AQUA Models
Speciaal gebouwde AI voor aquacultuur. Open source. Apache 2.0.
De modellen
Twee open-source LLM's speciaal voor aquacultuur — van cloud tot edge.
AQUA-7B
Flagship Model
AQUA-1B
Edge / Mobile Model
Belangrijkste kenmerken
Domeinexpertise over de gehele aquacultuurwaardeketen — van broederij tot oogst.
Productiesystemen & soorten
Omvat vijvers, kooien, RAS, aquaponics, maricultuur en beuglijnen. Praktijken voor tilapia, meerval, karper, zalm, garnalen, krabben, oesters, zeebaars en meer.
Genetica, broederij & vroeg stadium
Handleidingen voor geavanceerde fokkerij, genbewerking, broederijontwerp, paaiing, larvenopvang, kweeksystemen, levend voer, transport, ei-incubatie en bioveiligheid.
Voeding, voer & groei
Praktische protocollen voor voerformulering, FCR-optimalisatie, soortspecifieke voedingsadviezen en groeifasebeheer.
Waterkwaliteit, gezondheid & ziekte
Protocollen voor temperatuur, zuurstof, pH, ammoniak, nitriet, zoutgehalte — plus gestructureerd ziektebeheer: identificatie, vaccinatie en uitbraakrespons.
Duurzame aquacultuur & innovatie
Milieuvriendelijke praktijken in afvalbeheer, milieueffect, biodiversiteit, klimaatadaptatie en toepassing van AI, automatisering, sensoren en drones.
Economie, regelgeving & na-oogst
Markttrends, bedrijfsplanning, regelgeving, certificering, traceerbaarheid, oogst, verwerking, koelketen, sortering, HACCP en voedselveiligheid.
Trainingsconfiguratie
Fijnafstemming met LoRA op Mistral-7B met 8× NVIDIA H200 GPU's.
| Hyperparameter | Instelling |
|---|---|
| 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 |
Trainingsdata
Ongeveer 3 miljoen echte en synthetische Q&A-paren, in totaal ongeveer 1 miljard tokens hoogwaardige, domeinspecifieke data.
Disclaimer & beperkingen
Domeinbias — Het model kan inherente biases weerspiegelen die aanwezig zijn in de aquacultuurdatabronnen en industriepraktijken waarop het is getraind.
Temporele databeperking — Klimaat- en milieu-aanbevelingen zijn gebaseerd op informatie tot 2024. Controleer klimaatgerelateerd advies met de nieuwste richtlijnen.
Mogelijke hallucinaties — Zoals alle grote taalmodellen kan AQUA-7B af en toe onnauwkeurige of misleidende antwoorden genereren. Valideer kritieke beslissingen altijd met een gekwalificeerde aquacultuurprofessional.
Snelstart
Begin met AQUA-7B in een paar regels 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))Begin met bouwen met AQUA
Download de modellen van HuggingFace of probeer AquaChat op uw telefoon.