kibali-final-merged

KIBALI Final Merged - Modèle Géophysique Intégré

🤖 Description

KIBALI est un modèle de langage spécialisé en géophysique et sciences de la Terre, créé par fusion de 18 adaptateurs LoRA experts avec le modèle de base Mistral-7B-Instruct-v0.2.

Ce modèle consolidé intègre toutes les connaissances spécialisées en :

• 🧲 ERT (Tomographie de Résistivité Électrique)
• 📡 Géoradar (GPR)
• 🧭 Magnétométrie
• 🌊 Sismique réfraction
• 🏗️ Géotechnique
• 💧 Hydrogéologie
• 🏛️ Archéologie
• ⚠️ Risques naturels
• 📊 Traitement du signal
• 🔍 Analyse intégrée
• 🗺️ Interprétation de terrain
• 💻 Modélisation numérique
• ⚙️ Calibration d'instruments
• 📈 Géoscan

🚀 Utilisation

from transformers import AutoModelForCausalLM, AutoTokenizer

# Charger le modèle
model = AutoModelForCausalLM.from_pretrained(
    "BelikanM/kibali-final-merged",
    torch_dtype="auto",
    device_map="auto"
)
tokenizer = AutoTokenizer.from_pretrained("BelikanM/kibali-final-merged")

# Exemple d'utilisation
prompt = "[INST] Explique-moi le principe de la tomographie électrique [/INST]"
inputs = tokenizer(prompt, return_tensors="pt").to(model.device)
outputs = model.generate(**inputs, max_new_tokens=200)
response = tokenizer.decode(outputs[0], skip_special_tokens=True)
print(response)

📋 Caractéristiques Techniques

• Architecture: Mistral-7B-Instruct-v0.2 fusionné
• Spécialisation: Géophysique intégrée
• Langue: Français (réponses naturelles)
• Taille: ~13GB (modèle complet)
• Format: Safetensors
• Quantization: FP16

🎯 Applications

• Prospection géophysique
• Études environnementales
• Archéologie non destructive
• Évaluation des risques naturels
• Hydrogéologie
• Géotechnique
• Recherche scientifique

📚 Exemples d'utilisation

ERT

[INST] Comment interpréter une tomographie de résistivité électrique ? [/INST]

Géoradar

[INST] Quelles sont les limites du GPR en milieu urbain ? [/INST]

Magnétométrie

[INST] Applications de la magnétométrie en archéologie [/INST]

🔧 Architecture

Le modèle a été créé par fusion séquentielle de 18 LoRA spécialisés :

1. LoRA de base (connaissances générales)
2. 17 LoRA experts (domaines spécialisés)

Cette approche préserve toutes les compétences spécialisées tout en permettant un déploiement unifié.

📄 Licence

Apache 2.0 - Compatible avec Mistral-7B-Instruct-v0.2

👥 Contact

Pour questions ou collaborations :

• Email: [email protected]
• HF: @BelikanM

🙏 Remerciements

Modèle développé dans le cadre du projet SETRAF pour l'avancement des sciences géophysiques.