该技能适用于时间序列机器学习任务，包括分类、回归、聚类、预测、异常检测、分割和相似性搜索。当处理时间数据、序列模式或需要标准机器学习方法之外的专用算法的时间索引观测值时使用。特别适合具有scikit-learn兼容API的单变量和多变量时间序列分析。
无需复杂配置，快速集成到您的工作流
来自活跃的开源社区，持续更新维护
MIT/Apache 许可，商用个人均可使用
可根据需求自定义和扩展功能
从源仓库下载或复制 skill 文件到您的项目中。
将 skill 文件放置到 Claude 的 skills 目录中（通常是 ~/.claude/skills/）。
重启 Claude 或运行重载命令，skill 将自动加载并可供使用。
提示： 首次使用前请仔细阅读 skill 的文档和代码，确保理解其功能和权限要求。
所有 Skills 来自开源社区，保留原作者版权
K-Dense-AI__claude-scientific-skills/scientific-skills/aeon/skill.md经过验证的优势和可衡量的影响
相较于手动计算，加速量子系统仿真。
显著减少量子态与算子的计算时间。
利用集成工具提升量子研究生产力。
适用于以下场景
模拟用于量子计算研究的量子逻辑门与电路。
使用薛定谔方程或主方程模拟量子系统动力学。
分析嘈杂量子环境中的耗散和退相干效应
使用布洛赫球和威格纳函数图来可视化量子态。