分子特性予測

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

DrugAgentは、LLMによる計画立案とドメイン知識に基づくコード生成を組み合わせ、創薬分野の機械学習ワークフローを構築・評価する研究用マルチエージェントフレームワークです。

分子特性予測 · 創薬

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

QML は、Fortran による表現、カーネル、ソルバーモジュールを備えた、アーカイブ済みの量子機械学習向け Python ツールキットです。以降の開発は qmllib に移行しています。

分子特性予測 · 量子化学

DScribeは、原子構造を機械学習、可視化、類似性解析に用いる数値記述子へ変換するPythonライブラリで、バッチ処理と原子位置に関する導関数にも対応します。

分子特性予測 · 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

Mordredは、コマンドラインとRDKitベースのライブラリワークフローを備えたPython分子記述子計算ツールです。ケモインフォマティクス解析や下流のモデル評価に使用する記述子テーブルを生成します。

分子特性予測 · ケモインフォマティクス

Molfeat は、小分子の特徴量化のための Python ツールキットです。分子フィンガープリント、記述子、事前学習済み埋め込みに、並列変換、キャッシュ、拡張可能なプラグインを組み合わせています。

分子特性予測 · ケモインフォマティクス

TorchDrugは、SMILES入力、グラフ操作、物性予測の構成要素、および複数のCPU/GPUでの実行に対応する、PyTorchベースのグラフ・分子機械学習ツールキットです。

分子特性予測 · 創薬

Therapeutics Data Commons は、治療分野の機械学習データセット、Python ローダー、データ分割、評価指標、ベンチマークを提供し、予測や分子生成の研究を支援します。

分子特性予測 · 創薬

ChemBERTa は、化学 SMILES 向けの BERT 類似モデルを提供します。RoBERTa によるマスク言語モデリングのチェックポイントと、事前学習、ファインチューニング、分子特性予測の研究向けノートブックが含まれます。

分子特性予測

GraphMVPは、事前学習時に2Dトポロジーと3D幾何情報を組み合わせ、その後の下流分類・回帰タスクでは2Dグラフを使用する、分子表現学習の研究実装です。

分子特性予測

GROVER は、分子グラフの事前学習済み Transformer と、自己教師あり事前学習、物性予測のファインチューニング、推論、評価、分子フィンガープリント生成のための PyTorch ワークフローを提供します。

分子特性予測

MolCLRは、ラベルなし分子を用いてグラフニューラルネットワークを事前学習し、下流の分子特性予測に向けたファインチューニングを支援する分子コントラスト学習フレームワークです。

分子特性予測

Uni-Molは、分子およびタンパク質ポケットのモデルを備え、物性予測、配座モデリング、ドッキング向けの関連ツールをサポートする3D分子表現学習フレームワークです。

分子特性予測 · 分子生成

GemNetは、幾何学的メッセージパッシングモデルを用いて分子エネルギーと原子に作用する力を予測するPyTorch参照実装で、学習、ASEを用いた予測、分子動力学のノートブックを備えています。

分子特性予測 · 計算化学

DimeNetは、分子グラフ上の方向性メッセージパッシングに用いるDimeNetおよびDimeNet++の参照実装を提供し、学習ノートブック、テストセット予測ワークフロー、事前学習済みモデルを含みます。

分子特性予測 · 量子化学

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