
awesome-materials-informatics
材料信息学全面资源集锦 助力数据驱动材料研究
本资源列表汇集了材料信息学领域的软件工具、云平台、数据集和标准化倡议。内容涵盖开源与商业解决方案,聚焦材料模拟、数据挖掘和机器学习等关键技术。研究人员可借此快速了解行业动态,为数据驱动的材料科学研究提供参考。
材料信息学数据科学开源软件机器学习计算材料学Github开源项目
超棒的材料信息学 
新兴的材料信息学学科是材料、计算机和数据科学的交叉领域。它旨在将当今相互竞争的物理密集型和数据密集型努力统一起来,服务于20世纪已经改变我们社会的最具影响力的应用科学。
欢迎贡献 - 请遵循指南。
目录
软件和产品
- AFLOW - 高通量从头计算(C++)。
- AiiDA - 从头设计的自动化基础设施和数据库(Python)。
- ASE - 原子模拟环境(Python)。
- ASR - 基于ASE的原子模拟配方(Python)。
- atomate - 基于FireWorks的材料科学工作流,由LBNL开发(Python)。
- aviary - 使用成分和Wyckoff表示预测材料性质(Python)。
- BIOVIA Materials Studio - 专有模拟基础设施。
- CAMD - 用于材料发现的基于代理的序列学习软件(Python)。
- cclib - 解析和解释计算化学软件包的结果(Python)。
- cctbx - 计算晶体学工具箱(C++)。
- CDVAE - 晶体扩散变分自编码器(CDVAE)通过逆向设计生成新的稳定材料(Python)。
- CrabNet - 仅使用成分信息预测材料性质(Python)。
- Crystal Toolkit - 用于构建材料科学网络应用的框架,为新的Materials Project网站提供支持。
- Custodian - 简单、强大和灵活的即时(JIT)作业管理框架(Python)。
- datamol - 简化分子操作。基于RDKit构建的轻量级封装(Python)。
- ElMD - 使用元素移动距离量化两种成分之间的化学相似性。
- FireWorks - 由LBNL开发的工作流引擎(Python)。
- Granta MI - 专有的材料数据企业基础设施。
- httk - 高通量工具包(Python