google-deepmind

Dieses Repository enthält Implementierungen und anschaulichen Code passend zu DeepMind-Publikationen

Mehrgelenk-Dynamik mit Kontakt. Ein universeller Physik-Simulator.

Quellcode für AlphaFold 2.

TensorFlow-basierte Bibliothek für neuronale Netze

AlphaFold-3-Inferenz-Pipeline.

StarCraft II Lernumgebung

Gemma Open-Weight LLM-Bibliothek von Google DeepMind

OpenSpiel ist eine Sammlung von Umgebungen und Algorithmen für die Forschung im Bereich des allgemeinen Reinforcement Learning sowie Suche und Planung in Spielen.

Die Software-Plattform von Google DeepMind für physikbasierte Simulationen und Reinforcement-Learning-Umgebungen unter Verwendung von MuJoCo.

Eine Bibliothek für Reinforcement-Learning-Komponenten und -Agenten

Eine Sammlung hochwertiger Modelle für die MuJoCo-Physik-Engine, kuratiert von Google DeepMind.

JAX-basierte Bibliothek für neuronale Netze

GDM Science Skills zur Beschleunigung agentenbasierter wissenschaftlicher Workflows mit besserer Fundierung und höherer Token-Effizienz. Integriert Einblicke aus AlphaGenome, AFDB, UniProt und über 30 weiteren Datenbanken und Tools.

Monte-Carlo-Baumsuche in JAX

Optax ist eine Gradientenverarbeitungs- und Optimierungsbibliothek für JAX.

Eine Open-Source-Bibliothek für GPU-beschleunigtes Roboterlernen und Sim-to-Real-Transfer.

Diese API bietet programmatischen Zugriff auf das von Google DeepMind entwickelte AlphaGenome-Modell.

Tracking Any Point (TAP)

Dieser Dataset-Code generiert mathematische Frage-Antwort-Paare aus verschiedenen Fragetypen auf etwa Schulniveau.

Echtzeit-Verhaltenssynthese mit MuJoCo unter Verwendung von Predictive Control

Eine Bibliothek für generative soziale Simulationen

bsuite ist eine Sammlung sorgfältig entworfener Experimente zur Untersuchung der Kernfähigkeiten eines Reinforcement-Learning-Agenten (RL)

GPU-optimierte Version des MuJoCo-Physiksimulators, entwickelt für NVIDIA-Hardware.

RL-Forschung auf Android-Geräten.

Eine Sammlung formalisierter Aussagen von Vermutungen in Lean.

Dramatron nutzt große Sprachmodelle zur Generierung kohärenter Skripte und Drehbücher.

tree ist eine Bibliothek zur Arbeit mit verschachtelten Datenstrukturen

Eine Plattform zur Verwaltung von Experimenten im Bereich des maschinellen Lernens

Eine Sammlung von Testszenarien für Multi-Agenten-Reinforcement-Learning.

Eine Implementierung des Fermionic Neural Network für ab-initio elektronische Strukturrechnungen

Forschungscode passend zu AlphaGenome

Reverb ist ein effizientes und einfach zu bedienendes Datenspeicher- und Transportsystem für die Machine-Learning-Forschung

Offizieller Code für „Large Language Models as Optimizers“

Begleitcode zur Nature-Veröffentlichung „Discovering State-of-the-art Reinforcement Algorithms“

TORAX: Tokamak-Transportsimulation in JAX

Benchmarking der Langform-Faktizität in Large Language Models. Originalcode für unser Paper „Long-form factuality in large language models“.

Open-Weights-Sprachmodell von Google DeepMind, basierend auf Griffin.

Über die theoretischen Grenzen von Embedding-basiertem Retrieval

Schach auf Großmeister Niveau ohne Suche

TIPSv2 (CVPR'26) und TIPS (ICLR'25).

Bibliothek zur Berechnung von oberflächenbasierten Leistungsmetriken für Segmentierungsaufgaben.

Minimale und skalierbare Forschungs-Codebasis in JAX, konzipiert für schnelle Iterationen bei Spitzenforschung zu LLMs und anderen autoregressiven Modellen.

DQN Zoo ist eine Sammlung von Referenzimplementierungen für Reinforcement-Learning-Agenten, die bei DeepMind auf Basis des Deep Q-Network (DQN) entwickelt wurden.