|
|
--- |
|
|
language: |
|
|
- fr |
|
|
license: mit |
|
|
datasets: |
|
|
- UMA-IA/VELA-Components-v2 |
|
|
base_model: mistralai/Mistral-7B-v0.1 |
|
|
tags: |
|
|
- aerospace |
|
|
- aeronautics |
|
|
- engineering |
|
|
- technical-QA |
|
|
- components |
|
|
pipeline_tag: text-generation |
|
|
--- |
|
|
|
|
|
## Model Details |
|
|
**Model Name:** UMA-IA/CENTAURUS-Components-v2 |
|
|
**Authors:** |
|
|
- **Youri LALAIN**, Engineering student at French Engineering School ECE |
|
|
- **Lilian RAGE**, Engineering student at French Engineering School ECE |
|
|
**Base Model:** [Mistral-7B-v0.1](https://huggingface.co/mistralai/Mistral-7B-v0.1) |
|
|
**Fine-tuned Dataset:** [UMA-IA/VELA-Components-v2](https://huggingface.co/datasets/UMA-IA/UMA_Dataset_Components_LLM) |
|
|
**License:** Apache 2.0 |
|
|
|
|
|
## Model Description |
|
|
# Mistral-7B Fine-tuné sur les composants aérospatiaux |
|
|
|
|
|
UMA-IA/CENTAURUS-Components-v2 est une version spécialisée du modèle Mistral-7B, fine-tunée pour fournir des réponses précises et concises aux questions techniques concernant les composants aérospatiaux et aéronautiques. Le modèle s'appuie sur le dataset UMA-IA/VELA-Components-v2 pour améliorer sa compréhension des composants de propulsion, leurs caractéristiques techniques, et leur maintenance. |
|
|
|
|
|
## Capacités |
|
|
- Réponses techniques concernant les composants aérospatiaux |
|
|
- Informations sur les fournisseurs de composants spécifiques |
|
|
- Détails sur la durée de vie et la maintenance des composants |
|
|
- Explications du rôle fonctionnel des composants |
|
|
- Analyse des modes de défaillance et leurs conséquences |
|
|
- Délimitation claire des domaines d'expertise (reconnaissance des questions hors domaine) |
|
|
|
|
|
## Composants couverts |
|
|
|
|
|
### Composants de moteurs-fusées |
|
|
- Tuyère (Nozzle) |
|
|
- Chambre de combustion (Combustion chamber) |
|
|
- Turbopompe (Turbopump) |
|
|
- Injecteur (Injector) |
|
|
- Système d'allumage (Ignition system) |
|
|
- Échangeur thermique (Heat exchanger) |
|
|
- Vanne de régulation (Control valve) |
|
|
- Conduits de carburant (Fuel lines) |
|
|
- Système de refroidissement (Cooling system) |
|
|
- Et plus encore... |
|
|
|
|
|
### Composants de turboréacteurs |
|
|
- Soufflante (Fan) |
|
|
- Compresseur (Compressor) |
|
|
- Chambre annulaire (Annular chamber) |
|
|
- Turbine (Turbine) |
|
|
- Postcombustion (Afterburner) |
|
|
- Carter d'admission (Intake housing) |
|
|
- Stator (Stator) |
|
|
- Redresseur de flux (Flow straightener) |
|
|
- Aubes (Blades) |
|
|
- Et plus encore... |
|
|
|
|
|
## Cas d'utilisation |
|
|
- Support technique en ingénierie aérospatiale |
|
|
- Formation et éducation sur les systèmes de propulsion |
|
|
- Assistance à la conception et à la maintenance de systèmes aérospatiaux |
|
|
- Documentation technique et développement de bases de connaissances |
|
|
- Applications pédagogiques en ingénierie aérospatiale |
|
|
|
|
|
## Détails d'entraînement |
|
|
Ce modèle a été fine-tuné sur le dataset UMA-IA/VELA-Components-v2, qui contient environ 800 paires question-réponse concernant divers composants aérospatiaux. Le processus de fine-tuning a utilisé la technique LoRA (Low-Rank Adaptation) pour adapter efficacement le modèle Mistral-7B à ce domaine spécifique. |
|
|
|
|
|
## Comment utiliser |
|
|
|
|
|
Vous pouvez charger le modèle en utilisant la bibliothèque `transformers` de Hugging Face: |
|
|
|
|
|
```python |
|
|
from transformers import AutoModelForCausalLM, AutoTokenizer |
|
|
|
|
|
# Charger le modèle et le tokenizer |
|
|
model_name = "UMA-IA/CENTAURUS-Components-v2" |
|
|
model = AutoModelForCausalLM.from_pretrained(model_name) |
|
|
tokenizer = AutoTokenizer.from_pretrained(model_name) |
|
|
|
|
|
# Format d'entrée recommandé |
|
|
question = "Quelle est la durée de vie moyenne d'une tuyère?" |
|
|
context = "Type: COMPOSANT, Composant: Tuyère, Catégorie: DURÉE_DE_VIE, Thème: question_simple" |
|
|
input_text = f"Question: {question}\nContexte: {context}\nRéponse:" |
|
|
|
|
|
# Générer une réponse |
|
|
inputs = tokenizer(input_text, return_tensors="pt").to(model.device) |
|
|
outputs = model.generate( |
|
|
inputs["input_ids"], |
|
|
max_new_tokens=50, |
|
|
temperature=0.7, |
|
|
top_p=0.9 |
|
|
) |
|
|
response = tokenizer.decode(outputs[0], skip_special_tokens=True) |
|
|
print(response) |
|
|
``` |
|
|
## Exemples |
|
|
|
|
|
Question: Quelle est la durée de vie moyenne d'une tuyère? |
|
|
Contexte: Type: COMPOSANT, Composant: Tuyère, Catégorie: DURÉE_DE_VIE, Thème: question_simple |
|
|
Réponse: |
|
|
La durée de vie moyenne d'une tuyère est de 1500 à 2000 cycles d'utilisation. Les températures extrêmes et l'érosion thermique sont les principaux facteurs limitants. |