AQUA Models
Speziell für Aquakultur entwickelte KI. Open Source. Apache 2.0.
Die Modelle
Zwei Open-Source-LLMs, speziell für Aquakultur — von Cloud bis Edge.
AQUA-7B
Flagship Model
AQUA-1B
Edge / Mobile Model
Hauptmerkmale
Domänenexpertise über die gesamte Aquakultur-Wertschöpfungskette — von der Brüterei bis zur Ernte.
Produktionssysteme & Arten
Umfasst Teiche, Käfige, RAS, Aquaponik, Marikultur und Langleinen. Praktiken für Tilapia, Wels, Karpfen, Lachs, Garnelen, Krabben, Austern, Wolfsbarsch und mehr.
Genetik, Brüterei & Frühstadium
Anleitungen für fortgeschrittene Zucht, Genbearbeitung, Brütereidesign, Laichen, Larvenpflege, Aufzuchtsysteme, Lebendfutter, Transport, Ei-Inkubation und Biosicherheit.
Ernährung, Fütterung & Wachstum
Umsetzbare Protokolle für Futterformulierung, FCR-Optimierung, artspezifische Ernährungsberatung und Wachstumsphasenmanagement.
Wasserqualität, Gesundheit & Krankheit
Protokolle für Temperatur, Sauerstoff, pH, Ammoniak, Nitrit, Salzgehalt — plus strukturiertes Krankheitsmanagement: Identifizierung, Impfung und Ausbruchsreaktion.
Nachhaltige Aquakultur & Innovation
Umweltfreundliche Praktiken im Abfallmanagement, Umweltauswirkungen, Biodiversität, Klimaanpassung und Einsatz von KI, Automatisierung, Sensoren und Drohnen.
Wirtschaft, Regulierung & Nacherntebehandlung
Markttrends, Geschäftsplanung, Regulierung, Zertifizierung, Rückverfolgbarkeit, Ernte, Verarbeitung, Kühlkette, Sortierung, HACCP und Lebensmittelsicherheit.
Trainingskonfiguration
Feinabstimmung mit LoRA auf Mistral-7B mit 8× NVIDIA H200 GPUs.
| Hyperparameter | Einstellung |
|---|---|
| Base Model | Mistral-7B-Instruct-v0.3 |
| Fine-tuning Method | LoRA |
| Optimizer | AdamW (lr = 1e-4) |
| Scheduler | Cosine, 5,000 warmup steps |
| Epochs | 2 |
| Batch Size | 2 (effective: 16) |
| Max Sequence Length | 2,048 tokens |
| Precision | bf16 |
| Hardware | 8× NVIDIA H200 GPUs |
| Training Time | ~32 hours |
Trainingsdaten
Ungefähr 3 Millionen reale und synthetische Q&A-Paare, insgesamt rund 1 Milliarde Tokens hochwertiger, domänenspezifischer Daten.
Haftungsausschluss & Einschränkungen
Domänenverzerrung — Das Modell kann inhärente Verzerrungen in den Aquakultur-Datenquellen und Branchenpraktiken widerspiegeln, auf denen es trainiert wurde.
Zeitliche Datenbeschränkung — Klima- und Umweltempfehlungen basieren auf Informationen bis 2024. Nutzer sollten klimabezogene Ratschläge mit den neuesten Hinweisen abgleichen.
Mögliche Halluzinationen — Wie alle großen Sprachmodelle kann AQUA-7B gelegentlich ungenaue oder irreführende Antworten generieren. Validieren Sie kritische, regulatorische oder wirkungsstarke Entscheidungen immer mit einem qualifizierten Aquakultur-Fachmann.
Schnellstart
Starten Sie mit AQUA-7B in wenigen Zeilen Python.
from transformers import AutoTokenizer, AutoModelForCausalLM
import torch
model_id = "KurmaAI/AQUA-7B"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
model_id,
device_map="auto",
torch_dtype=torch.float16,
)
prompt = "What are the most common diseases in shrimp farming?"
inputs = tokenizer(prompt, return_tensors="pt").to(model.device)
outputs = model.generate(**inputs, max_new_tokens=256)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))Mit AQUA beginnen
Laden Sie die Modelle von HuggingFace herunter oder testen Sie AquaChat auf Ihrem Handy.