Fujikix_Nova

研究用Pythonコードを監査・高速化します

Python・NumPy・SciPyを使った科学計算コードの確認、数値監査、高速化、再現性整理を行います。 研究用コード、PoCコード、論文・GitHub公開前の計算コードについて、「正しく動いているか」「遅い原因はどこか」「数値的に危ない処理がないか」「結果としてどこまで主張できるか」を確認します。 対応できる内容： ・Python科学計算コードの確認 ・NumPy / SciPy の高速化 ・MCMCや尤度関数の軽量化 ・χ²計算、残差評価、共分散行列処理の見直し ・逆問題やシミュレーションの簡易ベンチマーク作成 ・実装済み内容と未検証の主張の切り分け ・再現手順、ログ、チェックサム付きの監査レポート作成 特に、巨大な共分散行列を使う計算で明示的に逆行列を作らず、Cholesky分解や三角行列solveを使って数値的に安定した実装へ整理する作業を得意としています。 単に「動くコード」を作るだけでなく、第三者が確認できる形で、再現手順・ベンチマーク・注意点を整理して納品します。 また、AI支援を活用し、CosmoSIS upstream に merged された GaussianLikelihood chi-square 評価改善PRの作成・検証・review対応を行いました。共分散行列、Cholesky分解、triangular solve、likelihood / chi-square 計算など、研究用Pythonコードの数値安定性確認にも対応できます。 研究、技術検証、AI・数値解析PoC、論文・GitHub公開前の確認などにご利用ください。