材料发现

CHGNet 是一种针对晶体结构的预训练、融合电荷信息的神经网络势，可预测能量、力、应力和磁矩，用于结构弛豫与分子动力学工作流。

计算化学 · 材料发现

MEGNet 是一个已弃用的 TensorFlow 图网络实现，包含预训练的分子和晶体性质模型、训练工具，以及可迁移的元素嵌入。

分子性质预测 · 材料发现

MODNet 是一个 Python 框架，可根据材料组成或晶体结构进行监督式材料性质预测，支持多个目标的联合学习，并提供两种有文档说明的预训练模型。

材料发现

matminer 是一个用于材料科学数据挖掘的 Python 库，汇集社区数据集、数据检索方法和特征化器，并为研究工作流提供引文支持。

材料发现

Pymatgen 是一个 Python 材料分析库，将结构和文件格式支持与相图、电子结构分析、热力学计算和数据库集成相结合。

材料发现

Materials Project API 是以 mp-api 发布的 Python 客户端项目，其官方数据访问文档和可选 MCP 服务器入口点均在其软件包配置中声明。

材料发现 · 科学数据

面向催化的原子级建模工作流，基于 fairchem 使用预训练 UMA 模型和 ASE 计算器进行表面弛豫、能量预测和分子动力学模拟。

材料发现

Matbench Discovery 对机器学习模型在晶体稳定性和原子模拟任务中的表现进行基准评估，并通过交互式排行榜比较准确性、稳健性和计算成本。

材料发现

Matbench 提供 13 项经过整理的材料科学机器学习任务，用于对性质预测方法进行基准测试，并提供基准数据、排行榜和可通过 pip 安装的软件包。

材料发现

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

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