基于自动化大型语言模型的表格数据假设生成与验证。适用于系统性探索经验数据中模式的假设（例如，欺骗检测、内容分析）。结合文献洞察与数据驱动的假设检验。如需手动提出假设，请使用“假设生成”；如需创意构思，请使用“科学头脑风暴”。

专为医疗器械质量管理体系ISO 13485认证文件准备的综合工具包。当用户需要协助完成ISO 13485 QMS文件工作时使用，包括：（1）对现有文件进行差距分析；（2）编制质量手册；（3）制定所需程序和作业指导书；（4）准备医疗器械档案；（5）理解ISO 13485要求；或（6）识别医疗器械认证所需的缺失文件。当用户提及医疗器械法规、QMS认证、FDA QMSR、欧盟MDR，或需要协助编制质量体系文件时，也请使用本工具包。

使用多个学术数据库（如PubMed、arXiv、bioRxiv、Semantic Scholar等）进行全方位、系统性的文献综述。此技能适用于开展系统性文献综述、元分析、研究整合或跨生物医学、科学与技术领域的全面文献检索。能够创建格式专业、引用经过核实的Markdown文档和PDF文件，支持多种引用格式（如APA、Nature、Vancouver等）。

使用 OpenMM 和 MDAnalysis 运行并分析分子动力学模拟。搭建蛋白质/小分子体系，定义力场，执行能量最小化和分子动力学生产模拟，分析轨迹（RMSD、RMSF、接触图、自由能表面），适用于结构生物学、药物结合和生物物理学研究。

一个功能全面的工具包，用于在 Python 中创建、分析和可视化复杂网络与图。适用于处理网络/图数据结构、分析实体间的关联、计算图算法（最短路径、中心性、聚类）、检测社区结构、生成合成网络或可视化网络拓扑结构。适用于社交网络、生物网络、交通系统、引文网络以及任何涉及成对关系的领域。

用于分析包括心电图（ECG）、脑电图（EEG）、皮肤电活动（EDA）、呼吸信号（RSP）、光电容积脉搏波（PPG）、肌电图（EMG）和眼电图（EOG）在内的生理数据的综合性生物信号处理工具包。适用于处理心血管信号、脑活动、皮肤电反应、呼吸模式、肌肉活动或眼动。可用于心率变异性分析、事件相关电位、复杂性衡量、自主神经系统评估、心理生理学研究以及多模态生理信号的整合。

一种与硬件无关的量子机器学习框架，支持自动微分。适用于通过梯度训练量子电路、构建混合量子-经典模型，或需在IBM/Google/Rigetti/IonQ等设备间实现跨平台兼容的场景。最适合用于变分算法（VQE、QAOA）、量子神经网络，以及与PyTorch/JAX/TensorFlow的集成。如需针对特定硬件的优化，请使用Qiskit（IBM）或Cirq（Google）；如需处理开放量子系统，请使用QuTiP。

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。

用于处理DICOM（医学数字成像和通信）文件的Python库。当需要读取、写入或修改DICOM格式的医学影像数据，从医学影像（CT、MRI、X射线、超声）中提取像素数据，匿名化DICOM文件，处理DICOM元数据和标签，将DICOM图像转换为其他格式，处理压缩的DICOM数据，或处理医学影像数据集时，可使用此技能。适用于涉及医学影像分析、PACS系统、放射科工作流程和医疗影像应用的任务。