Simulations et analyse de mécanique quantique à l'aide de QuTiP (Quantum Toolbox in Python). Utilisez-le lors du travail avec des systèmes quantiques incluant : (1) les états quantiques (kets, bras, matrices de densité), (2) les opérateurs et portes quantiques, (3) l'évolution temporelle et la dynamique (Schrödinger, équations maîtresses, Monte Carlo), (4) les systèmes quantiques ouverts avec dissipation, (5) les mesures quantiques et l'intrication, (6) la visualisation (sphère de Bloch, fonctions de Wigner), (7) les états stationnaires et les fonctions de corrélation, ou (8) les méthodes avancées (théorie de Floquet, HEOM, solveurs stochastiques). Traite à la fois les systèmes quantiques fermés et ouverts dans divers domaines, notamment l'optique quantique, l'informatique quantique et la physique de la matière condensée.
CE QUE VOUS DEVENEZ
Parfait pour ces scénarios
Affiner les instructions pour les sous-agents afin d'améliorer l'exécution des tâches et la qualité des résultats.
Créez des modèles de prompt réutilisables pour des interactions LLM cohérentes en production.
Ajustez les invites (prompts) pour générer des réponses plus précises, pertinentes et cohérentes.
Développez des hooks et des compétences pour rationaliser les tâches répétitives avec des commandes précises.
GAIN MESURÉ
Avantages prouvés et impact mesurable
Réduisez de 10 fois le temps consacré à l'ingénierie de prompt grâce à des modèles optimisés.
Améliorez jusqu'à 50 % la pertinence et la précision des réponses des LLM.
Automatisez les flux de travail avec des invites efficaces pour tripler la productivité.
CE QUE VOUS OBTENEZ
Fichiers, tags et installation en trois étapes
Conseil : Lisez la documentation et le code avant la première utilisation pour connaître son rôle et les permissions requises.
SCRIPTS SUIVANTS
Recommandé selon les tags et la catégorie
Accédez aux plus de 200 millions de structures de protéines prédites par l'IA d'AlphaFold. Récupérez les structures par ID UniProt, téléchargez les fichiers PDB/mmCIF, analysez les indicateurs de confiance (pLDDT, PAE), pour la découverte de médicaments et la biologie structurale.
Cette compétence doit être utilisée lors du travail avec des matrices de données annotées en Python, en particulier pour l'analyse génomique à cellule unique, la gestion des mesures expérimentales avec des métadonnées, ou le traitement de jeux de données biologiques à grande échelle. Utilisez-la lors de tâches impliquant des objets AnnData, des fichiers h5ad, des données de RNA-seq à cellule unique ou une intégration avec les outils scanpy/scverse.
Cette compétence doit être utilisée pour les tâches d'apprentissage automatique sur séries temporelles, y compris la classification, la régression, le clustering, la prévision, la détection d'anomalies, la segmentation et la recherche de similarité. Utilisez-la lors du travail avec des données temporelles, des motifs séquentiels ou des observations indexées dans le temps nécessitant des algorithmes spécialisés au-delà des approches ML standard. Particulièrement adaptée à l'analyse de séries temporelles univariées et multivariées avec des APIs compatibles scikit-learn.
Système de génération d'agents de code Claude qui crée des agents et sous-agents personnalisés avec un en-tête YAML amélioré, des modèles d'accès aux outils et un support d'intégration MCP conformément à des modèles de production éprouvés