Découvrez les meilleurs outils IA

Bibliothèque Python entraînant des réseaux sur des données hydrologiques avec modèles et paramètres configurables. Basée sur PyTorch, exige Python 3.10+. L’utilisateur prépare données et configurations ; c’est une bibliothèque de recherche, pas un service d’alerte prêt à l’emploi.

Cadre de recherche pour prévisions terrestres globales et régionales avec scripts d’entraînement et d’inférence. Nécessite données préparées, checkpoints et environnement CUDA documenté. Le README indique que le code couplé océan-atmosphère n’est pas encore publié.

Bibliothèque de graphes pour modèles de matériaux et potentiels interatomiques. Les versions actuelles utilisent PyTorch Geometric et ont supprimé DGL. Nécessite Python 3.11+ et des poids adaptés ; les accélérations optionnelles dépendent du matériel et du modèle.

Paquet de modélisation des matériaux avec potentiels interatomiques préentraînés, calculateur ASE et outils d’entraînement. Prend en charge JAX et, en option, PyTorch ; les Hessiennes analytiques sont actuellement limitées à JAX. Nécessite Python 3.10+, les poids adaptés et des dépendances scientifiques.

Logiciel de recherche identifiant virus et plasmides dans les séquences, avec taxonomie virale, détection de provirus et annotation protéique. Nécessite une base de référence distincte et des dépendances de calcul. La licence limite l’usage aux établissements universitaires accrédités pour la R&D interne non commerciale ; le commerce exige une licence séparée.

Cadre de recherche qui modifie un agent de programmation et évalue ses variantes sur des benchmarks comme SWE-bench et Polyglot. Nécessite Docker, les environnements de test et des identifiants API de modèles. Ce système expérimental ne garantit pas une amélioration autonome fiable.

Application d’agent de recherche configurable avec CLI, interface web, outils et état persistant. Fournisseur de modèle requis ; édition de fichiers et commandes possibles, résultats à vérifier indépendamment.

Pipeline multi-agent proposant, implémentant et évaluant des architectures d’attention linéaire. Configuration de modèles, bases, recherche et calcul expérimental requis ; résultats publiés sans garantie de performance.

Framework faisant évoluer des programmes selon un score et synthétisant des systèmes depuis des spécifications. Modèle requis pour optimiser, agent pour synthétiser ; résultats dépendant de l’évaluation et du contexte.

Bibliothèque et CLI de programmation évolutive générant et évaluant des variantes via modèles et évaluateur fourni. Ressources requises ; un meilleur score ne prouve pas la correction générale.

Client Python et CLI pour recherche documentaire et graphes via l’API hébergée SciAtlas. Jeton requis ; workflows complets nécessitant le dépôt, pas seulement le paquet client. Données hébergées non incluses.

MCP DC Hub de données centres, réseau électrique, fibre et capacité pour études de sites/marchés. Quotas anonymes/clé, fraîcheur variable. Mises en relation après accord aux conditions pouvant partager les besoins ; pas tout en lecture, capacité non garantie.

Intègre PyMOL sans interface pour vues moléculaires et images, avec trajectoires GROMACS/LAMMPS et analyse d’hydrates en option. Interpréteur disposant de pymol2 requis, généralement conda ; les lanceurs isolés génériques ne l’incluent pas. Exécution arbitraire désactivée par défaut, pont MDAnalysis sous GPL distincte.

Service hébergé et pont stdio pour preuves FDA, rappels, suivi après marché, remboursements et données NHTSA. Quotas anonymes en unités de travail, allocations avec clé possibles. Les appels actualisent quotas/télémétrie ; signaux de recherche, pas conseils réglementaires ni preuve de sécurité.

Recherche des protéines et regroupe les preuves avec version UniProt, date, URL et hash pour vérifier les changements. Le rejeu hors ligne exige un cache rempli manuellement ; écriture automatique non implémentée. Le hash établit la cohérence des données, pas leur vérité scientifique ou validité clinique.

Connecteur local AlphaFold DB et sources biomédicales, avec graphe SQLite et rapports préliminaires. Récupère des prédictions sans exécuter AlphaFold. Requêtes en ligne avec identifiants transmis ; hors ligne, accès au graphe local seulement. Persistance automatique inachevée et validation scientifique indépendante en attente.

Petit serveur Python MCP pour PubMed, résumés, filtres de revues et citations simples. Le code montre que le « résumé PICO » tronque seulement l’abstract et ignore le paramètre de style bibliographique. Hébergement MCPize à paliers gratuits/payants distincts ; les promesses avancées ne sont pas une analyse implémentée.

Recherche PubMed, ClinicalTrials.gov et ISRCTN via interfaces publiques, avec prompts de synthèse et recherche d’essais. Python 3.12+, sans clé pour les routes documentées. Les modèles de prompts ne déterminent pas l’éligibilité d’un patient ni ne valident qualité et exhaustivité des études.

Propose recherche documentaire, évaluation des biais, modèles coût-efficacité et dossiers HTA préliminaires via MCP. Node.js 20+ ; interface web avec clé de modèle personnelle. Résultats de recherche à faire valider par un économiste de santé avant soumission ou décision de payeur, pas un soutien clinique.

Interroge loci végétaux, variants, voies et littérature dans des services génomiques publics, avec lots et synthèse multisource. Python 3.11+ requis ; couverture variable selon espèce/backend. Le point de démonstration n’a pas de SLA de production et chaque source conserve ses conditions.

Agrège les nouveautés scientifiques, code et dispositifs réglementés depuis arXiv, PubMed, GitHub, Hugging Face et openFDA. Briefings configurables, accès public soumis aux limites ; traduction par le LLM connecté. Les tendances sont sélectives, pas une revue exhaustive ni une conclusion réglementaire.

MCP expérimental combinant UniProt/données de repli, coordonnées de plaques, pipetage, température ADN et conversion EMG-mouvement. Les bornes mathématiques servent au prototypage, pas au contrôle médical/prothétique certifié. Un déploiement physique exige validation indépendante ; cette fiche ne vérifie pas la sécurité matérielle.

Adaptateur en lecture seule d’un corpus hébergé dérivé de PubMed : recherche naturelle/par identifiant, notices sourcées et exploration bornée des citations/liens sémantiques. Sans compte ni clé ; refuse contenus patients ou privés. Rang et proximité ne prouvent ni validité scientifique ni causalité ; le service documentaire est hébergé séparément.

Exécute des workflows bioinformatiques enregistrés via MCP et consigne versions, paramètres, conteneurs et sommes de contrôle dans des RO-Crates. Exécution réelle avec Nextflow et Docker ; backend simulé sans dépendances pour les tests. La provenance aide l’audit sans valider les conclusions scientifiques ni garantir des résultats identiques partout.