Simulaciones y análisis de mecánica cuántica usando QuTiP (Caja de Herramientas Cuánticas en Python). Utilice cuando trabaje con sistemas cuánticos que incluyan: (1) estados cuánticos (kets, bras, matrices de densidad), (2) operadores y puertas cuánticas, (3) evolución temporal y dinámica (Schrödinger, ecuaciones master, Monte Carlo), (4) sistemas cuánticos abiertos con disipación, (5) mediciones cuánticas y entrelazamiento, (6) visualización (esfera de Bloch, funciones de Wigner), (7) estados estacionarios y funciones de correlación, o (8) métodos avanzados (teoría de Floquet, HEOM, solucionadores estocásticos). Maneja tanto sistemas cuánticos cerrados como abiertos en diversos dominios que incluyen óptica cuántica, computación cuántica y física de la materia condensada.
EN LO QUE TE CONVIERTES
Perfecto para estos escenarios
Refinar las instrucciones para los sub-agentes para mejorar la ejecución de tareas y la calidad del resultado.
Crea plantillas de prompt reutilizables para interacciones consistentes con LLM en producción.
Ajustar los indicadores (prompts) para generar respuestas más precisas, relevantes y coherentes.
Crea ganchos y habilidades para agilizar tareas repetitivas con comandos precisos.
GANANCIA MEDIBLE
Beneficios probados e impacto medible
Reduce el tiempo dedicado a la ingeniería de prompts en un 90% con plantillas optimizadas.
Mejora la relevancia y precisión de las respuestas de los LLM hasta un 50%.
Automatiza los flujos de trabajo con indicadores eficientes para triplicar la productividad.
QUÉ INCLUYE
Archivos, etiquetas y la instalación en tres pasos
Consejo: Lee la documentación y el código antes del primer uso para saber qué hace y qué permisos necesita.
SIGUIENTES GUIONES
Recomendado según etiquetas y categoría
Acceda a más de 200 millones de estructuras de proteínas predichas por IA de AlphaFold. Recupere estructuras por ID de UniProt, descargue archivos PDB/mmCIF, analice métricas de confianza (pLDDT, PAE) para la descubrimiento de fármacos y la biología estructural.
Esta habilidad se debe usar cuando se trabaja con matrices de datos anotados en Python, especialmente para análisis de genómica de células individuales, gestión de mediciones experimentales con metadatos o manejo de conjuntos de datos biológicos a gran escala. Usarla cuando las tareas involucren objetos AnnData, archivos h5ad, datos de RNA-seq de células individuales o integración con herramientas scanpy/scverse.
Esta habilidad debería usarse para tareas de aprendizaje automático de series temporales que incluyen clasificación, regresión, agrupamiento, pronóstico, detección de anomalías, segmentación y búsqueda de similitud. Usarla al trabajar con datos temporales, patrones secuenciales o observaciones indexadas en el tiempo que requieren algoritmos especializados más allá de los enfoques de ML estándar. Especialmente adecuada para análisis de series temporales univariadas y multivariadas con APIs compatibles con scikit-learn.
Sistema de generación de agentes de código Claude que crea agentes personalizados y subagentes con frontmatter YAML mejorado, patrones de acceso a herramientas y soporte para integración MCP siguiendo patrones de producción probados