SELF-DEVELOPED MODELS
자체 개발 모델 매트릭스
6개 핵심 모델--게놈, 단백질, 세포, 경로, RNA, 지식 검색 커버
DiVoGenome
pLDDT 92+Genome Triple-Model Cross-Interpretation
게놈 3모델 교차 해독--변이 예측, 기능 주석, 표현형 연관 3경로 모델 융합, 단일 뉴클레오타이드 해상도로 해석 가능한 결론 출력.
DiVoFold5
pLDDT 95.4Protein Structure Prediction
단백질 구조 예측 모델--AlphaFold3 / Protenix 아키텍처에서 자체 증류, pLDDT 95.4, 추론 처리량 3.2x 향상.
DiVoCell
10k+ cellsMulti-cell 3D Simulation
다세포 3D 시뮬레이션 모델--단일 세포 역학에서 조직 수준의 창발적 거동까지, 만급 세포 실시간 결합 해결 지원.
DiVoSignal
Graph NNSignaling Pathway Solver
신호 전달 경로 해결 모델--경로 그래프를 그래프 신경망으로 인코딩, 교란 하의 캐스케이드 응답과 약물 타겟 예측.
RNALens
Fine-tunedmRNA Structure Fine-tuning
mRNA 구조 파인튜닝 모델--RNA-FM 백본에서 이차 구조 예측 파인튜닝, mRNA 백신 서열 최적화에 사용.
Investigate Lens
RAG CoreKnowledge Base Retrieval Engine
지식 베이스 검색 엔진--멀티모달 문헌 임베딩 + 하이브리드 검색 + 인용 수준 추적, Agent 층에 사실 기반 제공.
TRAINING PIPELINE
훈련 파이프라인
6단계 점진--원시 데이터에서 암호화 배포까지, 풀체인 자체 제어
데이터 준비
다중 소스 데이터 클리닝, 주석, 중복 제거--유전자 서열, 단백질 구조, 문헌 코퍼스를 훈련 데이터 레이크로 통합.
사전 훈련
대규모 무주석 코퍼스에서 기반 사전 훈련--서열, 구조, 기능의 범용 표현 학습.
파인튜닝
도메인 명령 파인튜닝 + RLHF--범용 기반을 게놈, 단백질, 세포 등 수직 태스크에 정렬.
증류
교사-학생 증류--대모델의 능력을 배포 가능 크기로 압축, 손실 제어 가능, 처리량 배증.
양자화
INT8 / FP8 양자화 + 희소화--성능 저하 없이 메모리 풋프린트를 1/4로 압축.
배포
암호화 추론 컨테이너를 RVDon 가속 클러스터에 배포--모델은 신뢰 환경을 떠나지 않음, 추론 as a service.
OPEN SOURCE
모델 오픈소스 전략
칩과 마찬가지로, 자체 개발 모델은 전부 오픈소스--오픈소스는 우리의 핵심 능력이지 폐쇄가 아님
자체 개발 모델 완전 오픈소스
RVDon 칩과 마찬가지로, 자체 개발한 모든 모델--DiVoGenome, DiVoFold5, DiVoCell, DiVoSignal, RNALens, Investigate Lens--가중치와 코드를 전부 오픈소스화. 오픈소스는 우리의 핵심 능력이지 폐쇄가 아님.
- 가중치 공개 재현 가능
- 훈련 코드 공개
- Apache 2.0 라이선스
칩-모델 협동 오픈소스
RVDon RISC-V GPGPU 하드웨어 RTL을 오픈소스화, 모델 추론 코드도 동기 공개--실리콘에서 가중치까지, 가속 체인 전체가 투명하고 감사 가능, 커뮤니티가 최적화에 기여 가능.
- RTL 오픈소스 + ISA 공개
- 추론 코드 동기 공개
- 커뮤니티 PR 제출 가능
맞춤형 모델 온디맨드 공개
B단 클라이언트 맞춤형 도메인 적응 모델(특정 조직 mRNA 최적화, 특정 암종 신생항원 등), 클라이언트 요구에 따라 소스코드 수준으로 납품--클라이언트가 받는 것은 완전한 소스코드와 가중치이지 블랙박스 API가 아님.
- 소스코드 수준 납품而非 API
- 클라이언트가 맞춤판 완전 보유
- 자체 배포 및 2차 개발 가능
모델 주권 원칙
자체 개발 모델은 Gen²AI의 핵심 자산. 우리는 서드파티 API 블랙박스 능력에 의존하지 않습니다--모든 가중치는 자체 연산력으로 훈련되고, 모든 추론은 신뢰 환경 내에서 실행됩니다. 모델 주권이란: 능력이 감사 가능, 거동이 설명 가능, 자산이 보호 가능함을 의미합니다.
CROSS-LAYER
다른 층과의 관계
모델 층은 Gen²AI 4층 아키텍처의 중추--하드웨어가 아래에서 받치고, Agent가 위에서 랩핑
RVDon PF 확장 명령이 실리콘 레벨에서 삼각 행렬 곱과 Flash Attention을 가속, 모델 훈련과 추론이 자체 가속기에서 직접 실행.
L1 엔진 층 보기모델 층 능력이 Agent 층에 의해 호출 가능한 도구로 랩핑--DiVoFold5, Investigate Lens는 모두 Agent의 백엔드 능력.
L3 Agent 층 보기Agent 편성의 결과가 계산 서비스 층을 통해 최종 사용자에게 납품--추론에서 보고서까지, 자체 연산력에서 엔드투엔드 완료.
L4 계산 서비스 보기L1 엔진 층이 RVDon 가속 하드웨어 제공 -> L2 모델 층이 그 위에서 훈련과 추론 -> L3 Agent 층이 모델을 호출 가능한 도구로 랩핑 -> L4 계산 서비스 층이 결과를 사용자에게 납품. 모델 층은 능력의 중추--하드웨어가 가속하고, Agent가 랩핑하고, 계산이 분배한다.
USER SCENE
이 모델들이 최종적으로 누구에게 봉사하는가
B2B2C: 각 모델이 드라이 컴퓨팅 파이프라인을 통해, 최종적으로 이러한 C단 사용자 시나리오에 도달