← Voltar para o catálogo
Habilidade de aprendizado de máquina TensorFlow especializada para aplicações em física, incluindo potenciais de redes neurais e modelos substitutos.
Ver no GitHub ↗
Licença: MIT
Como adicionar
/plugin marketplace add a5c-ai/babysitter
O comando exato pode variar conforme o repositório. Confira o README no GitHub.
Para o autor da skill
Cole no README do seu repo
Mostra que sua skill está catalogada na Skillteca, gera backlink e tráfego rastreável.
[](https://www.skillteca.com.br/skills/tensorflow-physics-ml)
利用AI大模型，一键生成高清短视频 Generate short videos with one click using AI LLM.
Automação
por harry0703
Creates an SVG weather card showing the current temperature for Dubai. Writes the SVG to orchestration-workflow/weather.svg and updates orchestration-workflow/output.md.
Automação
#ai
por shanraisshan
Automate Asana tasks via Rube MCP (Composio): tasks, projects, sections, teams, workspaces. Always search tools first for current schemas.
Automação
#git
#github
por sickn33
Integrate Stripe, PayPal, and payment processors. Handles checkout flows, subscriptions, webhooks, and PCI compliance. Use PROACTIVELY when implementing payments, billing, or subscription features.
Automação
#git
#github
por sickn33
Alerta por categoria
1 email curto, só com as skills novas de Automação. 4 minutos de leitura, sem spam, cancela com 1 clique.
Você confirma o email no primeiro envio. Sem spam. Cancela com 1 clique.
Ler descrição completaRecolher descrição
TensorFlow Physics ML
Purpose
Provides expert guidance on TensorFlow for physics applications, including physics-informed neural networks and neural network potentials.
Capabilities
- Physics-informed neural networks (PINNs)
- Neural network potentials (NNP)
- Normalizing flows for density estimation
- Graph neural networks for molecular systems
- Automatic differentiation for physics
- TensorBoard experiment tracking
Usage Guidelines
- Architecture Design: Build appropriate neural network architectures
- PINNs: Incorporate physical constraints in loss functions
- Potentials: Train neural network interatomic potentials
- GNNs: Use graph networks for molecular systems
- Training: Monitor and optimize training with TensorBoard
Tools/Libraries
- TensorFlow
- DeepMD-kit
- SchNet
Compartilhar
X
LinkedIn
