공식 Belief-Desire-Intention 패턴을 사용하여 RDF 데이터를 인지 에이전트 아키텍처로 변환합니다. 추적 가능한 추론 체인과 의미론적 상호운용성을 갖춘 합리적 에이전시를 모델링할 수 있습니다.

수동 연구는 수 시간이 걸리며 일관성 없는 결과와 검증되지 않은 주장을 산출합니다. 이 스킬은 10개 이상의 소스에서 정보를 수집, 검증, 종합하는 8단계 파이프라인을 실행하여 전문적인 보고서를 생성합니다.

AI 연구를 재현할 때 저장소 README에는 데이터셋 분할, 평가 프로토콜 또는 전처리 세부 사항에 대한 중요한 격차가 종종 남아있습니다. 이 스킬은 README 우선 지침을 유지하면서 주요 논문 소스에서 이러한 좁은 재현 질문을 해결합니다.

분산된 이벤트 디렉토리에서 시간을 낭비하는 것을 중단하세요. 이 스킬은 웹 검색을 사용하여 관련 박람회를 찾고, 구조화된 비교 테이블로 제시하며,您的 산업, 지역 및 목표에 따라 맞춤형 권장 사항을 제공합니다.

복잡한 주제를 효율적으로 연구하여 압도당하지 마세요. 이 스킬은 연구를 관리 가능한 하위 주제로 구성하고 종합적인 보고서로 결과를 합성합니다.

물리학, 수학, 컴퓨터 과학 및 정량적 생물학 분야의 학술 논문을 찾는 것은 시간이 많이 소요됩니다. 이 스킬은 arXiv 프리프린트 저장소에 직접 접근하여 논문 제목과 초록을 즉각적으로 검색하고 검색할 수 있게 해줍니다.

포괄적인 USPTO 특허 및 상표 데이터베이스에 접근하세요. 키워드, 발명자 또는 출원인으로 검색하세요. 지식재산권 연구 및 선행기술 검색을 위해 심사 이력, 양도, 인용 및 사무소 조치 정보를 가져오세요.

단백질 데이터베이스를 검색하고, 서열을 검색하며, 생물학적 데이터베이스 간 식별자를 매핑합니다. 이 스킬은 포괄적인 단백질 서열 및 기능 정보 리소스인 UniProt에 대한 직접적인 액세스를 제공합니다.

복잡한 ML 모델 설정에 고통받지 마세요. 이 스킬은 간단한 명령을 통해 수천 개의 사전 학습된 트랜스포머 모델을 텍스트, 이미지, 오디오 작업에 즉시 접근할 수 있게 해줍니다.

그래프 신경망을 활용한 약물 발견, 단백질 모델링, 및 분자 특성 예측을 위한 모델 구축 및 훈련. 이 기술은 TorchDrug 라이브러리에 대한 포괄적인 문서로 데이터셋, 모델 아키텍처 및 워크플로우를 제공합니다.

연구자들은 생물학적 시스템과 질병 메커니즘을 이해하기 위해 단백질-단백질 상호작용을 파악해야 합니다. 이 스킬은 5000종 이상의 생물종에 걸쳐 59M개의 단백질과 200억 건 이상의 상호작용을 포함하는 STRING의 종합 데이터베리에 직접 접근할 수 있게 해줍니다.

과학적 시각화는 데이터를 명확하고 정확한 도표로 변환합니다. 이 스킬은 도표가 학술지 표준을 충족하면서 색맹을 포함한 모든 독자에게 접근 가능하도록 보장합니다.

이 스킬은 연구자들이 컨퍼런스, 세미나, 학위논문 발표를 위한 전문적인 발표 자료를 만드는 데 도움을 줍니다. 슬라이드 템플릿, 디자인 가이드, AI 기반 이미지 생성을 제공하며 PowerPoint 및 LaTeX Beamer 형식을 지원합니다.

과학적 주장은 종종 방법론, 편향 또는 논리에서 숨겨진 결함을 포함합니다. 이 기술은 증거 품질을 평가하고, 인지 편향을 식별하고, 실험 설계를 평가하며, 과학적 담론에서 논리적 오류를 탐지하기 위한 체계적인 프레임워크를 제공합니다.

최신 학술 연구를 찾으려면 여러 데이터베이스를 검색하고 출처의 품질을 평가해야 합니다. 이 도구는 질의 복잡도에 따른 자동 모델 선택과 인용 중심 결과를 제공하는 Perplexity Sonar 모델을 통해 학술 문헌을 검색합니다.

연구 자금 확보는 엄격한 기관별 요구사항을 갖춘 매우 경쟁적인 과정입니다. 이 기술은 NSF, NIH, DOE, DARPA, NSTC 표준을 충족하면서 성공 가능성을 극대화하는 매력적인 제안서 작성을 위한 전문적인 지침을 제공합니다.

양자 시스템은 전문적인 시뮬레이션 도구가 필요합니다. QuTiP는 마스터 방정식, 린블라드 동역학, 그리고 디코히어런스를 갖춘 개방형 양자 시스템을 위한 솔버를 제공합니다. 이 스킬을 사용하여 양자 광학, 공명기 QED, 그리고 소산 양자 프로세스를 모델링하세요.

양자 컴퓨팅은古典 컴퓨터에서 다루기 어려운 복잡한 최적화, 화학, 기계 학습 문제를 해결할 수 있습니다. Qiskit은 양자 회로를 구축하고, IBM 하드웨어에 최적화하며, 실제 양자 프로세서나 시뮬레이터에서 실행할 수 있는 도구를 제공합니다.

이 스킬은 PyTorch 코드를 재사용 가능한 LightningModules로 구성하는 데 도움이 됩니다. 다중 GPU 훈련 구성, 데이터 파이프라인 구현, W&B 및 TensorBoard와 같은 인기 있는 도구로 실험 추적 설정에 대한 템플릿과 문서를 제공합니다.

약물 발견 연구자들은 ML 모델 학습을 위한 표준화된 데이터셋이 필요합니다. PyTDC는 적절한 train-test 분할과 평가 oracle과 함께 정리된 ADME, 독성, 약물-표적 상호작용 데이터셋을 제공합니다.