深度学习框架（PyTorch Lightning）。将PyTorch代码组织为LightningModules，配置训练器以支持多GPU/TPU，实现数据管道、回调函数、日志记录（W&B、TensorBoard）以及分布式训练（DDP、FSDP、DeepSpeed），以实现可扩展的神经网络训练。

使用 pyzotero Python 客户端与 Zotero 参考文献管理库进行交互。通过 Zotero Web API v3 检索、创建、更新和删除条目、集合、标签和附件。在程序化处理 Zotero 库、管理参考文献、导出引文、搜索库内容、上传 PDF 附件或构建与 Zotero 集成的研究自动化工作流时使用此功能。

IBM 量子计算框架。适用于针对 IBM 量子硬件、使用 Qiskit Runtime 处理生产工作负载，或需要 IBM 优化工具的场景。最适合在 IBM 硬件上执行、量子误差缓解和企业级量子计算。如需使用谷歌硬件，请选用 Cirq；如需基于梯度的量子机器学习，请选用 PennyLane；如需开放量子系统仿真，请选用 QuTiP。

用于开放量子系统的量子物理模拟库。适用于研究主方程、Lindblad动力学、退相干、量子光学或腔QED。最适合用于物理研究、开放系统动力学和教学模拟。不适用于基于电路的量子计算——如需量子算法和硬件执行，请使用Qiskit、Cirq或PennyLane。

用于精细分子控制的化学信息学工具包。支持SMILES/SDF解析、描述符（分子量、LogP、TPSA）、指纹、子结构搜索、二维/三维生成、相似性计算和反应分析。如需标准工作流及更简洁的界面，请使用datamol（基于RDKit的封装）；如需高级控制、自定义净化或专用算法，请使用RDKit。

查询 Reactome REST API 以进行通路分析、富集分析、基因-通路映射、疾病通路、分子互作和表达分析，用于系统生物学研究。

为NSF、NIH、DOE、DARPA和台湾NSTC撰写具有竞争力的研究提案，涵盖机构特定的格式要求、评审标准、预算编制、广泛影响、重要性陈述、创新叙述以及符合提交要求。

通过并行聊天API（主要）或Perplexity sonar-pro-search（学术论文搜索）查找最新的研究信息。自动将查询路由至最佳后端。用于查找论文、收集研究数据和验证科学信息。

标准单细胞RNA测序分析流程。适用于质量控制、归一化、降维（PCA/UMAP/t-SNE）、聚类、差异表达分析和可视化。最适合采用成熟工作流程的探索性单细胞RNA测序分析。如需使用深度学习模型，请使用scvi-tools；如有关于数据格式的问题，请使用anndata。