RDFデータを形式的なBelief-Desire-Intentionパターンを用いた認知的エージェントアーキテクチャに変換します。トレース可能な推論チェーンとマルチエージェントシステムのためのセマンティック相互運用性により、AIシステムが合理的エージェンシーをモデル化できるようにします。

手作業でのリサーチは何時間もかかり、検証されていない主張を含む一貫性のない結果を而生み出します。このスキルは、10以上のソースから情報を収集・検証・統合し、プロフェッショナルなレポートを作成する8フェーズのパイプラインを実行します。

AI 研究を再現する際、リポジトリの README にはデータセット分割、評価プロトコル、前処理の詳細について重大な欠落がしばしば残されています。このスキルは、README を最優先としつつ、主要な論文ソースからそれらの狭い再現に関する質問を解決します。

散らばったイベントディレクトリを検索して時間を無駄にするのはもうやめましょう。このスキルはウェブ検索を使用して関連するトレードショーを見つけ、構造化された比較テーブルで提示し、業界、地域、目標に基づいて的を絞った推奨事項を提供します。

複雑なトピックを効率的に調査して圧倒されることなく、このスキルは調査を管理可能なサブトピックに整理し、包括的なレポートに発見を統合します。

物理学、数学、コンピュータサイエンス、定量生物学にわたる学術論文を見つけるのは時間がかかることがあります。このスキルは、論文タイトルと要約を即座に検索・取得できる arXiv プレプリントリポジトリへの直接アクセスを提供します。

包括的なUSPTO特許および商標データベースへのアクセス。キーワード、発明者、または譲受人による検索。IP調査および先行技術検索のために、審査履歴、譲受人、引用文献、オフィスアクションを取得できます。

タンパク質データベースを検索し、配列を取得し、バイオロジカルデータベース間で識別子をマッピングします。このスキルは、包括的なタンパク質配列および機能情報リソースである UniProt への直接アクセスを提供します。

複雑なMLモデルのセットアップに苦労するのは終わりです。このスキルでは、シンプルなコマンドでテキスト、画像、タスク用の数千の事前学習済みトランスファーモデルに即座にアクセスできます。

創薬、タンパク質モデリング、分子特性予測のためのグラフニューラルネットワークの構築と訓練。このスキルは、TorchDrugライブラリの包括的なドキュメント、データセット、モデルアーキテクチャ、ワークフローを提供します。

研究者は生物学的システムと疾患メカニズムを理解するためにタンパク質-タンパク質間相互作用を理解する必要があります。このスキルは5000種以上における5900万タンパク質と200億以上の相互作用を備えたSTRINGの包括的なデータベースへの直接アクセスを提供します。

科学データの可視化は、データ明確で正確な図表に変換する技術です。このスキルは、図表がジャーナルの基準を満たし、色覚多様性を持つ読者を含むすべての読者にとってアクセス可能なものであることを保証します。

このスキルは、研究者が学会、セミナー、論文答辩のために専門的なプレゼンテーションを作成するのに役立ちます。スライドテンプレート、デザインのガイダンス、PowerPointおよびLaTeX Beamer形式用のAI画像生成を提供します。

科学的主張には、しばしば方法論、バイアス、または論理に隠れた欠陥が含まれています。このスキルは、証拠品質の体系的な評価、認知的バイアスの特定、実験デザインの評価、科学的な議論における論理的誤謬の検出のためのフレームワークを提供します。

最新の学術研究を見つけるには、複数のデータベースを検索し、ソースの質を評価する必要があります。このツールは、Perplexity Sonarモデルを使用して学術文献を検索し、クエリの複雑さに基づいた自動モデル選択と引用を重視した結果を提供します。

研究資金の確保は非常に競争が激しく、各省庁固有の要件が厳格です。このスキルは、NSF、NIH、DOE、DARPA、およびNSTCの基準を満たしながら、成功率を最大化する魅力的な申請書作成の専門家によるガイダンスを提供します。

量子システムには専門的なシミュレーションツールが必要です。QuTiPは、マスター方程式、リンドブラッドダイナミクス、およびデコヒーレンスを伴う開いた量子システムのソルバーを提供します。このスキルを使用して、量子光学、空洞QED、散逸的な量子プロセスをモデル化します。

量子コンピューティングは、古典的なコンピュータでは計算困難な複雑な最適化、 化学、機械学習の問題を解くことを可能にします。Qiskitは量子回路の構築、IBMハードウェア用の最適化、 本物の量子プロセッサやシミュレータでの実行のためのツールを提供します。

このスキルは、PyTorchコードを再利用可能なLightningModuleに整理するのに役立ちます。マルチGPUトレーニングの設定、データパイプラインの実装、W&BやTensorBoardなどの一般的なツールでの実験トラッキングの設定のためのテンプレートとドキュメントを提供します。

創薬研究者は機械学習モデルの訓練に必要な標準化されたデータセットを必要としています。PyTDCは、適切に分割された列車テスト分割と評価オラクルとともに、選別されたADME、毒性、および薬物標的相互作用データセットを提供します。