Проблема: Традиционные модели слишком медленные
Загрязнение воздуха ежегодно приводит к примерно 30 000 смертей в Великобритании. Традиционные химико-климатические модели требуют огромных вычислительных ресурсов, что делает их медленными и дорогими, ограничивая детализацию и частоту обновлений. Профессор Дэвид Топинг из Манчестерского университета решил применить генеративные подходы NVIDIA, изначально созданные для прогнозирования погоды, к полям загрязнения.
Результаты: Обучение за 2 дня и высокая точность
Команда использовала год данных о загрязнении воздуха в Великобритании с часовым интервалом. Модель Earth-2 CorrDiff (генеративная модель понижения размерности) была обучена на национальном ИИ-суперкомпьютере Великобритании Isambard-AI. Процесс занял всего 2 дня на одном узле с 8 GPU. Модель достигла разрешения 2-3 квадратных километра, что позволяет анализировать загрязнение на уровне районов.
Детали инфраструктуры и производительности
Ключевым фактором успеха стала архитектура NVIDIA Grace Hopper. Ниже приведены технические характеристики оборудования, использованного для обучения:
| Параметр | Значение / Описание |
|---|---|
| Суперкомпьютер | Isambard-AI (University of Bristol) |
| Процессоры | 5 448 NVIDIA GH200 Grace Hopper Superchips |
| Вычислительная мощность | 21 exaflops AI performance |
| Время обучения | 2 дня (на одном 8-GPU узле) |
| Разрешение модели | 2-3 кв. км |
| Дополнительная модель | Earth-2 StormCast (прогноз с учетом наблюдений) |
Доступность: От суперкомпьютера к столу
Самое важное достижение — переносимость технологии. Те же рабочие процессы обучения и вывода (inference) работают на NVIDIA DGX Spark — персональном ИИ-суперкомпьютере с чипом GB10 Grace Blackwell. Профессор Топинг установил DGX Spark прямо в своей лаборатории, что позволяет исследователям с бюджетом в «несколько тысяч долларов» разрабатывать собственные модели загрязнения.
Практическое применение и будущее
Модель позволяет прогнозировать сценарии: например, как изменится качество воздуха при новых государственных политиках. Также планируется интеграция с системами здравоохранения для отправки предупреждений пациентам с астмой. В перспективе 5 лет команда видит использование агентных интерфейсов, где врач или чиновник задает вопрос на естественном языке, а цепочка моделей NVIDIA Earth-2 предоставляет научно обоснованный ответ.
- Открытый доступ: Данные и рабочие процессы будут опубликованы для глобального сообщества.
- Масштабируемость: Возможность создания локальных моделей для любых городов мира.
- Реальное время: Интеграция с edge AI устройствами для мониторинга в режиме реального времени (например, при лесных пожарах).
Источник: NVIDIA Blog ↗