The Pulse
Manchester addestra NVIDIA Earth-2 a prevedere l’inquinamento atmosferico nel Regno Unito
I ricercatori dell’Università di Manchester hanno adattato i modelli NVIDIA Earth-2 per prevedere l’inquinamento atmosferico ad alta risoluzione in tutto il Regno Unito. Il sistema è stato addestrato su Isambard-AI in due giorni e può esegu
AI.info Team ·
«La sfida più grande è la potenza di calcolo necessaria per prevedere la qualità dell’aria.»
David Topping, professore, Università di Manchester
I ricercatori dell’Università di Manchester hanno adattato i modelli di IA generativa Earth-2 di NVIDIA per prevedere l’inquinamento atmosferico in tutto il Regno Unito, creando un modello che copre il Paese con una risoluzione di 2–3 chilometri quadrati. Il lavoro affronta un limite di lunga data nella modellazione della qualità dell’aria: le simulazioni basate sulla chimica possono fornire risultati dettagliati, ma richiedono una notevole potenza di calcolo ed è difficile eseguirle di frequente.
David Topping, professore presso il Dipartimento di Scienze della Terra e dell’Ambiente dell’università, ha guidato il lavoro insieme a colleghi, tra cui il dottorando Hao Zhang. In collaborazione con il team Earth-2 di NVIDIA, i ricercatori hanno generato dati di addestramento a partire da simulazioni esistenti di chimica e clima e hanno addestrato Earth-2 CorrDiff su Isambard-AI, il supercomputer nazionale britannico per l’IA con sede a Bristol.
CorrDiff porta l’inquinamento atmosferico oltre le previsioni meteorologiche
CorrDiff è stato sviluppato come modello generativo di downscaling per i dati meteorologici. Il team di Manchester ha applicato lo stesso tipo di architettura ai campi di inquinamento, utilizzando un anno di dati simulati sull’inquinamento nel Regno Unito, generati a intervalli orari. Secondo il resoconto del progetto pubblicato da NVIDIA, il modello ha prodotto risultati già al primo tentativo di addestramento.
Da allora, i ricercatori hanno aggiunto Earth-2 StormCast, che supporta previsioni dipendenti dal tempo e può utilizzare direttamente le osservazioni sulla qualità dell’aria. Questa combinazione sposta il progetto dalla ricostruzione delle condizioni di inquinamento alla previsione di come cambiano nel tempo.
Secondo la cifra riportata nel resoconto di NVIDIA, l’inquinamento atmosferico contribuisce a circa 30.000 decessi nel Regno Unito. Previsioni più rapide e dettagliate potrebbero aiutare i ricercatori a esaminare gli effetti dei cambiamenti delle politiche, confrontare scenari futuri di inquinamento e fornire informazioni a livello regionale alle organizzazioni che assistono le persone con problemi respiratori.
Due giorni su Isambard-AI
L’addestramento è durato due giorni su un singolo nodo di Isambard-AI dotato di otto GPU. Secondo NVIDIA, il supercomputer comprende 5.448 NVIDIA GH200 Grace Hopper Superchips e offre prestazioni di 21 exaflop nell’IA.
Simon McIntosh-Smith, direttore del Bristol Centre for Supercomputing dell’Università di Bristol e cofondatore di Isambard-AI, ha affermato che il progetto ha richiesto relativamente poche ore di utilizzo delle GPU per un carico di lavoro legato al clima. È un aspetto importante per i gruppi di ricerca che devono ripetere le sessioni di addestramento o adattare un modello a nuove aree geografiche senza riservare grandi quantità di risorse del supercomputer.
Lo stesso flusso di lavoro funziona anche su DGX Spark di NVIDIA, un sistema desktop basato sul superchip GB10 Grace Blackwell. Topping utilizza un sistema DGX Spark nel suo ufficio per riaddestrare i modelli e svolgere esperimenti più piccoli, mentre il sistema più potente di Isambard-AI gestisce il carico di lavoro principale di addestramento descritto nel progetto.
Dalle previsioni regionali ai dati a livello stradale
Il modello attuale copre tutto il Regno Unito con una risoluzione di diversi chilometri quadrati. Il team prevede di aumentarne la risoluzione aggiungendo altri dati aperti, con l’obiettivo dichiarato di comprendere l’inquinamento a livello stradale.
Questo affinamento potrebbe consentire analisi più localizzate, ma il progetto è ancora un sistema di ricerca, non un servizio pubblico di allerta già pronto. NVIDIA descrive possibili applicazioni in ambito sanitario, tra cui avvisi per le persone con asma quando si prevede che l’inquinamento sarà elevato nella loro zona il giorno o la settimana successivi.
I ricercatori stanno inoltre valutando se il modello possa integrarsi con dispositivi edge basati sull’IA che raccolgono misurazioni della qualità dell’aria in tempo reale. Un possibile impiego è accelerare il processo decisionale durante eventi come gli incendi boschivi, quando l’inquinamento può cambiare rapidamente e le osservazioni locali possono essere scarse.
Un flusso di lavoro aperto per altri Paesi
Il team di Manchester prevede di rendere disponibili i dati di addestramento e i flussi di lavoro per i modelli sull’inquinamento. L’obiettivo è consentire ai ricercatori di altri Paesi e città di riaddestrare sistemi analoghi usando dati locali, anziché affidarsi a un unico modello specifico per il Regno Unito.
Topping ha affermato che l’obiettivo più ampio è consentire a città e agenzie nazionali di produrre modelli dettagliati dell’inquinamento dopo un breve periodo su un supercomputer per l’IA. NVIDIA presenta questo approccio come un’estensione degli strumenti meteorologici di Earth-2: i ricercatori partono da un’architettura esistente, forniscono dati specifici del settore e adattano il modello a un nuovo problema di previsione.
Il progetto indica anche la possibilità di sviluppare un’interfaccia più diretta per scienziati, medici e amministrazioni pubbliche. Topping ha descritto un sistema futuro in cui un utente potrebbe chiedere quali livelli di inquinamento sono previsti in un determinato quartiere e ricevere una risposta generata da una catena di modelli basata su osservazioni locali e scienza dell’atmosfera.
Per ora, il risultato concreto è un modello di ricerca che copre tutto il Regno Unito, addestrato in due giorni su Isambard-AI e abbastanza piccolo da funzionare su un sistema desktop per l’IA. Il prossimo banco di prova sarà capire se altri dati aperti potranno trasformare le sue previsioni su aree di 2–3 chilometri quadrati in previsioni affidabili a livello stradale.