Skills Agentes

Fluidsim

Planifica, configura, inspecciona, reinicia y analiza simulaciones CFD con FluidSim con controles explícitos de validez numérica y seguridad HPC: selección de solver, parámetros, FFT/MPI, diagnóstico de salidas y compatibilidad de reinicio.

Solicitaread write bash glob python
Estrellas
34.8k

en todo el repo

Actividad
59

0–100, la ruta de este skill

Actualizado
el mes pasado

último commit aquí

Commits
4

últimos 90 días

Contexto
2.9k tok

69 tok en reposo

Paquete
16 archivos

172 KB

Instalar

Funciona con cualquier agente que lea SKILL.md

npx -y skills add K-Dense-AI/scientific-agent-skills --skill fluidsim --agent claude-code

Se instala solo en este repositorio.

Este skill reads environment config.

Qué hace

  • Guía la planificación, configuración y validación de simulaciones CFD con FluidSim antes de ejecutarlas
  • Genera un plan JSON estricto con límites de CPU, RAM, disco, tiempo, timestep, CFL, resolución y dealiasing
  • Ejecuta un validador y estimador de recursos, y genera un script dry-run que no corre sin confirmación explícita
  • Aporta scripts para inventariar salidas, revisar presupuestos de conservación y comprobar compatibilidad de reinicio
  • Exige evidencia de convergencia numérica y validez física antes de aceptar cualquier resultado

Úsalo cuando

  • Vas a configurar, seleccionar solver o revisar parámetros de una simulación FluidSim
  • Necesitas preparar un trabajo MPI o pseudo-espectral con límites de recursos explícitos
  • Quieres validar la resolución, el timestep o los presupuestos de conservación de una corrida
  • Necesitas comprobar si un estado guardado es compatible para reiniciar una simulación

No lo uses cuando

    Qué lo activa

    Di cualquiera de estas frases y el agente debería cargar este skill.

    • Ayúdame a configurar una simulación ns2d con FluidSim
    • Valida los parámetros de este config.json de FluidSim
    • Revisa si esta corrida está lista para un reinicio
    • Genera un plan de recursos para esta simulación CFD

    SKILL.md

    En inglés

    FluidSim

    Use FluidSim 0.9.0 as a framework for Python-defined numerical solvers, especially periodic Cartesian pseudospectral CFD. Upstream FluidSim is CeCILL-2.1; the MIT frontmatter license applies only to this skill.

    This skill does not treat a completed run, a stable time step, a smooth plot, or a closed program exit as evidence of numerical convergence or physical validity.

    Required workflow

    1. State equations, units or nondimensionalization, geometry, boundaries, initial conditions, forcing, observables, and acceptance criteria.
    2. Select a verified solver and inspect its generated default parameters.
    3. Create a strict JSON plan with explicit CPU, RAM, disk, wall-time, output-file, timestep, CFL, resolution, and dealiasing bounds.
    4. Run the bundled validator and resource estimator.
    5. Generate and review a dry-run script. It does nothing unless executed with an explicit config-ID acknowledgement.
    6. Run one tiny serial pilot. Inspect budgets, divergence/constraints, spectral tails, CFL/time-step history, and output growth.
    7. Refine grid and time step independently. Check conservation/budget residuals and observable sensitivity.
    8. Only then prepare a site-specific MPI job. Never submit or launch MPI automatically.
    9. Preserve config, script, uv.lock, package/platform/backend versions, logs, output inventory, checksums, and restart lineage.

    Stop if physical assumptions, units, boundary conditions, forcing semantics, resolution criteria, resource limits, or acceptance criteria are missing.

    Version and installation

    As verified on 2026-07-23:

    • Latest stable PyPI release: fluidsim==0.9.0 (2025-12-04).
    • Package metadata requires Python >=3.11 and lists Python 3.11–3.14.
    • Pseudospectral parameter creation needs FluidFFT; bare fluidsim imported in the smoke test, but ns2d.create_default_params() failed until the fft extra was installed.
    • Current companion versions tested here: fluidfft==0.4.5 and pyFFTW==0.15.1.

    Prefer a project lock:

    uv init --python 3.11
    uv add "fluidsim[fft]==0.9.0" "fluidfft==0.4.5" "pyFFTW==0.15.1"
    uv lock
    uv sync --frozen
    

    For an isolated disposable environment:

    uv venv --python 3.11
    uv pip install "fluidsim[fft]==0.9.0" "fluidfft==0.4.5" "pyFFTW==0.15.1"
    

    The project lock is the reproducibility record; direct pins alone do not freeze all transitive artifacts. Do not reuse a lock across incompatible platforms or MPI ABIs.

    MPI is optional and native:

    uv add "mpi4py==4.1.2" "fluidfft-mpi-with-fftw==0.0.1" "fluidfft-fftwmpi==0.0.1"
    uv lock
    

    Those packages still require a compatible MPI runtime and FFTW development libraries. The optional native plugins are:

    • fluidfft-fftw==0.0.1: sequential fft2d.with_fftw1d, fft2d.with_fftw2d, fft3d.with_fftw3d.
    • fluidfft-mpi-with-fftw==0.0.1: MPI fft2d.mpi_with_fftw1d, fft3d.mpi_with_fftw1d.
    • fluidfft-fftwmpi==0.0.1: MPI-enabled FFTW fft2d.mpi_with_fftwmpi2d, fft3d.mpi_with_fftwmpi3d.
    • fluidfft-p3dfft==0.0.1: fft3d.mpi_with_p3dfft; requires P3DFFT.
    • FluidFFT also declares PFFT and P3DFFT extras; audit and pin their native stacks for the target cluster.

    FluidFFT documents cuFFT historically, but FluidFFT 0.4.5 declares no CUDA extra or installed GPU plugin in its package metadata, and its CUDA installation page is unfinished. Do not claim GPU acceleration or install an unrelated CUDA wheel as a FluidSim backend. Treat GPU work as source-level experimental integration requiring separate validation.

    See installation for system dependencies, MPI ABI, HDF5-MPI, backend discovery, and verification.

    API snapshot

    Use direct, versioned imports:

    from fluidsim.solvers.ns2d.solver import Simul
    
    params = Simul.create_default_params()
    params.oper.nx = params.oper.ny = 32
    params.oper.Lx = params.oper.Ly = 2 * 3.141592653589793
    params.oper.coef_dealiasing = 2 / 3
    params.time_stepping.USE_CFL = True
    params.time_stepping.cfl_coef = 0.5
    params.time_stepping.deltat0 = 0.001
    params.time_stepping.deltat_max = 0.01
    params.time_stepping.t_end = 0.1
    params.time_stepping.max_elapsed = "00:05:00"
    params.init_fields.type = "noise"
    params.init_fields.noise.velo_max = 0.01
    params.output.HAS_TO_SAVE = False
    params.output.ONLINE_PLOT_OK = False
    

    Important 0.9 corrections:

    • CFL field: params.time_stepping.cfl_coef, not CFL.
    • Time-correlated forcing: params.forcing.tcrandom.time_correlation, not a flat tcrandom_time_correlation.
    • NS2D default initial types include constant, noise, jet, dipole, from_file, from_simul, and in_script; do not invent a universal list for every solver.
    • Output state files default to state_phys_t*.nc; spectra use spectra1D.h5/spectra2D.h5; scalar means are solver-dependent spatial_means.txt or JSON-lines.
    • params.output.sub_directory is relative under FLUIDSIM_PATH.

    ParamContainer rejects undeclared attributes. Always generate defaults from the selected Simul class and inspect them before changing values. See parameters.

    Solvers

    Primary Cartesian CFD keys and imports:

    from fluidsim.solvers.ns2d.solver import Simul       # ns2d
    from fluidsim.solvers.ns2d.bouss.solver import Simul # ns2d.bouss
    from fluidsim.solvers.ns2d.strat.solver import Simul # ns2d.strat
    from fluidsim.solvers.ns3d.solver import Simul       # ns3d
    from fluidsim.solvers.ns3d.bouss.solver import Simul # ns3d.bouss
    from fluidsim.solvers.ns3d.strat.solver import Simul # ns3d.strat
    

    The 0.9 registry also includes plate2d, sw1l variants, waves2d, 1D models, 0D models, spherical solvers, and framework adapters. Availability in the registry does not make a solver appropriate for a scientific question. Verify equations, variables, geometry, boundaries, and diagnostics in the solver source. See solvers.

    Forcing and time advancement

    Forcing is solver-specific. A current normalized random example is:

    params.forcing.enable = True
    params.forcing.type = "tcrandom"
    params.forcing.forcing_rate = 1.0
    params.forcing.nkmin_forcing = 4
    params.forcing.nkmax_forcing = 5
    params.forcing.tcrandom.time_correlation = "based_on_forcing_rate"
    

    Record the forced variable, normalization definition, wave-number band, random seed/state, injection target, and measured injection. FluidSim 0.9 saves state parameters for restart; 0.8.6 fixed time-correlated forcing restart behavior.

    Available pseudospectral schemes include Euler/RK2 phase-shift variants, RK2_trapezoid, and RK4. A named order does not establish accuracy. Check CFL, fast-wave/diffusive limits, deltat_max, and time-step refinement. See advanced features.

    Outputs, loading, and restart

    For read-only analysis:

    from fluidsim import load_sim_for_plot
    
    sim = load_sim_for_plot("run-directory", hide_stdout=True)
    sim.output.spatial_means.plot()
    sim.output.spectra.plot1d()
    sim.output.phys_fields.plot(time=1.0)
    

    load_sim_for_plot uses a coarse operator and disables saving/online plotting. For a state-bearing object:

    from fluidsim import load_state_phys_file
    
    sim = load_state_phys_file("run-directory", t_approx="last")
    

    For a controlled restart, prefer load_for_restart or first run fluidsim-restart --only-check. Do not use --modify-params with untrusted text: the upstream CLI executes Python code supplied to that option. This skill's generator never emits it. Verify solver, grid/domain, state variables, versions, forcing state, checksum, target time, output destination, and resource bounds. Resolution changes require the dedicated reviewed workflow, not a silent grid edit. See simulation workflow and output analysis.

    Scientific acceptance gate

    Before interpreting results, require:

    • Explicit dimensional units or a complete nondimensionalization map.
    • Correct equations, periodic geometry/boundaries, initial state, forcing, and diagnostic definitions.
    • Resolution and dealiasing evidence: spectra/tails, resolved gradients, and solver-appropriate small-scale criteria.
    • Timestep evidence: CFL history, fastest-wave and dissipative limits, and smaller-step comparison.
    • Conservation and budget checks including forcing, dissipation, transfers, and residuals.
    • Grid/time refinement with uncertainty or sensitivity for reported observables.
    • Comparison to an analytical solution, manufactured solution, benchmark, or independently reproduced result where appropriate.
    • Complete provenance and restart lineage.

    Never label a run “DNS,” “converged,” “validated,” “steady,” or “physically correct” from parameter values or plots alone.

    Bundled local tools

    All tools emit strict JSON, reject URLs/traversal/symlinks, enforce hard bounds, use no network or subprocess, and never launch a simulation:

    python3 scripts/solver_config_validator.py --example
    python3 scripts/solver_config_validator.py --config config.json
    python3 scripts/grid_resource_estimator.py --config config.json
    python3 scripts/simulation_dry_run.py --config config.json --output run.py
    python3 scripts/output_inventory.py --path run-directory
    python3 scripts/budget_summary.py --path run-directory
    python3 scripts/restart_compatibility.py --source state.nc --target-config config.json
    

    The HDF5 tools lazily require h5py, inspect bounded metadata/hyperslabs, and never follow external links or load full field arrays.

    References

    Dated upstream basis

    Verified 2026-07-23 against PyPI 0.9.0, FluidSim 0.9 docs, release notes, official source mirror, FluidFFT 0.4.5 docs, and the primary FluidSim (DOI 10.5334/jors.239) and FluidFFT (DOI 10.5334/jors.238) papers. API claims use official docs/source; method/performance claims in the references are scoped to the cited primary papers and their benchmark setups.

    Reproducido de K-Dense-AI/scientific-agent-skills bajo licencia MIT. Leer esta página en markdown.

    Archivos

    16 archivos en el paquete. Solo se lee SKILL.md al activarse — las referencias se cargan si el skill decide que las necesita.

    Antes de instalar

    Necesita Python 3.11+; los solvers pseudo-espectrales requieren FluidFFT, y MPI/FFT nativos requieren MPI compatible, cabeceras FFTW/PFFT/P3DFFT y compiladores.

    Necesita en el PATH:python3

    Variables de entorno:FLUIDSIM_PATH

    Detalles

    Creador
    K-Dense-AI
    Licencia
    MIT
    Recursos incluidos
    scripts en python + referencias
    Código fuente
    Ver SKILL.md

    Etiquetas

    Más de K-Dense-AI/scientific-agent-skills

    Este repo incluye 163 skills. Si instalas uno, normalmente ya tienes los demás.

    Gestión integral de citas académicas: busca en OpenAlex, PubMed y Google Scholar, extrae metadatos precisos, valida citas y genera entradas BibTeX correctamente formateadas.

    Costo de contexto al activarse
    3.7k tok
    Tamaño del paquete
    21 archivos
    Última actualización
    hace 28 días
    investigacion

    Realiza revisiones bibliográficas sistemáticas y completas usando varias bases académicas (PubMed, arXiv, bioRxiv, Semantic Scholar). Genera markdown y PDF con citas verificadas en varios estilos (APA, Nature, Vancouver).

    Costo de contexto al activarse
    3.2k tok
    Tamaño del paquete
    12 archivos
    Última actualización
    hace 15 días
    investigacion

    Crea decks de diapositivas y presentaciones para charlas de investigación: PowerPoint, presentaciones de conferencia, seminarios, defensas de tesis. Da estructura, plantillas, guía de tiempos y validación visual.

    Costo de contexto al activarse
    5.1k tok
    Tamaño del paquete
    24 archivos
    Última actualización
    hace 15 días
    documentos

    Crea infografías profesionales con Nano Banana Pro AI y refinamiento iterativo inteligente. Usa Gemini 3.6 Flash para revisar la calidad e integra investigación con Perplexity Sonar. Soporta 10 tipos, 8 estilos y paletas para daltonismo.

    Costo de contexto al activarse
    2.7k tok
    Tamaño del paquete
    8 archivos
    Última actualización
    hace 15 días
    diseno ui

    Crea pósteres de investigación profesionales en LaTeX con beamerposter, tikzposter o baposter, para conferencias y comunicación científica: layout, colores, columnas múltiples e integración de figuras.

    Costo de contexto al activarse
    3.9k tok
    Tamaño del paquete
    17 archivos
    Última actualización
    hace 15 días
    documentos

    Crea diagramas científicos de calidad de publicación con la IA Nano Banana 2 y refinamiento iterativo inteligente. Gemini 3.6 Flash revisa la calidad y solo regenera si está por debajo del umbral de tu tipo de documento.

    Costo de contexto al activarse
    4.1k tok
    Tamaño del paquete
    6 archivos
    Última actualización
    hace 15 días
    diseno ui

    Skills relacionados

    Aeon

    34.8k

    Para tareas de machine learning con series temporales: clasificación, regresión, clustering, forecasting, detección de anomalías, segmentación y búsqueda de similitud, con APIs compatibles con scikit-learn.

    Costo de contexto al activarse
    3.1k tok
    Tamaño del paquete
    12 archivos
    Última actualización
    el mes pasado
    datos analitica

    Anndata

    34.8k

    Estructura de datos para matrices anotadas en análisis de célula única. Úsala con archivos .h5ad o el ecosistema scverse; para análisis usa scanpy, para modelos probabilísticos scvi-tools, para escala poblacional cellxgene-census.

    Costo de contexto al activarse
    3k tok
    Tamaño del paquete
    6 archivos
    Última actualización
    el mes pasado
    datos analitica

    Infiere redes de regulación génica (GRN) a partir de datos de expresión génica con algoritmos escalables (GRNBoost2, GENIE3), para transcriptómica bulk o de célula única, con computación distribuida.

    Costo de contexto al activarse
    2.1k tok
    Tamaño del paquete
    5 archivos
    Última actualización
    el mes pasado
    datos analitica