Qwen-0.6B Microgravity Flammability
предсказание горения в невесомости
2 мин чтенияобновлено
Эта модель определяет, как будет вести себя огонь на борту космического корабля в условиях микрогравитации, где нет привычной конвекции. На вход подаётся текстовое описание параметров среды (материал, толщина топлива, скорость обдува, концентрация кислорода и давление), а на выходе модель классифицирует сценарий по одному из трёх режимов горения. Адаптер создан с помощью LoRA (метода дообучения через компактные надстройки без изменения всей модели) на базе компактной языковой модели Qwen/Qwen3-0.6B в рамках хакатона NASA Space Apps Challenge (проект ShunnoShikha AI). В отличие от универсальных LLM, эта версия специализирована под физику горения в космосе и опирается на реальные лётные эксперименты NASA.
Ключевые особенности
- Классифицирует поведение пламени на три физических режима: устойчивое горение (
Sustained Burn), радиационное затухание при слабом потоке (Radiative Extinction) и срыв пламени сильным потоком воздуха (Blowoff). - Обучена на данных космических экспериментов из архива NASA Physical Science Informatics: BASS / BASS-II на МКС, крупных испытаниях Saffire на кораблях Cygnus и опытах FLEX.
- Компактный размер базовой модели (0.6B параметров) и формат PEFT/LoRA позволяют запускать классификатор даже на скромном оборудовании.
Что можно сделать
- Встроить в симуляторы и расчётные пайплайны пожарной безопасности для оценки рисков воспламенения материалов в герметичных отсеках.
- Использовать как базовый пример дообучения компактных LLM вроде Qwen3-0.6B для решения узких научно-инженерных задач классификации табличных и текстовых параметров.
Пример
from transformers import AutoTokenizer, AutoModelForSequenceClassification
from peft import PeftModel
tokenizer = AutoTokenizer.from_pretrained("Qwen/Qwen3-0.6B")
base = AutoModelForSequenceClassification.from_pretrained("Qwen/Qwen3-0.6B", num_labels=3)
model = PeftModel.from_pretrained(base, "simanto848/qwen-microgravity-flammability")
inputs = tokenizer("NASA Microgravity Combustion Mission. Material: PMMA. Oxygen Concentration: 21.0% O2.", return_tensors="pt")
pred = model(**inputs).logits.argmax(-1).item()
Подробнее
Точность на тестовой выборке (341 пример): Test Accuracy 99.71%, Macro F1-Score 0.9968.Метрики F1 по классам: Sustained Burn — 0.994, Radiative Extinction — 0.996, Blowoff — 1.000.
Метки в датасете согласованы с эмпирическими границами затухания по числу Дамкёлера и радиационным потерям.
Требования к VRAM и подробные гиперпараметры обучения в карточке не указаны.










Комментарии