーニング、比較に使う Python ツールキットです。設定可能な処理パイプライン、複数の類似度指標、疎なスコア保存機能を備えています。

分光法

ChemDataExtractor v2 は、科学文献から化学物質エンティティ、物性、スペクトル、表形式データを抽出する Python ツールキットで、HTML、XML、PDF 用のリーダーを備えています。

文献・研究

PySINDy は、疎なシステム同定を用いて測定データから動力学方程式を推定する Python パッケージです。制約付き回帰やベイズ回帰のための最適化手法も任意で利用できます。

プロセス制御 · デジタルツイン

SysIdentPy は、NARMAX 系モデルを用いて非線形動的システムを同定する Python ツールキットであり、構造選択、パラメータ推定、シミュレーション、予測を組み合わせています。

プロセス制御 · 予知保全

GEKKOは、微分代数系向けのPythonモデリング・最適化ツールキットで、プロセスシミュレーション、パラメータ推定、混合整数最適化、非線形予測制御をサポートします。

プロセス最適化 · プロセス制御

do-mpc は、非線形およびロバストなモデル予測制御、移動ホライズン推定、シミュレーションのための Python ツールボックスであり、微分代数モデルと不確実性をサポートします。

プロセス制御 · デジタルツイン

IDAES は、シミュレーションに基づく先進エネルギーシステムの設計、解析、最適化を目的とする Python プロセスシステム工学ツールキットです。ソルバー拡張機能を備え、サンプルは別途配布されています。

プロセス最適化 · 化学製造

Phoenicsはベイズ最適化とベイズカーネル密度推定を組み合わせ、実験または計算のパラメータを提案します。逐次、バッチ、多目的のワークフローに対応しています。

ラボ自動化 · プロセス最適化

Gryffin は、カテゴリ型および連続値とカテゴリ値の混合実験設計空間を対象とする Python ベイズ最適化フレームワークで、バッチ推奨と物理化学記述子に対応しています。

ラボ自動化 · プロセス最適化