科学

適用於 PyTorch Geometric 圖神經網路的 torch-geometric 技能指南。可用來取得 torch-geometric 安裝協助、torch-geometric 使用方式、圖分類、節點分類、連結預測、異質圖、自訂 MessagePassing 層，以及為 Machine Learning 工作流程擴展 GNN。

使用 sympy 技能在 Python 中進行精確的符號數學運算，涵蓋代數、微積分、矩陣、物理公式、數論、幾何與程式碼生成。它能幫助你維持表達式的精確性、選對 SymPy 模組，並避免過度依賴浮點數造成的錯誤。最適合需要實用 sympy 指南來處理符號工作流程，以及在 Data Analysis 中使用 sympy 的使用者。

rdkit 技能可協助你精準處理化學資訊工作流程：解析 SMILES、SDF、MOL、PDB 與 InChI；計算描述子；產生指紋；執行子結構搜尋；處理反應；以及建立 2D/3D 座標。這份 rdkit 指南適合進階控制、自訂清理，以及用 rdkit 進行 Data Analysis 工作流程。

qutip 是一套用於開放量子系統、耗散、時間演化與量子光學的 Python 量子物理模擬技能。可將這份 qutip 指南用於主方程、Lindblad 動力學、退相干、腔體 QED、態/算符模擬，以及 Scientific Python 範例。非以電路式量子運算為目標。

qiskit 是一個 IBM 量子運算技能，可用於建立電路、選擇 backend、為硬體進行 transpile，並在模擬器或 IBM Quantum 裝置上執行 jobs。它非常適合用於 chemistry、optimization 與 machine learning 相關的 qiskit 使用情境，尤其是當你需要的是可直接上手的安裝與執行指引，而不是只談理論的 qiskit 入門指南。

paper-lookup 是一項供 Academic Research 使用的研究檢索技能，能幫你在 10 個學術資料庫中找到學術論文、預印本、引用、DOI/PMID 對應、摘要、全文，以及開放取用版本。當你需要先找到正確來源，而不是做一般網頁搜尋時，可用它來進行 paper-lookup。paper-lookup 指南涵蓋 PubMed、PMC、Crossref、OpenAlex、Semantic Scholar、CORE、arXiv、bioRxiv、medRxiv 和 Unpaywall。

hypogenic 是一項可在表格型資料或從文字衍生的資料集上，搭配 LLM 支援來產生與測試假設的技能。它能協助進行資料分析中的 hypogenic 工作，將經驗性問題轉化為結構化、可驗證的流程，適用於分類解讀、內容分析與欺瞞偵測。當你需要的是有證據支撐的假設，而不只是腦力激盪時，就很適合使用它。

hugging-science 技能可協助你從 Hugging Science 目錄與 `hugging-science` Hugging Face 組織中，找到並使用科學 AI 資源。當你需要能實際執行或引用的資料集、模型、Space 或部落格文章時，它很適合生物、化學、氣候、基因體學、材料、天文學等相關工作。若你的需求是 hugging-science 的使用方式與 hugging-science 指南流程，而不是泛用搜尋，這個技能會更對題。

histolab 是一個用於數位病理全切片影像（whole-slide image, WSI）前處理的 Python 技能。它支援組織偵測、切片擷取與 H&E 切片的染色標準化，適合用於資料集準備、快速的切片式分析，以及輕量級資料分析流程。搭配實用指引來安裝與使用 histolab，並掌握 masks、tilers 與 slide 管理。

當你在 Python 中需要統計模型、推論與診斷時，statsmodels 技能能協助你使用 statsmodels 進行資料分析。它適用於 OLS、GLM、離散型結果、時間序列與混合模型，並提供係數表、p 值、信賴區間與假設檢查。這份 statsmodels 指南適合用於計量經濟、預測，以及需要站得住腳的報告撰寫。

statistical-analysis 技能可協助你為 Data Analysis 選擇、執行並報告站得住腳的檢定，涵蓋假設、效果量、檢定力與 APA 格式結果。當你做學術研究、實驗或觀察性研究，且重點在於檢定選擇與清楚報告，而不是撰寫特定模型程式碼時，這個技能特別適合。

scvi-tools 是一個用於機率式單細胞分析的 Python 框架。這個 scvi-tools 技能可用於批次校正、潛在嵌入、帶不確定性估計的差異表現分析、遷移學習，以及多模態整合。它特別適合單細胞 RNA-seq、ATAC、CITE-seq、multiome 與空間流程，尤其是進階 Machine Learning 使用情境。

scvelo 是一個用於單細胞 RNA-seq 資料中 RNA velocity 分析的 Python 技能。可用來根據未剪接與已剪接 mRNA 估計細胞狀態轉換、推斷軌跡方向、計算潛在時間，並找出驅動基因。當你需要超越一般分群或偽時間、進一步掌握方向性時，這個 skill 尤其適合用於 scvelo for Data Analysis。

scientific-writing 是深度研究與寫作工具的核心技能。它能把研究筆記、大綱與來源發現轉化為可直接送交發表的科學文稿，支援 IMRAD 結構、完整段落、APA/AMA/Vancouver 等引用格式，以及 CONSORT、STROBE、PRISMA 等報告指引。適合用於期刊論文、修訂稿、摘要與可投稿的草稿。

scientific-visualization 是一個用來產生可直接用於發表的圖表的 meta-skill。適合期刊投稿用的圖形需求，例如多分圖版面、顯著性標註、誤差棒、色盲友善配色，以及符合 Nature/Science/Cell 風格的排版。它會協調 matplotlib、seaborn 和 plotly，支援 Data Visualization 工作中的 scientific-visualization。

使用 scientific-slides skill 來製作研究簡報與投影片。適用於研討會報告、學術演講、論文口試、實驗室進度更新，以及其他科學投影片製作。它強調清楚的敘事、精簡文字、視覺層級、引用標註，以及適合直接上台使用的結構，支援 PowerPoint 或 LaTeX Beamer。

scientific-critical-thinking 可協助評估科學主張、研究設計、偏差、混雜因子與證據品質。適合用於批判性分析、文獻回顧支援、GRADE 或 Cochrane 偏差風險檢查，以及進行類 Peer Review 的評估，判斷一篇論文實際能支持到什麼程度。

scholar-evaluation 可用結構化評分來評估學術與研究工作，涵蓋問題界定、方法論、分析、寫作與發表準備度。適合用於學術審稿、修訂規劃，以及對論文、提案、文獻回顧與其他學術草稿提供一致的回饋。

scientific-brainstorming 是一個用於開放式科學思考的研究發想技能。可用來探索跨領域連結、挑戰既有假設、找出研究缺口，並在你還沒有嚴謹資料集或最終假說之前，先形塑早期階段的專案想法。

Rowan 是一個雲端原生的分子建模與藥物化學工作流程平台，提供 Python API。rowan 技能特別適合批次 pKa 預測、構象與互變異構體集合、對接、共摺疊、分子動力學、滲透性與描述子工作流程；當你需要可重現、可程式化的執行，又不想自行管理本機 HPC 或 GPU 基礎架構時，它會是很好的選擇。

pytdc 是一個支援 Therapeutics Data Commons 的技能，提供可直接供 AI 使用的藥物發現資料集與基準，涵蓋 ADME、毒性、DTI、DDI、生成、scaffold 切分，以及藥理預測。

pyopenms 是一套以 Python 為基礎的質譜分析技能，適用於蛋白質體學與代謝體學工作流程。可用來安裝 pyopenms、載入並檢視 mzML 及相關檔案、處理光譜、偵測特徵、鑑定胜肽與蛋白質，並建立可重現的 LC-MS/MS 資料分析流程。

pymoo 是一個用於單目標與多目標最佳化的 Python 技能，涵蓋 Pareto 前緣、約束式問題與基準測試。請用這份 pymoo 指南來選擇 NSGA-II、NSGA-III、MOEA/D 等演算法，依照安裝與使用流程操作，並在需要平衡多個指標時，將 pymoo 套用於資料分析。

PyMC 是一項用於在 Python 中建立、擬合、檢查與比較機率模型的 Bayesian 建模技能。可用 pymc 進行階層式迴歸、多層次分析、時間序列、缺失值、量測誤差，以及搭配 LOO 或 WAIC 的模型比較。