معرفی شرکت ها
eoshep-1.0.7.dev1224
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشترتوضیحات
EOS -- A HEP program for Flavor Observables
| ویژگی | مقدار |
|---|---|
| سیستم عامل | - |
| نام فایل | eoshep-1.0.7.dev1224 |
| نام | eoshep |
| نسخه کتابخانه | 1.0.7.dev1224 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | Danny van Dyk and others |
| ایمیل نویسنده | danny.van.dyk@gmail.com |
| آدرس صفحه اصلی | https://eos.github.io/ |
| آدرس اینترنتی | https://pypi.org/project/eoshep/ |
| مجوز | GPLv2 |
[](https://img.shields.io/pypi/v/eoshep)
[](https://github.com/eos/eos/actions/workflows/manylinux-build+check+deploy.yaml)
[](https://github.com/eos/eos/actions/workflows/ubuntu-build+check+deploy.yaml)
[](https://discord.gg/hyPu7f7K6W)
EOS - A software for Flavor Physics Phenomenology
=================================================
EOS is a software package that addresses several use cases in the field of
high-energy flavor physics:
1. [theory predictions of and uncertainty estimation for flavor observables](https://eos.github.io/doc/use-cases.html#theory-predictions-and-their-uncertainties)
within the Standard Model or within the Weak Effective Theory;
2. [Bayesian parameter inference](https://eos.github.io/doc/use-cases.html#parameter-inference)
from both experimental and theoretical constraints; and
3. [Monte Carlo simulation of pseudo events](https://eos.github.io/doc/use-cases.html#pseudo-event-simulation) for flavor processes.
An up-to-date list of publications that use EOS can be found [here](https://eos.github.io/publications/).
EOS is written in C++20 and designed to be used through its Python 3 interface,
ideally within a Jupyter notebook environment.
It depends on as a small set of external software:
- the GNU Scientific Library (libgsl),
- a subset of the BOOST C++ libraries,
- the Python 3 interpreter.
For details on these dependencies we refer to the [online documentation](https://eos.github.io/doc/installation.html#installing-the-dependencies-on-linux).
Installation
------------
EOS supports several methods of installation. For Linux users, the recommended method
is installation via PyPI:
```
pip3 install eoshep
```
Development versions tracking the master branch are also available via PyPi:
```
pip3 install --pre eoshep
```
For instructions on how to build and install EOS on your computer please have a
look at the [online documentation](https://eos.github.io/doc/installation.html).
Contact
-------
If you want to report an error or file a request, please file an issue [here](https://github.com/eos/eos/issues).
For additional information, please contact any of the main authors, e.g. via our [Discord server](https://discord.com/hyPu7f7K6W).
Authors and Contributors
------------------------
The main authors are:
* Danny van Dyk <danny.van.dyk@gmail.com>,
* Frederik Beaujean,
* Christoph Bobeth <christoph.bobeth@gmail.com>,
* Nico Gubernari <nicogubernari@gmail.com>,
* Meril Reboud <merilreboud@gmail.com>,
with further code contributions by:
* Marzia Bordone,
* Thomas Blake,
* Lorenz Gaertner,
* Elena Graverini,
* Stephan Jahn,
* Ahmet Kokulu,
* Viktor Kuschke,
* Stephan Kürten,
* Philip Lüghausen,
* Bastian Müller,
* Filip Novak,
* Stefanie Reichert,
* Eduardo Romero,
* Rafael Silva Coutinho,
* Ismo Tojiala,
* K. Keri Vos,
* Christian Wacker.
We would like to extend our thanks to the following people whose input and
support were most helpful in either the development or the maintenance of EOS:
* Gudrun Hiller
* Gino Isidori
* David Leverton
* Thomas Mannel
* Ciaran McCreesh
* Hideki Miyake
* Konstantinos Petridis
* Nicola Serra
* Alexander Shires
نیازمندی
| مقدار | نام |
|---|---|
| - | dynesty |
| - | h5py |
| - | matplotlib |
| <2,>=1.13 | numpy |
| >=1.1.4 | pypmc |
| - | pyyaml |
| - | scipy |
زبان مورد نیاز
| مقدار | نام |
|---|---|
| ~=3.6 | Python |
نحوه نصب
نصب پکیج whl eoshep-1.0.7.dev1224:
pip install eoshep-1.0.7.dev1224.whl
نصب پکیج tar.gz eoshep-1.0.7.dev1224:
pip install eoshep-1.0.7.dev1224.tar.gz