スキル一覧に戻る

benchmark-and-mms-planner

HeshamFS
更新日 Yesterday
6 閲覧
40
3
40
GitHubで表示
テストai

について

このClaudeスキルは、シミュレーションコードの検証・妥当性確認計画を作成し、信頼できる結果を保証する開発者を支援します。製造解、ベンチマーク問題、合否基準を伴う精緻化研究など、体系的な方法論を提供します。単なる妥当性の示唆ではなく、ソルバーの正確性を厳密に証明する必要がある場合にご利用ください。

クイックインストール

Claude Code

推奨
メイン
npx skills add HeshamFS/materials-simulation-skills -a claude-code
プラグインコマンド代替
/plugin add https://github.com/HeshamFS/materials-simulation-skills
Git クローン代替
git clone https://github.com/HeshamFS/materials-simulation-skills.git ~/.claude/skills/benchmark-and-mms-planner

このコマンドをClaude Codeにコピー&ペーストしてスキルをインストールします

ドキュメント

Benchmark And MMS Planner

Goal

Design a verification and validation plan before trusting simulation results. The skill helps agents choose manufactured solutions, benchmark cases, refinement protocols, uncertainty checks, and pass/fail criteria.

Requirements

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

Inputs to Gather

InputDescriptionExample
PDE or model classGoverning familydiffusion, elasticity, phase-field
Quantity of interestMetric to validateinterface velocity, L2 temperature error
Dimension1, 2, or 32
Expected orderFormal discretization order2
Reference availabilityAnalytic, benchmark, or noneanalytic
Risk levelCost or consequence of wrong resulthigh

Decision Guidance

  • Use MMS when code correctness is uncertain and an analytic solution can be injected.
  • Use canonical benchmarks when physical model validation matters more than code verification.
  • Use grid/time refinement whenever the result is used for a claim, design decision, or comparison.
  • Use uncertainty propagation when inputs are calibrated, noisy, or experimentally measured.

Script Outputs

scripts/benchmark_mms_planner.py emits inputs and results with:

  • verification_strategy
  • mms_plan
  • benchmark_cases
  • refinement_protocol
  • acceptance_criteria
  • warnings

Workflow

  1. Collect the governing model, quantity of interest, and risk level.
  2. Run benchmark_mms_planner.py --json.
  3. Treat warnings as blockers for high-risk claims.
  4. Convert the returned protocol into tests, simulation runs, or review checklist items.
python3 skills/verification-validation/benchmark-and-mms-planner/scripts/benchmark_mms_planner.py \
  --model diffusion \
  --quantity "L2 error in temperature" \
  --dimension 2 \
  --expected-order 2 \
  --reference analytic \
  --risk high \
  --json

Error Handling

  • If the dimension or expected order is invalid, stop and correct the model description.
  • If no reference exists, use conservation and convergence checks but do not call the result validated.

Limitations

This skill plans verification work; it does not run the solver or prove that a physical model is appropriate for an experiment.

Security

  • Inputs are scalar strings and finite numeric values only.
  • The script does not execute external solvers.
  • File writes are not performed.
  • The skill uses Bash only to run its bundled script.

References

  • See references/vv_patterns.md for MMS, benchmark, and uncertainty planning notes.

Version History

  • 1.0.0: Initial benchmark and MMS planning skill.

GitHub リポジトリ

HeshamFS/materials-simulation-skills
パス: skills/verification-validation/benchmark-and-mms-planner
0
agent-skillsagentscli-toolscomputational-sciencellmmaterials-science

関連スキル

evaluating-llms-harness

テスト

このClaudeスキルは、lm-evaluation-harnessを実行し、MMLUやGSM8Kなど60以上の標準化学術タスクでLLMをベンチマークします。開発者がモデルの品質を比較し、トレーニングの進捗を追跡し、学術的な結果を報告するために設計されています。このツールはHuggingFaceやvLLMモデルを含む様々なバックエンドをサポートしています。

スキルを見る

cloudflare-cron-triggers

テスト

このスキルは、cron式を使用してWorkersをスケジュールするためのCloudflare Cron Triggersの実装に関する包括的な知識を提供します。定期的なタスクの設定、メンテナンスジョブ、自動化されたワークフローの構築を網羅し、無効なcron式やタイムゾーン問題といった一般的な課題への対処法も含みます。開発者はこれを使用して、スケジュールされたハンドラーの設定、cronトリガーのテスト、WorkflowsやGreen Computeとの連携を構成できます。

スキルを見る

webapp-testing

テスト

このClaude Skillは、Playwrightベースのツールキットを提供し、Pythonスクリプトを通じてローカルWebアプリケーションのテストを可能にします。フロントエンドの検証、UIデバッグ、スクリーンショット撮影、ログ表示を実現し、サーバーライフサイクルを管理します。ブラウザ自動化タスクにご利用いただけますが、コンテキストの汚染を避けるため、スクリプトのソースコードを読むのではなく直接実行してください。

スキルを見る

finishing-a-development-branch

テスト

このスキルは、開発者がテストの合格を確認し、構造化された統合オプションを提示することで、完成した作業を仕上げることを支援します。実装が完了した後のマージ、PR作成、ブランチの整理といったワークフローを案内します。コードが準備できてテスト済みの際に使用し、開発プロセスを体系的に完了させましょう。

スキルを見る