尋找當前學術研究需要搜索多個數據庫並評估來源質量。此工具通過 Perplexity Sonar 模型搜索學術文獻，並根據查詢複雜度和引用導向結果自動選擇模型。

爭取研究資金競爭激烈，且有嚴格的機構特定要求。本技能提供專家指導，協助撰寫符合 NSF、NIH、DOE、DARPA 和 NSTC 標準的有說服力的提案，同時最大化您的成功機會。

使用 Reactome 資料庫分析生物途徑和基因列表。執行途徑富集分析、將基因對應到途徑，並探索系統生物學研究中的分子交互作用。

適用於 Claude、Codex 和 Claude Code 的 AI 技能

量子系統需要專業的模擬工具。QuTiP 提供了開放量子系統的求解器，包括主方程式、拉比動力學和去相干。使用此技能來模擬量子光學、空腔 QED 和耗散量子過程。

量子運算能解決傳統電腦難以處理的複雜最佳化、化學與機器學習問題。Qiskit 提供工具來建構量子電路、針對 IBM 硬體最佳化，並在真實量子處理器或模擬器上執行。

此技能可幫助您將 PyTorch 程式碼組織成可重複使用的 LightningModule。它提供了用於配置多 GPU 訓練、實作資料管線以及使用 W&B 和 TensorBoard 等流行工具設定實驗追蹤的範本和文件。

使用處理 BAM、VCF 和 FASTQ 文件的工具來分析和處理 DNA 測序數據。提取基因組區域、計算覆蓋率統計，並整合多種文件類型以進行全面的變異分析。

藥物發現研究人員需要標準化的資料集來訓練機器學習模型。PyTDC 提供經過策展的 ADME、毒性和藥物-標靶互動資料集，並附有適當的訓練-測試分割和評估預言機。

使用完整的質譜工具處理蛋白質體與代謝體資料。此技能提供存取 OpenMS 演算法以處理檔案格式、光譜處理、特徵偵測與胜肽鑑定工作流程。

多目標最佳化是在多個彼此衝突的目標必須同時滿足時，尋找權衡解的過程。此技能提供對 pymoo 演算法的完整存取，包括 NSGA-II、NSGA-III 與 MOEA/D，用於尋找帕累托最優解並視覺化權衡前緣。

使用 PyMC 建立、擬合並驗證貝葉斯模型。建立階層式模型，執行 MCMC 取樣，並使用 LOO 與 WAIC 指標比較模型。

透過統一的 Python 指令控制液體處理機器人、盤式讀取器與實驗室設備，以自動化實驗室工作流程。本技能可在 Hamilton、Tecan 與 Opentrons 平台上建立可重現的流程，並內建模擬用於測試。

處理晶體結構與材料資料。轉換檔案格式、計算相圖、分析對稱性，並存取 Materials Project 資料庫以進行計算材料科學研究。

醫療保健研究人員和數據科學家經常與複雜的臨床數據格式和編碼系統搏鬥。PyHealth提供了一個統一的工具包，用於加載醫療數據集、處理EHR數據、訓練預測模型以及處理標準醫療代碼。

處理 DICOM 醫學影像，包括 CT、MRI、X 光與超音波。可讀取、寫入、匿名化、轉換，並從醫療影像檔案中擷取中繼資料。

PyDESeq2 可對大量 RNA-seq 計數資料進行差異基因表現分析。執行統計檢定、多重比較校正，並為您的基因體學研究產生可直接發表的火山圖和 MA 圖。

訓練強化學習代理需要高效能平行環境和高效能演算法。PufferLib 提供優化的 PPO+LSTM 訓練，透過向量化、共享記憶體緩衝區和多代理支援，實現 2-10 倍的加速。

研究人員需要有效存取生物醫學文獻以進行系統性回顧和循證研究。此技能提供 PubMed 查詢的完整說明文件，包括布林運算子、MeSH 術語和 E-utilities API 存取。

研究人員需要快速存取分子性質與化學結構。此技能可連線到 PubChem 的 1.1 億+ 化合物資料庫，以即時進行化學資訊學查詢。