Разработка квантовых вычислений требует понимания проектирования сложных схем, транспиляции и оптимизации под конкретное оборудование. Этот навык предоставляет исчерпывающее руководство по созданию квантовых схем, запуску алгоритмов типа VQE и QAOA на симуляторах или реальном оборудовании и визуализации результатов.

AI-навык для Claude, Codex и Claude Code

Работа с наборами данных для открытия лекарств требует навигации по разрозненным источникам и несогласованным форматам. PyTDC предоставляет более 50 курированных наборов данных для машинного обучения в терапии со стандартизированными API, осмысленными разбиениями и протоколами оценки бенчмарков.

Обработка данных секвенирования нового поколения путём чтения и записи файлов выравнивания SAM/BAM/CRAM, файлов вариантов VCF/BCF и последовательностей FASTA/FASTQ для биоинформатических аналитических конвейеров.

Масс-спектрометрия генерирует сложные данные, требующие специализированных инструментов для анализа протеомики и метаболомики. PyOpenMS предоставляет Python-привязки, обеспечивающие автоматизированную обработку LC-MS/MS, идентификацию пептидов и количественный анализ с полной воспроизводимостью.

Инженерам и исследователям необходимо находить оптимальный баланс между противоречивыми целями, такими как стоимость, вес и производительность. Этот навык предоставляет доступ к NSGA-II, NSGA-III и другим эволюционным алгоритмам через pymoo для поиска Парето-оптимальных решений сложных задач проектирования.

Этот навык предоставляет инструменты для байесовского статистического моделирования с использованием PyMC. Он позволяет создавать иерархические модели, запускать MCMC-семплирование с NUTS, выполнять вариационный вывод и сравнивать модели с метриками LOO/WAIC для принципиальной оценки неопределенности.

Вычислительное материаловедение требует анализа кристаллических структур, фазовых диаграмм и электронных свойств. Этот навык обеспечивает полный доступ к возможностям библиотеки pymatgen, включая преобразование файлов структур, анализ симметрии и интеграцию с базой данных Materials Project.

Автоматизируйте сложные лабораторные процессы с помощью единого интерфейса Python. Программируйте роботов для работы с жидкостями, интегрируйте планшетные ридеры и лабораторное оборудование, создавайте воспроизводимые протоколы, которые работают на Hamilton STAR, Opentrons OT-2 и в симулированных средах.

Разработка моделей машинного обучения для здравоохранения требует понимания сложных форматов клинических данных, систем медицинского кодирования и специализированных архитектур моделей. Этот навык предоставляет исчерпывающее руководство по использованию PyHealth для построения, обучения и оценки моделей клинического прогнозирования для задач прогнозирования смертности, рекомендации лекарств и медицинского кодирования.

Работа с медицинскими изображениями требует специальной обработки DICOM файлов, стандартного формата, используемого в здравоохранении. Этот навык предоставляет рекомендации по чтению, конвертации, анонимизации и извлечению данных из КТ, МРТ, рентгеновских снимков и изображений УЗИ.

Идентификация дифференциально экспрессированных генов из данных подсчета bulk RNA-seq со статистической строгостью. PyDESeq2 обеспечивает полные рабочие процессы DESeq2, включая нормализацию, оценку дисперсии, тест Вальда, коррекцию FDR и визуализации, готовые к публикации.

Обучение агентов обучения с подкреплением требует управления сложными параллельными симуляциями и реализации эффективных алгоритмов PPO. PufferLib предоставляет высокопроизводительные векторизованные окружения и оптимизированное обучение для достижения миллионов шагов в секунду.

Поиск релевантных биомедицинских исследований занимает много времени. Этот навык предоставляет расширенные методы поиска, руководство по терминам MeSH и документацию по API E-utilities для быстрого поиска статей, клинических испытаний и систематических обзоров в базе данных PubMed, содержащей миллионы цитат.

Поиск химической информации требует навигации по множеству баз данных и сложных API-запросов. Этот навык предоставляет единый доступ к базе данных PubChem с простым поиском по названию, структуре или идентификатору, а также получением свойств и поиском по сходству для хемоинформатических рабочих процессов.

Ученые тратят часы на поиск и документирование лабораторных протоколов вручную. Этот навык обеспечивает полную интеграцию с protocols.io API v3, предоставляя программный доступ к поиску, созданию, управлению и публикации научных протоколов с функциями командной совместной работы.

Руководители продуктов испытывают трудности с выравниванием целей компании между командами. Этот инструмент автоматически каскадирует стратегические ОКР с уровня компании на уровни продукта и команд с оценкой выравнивания.

Менеджерам продукта нужны объективные способы ранжирования запросов на функции и синтеза клиентских данных. Этот набор инструментов предоставляет алгоритмы оценки RICE и анализ интервью на основе NLP для принятия решений о приоритизации на основе данных и четкого документирования требований.

Командам необходимы надежные способы создания и обновления файлов PPTX в масштабе. Этот навык предоставляет рабочие процессы для создания, редактирования и проверки презентаций с использованием HTML и OOXML инструментов.

Рабочие процессы Pandas медленные и требовательны к памяти при работе с большими наборами данных. Этот навык предоставляет экспертные рекомендации по Polars — сверхбыстрой библиотеке DataFrame, построенной на Apache Arrow, которая обеспечивает улучшение производительности в 10-100 раз благодаря ленивым вычислениям, параллельной обработке и интуитивному API выражений.