MSMBuilder的 MSMBuilder是一个python软件包，它为高维时间序列实现了一系列统计模型。 它特别专注于生物分子动力学的原子模拟的分析。 例如，MSMBuilder已用于通过分子动力学（MD）模拟对蛋白质折叠和构象变化进行建模。 LGPL（v2.1或更高版本）提供MSMBuilder。 功能包括： 将特征提取到二面体，联系方式等中 具有多种算法的几何聚类。 使用时间结构独立成分分析（tICA）和主成分分析（PCA）进行降维。 马尔可夫状态模型（MSM）的构造 率矩阵MSM构造 隐藏马尔可夫模型（HMM）构造 时标和过渡路径分析。 在查看文档，并加入。 有关MSMBuilder的更广泛概述，请看一下我们的。 安装 对于优选的安装机构msmbuilder与conda ： $ conda install -c omnia msmbuilder 如果您没有cond

该存储库包含用于跨音速导弹系统飞行动力学仿真的MATLABSimulink仿真软件。___下载.zip

Cellulose-builder 是一个用户友好的程序，可以构建不同尺寸和几何形状的纤维素晶体结构。该程序以蛋白质数据库格式为指定结构的所有原子生成笛卡尔坐标，适合用作分子动力学模拟和其他计算中的起始配置。纤维素多晶型物 Iα、Iβ、II 和 III I的晶体结构实际上任何尺寸的纤维都可以很容易地构建，包括平行六面体、任何长度的植物细胞壁纤维素基本原纤维和单层。

流体 内容 什么是流体？ Fluids 是面向在化学、机械或土木工程领域工作的工程师和技术人员的开源软件。 它包括管道、配件、泵、罐、可压缩流、明渠流、大气特性、太阳能特性、粒度分布、两相流、摩擦系数、控制阀、Kong板和其他流量计、喷射器、减压模块阀门等。 流体库旨在成为与流体动力学相关的工程知识和实用程序的低开销、轻量级存储库。 Fluids 最初与 SciPy 和 NumPy 紧密集成； 今天，它们是可选组件，仅用于少量功能，没有实现纯 Python 数值方法。 Fluids 面向 Python 2.7 及更高版本以及 PyPy2 和 PyPy3。 此外，流体已被作者测试加载到 IronPython、Jython 和 micropython 中。 虽然 Fluids 中的例程通常非常快并且尽可能高效地编码，但根据应用程序，仍然可能需要更高的速度。 PyPy 为大多数方法提

基于adams和hyperworks的蜗轮蜗杆刚柔耦合仿真及动力学分析

阐述了绝对节点坐标十几年来的研究进展，引用文献充足。

基尔霍夫椭圆涡旋是嵌入在无粘性、不可压缩和无旋流体中的均匀涡度的二维椭圆区域（或“补丁”）。 G. Kirchhoff 在 1876 年证明了这些是非线性欧拉方程的精确解。 随后，AEH Love 分析了基尔霍夫涡旋的线性稳定性，并确定在大纵横比下它们是不稳定的。 他还获得了振荡频率和增长率的解析表达式。 自述文件中包含了他的论文的抄录，该论文于 1893 年发表在伦敦数学学会会刊上。 1979 年，NJ Zabusky、MH Hughes 和 KV Roberts 引入了一种现在通常称为“轮廓动力学”的数值方案。 这是一种用于模拟无粘性离散涡量块的流行工具。 它在数值上是有效的，因为跟随均匀涡度区域的演变只需要跟踪其边界。 我们在 Matlab 中实现了轮廓动力学算法，以重新检查基尔霍夫涡旋的演变，重点是系统的模式。 包括两个拟合例程，将解分解为组成的线性特征模式。 这些例程的一些

假设彩色单重态t通道交换具有大的动量传递t，则研究了在LHC能量下pPb碰撞中矢量介子的光子产生。 考虑到BFKL的非正向解，估计了过程Pbp→Pb⊗V⊗jet+ X的速度分布和总横截面，其中V =ρ，J /Ψ和the表示最终状态下的速度差距。 高能量和大t时的方程。 还提出了与在出生水平获得的预测的比较。 我们预测LHCb协作探测的运动范围内与BFKL动力学相关的横截面将大大增强。 此外，我们的结果表明，在大型强子对撞机上进行实验识别是可行的，并且该过程可用于探测BFKL动力学。

我们表明，在大型强子对撞机的质子-铅（p + Pb）碰撞中，彩色玻璃冷凝物（CGC）和流体动力学导致质构平均横向动量〈p⊥〉随质子速度而变化。 在流体动力学中，sincep⊥〉随着从零速度y = 0到质子碎片化区域的减少而减小，因为粒子数量减少了。 相反，在CGC中，饱和动量随着从y = 0到质子分裂区域的增加而增加，因此〈p⊥〉增加。 在大型强子对撞机上，两个模型之间的差异可能足够大，可以通过实验进行测试。

我们在（1 + 1）维设置中呈现U（1）-Higgs模型的两个不同系列的解决方案，从而实现了规范场的本地化。 首先，我们考虑统一的背景（通常为真空），它对应于完全滞后的超导阶段。 然后，我们以畴壁的形式研究背景不均匀的情况，该背景可能与相关的自发对称性破坏的临界点接近。 对于这两种情况，我们获得近似解析