AE
数据与复现
aeon
aeon：Aeon是一个兼容 scikit-learn Python 工具包 ，用于 时序机器学习。 It provides state-of- -art algorithms ，用于 分类，回归，聚类，预测，异常检测，分割，、 相似性检索…
K-Dense-AI/claude-scientific-skills查看
数据与复现
PO
post-processing
维护者 FreedomIntelligence · 最近更新 2026年4月1日
post-processing：提取，analyze，、 visualize 模拟 output data。 可用于field extraction，时序分析，line profiles，statistical summaries，derived quantity computation，result comparison to references，、 automated report generation ，面向 模拟 results。
原始来源
FreedomIntelligence/OpenClaw-Medical-Skills
https://github.com/FreedomIntelligence/OpenClaw-Medical-Skills/tree/main/skills/post-processing
- 维护者
- FreedomIntelligence
- 许可
- MIT
- 最近更新
- 2026年4月1日
技能摘要
来自 SKILL.md 的关键信息
核心说明
- 分析 、 extract meaningful information ，面向 模拟 output data。
- 转换 raw 模拟 output into actionable insights through field extraction，统计分析，derived quantities，visualizations，、 comparison ，支持 reference data。
原始文档
SKILL.md 摘录
Inputs to Gather
Before running post-processing scripts, collect:
-
Output Data Location
- Path to simulation output files (JSON, CSV, HDF5, VTK)
- Time step/snapshot indices of interest
- Field names to extract
-
Analysis Type
- Field extraction (spatial data at specific times)
- Time series (temporal evolution of quantities)
- Line profiles (1D cuts through domain)
- Statistical summary (mean, std, distributions)
- Derived quantities (gradients, integrals, fluxes)
- Comparison to reference data
-
Output Requirements
- Output format (JSON, CSV, tabular)
- Visualization needs
- Report format
Scripts
| Script | Purpose | Key Inputs |
|---|---|---|
field_extractor.py | Extract field data from output files | --input, --field, --timestep |
time_series_analyzer.py | Analyze temporal evolution | --input, --quantity, --window |
profile_extractor.py | Extract line profiles | --input, --field, --start, --end |
statistical_analyzer.py | Compute field statistics | --input, --field, --region |
derived_quantities.py | Calculate derived quantities | --input, --quantity, --params |
comparison_tool.py | Compare to reference data | --simulation, --reference, --metric |
report_generator.py | Generate summary reports | --input, --template, --output |
1. Data Inventory
First, understand what data is available:
适用场景
- 可用于field extraction，时序分析，line profiles，statistical summaries，derived quantity computation，result comparison to references，、 automated report generation ，面向 模拟 results。
不适用场景
- Do not rely on this catalog entry alone ，用于 installation 或 maintenance details。
相关技能
相关技能
AR
数据与复现
arxiv-database
arxiv-database：This skill provides Python tools ，用于 searching 、 retrieving preprints ，面向 arXiv.org ，通过 its public Atom A…
K-Dense-AI/claude-scientific-skills查看
BA
数据与复现
bayesian-optimizer
bayesian-optimizer：Bayesian optimization ，用于 experimental design 、 hyperparameter tuning in biomedical research。
FreedomIntelligence/OpenClaw-Medical-Skills查看
bio-alignment-files-bam-statistics：Compute alignment statistics：flagstat，idxstats，coverage depth。
FreedomIntelligence/OpenClaw-Medical-Skills查看