AQUA Models
जलीय कृषि के लिए विशेष रूप से निर्मित AI। ओपन सोर्स। Apache 2.0।
मॉडल
जलीय कृषि के लिए विशेष रूप से बनाए गए दो ओपन-सोर्स LLM — क्लाउड से एज तक।
AQUA-7B
Flagship Model
AQUA-1B
Edge / Mobile Model
मुख्य विशेषताएं
संपूर्ण जलीय कृषि मूल्य श्रृंखला में डोमेन विशेषज्ञता — हैचरी से फसल तक।
उत्पादन प्रणालियां और प्रजातियां
तालाब, पिंजरे, RAS, एक्वापोनिक्स, मैरीकल्चर और लॉन्गलाइन शामिल हैं। तिलापिया, कैटफिश, कार्प, सैल्मन, झींगा और अधिक के लिए प्रथाएं।
आनुवंशिकी, हैचरी और प्रारंभिक अवस्था
उन्नत प्रजनन, जीन संपादन, हैचरी डिज़ाइन, स्पॉनिंग, लार्वल देखभाल, नर्सरी सिस्टम और बायोसिक्योरिटी के लिए मार्गदर्शिकाएं।
पोषण, भोजन और विकास
चारा निर्माण, FCR अनुकूलन, प्रजाति-विशिष्ट पोषण मार्गदर्शन और विकास चरण प्रबंधन के लिए प्रोटोकॉल।
जल गुणवत्ता, स्वास्थ्य और रोग
तापमान, ऑक्सीजन, pH, अमोनिया, नाइट्राइट, लवणता के प्रोटोकॉल — साथ ही रोग प्रबंधन: पहचान, टीकाकरण और प्रकोप प्रतिक्रिया।
टिकाऊ जलीय कृषि और नवाचार
अपशिष्ट प्रबंधन, पर्यावरणीय प्रभाव, जैव विविधता, जलवायु अनुकूलन और AI, स्वचालन, सेंसर और ड्रोन में पर्यावरण अनुकूल प्रथाएं।
अर्थशास्त्र, विनियमन और फसल-पश्चात
बाजार रुझान, व्यापार योजना, विनियमन, प्रमाणन, ट्रेसेबिलिटी, फसल, प्रसंस्करण, कोल्ड चेन, ग्रेडिंग, HACCP और खाद्य सुरक्षा।
प्रशिक्षण कॉन्फ़िगरेशन
8× NVIDIA H200 GPUs का उपयोग करते हुए Mistral-7B पर LoRA के साथ फाइन-ट्यून किया गया।
| हाइपरपैरामीटर | सेटिंग |
|---|---|
| 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 |
प्रशिक्षण डेटा
लगभग 30 लाख वास्तविक और सिंथेटिक Q&A जोड़े, कुल 1 अरब टोकन उच्च-गुणवत्ता, डोमेन-विशिष्ट डेटा।
अस्वीकरण और सीमाएं
डोमेन पूर्वाग्रह — मॉडल में जलीय कृषि डेटा स्रोतों और उद्योग प्रथाओं में मौजूद अंतर्निहित पूर्वाग्रह प्रतिबिंबित हो सकते हैं।
अस्थायी डेटा सीमा — जलवायु और पर्यावरण अनुशंसाएं 2024 तक उपलब्ध जानकारी पर आधारित हैं। उपयोगकर्ताओं को नवीनतम सलाहों के साथ क्रॉस-चेक करना चाहिए।
संभावित भ्रम — सभी बड़े भाषा मॉडलों की तरह, AQUA-7B कभी-कभी गलत या भ्रामक प्रतिक्रियाएं उत्पन्न कर सकता है। हमेशा किसी योग्य जलीय कृषि पेशेवर से महत्वपूर्ण निर्णयों को मान्य करें।
त्वरित शुरुआत
Python की कुछ पंक्तियों में AQUA-7B के साथ शुरू करें।
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))AQUA के साथ निर्माण शुरू करें
HuggingFace से मॉडल डाउनलोड करें या अपने फोन पर AquaChat आज़माएं।