Encontrar pesquisa academica atual exige pesquisar em varios bancos de dados e avaliar a qualidade das fontes. Esta ferramenta pesquisa literatura academica por meio dos modelos Perplexity Sonar com selecao automatica de modelo com base na complexidade da consulta e resultados focados em citacoes.

A obtenção de financiamento para pesquisa é altamente competitiva, com requisitos rigorosos específicos de cada agência. Esta habilidade fornece orientação especializada para escrever propostas convincentes que atendam aos padrões NSF, NIH, DOE, DARPA e NSTC, maximizando suas chances de sucesso.

Analise vias biológicas e listas de genes usando o banco de dados Reactome. Realize análise de enriquecimento de vias, mapeie genes para vias e explore interações moleculares para pesquisa em biologia de sistemas.

Uma habilidade de IA para Claude, Codex e Claude Code

Sistemas quânticos requerem ferramentas de simulação especializadas. O QuTiP fornece resolvedores para sistemas quânticos abertos com equações mestras, dinâmica de Lindblad e decoerência. Use esta habilidade para modelar óptica quântica, QED de cavidade e processos quânticos dissipativos.

A computação quântica permite resolver problemas complexos de otimização, química e aprendizado de máquina que são intratáveis para computadores clássicos. O Qiskit fornece as ferramentas para construir circuitos quânticos, otimizá-los para hardware da IBM e executar em processadores quânticos reais ou simuladores.

Esta skill ajuda a organizar código PyTorch em LightningModules reutilizáveis. Fornece templates e documentação para configurar treinamento multi-GPU, implementar pipelines de dados e configurar rastreamento de experimentos com ferramentas populares como W&B e TensorBoard.

Processar e analisar dados de sequenciamento de DNA com ferramentas para leitura de arquivos BAM, VCF e FASTQ. Extrair regiões genômicas, calcular estatísticas de cobertura e integrar múltiplos tipos de arquivo para análise abrangente de variantes.

Pesquisadores de descoberta de fármacos precisam de conjuntos de dados padronizados para treinar modelos de ML. O PyTDC fornece conjuntos de dados curados de ADME, toxicidade e interação fármaco-alvo com divisões treino-teste adequadas e oráculos de avaliação.

Processe dados de proteômica e metabolômica com ferramentas abrangentes de espectrometria de massa. Esta habilidade oferece acesso aos algoritmos OpenMS para manipulação de formatos de arquivo, processamento espectral, detecção de recursos e fluxos de trabalho de identificação de peptídeos.

A otimização multiobjetivo envolve encontrar soluções de compromisso quando múltiplos objetivos conflitantes precisam ser satisfeitos. Esta skill fornece acesso abrangente aos algoritmos do pymoo, incluindo NSGA-II, NSGA-III e MOEA/D para encontrar soluções Pareto-ótimas e visualizar frentes de compromisso.

Construa, ajuste e valide modelos bayesianos usando PyMC. Crie modelos hierárquicos, execute amostragem MCMC e compare modelos com métricas LOO e WAIC.

Automatize fluxos de trabalho de laboratório controlando robôs de manipulação de líquidos, leitores de placas e equipamentos de laboratório através de comandos Python unificados. Esta habilidade permite protocolos reproduzíveis nas plataformas Hamilton, Tecan e Opentrons com simulação integrada para testes.

Trabalhe com estruturas cristalinas e dados de materiais. Converta formatos de arquivo, compute diagramas de fase, analise simetria e acesse o banco de dados do Materials Project para pesquisa em ciência de materiais computacional.

Pesquisadores de saúde e cientistas de dados lutam com formatos complexos de dados clínicos e sistemas de codificação. O PyHealth oferece um toolkit unificado para carregar conjuntos de dados médicos, processar dados de EHR, treinar modelos preditivos e trabalhar com códigos médicos padrão.

Processar imagens médicas DICOM, incluindo TC, RM, raio-X e ultrassom. Ler, escrever, anonimizar, converter e extrair metadados de arquivos de imagens de saúde.

O PyDESeq2 permite análise de expressão gênica diferencial a partir de dados de contagem de RNA-seq em massa. Realize testes estatísticos, correção de comparações múltiplas e gere gráficos de volcano e MA prontos para publicação em sua pesquisa em genômica.

Treinar agentes de RL requer ambientes paralelos de alto desempenho e algoritmos eficientes. PufferLib fornece treinamento otimizado de PPO+LSTM com speedups de 2-10x através de vetorização, buffers de memória compartilhada e suporte multi-agente.

Pesquisadores precisam de acesso eficiente à literatura biomédica para revisões sistemáticas e pesquisas baseadas em evidências. Esta skill fornece documentação abrangente para consultas no PubMed, incluindo operadores booleanos, termos MeSH e acesso à API E-utilities.

Pesquisadores precisam de acesso rápido a propriedades moleculares e estruturas químicas. Esta skill conecta-se ao banco de dados de mais de 110 milhões de compostos do PubChem para consultas de quimioinformática instantâneas.