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.

Reactome 데이터베이스를 사용하여 생물학적 경로 및 유전자 목록을 분석합니다. 경로 풍부도 분석 수행, 유전자 매핑, 시스템 생물학 연구를 위한 분자 상호작용 탐색.

Claude, Codex 및 Claude Code를 위한 AI 스킬

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.

BAM, VCF, FASTQ 파일을 읽는 도구로 DNA 시퀀싱 데이터를 처리하고 분석합니다. 유전체 영역을 추출하고, 커버리지 통계를 계산하며, 다양한 파일 유형을 통합하여 포괄적인 변이 분석을 수행합니다.

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.

포괄적인 질량분석 도구로 단백질체학과 대사체학 데이터를 처리합니다. 이 스킬은 파일 형식 처리, 스펙트럼 처리, 피처 탐지, 펩타이드 식별 워크플로우를 위한 OpenMS 알고리즘에 대한 액세스를 제공합니다.

다목적 최적화는 여러 상충하는 목표를 동시에 만족해야 할 때의 절충 해를 찾는 문제입니다. 이 스킬은 NSGA-II, NSGA-III, MOEA/D를 포함한 pymoo 알고리즘에 대한 포괄적인 접근을 제공하여 파레토 최적 해를 찾고 절충 전선을 시각화합니다.

PyMC를 사용하여 베이지안 모델을 구축, 피팅 및 검증합니다. 계층적 모델을 생성하고, MCMC 샘플링을 실행하며, LOO 및 WAIC 지표를 사용하여 모델을 비교합니다.

통합된 Python 명령어를 통해 액체 처리 로봇, 플레이트 리더, 실험실 장비를 자동화하여 실험실 워크플로우를 자동화합니다. 이 기술은 Hamilton, Tecan, Opentrons 플랫폼에서 재현 가능한 프로토콜을 지원하며 내장된 시뮬레이션 기능을 통해 테스트할 수 있습니다.

결정 구조 및 재료 데이터를 다룹니다. 파일 형식을 변환하고, 상평형도를 계산하며, 대칭성을 분석하고, 계산 재료과학 연구를 위해 Materials Project 데이터베이스에 접근합니다.

헬스케어 연구자와 데이터 과학자들은 복잡한 임상 데이터 형식과 코딩 시스템으로 어려움을 겪습니다. PyHealth는 의료 데이터셋 로드, EHR 데이터 처리, 예측 모델 학습, 표준 의료 코드 작업을 위한 통합 툴킷을 제공합니다.

CT, MRI, X선, 초음파를 포함한 DICOM 의료 이미지를 처리합니다. 의료 영상 파일에서 메타데이터를 읽고, 쓰고, 익명화하고, 변환하고, 추출합니다.

PyDESeq2는 벌크 RNA-seq 카운트 데이터로부터 차등 유전자 발현 분석을 수행할 수 있게 해줍니다. 통계적 검정, 다중 비교 보정, 게놈 연구를 위한 출판용 volcano 및 MA 플롯 생성이 가능합니다.

RL 에이전트 훈련에는 고성능 병렬 환경과 효율적인 알고리즘이 필요합니다. PufferLib는 벡터화, 공유 메모리 버퍼, 다중 에이전트 지원을 통해 최적화된 PPO+LSTM 훈련을 제공하며 2-10배의 속도 향상을 달성합니다.

연구자들은 체계적 문헌고찰과 근거 기반 연구를 위해 생물의학 문헌에 대한 효율적인 접근이 필요합니다. 이 스킬은 Boolean 연산자, MeSH 용어, E-utilities API 접근을 포함한 PubMed 쿼리에 대한 포괄적인 문서를 제공합니다.

연구자들은 분자 특성과 화학 구조에 대한 빠른 접근이 필요합니다. 이 기술은 1억 1천만 개 이상의 화합물 데이터베이스인 PubChem에 연결하여 즉각적인 chemoinformatics 조회를 제공합니다.