材料发现

管理与检索材料科研数据的学术平台，可通过 NOMAD AI Toolkit 使用基于 Notebook 的分析流程。

材料发现 · 科学数据

面向材料研究的学术数据平台，可检索计算结构与性质，为材料发现与机器学习研究准备参考数据。

材料发现 · 科学数据

MatGL 是面向材料科学的图深度学习工具库，提供材料性质预测与机器学习势模型的开发和使用接口。

计算化学 · 材料发现

与后端无关的 Phonopy Skill，用于规划有限位移计算、整理力数据，并在明确科学假设的前提下指导能带、态密度和热学分析。

材料发现

computational-chemistry-agent-skills 集合中的 ASE 路由 Skill，将工作流准备与计算器配置分开，并将执行委托给其他环节。

计算化学 · 材料发现

K-Dense 集合中的一项 Skill，包含用于 pycalphad TDB 平衡计算的说明和本地辅助工具，可导出摩尔相分数、成分及数值验证记录。

材料发现

Pymatgen Skill (K-Dense) 提供代理指令和 Python 辅助工具，用于验证材料结构、检查对称性、规划格式转换、构建本地相图，以及限定 Materials Project 查询范围。

材料发现

ChemAgent (AI4Chem) 是一个面向化学与材料领域工具使用的研究框架，与 CheMatAgent 论文相关；该论文介绍了基于树搜索的规划、工具执行以及基于 ChemToolBench 的训练。

计算化学 · 材料发现

SciAgents 是一个面向生物启发材料研究的多智能体研究框架，利用科学知识图谱、大语言模型和检索工具来提出并评议假设。

文献与研究 · 材料发现

ChatMOF 是一个代码可用的研究系统，利用语言模型引导的工具，根据自然语言请求检索 MOF 数据、预测性质并生成结构。

材料发现

ChemGraph 是一个 Python 智能体框架，可将自然语言化学请求连接到分子构建、模拟、分析和报告，并提供 CLI、Python、Streamlit 和 MCP 接口。

计算化学 · 材料发现

一款第三方 MCP 服务器，通过 mp_api 将助手客户端接入 Materials Project，提供材料搜索、晶体结构、电子性质及其他材料数据查询工具。

材料发现 · 科学数据

ChemML 是一套用于化学与材料数据分析、挖掘和建模的 Python 工具，采用模块化设计，并有关于图神经网络、AutoML 和可解释性的工作记录。

分子性质预测 · 材料发现

DeePTB 是一个用于深度学习电子结构模型的 Python 包，将依赖环境的紧束缚方法与等变哈密顿量、密度矩阵和重叠矩阵表示相结合。

量子化学 · 材料发现

DP-GEN 是一个 Python 并发学习平台，用于协调分子模拟、第一性原理计算和 DeePMD-kit 工作流，以生成原子间势模型。

计算化学 · 材料发现

DScribe 是一个 Python 库，可将原子结构转换为数值描述符，用于机器学习、可视化和相似性分析，并支持批处理和原子位置导数。

分子性质预测 · 材料发现

CGCNN 实现了晶体图卷积神经网络，可根据晶体结构学习材料性质，并支持使用自定义数据训练模型以及使用预训练模型进行预测。

材料发现

CrabNet 实现了一种基于注意力机制的模型，仅根据材料组成预测材料性质，并附有基本使用和模型可解释性指南。

材料发现

ALIGNN 提供用于材料性质预测的原子图神经网络，并包含训练工作流、预训练预测器和用于结构优化的 ALIGNN-FF 力场。

材料发现

M3GNet 是一个已归档的材料图神经网络实现，包含三体相互作用、预训练原子间势，以及用于晶体弛豫、分子动力学和模型训练的工作流。

计算化学 · 材料发现