PyGamLab V2 - کتابخانه علمی پایتون

🚀 شروع سریع

نصب

PyGamLab V2 را با استفاده از pip نصب کنید:

pip install pygamlab

شروع یادگیری

🧩 ماژول‌های اصلی

سازنده ساختار

ایجاد و دستکاری ساختارهای اتمی و مولکولی با رابط‌های برنامه‌نویسی کاربردی برای کریستال‌ها، سطوح و نانوذرات.

تحلیلگر داده

پردازش و تجزیه و تحلیل داده‌های تجربی با ابزارهای آماری، برازش منحنی و قابلیت‌های پیشرفته پردازش سیگنال.

مدل‌های هوش مصنوعی

دسترسی به مدل‌های یادگیری ماشین از پیش آموزش دیده برای پیش‌بینی خواص، بهینه‌سازی ساختار و کشف مواد.

اتصال‌دهنده پایگاه داده

اتصال سریع به پایگاه‌های داده مواد شامل Materials Project، AFLOW

مبدل واحد و ثابت های مهندسی

تبدیل بین واحدهای فیزیکی، دسترسی به ثابت‌های بنیادی و اعمال فرمول‌های مهندسی با دقت.

توابع مهندسی

توابع مهندسی برای مدل سازی مهندسی فیزیکی و شیمیایی

📚 مستندات

مستندات جامع

دسترسی به مستندات تفصیلی برای تمام ماژول‌های PyGamLab V2، شامل مراجع API، آموزش‌ها و بهترین شیوه‌ها برای استفاده از کتابخانه در پروژه‌های تحقیقاتی شما.

مرجع API برای تمام ماژول‌ها
آموزش‌های گام به گام
مثال‌ها و قطعات کد
بهترین شیوه‌ها و نکات
سوالات متداول و راهنمای عیب‌یابی

مطالعه مستندات

💡 مثال‌ها

ساخت ساختار

یادگیری نحوه ایجاد و دستکاری ساختارهای اتمی با مثال‌های عملی برای کریستال‌ها، سطوح و نانوذرات.

تجزیه و تحلیل داده

کاوش تکنیک‌های تجزیه و تحلیل آماری و برازش منحنی برای پردازش داده‌های تجربی.

پایگاه‌های داده

ایجاد شکل‌های با کیفیت انتشار و تجسم‌های سه‌بعدی تعاملی از ساختارهای اتمی.

👥 درباره ما

گروه تحقیقاتی PyGam

PyGamLab V2 توسط گروه تحقیقاتی PyGam توسعه یافته است، تیمی از محققان و مهندسان که متعهد به پیشبرد علوم مواد از طریق ابزارهای محاسباتی و نرم‌افزارهای منبع باز هستند. ماموریت ما ارائه ابزارهای قدرتمند و قابل دسترس برای کشف و تجزیه و تحلیل مواد به محققان در سراسر جهان است.

چشم‌انداز ما

دموکراتیک کردن دسترسی به ابزارهای پیشرفته علوم مواد محاسباتی و تسریع کشف علمی از طریق توسعه مشارکتی و نوآوری منبع باز.

📝 نحوه استناد

اطلاعات استناد

اگر از PyGamLab V1 در تحقیقات خود استفاده می‌کنید، لطفاً کار ما را استناد کنید:

@article{pilehvar2025pygamlab,
  title={PyGamlab: A Python framework for advanced modeling, simulation, and AI in nanotechnology and materials science},
  author={Pilehvar Meibody, Ali and Nekoonam, Danial and Naderi, Malek},
  journal={Nanoscale and Advanced Materials},
  volume={2},
  number={2},
  pages={93--110},
  year={2025},
  publisher={Graphene and Advanced Materials Laboratory (GAMlab)}
}
                        

همچنین می‌توانید بیشتر در مورد مقاله در آدرس زیر بخوانید: doi: 10.22034/nsam.2025.02.07

اگر از PyGamLab V2 در تحقیقات خود استفاده می‌کنید، لطفاً کار ما را استناد کنید:

@software{pygamlab2025,
  title = {PyGamLab V2: A Scientific Python Library for Materials Science},
  author = {PyGam Research Group},
  year = {2025},
  url = {https://github.com/APMaii/pygamlab},
  version = {2.0}
}
                        