用途：面向计算材料科学模拟，帮助识别计算瓶颈、分析并行扩展、估算内存需求并生成优化建议。
主要能力：timing_analyzer.py 解析模拟日志中的计时数据，输出各阶段耗时、最慢阶段与总时间；scaling_analyzer.py 分析强扩展或弱扩展效率，输出平均效率与效率阈值处理器数；memory_profiler.py 依据问题参数估算总内存、每进程内存、场内存、求解器工作区与矩阵存储，并给出警告；bottleneck_detector.py 综合上述分析输出瓶颈与建议。
使用方式：需 Python 3.10+，无外部依赖，支持 Linux、macOS、Windows。运行前收集模拟日志、扩展数据 JSON、模拟参数 JSON 及可用内存（可选）。示例：python3 scripts/timing_analyzer.py --log simulation.log --json；python3 scripts/scaling_analyzer.py --data scaling_data.json --type strong --json；python3 scripts/memory_profiler.py --params simulation_params.json --available-gb 16.0 --json；python3 scripts/bottleneck_detector.py --timing timing_results.json --scaling scaling_results.json --memory memory_results.json --json。所有脚本输出顶层含 inputs 与 results 的 JSON。
适用场景：定位求解器、装配或 I/O 主导的耗时阶段；评估并行效率；判断问题能否装入内存；获取针对性优化方向。
限制：日志解析依赖模式匹配，可能漏掉非常规格式；扩展分析至少需 2 次运行；内存估算为近似且偏保守；建议为通用指导，可能需领域特定调优。脚本不写文件系统，输出到 stdout；允许工具不含 Bash。