Boîte à outils en science des matériaux. Structures cristallines (CIF, POSCAR), diagrammes de phases, structure de bandes, DOS, intégration du Materials Project, conversion de formats, pour la science des matériaux computationnelle.
CE QUE VOUS DEVENEZ
Parfait pour ces scénarios
Détecter les GPU/TPU disponibles pour accélérer l'entraînement et éviter les dépassements de mémoire.
Déterminer si un traitement en parallèle ou des méthodes out-of-core sont nécessaires.
Optimisez les tâches HPC en faisant correspondre les algorithmes aux ressources disponibles.
Auditer les instances cloud pour dimensionner les calculs de manière rentable.
GAIN MESURÉ
Avantages prouvés et impact mesurable
Sautez les vérifications manuelles des ressources et sélectionnez automatiquement les stratégies de calcul optimales.
Prévenez les plantages en vous adaptant de manière proactive aux contraintes du système.
Évitez le surprovisionnement en allouant les charges de travail aux ressources appropriées.
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 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.
Générez et maintenez les fichiers AGENTS.md conformément à la convention publique agents.md. Utilisez-le lors de la création de documentation pour les flux de travail des agents IA, les guides d’intégration ou lors de la standardisation des modèles d’interaction des agents à travers les projets.
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.