MEGNet Framework

CGCNN

AI GitHub リポジトリ

Crystal Graph Convolutional Neural Networks (CGCNN) は、結晶構造から材料の特性を予測するために設計されたAIモデルです。ユーザーはカスタムモデルをトレーニングしたり、事前トレーニング済みのバージョンを利用して特性予測を行ったりでき、材料科学の研究開発に強力なツールを提供します。

GNoME Materials Discovery

AI GitHub リポジトリ

Google DeepMindのGNoMEは、新しい無機結晶の発見を加速する深層学習ツールです。材料の安定性を予測し、バッテリーや超伝導体などの将来技術に安定して利用可能な数百万もの新規化合物を特定します。

MACE Machine Learning Potentials

AI GitHub リポジトリ

高速かつ高精度な機械学習原子間ポテンシャルを提供するPythonライブラリです。高度な材料科学シミュレーションのために、高次の等変メッセージパッシングを利用しています。このツールは、トレーニング、評価をサポートし、材料科学や有機化学を含む様々なアプリケーション向けの事前学習済み基盤モデルを提供します。MACEは、高速かつ高精度な機械学習原子間ポテンシャルを提供するPythonライブラリです。高度な材料科学シミュレーションのために、高次の等変メッセージパッシングを利用しています。このツールは、トレーニング、評価をサポートし、材料科学や有機化学を含む様々なアプリケーション向けの事前学習済み基盤モデルを提供します。

SchNetPack ドキュメント

AI モデル

原子系のための深層学習ライブラリです。ニューラルネットワークポテンシャルの構築とトレーニングのための柔軟なフレームワークを提供し、研究者が高度なAIモデルを使用してシミュレーションを実行し、分子特性を分析できるようにします。ドキュメントはRead the Docsでホストされています。SchNetPackは、原子系のための深層学習ライブラリです。ニューラルネットワークポテンシャルの構築とトレーニングのための柔軟なフレームワークを提供し、研究者が高度なAIモデルを使用してシミュレーションを実行し、分子特性を分析できるようにします。ドキュメントはRead the Docsでホストされています。

DeepChem AI Framework

AI GitHub リポジトリ

薬剤発見、量子化学、材料科学、生物学のために深層学習を民主化することを目的としたオープンソースのAIフレームワークです。これにより、これらの分野での研究開発を促進するためのツールとライブラリが提供されます。DeepChemは、薬剤発見、量子化学、材料科学、生物学のために深層学習を民主化することを目的としたオープンソースのAIフレームワークです。これにより、これらの分野での研究開発を促進するためのツールとライブラリが提供されます。

NobleAI

AI プラットフォーム

#227

エネルギー、化学、製造業向けに科学に基づいたAIソリューションを提供しています。このプラットフォームは、複雑な産業データを予測モデルと実用的なインサイトに変換します。物理学、化学の専門知識、高度な機械学習を組み合わせることで、企業が製品開発を加速し、利益率を向上させ、パフォーマンスを最適化するのに役立ちます。NobleAIは、エネルギー、化学、製造業向けに科学に基づいたAIソリューションを提供しています。このプラットフォームは、複雑な産業データを予測モデルと実用的なインサイトに変換します。物理学、化学の専門知識、高度な機械学習を組み合わせることで、企業が製品開発を加速し、利益率を向上させ、パフォーマンスを最適化するのに役立ちます。

MaterialsZone

AI アプリ

材料科学における研究開発を加速するAI駆動のプラットフォームです。ワークフローを最適化し、反復サイクルを短縮し、コラボレーションを強化することで、より迅速なイノベーションと優れたビジネス成果を実現します。MaterialsZoneは、材料科学における研究開発を加速するAI駆動のプラットフォームです。ワークフローを最適化し、反復サイクルを短縮し、コラボレーションを強化することで、より迅速なイノベーションと優れたビジネス成果を実現します。

Graphormer - Microsoft Research

AI モデル

分子モデリングタスク向けの深層学習パッケージであり、材料および創薬研究を加速します。分子動力学と物性予測をサポートし、将来的には反応予測や大規模分子モデリングの機能拡張も予定されています。グラフレベルの予測タスクにおいて、従来のグラフニューラルネットワークを上回る性能を発揮します。Graphormerは、分子モデリングタスク向けの深層学習パッケージであり、材料および創薬研究を加速します。分子動力学と物性予測をサポートし、将来的には反応予測や大規模分子モデリングの機能拡張も予定されています。グラフレベルの予測タスクにおいて、従来のグラフニューラルネットワークを上回る性能を発揮します。