モデル
水産養殖専用のオープンソースLLM — クラウドからエッジまで。
AQUA-7B
Flagship Model
AQUA-1B
Edge / Mobile Model
主な特徴
孵化場から収穫まで、水産養殖バリューチェーン全体のドメイン専門知識。
生産システムと種
池、ケージ、RAS、アクアポニクス、海面養殖、延縄。ティラピア、ナマズ、コイ、サケ、エビ、カキ、スズキなどの養殖実践。
遺伝学、孵化場、初期段階
高度な育種、遺伝子編集、孵化場設計、産卵、仔魚ケア、育成システム、生餌、輸送、卵の孵化、バイオセキュリティのガイド。
栄養、給餌、成長
飼料配合、FCR最適化、種特異的な栄養ガイダンス、成長段階管理の実用的なプロトコル。
水質、健康、疾病
温度、酸素、pH、アンモニア、亜硝酸塩、塩分のプロトコル — さらに疾病管理：特定、ワクチン接種、発生対応。
持続可能な養殖とイノベーション
廃棄物管理、環境影響、生物多様性、気候適応、AI・自動化・センサー・ドローンの導入における環境配慮型実践。
経済、規制、収穫後
市場動向、事業計画、規制、認証、トレーサビリティ、収穫、加工、コールドチェーン、格付け、HACCP、食品安全。
学習設定
8× NVIDIA H200 GPUを使用してMistral-7BでLoRAによるファインチューニング。
| ハイパーパラメータ | 設定 |
|---|---|
| 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 |
免責事項と制限
ドメインバイアス — モデルは、学習に使用された水産養殖データソースおよび業界慣行に内在するバイアスを反映する場合があります。
時間的データ制限 — 気候・環境の推奨事項は2024年までの情報に基づいています。気候関連のアドバイスは最新の勧告と照合してください。
ハルシネーションの可能性 — すべての大規模言語モデルと同様に、AQUA-7Bは不正確または誤解を招く回答を生成する場合があります。重要な決定は必ず資格のある水産養殖専門家に確認してください。
クイックスタート
数行のPythonでAQUA-7Bを始めましょう。
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で構築を始める
HuggingFaceからモデルをダウンロードするか、AquaChatをお試しください。