曼彻斯特大学使用 NVIDIA Earth-2 预测空气污染
空气污染是严重的公共卫生风险,仅过去一年,英国大约就有 3 万人因此死亡。数据驱动的洞察分析固然有所帮助,但使用传统的基于化学模型计算空气质量往往成本高昂,这限制了模型的精细程度以及定期运行的方式。 曼彻斯特大学地球与环境科学系教授 David Topping 发现 NVIDIA Earth-2 开放 AI 模型和工具系列能够解决天气预报的相关问题,并思考相同的生成式框架是否也适用于预测污染领域。 Topping 表示:“最大的挑战在于预测空气质量所需的计算。一旦将化学纳入天气模型中,运行速度就
空气污染是严重的公共卫生风险,仅过去一年,英国大约就有 3 万人因此死亡。数据驱动的洞察分析固然有所帮助,但使用传统的基于化学模型计算空气质量往往成本高昂,这限制了模型的精细程度以及定期运行的方式。
曼彻斯特大学地球与环境科学系教授 David Topping 发现 NVIDIA Earth-2 开放 AI 模型和工具系列能够解决天气预报的相关问题,并思考相同的生成式框架是否也适用于预测污染领域。
Topping 表示:“最大的挑战在于预测空气质量所需的计算。一旦将化学纳入天气模型中,运行速度就会变得非常慢。所以我想,我们为何不尝试使用 NVIDIA 为污染领域的气候和天气开发的生成式框架?”
Topping 和同事与 NVIDIA Earth-2 团队合作,利用现有的化学 – 气候模拟中生成训练数据,然后在英国布里斯托的 AI 超级计算机 Isambard-AI 上,训练生成式降尺度模型 Earth-2 CorrDiff。
该模型首次尝试便成功运行。

该团队随后引入了 Earth-2 StormCast 模型,该模型可直接使用空气质量观测结果,进行随时间变化的预测,并展示了在 NVIDIA DGX Spark 个人 AI 超级计算机上运行的测试训练和推理工作流。
Topping 表示:“为了改善人类健康,我们必须了解环境压力对我们呼吸空气的影响。我们建立的覆盖英国全境的污染模型能够帮助我们对未来可能出现的情况进行建模,例如预测如果实施不同的污染相关的政策调整,会产生怎样不同的影响。”
另一个潜在应用是为医疗健康组织提供前瞻性的空气质量洞察分析。Topping 设想了这样一种场景:各地的医疗健康服务机构可以联系到患有哮喘等疾病的患者,提醒他们所在地区明天或下周,可能出现较高水平的空气污染。
该团队还在探索如何将空气污染模型与边缘 AI 设备的数据结合,以获取实时空气质量数据,并推动例如在发生野火时所需制定的实时决策。
NVIDIA 天气和气候开发者关系经理 Niall Robinson 表示:“这个模型在 Isambard-AI 上训练了两天,现在甚至已经可以在办公桌上的 DGX Spark 上运行,这改变了开展这项科学工作的主体,更提升了推进速度。我们才刚刚开始探索这些开放的工作流可以在全球范围内发挥什么样的作用。”
在 Isambard-AI 上训练 StormCast 的曼彻斯特大学博士生 Hao Zhang 说:“在不同的 NVIDIA 框架切换,这种能力确实令人印象深刻。我们才刚刚开始探索如何以不同的方式使用这些框架,来模拟复杂的污染领域。”
从超级计算机到台式机

为了重新训练 Earth-2 模型来检测空气污染,Topping 及其团队使用了英国一整年的污染数据,按小时进行模拟,生成了一个分辨率为 2-3 平方公里的详细的全英国污染模型。
在 Isambard-AI 的单个 8 GPU 节点上运行,整个过程仅耗时两天。该 AI 超级计算机,搭载了 5448 颗 NVIDIA GH200 Grace Hopper 超级芯片,可提供 21 exaflops 的 AI 性能。
布里斯托超级计算中心和 Isambard-AI 的联合创始人表示:“Earth-2 CorrDiff 展现出了极高的效率,能够高效利用 Isambard-AI 内世界级的 NVIDIA 硬件。对于一个气候相关的项目来说,GPU 使用的时间相对较少,意味着运行工作负载所需的超级计算机功耗也较低,这一点尤为契合。”
该模型回顾了过去一年的空气污染状况,还有助于预测英国未来的空气污染状况。该团队计划通过整合更多开放数据进一步提高模型的分辨率,使研究人员能够了解街道上的空气污染情况。
同样的生成式污染工作流也在 NVIDIA Grace Blackwell 超级芯片驱动的 DGX Spark 桌面 AI 系统上运行,用于推理和小型训练。现在,Topping 在他的办公室配备了 DGX Spark 系统,用于重新训练模型。
Topping 说:“现在,您只需投资几千美元,就可以开始开发强大的 AI 模型。”

开放的科学,智能体的未来
该团队计划开源污染模型的训练数据和工作流,以便训练适用于其他国家和地区的类似模型。
他表示:“我们的目标是将这种工作流推广到全世界。我们希望全球每个国家和其主要城市,只需利用少量超级计算机 AI 计算,就能够使用自己的本地数据生成自己详细的污染模型。”
展望未来五年,Topping 认为最终形态将更简单:一个智能体界面,临床医生或政府机构提出问题,模型链处理其他一切。
他表示:“有了更好的空气质量观测结果,人们就可以向我们在 DGX Spark 上运行的污染模型提问:明天这个街区的污染状况会如何?基于这些框架所代表的科学,整个互动链将给出答案。”
有关 Topping 的更多信息,研讨会 AI 在科学领域的应用:从实验室到前沿将于 9 月 30 日举行。
详细了解 NVIDIA Earth-2 气候和天气 AI。