一个用 Rust 编写的高性能基因组区间分析工具包，附带 Python 绑定。适用于处理基因组区域、BED 文件、覆盖度轨迹、重叠检测、机器学习模型的分词，或计算基因组学和机器学习应用中的片段分析。

显微镜数据管理平台。通过Python访问图像，获取数据集，分析像素，管理感兴趣区域/注释，支持批量处理，适用于高内涵筛选和显微镜工作流。

专为速度和扩展性优化的高性能强化学习框架。当您需要快速并行训练、向量化环境、多智能体系统或与游戏环境（Atari、Procgen、NetHack）集成时，请使用本框架。相比标准实现，速度提升可达2至10倍。如需快速原型设计或需要详尽文档的标准算法实现，请改用stable-baselines3。

提供生产就绪的强化学习算法（PPO、SAC、DQN、TD3、DDPG、A2C），采用类似 scikit-learn 的 API，适用于标准强化学习实验、快速原型开发和文档完善的算法实现。最适合单智能体与 Gymnasium 环境结合使用。如需高性能并行训练、多智能体系统或自定义向量化环境，请改用 pufferlib。

UMAP 维度约简：用于 2D/3D 可视化和聚类预处理（HDBSCAN）的快速非线性流形学习，支持监督/参数化 UMAP，适用于高维数据。