fair-simulation-packager

HeshamFS

Aktualisiert 2 days ago

7 Ansichten

Metaaidata

Über

Diese Fähigkeit erstellt reproduzierbare, FAIR-konforme Bündel für Material-Simulationsdaten, indem automatisch Eingabe-/Ausgabedateien, Provenienz-Metadaten und Strukturidentifikatoren gesammelt werden. Sie generiert Manifeste mit Datei-Hashes, Engine-Versionen und standardisierten Metadaten für Plattformen wie NOMAD und Materials Project. Entwickler sollten sie vor der Veröffentlichung, Archivierung oder Übertragung von Simulationsergebnissen verwenden, um Reproduzierbarkeit sicherzustellen.

Schnellinstallation

Claude Code

Dokumentation

FAIR Simulation Packager

Goal

Build a minimal reproducibility manifest for materials simulation results so another person or agent can understand what was run, with which inputs, and how outputs should be interpreted.

Requirements

Python 3.10+
No external dependencies
Works on Linux, macOS, and Windows

Inputs to Gather

Input	Description	Example
Project name	Human-readable bundle name	`al-cu-diffusion-study`
Engine	Simulation code	`LAMMPS`, `VASP`, `MOOSE`
Input files	Files needed to rerun	`in.lammps,data.lmp`
Output files	Files needed to verify results	`log.lammps,traj.dump`
Structure ID	Database or local identifier	`mp-149`
Units	Field/unit mapping	`energy=eV,length=angstrom`

Decision Guidance

Always include input files, output files, code version, and units.
Include hashes for every file that exists locally.
Include structure identifiers when using Materials Project, NOMAD, OPTIMADE, CIF, POSCAR, or internal database records.
Record missing files as warnings instead of silently dropping them.

Script Outputs

scripts/fair_packager.py emits:

manifest
file_inventory
missing_files
fair_checks
recommended_next_steps

Workflow

python3 skills/data-management/fair-simulation-packager/scripts/fair_packager.py \
  --project-name al-cu-diffusion \
  --engine LAMMPS \
  --inputs in.lammps,data.lmp \
  --outputs log.lammps,traj.dump \
  --units energy=eV,length=angstrom,time=ps \
  --structure-id local:alcu-cell-001 \
  --json

Use --out manifest.json only when the user wants a manifest file written.

Error Handling

Missing files are reported in missing_files; invalid unit fields or unsafe paths stop with exit code 2.

Limitations

This skill creates a metadata manifest. It does not upload to NOMAD, Materials Project, or an OPTIMADE provider.

Security

File paths are read only for metadata and SHA-256 hashing.
The script rejects control characters and oversized files above 500 MB.
Optional manifest writing is restricted to the requested output path.
The skill uses Bash only to run the bundled script.

References

See references/fair_manifest.md for recommended manifest fields.

Version History

1.0.0: Initial FAIR simulation packaging skill.

GitHub Repository

HeshamFS/materials-simulation-skills

Pfad: skills/data-management/fair-simulation-packager

agent-skillsagentscli-toolscomputational-sciencellmmaterials-science

Verwandte Skills

content-collections

Meta

Diese Skill bietet eine produktionsgetestete Einrichtung für Content Collections – ein TypeScript-first-Tool, das Markdown/MDX-Dateien in typsichere Datensammlungen mit Zod-Validierung umwandelt. Verwenden Sie ihn beim Erstellen von Blogs, Dokumentationsseiten oder inhaltsstarken Vite + React-Anwendungen, um Typsicherheit und automatische Inhaltsvalidierung zu gewährleisten. Er behandelt alles von der Vite-Plugin-Konfiguration und MDX-Kompilierung bis hin zur Deployment-Optimierung und Schema-Validierung.

Skill ansehen

polymarket

Meta

Diese Fähigkeit ermöglicht es Entwicklern, Anwendungen mit der Polymarket-Prognosemärkte-Plattform zu erstellen, einschließlich API-Integration für Handel und Marktdaten. Sie bietet außerdem Echtzeit-Datenstreaming über WebSocket, um Live-Trades und Marktaktivitäten zu überwachen. Nutzen Sie sie zur Implementierung von Handelsstrategien oder zur Erstellung von Tools, die Live-Marktaktualisierungen verarbeiten.

Skill ansehen

creating-opencode-plugins

Meta

Diese Fähigkeit unterstützt Entwickler dabei, OpenCode-Plugins zu erstellen, die in über 25 Ereignistypen wie Befehle, Dateien und LSP-Operationen eingreifen. Sie bietet die Plugin-Struktur, Event-API-Spezifikationen und Implementierungsmuster für JavaScript/TypeScript-Module. Nutzen Sie sie, wenn Sie den Lebenszyklus des OpenCode KI-Assistenten mit benutzerdefinierter ereignisgesteuerter Logik abfangen, überwachen oder erweitern müssen.

Skill ansehen

sglang

Meta

SGLang ist ein hochperformantes LLM-Serving-Framework, das sich auf schnelle, strukturierte Generierung für JSON, Regex und agentenbasierte Workflows unter Verwendung seines RadixAttention-Prefix-Cachings spezialisiert. Es bietet deutlich schnellere Inferenz, insbesondere für Aufgaben mit wiederholten Präfixen, was es ideal für komplexe, strukturierte Ausgaben und Mehrfachdialoge macht. Wählen Sie SGLang gegenüber Alternativen wie vLLM, wenn Sie constrained decoding benötigen oder Anwendungen mit umfangreicher Präfix-Weitergabe entwickeln.

Skill ansehen