jinko-calibration-subsampling について
jinko-calibration-subsamplingは、Jinkō SDKを使い、完了した試験のシミュレーション済みVpopから患者を選び、小規模なVpopを生成するスキルです。設計診断、目標設定、生成を扱い、モデルのキャリブレーションや新規患者の作成は行いません。
主な機能
- 01完了した試験から患者を選択
- 02人口レベルの目標に沿った抽出設計
- 03診断を確認してからVpopを生成
- 04結果の確認と互換設計の再利用
活用シーン
- 01試験のシミュレーション結果から小規模なVpopを生成
- 02スカラー分布に基づく抽出目標の設定
- 03設計診断の解決と生成Vpopの確認
インストール
コマンドをコピーしてターミナルで実行します。
npx skills add https:/インストール後、Claude Code で/jinko-calibration-subsamplingを入力して読み込まれたか確認します。
同梱ファイル
SKILL.md と一緒にインストールされる参考資料やスクリプト。
agents/openai.yamlevals/evals.jsonreferences/creating-and-editing.mdgeneration-and-diagnostics.mdinspection.mdscalar-discovery-and-estimates.mdscripts.md詳細
Jinkō サブサンプリング SDK ワークフロー
| UI 表記 | API プロジェクト項目の種類 | SDK エントリポイント |
|---|---|---|
| サブサンプリング設計 | SubsamplingDesign | trial.create_subsampling_design(...)、client.get_subsampling_design(...) |
| サブサンプリング済み Vpop | Vpop | design.generate_vpop(...) |
サブサンプリングでは、完了した Trial でシミュレーションされた Vpop から患者を選択し、指定された集団レベルの目標に最もよく一致する、より小さな派生 Vpop を作成します。
モデルのキャリブレーションは行わず、新しい患者も作成しません。
元となる Trial の作成、妥当性の確認、実行には jinko-trial を使用し、生成された Vpop の確認には jinko-vpop を使用してください。
科学的な選択は、このスキルではなく、ワークフローまたはドメインの専門家が行います。
前提条件： このスキルには、初期化済みの
jinko-sdk接続と、metadata.requires_sdkの範囲を満たす SDK が必要です。jinko-sdk-setupスキル （../jinko-sdk-setup/SKILL.md）を実行し、チェックに合格してから続行してください。このスキル自身の SDK プロセスを開始する前に、get_session_codeを再度呼び出してください。セッションコードを交換できるのは一度だけです。 このスキルが見つからない場合は、novainsilico/jinko-skillsからインストールしてください。
基本的なフロー
- Trial を取得し、
trial.status()["status"] == "completed"を必須条件としたうえで、trial.descriptors.scalarsとtrial.descriptors.categoricalsを確認します。記述子 ID とアームは、表示ラベルから推測せず、この Trial から取得してください。 trial.create_subsampling_design(...)を通じて、フィルターと集団目標を指定したSubsamplingDesignを作成します。design.diagnosticsを確認し、エラーがある間は生成しないでください。design.diagnostics.errors().explain()を使って、エラーをその目標またはフィルター、および元の Trial の記述子と照合します。- すべてのシミュレーテッドアニーリングオプションを指定して、
design.generate_vpop(...)を呼び出します。 返される Vpop は不変です。 design.generated_vpops.list_with_details()で、生成されたアーティファクトを確認します。 互換性のある設計を再利用する場合は、使用前にdesign.set_trial(other_trial)を設定するか、design.marginalsなどの型付きコンポーネントを編集します。
スカラーの確認と候補推定値
Trial スカラーの選択や、プラットフォームでフィッティングされた分布の推定値を使用する前に、references/scalar-discovery-and-estimates.md を読んでください。科学的な選択をユーザーに代わって行うことなく、記述子の確認、患者ごとの値、候補となる目標の形式を区別しています。
Python の一連の処理と生成オプションの意味については、references/generation-and-diagnostics.md を読んでください。
型付き目標と編集
- 数値フィルター：
scalar.gte(18)などの記述子ビルダー、または作成後のdesign.numeric_filters.create_gte(...)。 - スカラー目標：
scalar.normal(...)、.uniform(...)、.weibull(...)、およびdesign.marginals.create_*／保存済みハンドルのセッター。 - その他、SDK でサポートされる対象：
design.categorical_filters、.categoricals、.correlations、.survivals、.summary_statistics、.observables。 いずれかを使用する前に、references/creating-and-editing.mdを読んでください。 - 以前の UI ガイドではカテゴリ制約はサポートされていないと記載されていますが、現在の SDK では型付きカテゴリビルダーとサービスが公開されています。 サポート状況はバックエンド／バージョンによって異なるものとして扱い、設計を作成したうえで、生成前に診断エラーがないことを確認してください。
高度なスライス全体の置き換えには、design.edit(...) のみを使用してください。
不変 ID と既存の内容を保持できるため、型付きサブサービスを優先してください。
別の Trial を設計に設定できるのは、記述子／アームの組み合わせに互換性がある場合に限られます。design.set_trial(...) を使用し、診断を再度検証してください。
プロジェクトフォルダーの整理
YYYY-MM-DD-<experiment> 形式のフォルダーを提案し、完全一致する名前があれば client.get_folder_by_name(name, exact_match_only=True) で再利用してください。
フォルダーとリモートプロジェクト項目の作成は、確認後、またはスクリプトに --apply が渡された場合にのみ行ってください。
SDK スクリプト
SDK をインストールすると、これらのスクリプトは PATH 上でコンソールスクリプトとして利用でき、以下のように python -m からも実行できます。
jinko.cli.create_subsampling_design：数値フィルター、正規のスカラー周辺分布、観測量の作成をドライランします。--applyを指定するとデザインを作成します。jinko.cli.generate_subsampled_vpop：生成プランをドライランします。--applyを指定すると診断を確認し、Vpop を作成します。jinko.cli.inspect_subsampling_design：デザインの内容、診断、ソース Trial、生成された Vpop のオプション／適合度を表示します。変更は行いません。
実行例については references/scripts.md をお読みください。
リファレンスの案内
references/creating-and-editing.md：記述子、ビルダー、ターゲットタイプ、型付き編集、互換性のある Trial の再利用。references/scalar-discovery-and-estimates.md：出力スカラーの検出、患者ごとのスカラー値、プラットフォームによる候補分布の推定。references/generation-and-diagnostics.md：検証、アニーリングオプション、生成された Vpop のセマンティクス。references/inspection.md：成果物の一覧表示、保存されたオプション、適合度ペイロードに関する注意点。references/scripts.md：付属スクリプトの実行例。