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
    Fine-tuned Dataset: UMA-IA/VELA-Components-v2
    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:

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.

Downloads last month
32
Safetensors
Model size
7.24B params
Tensor type
FP16
·
Inference Providers NEW
This model isn't deployed by any Inference Provider. 🙋 Ask for provider support

Model tree for UMA-IA/CENTAURUS-Components-v2

Finetuned
(873)
this model
Quantizations
2 models

Dataset used to train UMA-IA/CENTAURUS-Components-v2