HOME > MAST-ML

MAST-ML

MAST-ML（Materials Simulation Toolkit for Machine Learning）は、材料研究向けの教師あり学習ワークフローに焦点を当てたオープンソースPythonツールキットである。データ前処理、特徴量生成/選択、モデル学習、評価までを設定可能なパイプラインとして整理し、チュートリアルや例によりエンドツーエンドの検討を加速することを狙う。

基本情報
事例・論文
学習コンテンツ
レビュー
開発者の声

基本情報

公式サイト	https://github.com/uw-cmg/MAST-ML
公開度	★★★
ライセンス	MIT License
開発者	開発者: University of Wisconsin–MadisonのComputational Materials Group（Dane Morgan教授の研究グループ）を中心に開発され、貢献者はREADMEやドキュメントに列挙されている。
関連論文	Jacobs et al., “The Materials Simulation Toolkit for Machine Learning (MAST‑ML): An automated open source toolkit to accelerate data‑driven materials research,” Computational Materials Science 175 (2020), 109544. Palmer et al., “Calibration after bootstrap for accurate uncertainty quantification in regression models,” npj Computational Materials 8, 115 (2022). Schultz et al., “A general approach for determining applicability domain of machine learning models,” npj Computational Materials 11, 95 (2025).
その他	説明: MAST-MLは、設定可能で再現性の高い教師あり学習の実施を重視する。scikit‑learnワークフローを支援し、特徴量エンジニアリングと選択を統合し、データ読み込み、モデル比較、誤差解析、不確かさ推定、適用範囲（domain-of-applicability）評価などをチュートリアルとして提供する。