Das Finden aktueller akademischer Forschung erfordert die Suche in mehreren Datenbanken und die Bewertung der Quellenqualität. Dieses Tool durchsucht wissenschaftliche Literatur mit Perplexity Sonar-Modellen mit automatischer Modellauswahl basierend auf der Abfragekomplexität und citations-fokussierten Ergebnissen.

Die Sicherung von Forschungsfinanzierungen ist hochgradig kompetitiv mit strengen, agenturspezifischen Anforderungen. Diese Fähigkeit bietet fachkundige Anleitung für das Verfassen überzeugender Anträge, die den Standards von NSF, NIH, DOE, DARPA und NSTC entsprechen und Ihre Erfolgschancen maximieren.

Analysieren Sie biologische Pfade und Genlisten mit der Reactome-Datenbank. Führen Sie Pfadanreicherungsanalysen durch, ordnen Sie Gene Pfaden zu und erkunden Sie molekulare Interaktionen für die Systembiologieforschung.

Eine KI-Fähigkeit für Claude, Codex und Claude Code

Quantensysteme erfordern spezialisierte Simulationstools. QuTiP bietet Löser für offene Quantensysteme mit Mastergleichungen, Lindblad-Dynamik und Dekohärenz. Verwenden Sie diese Skill, um Quantenoptik, Cavity QED und dissipative Quantenprozesse zu modellieren.

Quantencomputing ermöglicht die Lösung komplexer Optimierungs-, Chemie- und Machine-Learning-Probleme, die für klassische Computer unlösbar sind. Qiskit bietet die Werkzeuge zum Erstellen von Quantenschaltkreisen, zur Optimierung für IBM-Hardware und zur Ausführung auf echten Quantenprozessoren oder Simulatoren.

Diese Skill hilft dir, PyTorch-Code in wiederverwendbare LightningModules zu organisieren. Sie bietet Vorlagen und Dokumentation zum Konfigurieren von Multi-GPU-Training, zum Implementieren von Datenpipelines und zum Einrichten von Experiment-Tracking mit beliebten Tools wie W&B und TensorBoard.

Verarbeiten und analysieren Sie DNA-Sequenzierungsdaten mit Werkzeugen zum Lesen von BAM-, VCF- und FASTQ-Dateien. Extrahieren Sie genomische Regionen, berechnen Sie Abdeckungsstatistiken und integrieren Sie mehrere Dateitypen für eine umfassende Variantenanalyse.

Forscher im Bereich Arzneimittelentdeckung benötigen standardisierte Datensätze für das Training von ML-Modellen. PyTDC bietet kuratierte ADME-, Toxizitäts- und Arzneimittel-Wirkstoff-Interaktionsdatensätze mit korrekten Train-Test-Splits und Evaluierungsorakeln.

Verarbeiten Sie Proteomik- und Metabolomik-Daten mit umfassenden Massenspektrometrie-Tools. Dieser Skill bietet Zugang zu OpenMS-Algorithmen für Dateiformatverarbeitung, Spektrenverarbeitung, Merkmalserkennung und Peptididentifizierungs-Workflows.

Mehrkriterienoptimierung umfasst das Finden von Trade-off-Lösungen, wenn mehrere widersprüchliche Ziele erfüllt werden müssen. Diese Fähigkeit bietet umfassenden Zugang zu pymoo-Algorithmen einschließlich NSGA-II, NSGA-III und MOEA/D zum Finden Pareto-optimaler Lösungen und zur Visualisierung von Trade-off-Fronten.

Erstellen, anpassen und validieren Sie Bayesian-Modelle mit PyMC. Erstellen Sie hierarchische Modelle, führen Sie MCMC-Sampling durch und vergleichen Sie Modelle mit LOO- und WAIC-Metriken.

Automatisieren Sie Labor-Workflows durch Steuerung von Liquid-Handling-Robotern, Plattenlesern und Laborausrüstung über einheitliche Python-Befehle. Diese Fähigkeit ermöglicht reproduzierbare Protokolle auf Hamilton-, Tecan- und Opentrons-Plattformen mit integrierter Simulation zum Testen.

Arbeiten Sie mit Kristallstrukturen und Materialdaten. Konvertieren Sie Dateiformate, berechnen Sie Phasendiagramme, analysieren Sie Symmetrie und greifen Sie auf die Materials Project-Datenbank für die rechnergestützte Materialwissenschaft zu.

Gesundheitsforscher und Data Scientists haben Schwierigkeiten mit komplexen klinischen Datenformaten und Kodierungssystemen. PyHealth bietet ein einheitliches Toolkit zum Laden medizinischer Datensätze, zur Verarbeitung von EHR-Daten, zum Training prädiktiver Modelle und zur Arbeit mit standardisierten medizinischen Codes.

Verarbeiten Sie DICOM-Medizinbilder einschließlich CT, MRT, Röntgen und Ultraschall. Lesen, schreiben, anonymisieren, konvertieren und Metadaten aus Gesundheitsbildgebungsdateien extrahieren.

PyDESeq2 ermöglicht differentielle Genexpressionsanalysen aus Bulk-RNA-seq-Count-Daten. Führen Sie statistische Tests, multiple Vergleichskorrekturen durch und erstellen Sie publikationsreife Volcano- und MA-Plots für Ihre Genomikforschung.

Das Training von RL-Agenten erfordert hochleistungsfähige parallele Umgebungen und effiziente Algorithmen. PufferLib bietet optimiertes PPO+LSTM-Training mit 2-10x Beschleunigungen durch Vektorisierung, Shared-Memory-Buffer und Multi-Agent-Unterstützung.

Forscher benötigen effizienten Zugang zu biomedizinischer Literatur für systematische Reviews und evidenzbasierte Forschung. Diese Fähigkeit bietet umfassende Dokumentation für PubMed-Abfragen einschließlich boolescher Operatoren, MeSH-Begriffe und E-utilities API-Zugriff.

Forscher benötigen schnellen Zugang zu molekularen Eigenschaften und chemischen Strukturen. Diese Skill stellt eine Verbindung zur PubChem-Datenbank mit über 110 Millionen Verbindungen für sofortige Chemoinformatik-Abfragen her.