空气污染是严重的公共卫生风险，英国过去一年约有 3 万人因此死亡。传统空气质量模型一旦把化学过程耦合进天气模式，计算速度就会大幅下降，模型的精细程度与运行频率都受到限制。
曼彻斯特大学地球与环境科学系教授 David Topping 与其团队把 NVIDIA Earth-2 的生成式框架用到污染预测上。他们用已有的化学—气候模拟生成训练数据，在英国布里斯托的 Isambard-AI 超级计算机上训练 Earth-2 CorrDiff 降尺度模型，首次尝试便成功运行。
训练使用英国一整年的污染数据、按小时模拟，产出覆盖全英、分辨率为 2–3 公里的污染模型。整个训练在 Isambard-AI 的单个 8 GPU 节点上耗时两天；这台机器搭载 5448 颗 GH200 Grace Hopper 超级芯片，提供 21 exaflops 的 AI 性能。
团队随后引入 Earth-2 StormCast，该模型可直接使用空气质量观测做随时间变化的预报，并在 NVIDIA DGX Spark 个人 AI 超级计算机上跑通了测试性的训练与推理流程。Topping 的办公室现在放着一台 DGX Spark 用于重训模型——同一套工作负载从超级计算机下沉到了桌面。
潜在应用之一是公共卫生预警：医疗机构可以提前联系哮喘等疾病的患者，提示所在地区未来一天或一周可能出现较高污染水平。团队还在探索把污染模型与边缘 AI 设备的实时观测结合，用于野火等需要即时决策的场景。
团队计划开源污染模型的训练数据与工作流，让其他国家与城市用少量超算资源、配合本地数据生成自己的高分辨率污染模型。NVIDIA 天气和气候开发者关系经理 Niall Robinson 表示，模型在 Isambard-AI 上训练两天后已能在一台 DGX Spark 上运行，这改变了开展这类科学工作的主体，也提升了推进速度。
WeChat
Profile