SELF-DEVELOPED MODELS
自研モデルマトリックス
6つのコアモデル--ゲノム、タンパク質、細胞、パスウェイ、RNA、知識検索をカバー
DiVoGenome
pLDDT 92+Genome Triple-Model Cross-Interpretation
ゲノム3モデル交叉解読--変異予測、機能注釈、表現型関連の3路モデルを融合、単一ヌクレオチド分解能で解釈可能な結論を出力。
DiVoFold5
pLDDT 95.4Protein Structure Prediction
タンパク質構造予測モデル--AlphaFold3 / Protenix アーキテクチャで自研蒸留、pLDDT 95.4、推論スループット 3.2x 向上。
DiVoCell
10k+ cellsMulti-cell 3D Simulation
多細胞 3D シミュレーションモデル--単一細胞力学から組織レベルの創発挙動まで、万級細胞のリアルタイム結合求解をサポート。
DiVoSignal
Graph NNSignaling Pathway Solver
シグナル伝達パスウェイ求解モデル--パスウェイグラフをグラフニューラルネットワークにエンコード、撹乱下のカスケード応答と薬物ターゲットを予測。
RNALens
Fine-tunedmRNA Structure Fine-tuning
mRNA 構造ファインチューニングモデル--RNA-FM バックボーンで二次構造予測をファインチューニング、mRNA ワクチン配列最適化に使用。
Investigate Lens
RAG CoreKnowledge Base Retrieval Engine
知識ベース検索エンジン--マルチモーダル文献埋め込み + ハイブリッド検索 + 引用レベルトレース、Agent 層に事実基盤を提供。
TRAINING PIPELINE
訓練パイプライン
6段階漸進--生データから暗号化デプロイまで、フルチェーン自主制御
データ準備
マルチソースデータクリーニング、注釈、重複排除--遺伝子配列、タンパク質構造、文献コーパスを統合して訓練データレイクへ。
事前訓練
大規模無注釈コーパスで基盤事前訓練--配列、構造、機能の汎用表現を学習。
ファインチューニング
ドメイン指示ファインチューニング + RLHF--汎用基盤をゲノム、タンパク質、細胞等の垂直タスクにアライン。
蒸留
教師-生徒蒸留--大モデルの能力をデプロイ可能サイズに圧縮、損失制御可能、スループット倍増。
量子化
INT8 / FP8 量子化 + スパース化--性能低下なしでメモリフットプリントを 1/4 に圧縮。
デプロイ
暗号化推論コンテナを RVDon 加速クラスタにデプロイ--モデルは信頼環境から出ない、推論 as a service。
OPEN SOURCE
モデルオープンソース戦略
チップと同様、自研モデルは全てオープンソース--オープンソースは私たちのコア能力であり、閉鎖ではない
自研モデル完全オープンソース
RVDon チップと同様、自研の全モデル--DiVoGenome、DiVoFold5、DiVoCell、DiVoSignal、RNALens、Investigate Lens--重みとコードを完全オープンソース化。オープンソースは私たちのコア能力であり、閉鎖ではない。
- 重み公開再現可能
- 訓練コード公開
- Apache 2.0 ライセンス
チップ・モデル協調オープンソース
RVDon RISC-V GPGPU ハードウェア RTL をオープンソース化、モデル推論コードも同期公開--シリコンから重みまで、加速チェーン全体が透明で監査可能、コミュニティが最適化に貢献可能。
- RTL オープンソース + ISA 公開
- 推論コード同期公開
- コミュニティが PR 提出
カスタムモデルオンデマンド公開
B 端クライアント向けカスタムドメイン適応モデル（特定組織 mRNA 最適化、特定がん種新規抗原等）、クライアントニーズに応じてソースコードレベルで納品--クライアントが受け取るのは完全なソースコードと重みであり、ブラックボックス API ではない。
- ソースコードレベル納品而非 API
- クライアントが完全にカスタム版を保有
- 自己デプロイと二次開発可能
モデル主権原則
自研モデルは Gen²AI のコア資産。私たちはサードパーティ API のブラックボックス能力に依存しません--すべての重みは自有算力で訓練され、すべての推論は信頼環境内で実行されます。モデル主権とは：能力が監査可能、挙動が説明可能、資産が保護可能であること。
CROSS-LAYER
他の層との関係
モデル層は Gen²AI 4層アーキテクチャの枢軸--ハードウェアが下から支え、Agent が上からラップ
RVDon PF 拡張命令がシリコンレベルで三角行列乗算と Flash Attention を加速、モデル訓練と推論が自研アクセラレータで直接実行。
L1 エンジン層を見るモデル層の能力が Agent 層によって呼び出し可能なツールとしてラップ--DiVoFold5、Investigate Lens は全て Agent のバックエンド能力。
L3 Agent 層を見るL1 エンジン層が RVDon 加速ハードウェアを提供 -> L2 モデル層がその上で訓練と推論 -> L3 Agent 層がモデルを呼び出し可能なツールとしてラップ -> L4 計算サービス層が結果をユーザーに納品。モデル層は能力の中枢--ハードウェアが加速し、Agent がラップし、計算が分配する。
USER SCENE
これらのモデルが最終的に誰に奉仕するか
B2B2C：各モデルがドライコンピューティングパイプラインを通じて、最終的にこれらのC端ユーザーシナリオに到達