模型

SpookyNet 是一个 Python 研究软件包，据描述可学习包含电子自由度和非局域效应的力场；该项目附有一篇引用论文，且仓库代码采用 MIT 许可证。

分子性质预测 · 量子化学

PhysNet 是一个 TensorFlow 实现，用于预测分子能量、力、偶极矩和部分电荷，并提供可配置的训练工作流和示例数据集。

分子性质预测 · 量子化学

TorchMD-Net 将可训练的神经网络势实现为 PyTorch 模块，提供 TensorNet 架构、自定义分子数据集、预训练检查点加载以及分子动力学集成。

分子性质预测 · 计算化学

DeePMD-kit 是一套工具包，可利用量子力学参考数据训练和微调 Deep Potential 原子间模型，然后将其导出用于推理和分子动力学模拟。

计算化学 · 材料发现

TorchANI 是一个基于 PyTorch 的库，用于开发、训练和使用 ANI 风格的神经网络原子间势，并可选用 C++ 和 CUDA 扩展来计算描述符和执行推理。

分子性质预测 · 量子化学

Allegro 在 NequIP 框架中作为扩展实现 E(3)-等变原子间势，并提供文档说明的 GPU 加速选项，以及用于 LAMMPS 模拟的独立插件。

计算化学 · 材料发现

NequIP 是一个用于构建 E(3)-等变原子间势的开源框架，支持训练、预训练基础势，以及与 ASE 和 LAMMPS 集成。

计算化学 · 材料发现

MACE 提供高阶等变机器学习原子间势，并支持基于原子级数据训练、评估构型，以及使用或微调预训练模型的工作流程。

计算化学 · 材料发现

SchNetPack 是一个用于构建和训练原子尺度神经网络的 Python 工具包，提供 SchNet 和 PaiNN 表征、量子化学性质输出以及分子动力学组件。

分子性质预测 · 量子化学

AiZynthFinder 是一款 Python 逆合成规划工具包，使用神经网络引导的搜索，从目标分子出发，提出通向已配置库存中前体的合成路线。

逆合成

Chemprop 是一个基于 PyTorch 的工具包，用于训练和评估进行分子性质预测的消息传递神经网络，并提供命令行工作流、Python 模块和针对特定任务的笔记本。

分子性质预测