Diese Fähigkeit sollte für Zeitreihenmaschinelles Lernen einschließlich Klassifikation, Regression, Clustering, Prognose, Anomalieerkennung, Segmentierung und Ähnlichkeitssuche verwendet werden. Verwenden Sie sie bei der Arbeit mit zeitlichen Daten, sequentiellen Mustern oder zeitindexierten Beobachtungen, die spezialisierte Algorithmen über standardisierte ML-Ansätze hinaus erfordern. Besonders geeignet für die Analyse univariate und multivariate Zeitreihen mit scikit-learn-kompatiblen APIs.
Schnelle Integration in Ihren Workflow mit minimaler Einrichtung
Aktive Open-Source-Community mit kontinuierlichen Updates
MIT/Apache-Lizenz für kommerzielle und private Nutzung
Anpassbar und erweiterbar nach Ihren Bedürfnissen
Laden Sie die Skill-Datei aus dem Quell-Repository herunter oder kopieren Sie sie
Platzieren Sie die Skill-Datei im Skills-Verzeichnis von Claude (normalerweise ~/.claude/skills/）。
Starten Sie Claude neu oder führen Sie den Reload-Befehl aus, um die Skill zu laden
Tipp: Lesen Sie die Dokumentation und den Code vor der ersten Verwendung sorgfältig durch, um die Funktionalität und Berechtigungsanforderungen zu verstehen
Alle Skills stammen aus der Open-Source-Community und bewahren die Urheberrechte der ursprünglichen Autoren
K-Dense-AI__claude-scientific-skills/scientific-skills/aeon/skill.mdBewährte Vorteile und messbare Wirkung
Beschleunigt Simulationen von Quantensystemen im Vergleich zu manuellen Berechnungen.
Reduziert die Rechenzeit für Quantenzustände und Operatoren erheblich.
Steigern Sie die Produktivität der Quantenforschung mit integrierten Werkzeugen.
Perfekt für diese Szenarien
Simulation von Quantenlogikgattern und -schaltkreisen für die Quantencomputing-Forschung.
Die Dynamik eines Quantensystems mit Schrödinger- oder Master-Gleichungen modellieren.
Analysiere Disssipations- und Dekohärenzeffekte in verrauschten Quantenumgebungen
Visualisieren Sie Quantenzustände mit Bloch-Kugeln und Wigner-Funktions-Diagrammen.