材料探索

CHGNet は、結晶構造を対象とする、電荷情報を取り入れた事前学習済みニューラルネットワークポテンシャルです。エネルギー、力、応力、磁気モーメントを予測し、構造緩和や分子動力学のワークフローに利用できます。

計算化学 · 材料探索

MEGNet は非推奨となった TensorFlow グラフネットワーク実装であり、分子および結晶の物性に関する事前学習済みモデル、学習ユーティリティ、転移可能な元素埋め込みを備えています。

分子特性予測 · 材料探索

MODNetは、組成または結晶構造から材料特性を教師あり学習で予測するPythonフレームワークです。複数のターゲットを同時に学習でき、文書で説明された事前学習済みモデルを2つ提供しています。

材料探索

matminer は材料科学のデータマイニング向け Python ライブラリです。コミュニティのデータセット、データ取得方法、特徴量化器をまとめ、研究ワークフローでの引用をサポートします。

材料探索

Pymatgenは、構造およびファイル形式のサポートに、相図、電子構造解析、熱力学計算、データベース連携を組み合わせたPython材料解析ライブラリです。

材料探索

Materials Project API は mp-api として公開されている Python クライアントプロジェクトです。公式のデータアクセス文書と任意の MCP サーバーのエントリーポイントが、パッケージ設定で宣言されています。

材料探索 · 科学データ

fairchem で事前学習済み UMA モデルと ASE 計算器を用い、表面緩和、エネルギー予測、分子動力学を行う触媒指向の原子論的モデリングワークフロー。

材料探索

Matbench Discovery は、結晶安定性および原子シミュレーションのタスクにおける機械学習モデルをベンチマークし、インタラクティブなリーダーボードで精度、頑健性、計算コストを比較します。

材料探索

Matbench は、物性予測手法のベンチマークに使用できる、厳選された材料科学の機械学習タスクを 13 件提供し、ベンチマークデータ、リーダーボード、pip でインストール可能なパッケージを備えています。

材料探索

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

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