AlphaFold 3は、Google DeepMindによって開発されたAIモデルで、タンパク質の構造と相互作用を予測し、生物学的研究と分子相互作用の理解を大幅に加速します。
ベスト 科学的発見・ラボツール AI モデル
20 件のツールAI モデルの最高の場を見つける — DistilGPT2やClaude Opusのような言語トランスフォーマーから、GPT-5.6: Frontier intelligenceやGoogle DeepMindのGemini 3.1 Proといった高度なシステムまで、開発者や研究者がプロジェクトを向上させるツールを探求する場です: 人間のようなテキストを生成したり、会話エージェントを構築したり、複雑なアルゴリズムを開発したり、AIの能力の限界を押し広げたりします。 AIモデルとLLM, 機械学習プラットフォーム, コンピュータービジョンツール, 3Dモデル生成ツール と 自然言語処理ツール などのカテゴリーにわたる 20 件のAI モデルをご覧ください。
20 tools
AI モデル
ESMFold2は、アミノ酸配列から高解像度の全原子3Dタンパク質構造を予測します。単一配列およびMSA条件付きモデルへのオープンアクセスを提供し、難しいターゲットに対する精度を向上させます。
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。
AI モデル
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。
AI モデル
物理情報ニューラルネットワーク（PINN）は、非線形偏微分方程式で記述される物理法則を尊重することにより、教師あり学習タスクを解決します。データ駆動型の解法と偏微分方程式の発見を可能にし、物理的制約を自然にエンコードする関数近似の新しいアプローチを提供します。
AI モデル
ESM Metagenomic Atlasは、Meta AIによるオープンリソースであり、メタゲノムデータから予測された7億7200万以上のタンパク質構造へのアクセスを提供します。研究者はタンパク質のフォールドと配列を探索、検索、分析し、微生物の多様性とタンパク質機能の理解を深めることができます。
AI モデル
OmegaFoldは、一次アミノ酸配列から直接3Dタンパク質構造を生成する高解像度のde novoタンパク質構造予測ツールです。推論時のGRAM削減に大きく貢献し、macOSでのApple Siliconアクセラレーションにも対応しています。
Robettaは、RoseTTAFold深層学習手法を活用したAI駆動型のタンパク質構造予測サービスです。高速かつ高精度な予測を提供し、カスタムアラインメント、制約条件、ローカルフラグメントに対応したインタラクティブなインターフェースを備えています。このプラットフォームは、広範なテンプレートデータベースを活用し、マルチチェーン複合体モデリングおよび比較モデリ…
AI モデル
EquiBindは、タンパク質に結合する低分子の3D構造を予測するための幾何学的深層学習モデルです。受容体の結合位置とリガンドのポーズの両方に対して、高速な直接ショット予測を提供し、従来のメソッドを大幅にスピードアップします。創薬および構造生物学研究に最適です。
AlphaFoldは、AIによって予測されたタンパク質の3D構造を提供し、AlphaFold Protein Structure Databaseを2億件以上のエントリに拡張します。このリソースは、病気から持続可能性までの分野での発見を支援し、タンパク質の機能とメカニズムに関する原子レベルの洞察を迅速に提供することで、生物学研究を加速します。
AI モデル
Uni-Molは、プロパティ予測や結合ポーズ予測などの様々な下流タスクに対応する、汎用的な3D分子表現学習フレームワークです。Uni-Mol+、Uni-Mol Tools、Uni-Mol Docking V2、Uni-Mol2を含み、スケーラブルな事前学習済みモデルと、分子タスク向けの使いやすいラッパーを提供します。
AI モデル
GraphCastは、比類なき精度で10日間の全球天気予報を提供するAIモデルであり、1分未満で予測を完了します。従来のシステムを大幅に上回り、サイクロンや熱波などの異常気象イベントの早期警報を提供し、現在は世界の科学的利益のためにオープンソース化されています。
AI モデル
Pangu-Weatherは、高精度な中範囲全球気象予報のためのAIベースシステムです。3Dニューラルネットワークと階層的時系列集約戦略を採用し、従来の数値気象予報手法よりも高い精度と大幅な高速化を実現しています。
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。
matgenbは、マテリアルサイエンス研究のための厳選されたJupyter Notebookコレクションを提供します。pymatgen、Custodian、Fireworksなどのオープンソースツールの利用方法を実演します。Google ColabまたはBinderHub経由で簡単にサンプルを実行でき、この共同プラットフォームに独自のコードを寄稿できます。
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。
AI モデル
Allegro は、厳密にローカルな E(3)-同変機械学習原子間ポテンシャルです。NequIP の拡張パッケージとして実装されており、材料科学および関連分野における正確かつ効率的なシミュレーションの提供に重点を置いています。ドキュメントには、インストール、使用方法、LAMMPS との統合に関する情報が含まれています。
AI モデル
DimeNetおよびDimeNet++は、分子グラフ向けの高度なニューラルネットワークモデルであり、方向性メッセージパッシングに焦点を当てています。ICLR 2020およびNeurIPS-W 2020で提案されたこれらのモデルは、分子特性の効率的かつ正確な予測を提供し、DimeNet++は前身モデルよりも大幅に高速かつ高精度です。
AI モデル
MEGNetフレームワークは、結晶および分子の機械学習のために設計されたAIモデルです。温度や圧力などの状態変数を組み込み、転移学習を可能にし、化学的傾向を抽出します。このフレームワークは、オープンソースのコードとデータを提供することで、材料科学におけるデータサイズや解釈可能性といった機械学習の限界に対処します。
AI モデル
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。
AI モデルにふさわしい注目の存在を知っていますか？
ToolPotionは、最高のAI モデルを見つけるために人々が閲覧するAIツールディレクトリです。掲載は無料で、すべての投稿は編集者がレビューします。検索の出発点にあなたのツールを置きましょう。