A poluição do ar é um risco sério à saúde pública e contribuiu para cerca de 30 mil mortes só no Reino Unido no ano passado. Dados ajudam a entender o problema, mas calcular a qualidade do ar com modelos tradicionais baseados em química é caro, o que limita o nível de detalhe e a frequência com que esses modelos podem rodar.
David Topping, professor do departamento de ciências da Terra e do ambiente da Universidade de Manchester, viu que a família de modelos e ferramentas abertas de IA NVIDIA Earth-2 tinha resolvido um problema parecido na previsão do tempo, e perguntou se os mesmos frameworks generativos funcionariam para campos de poluição.
“O maior desafio é o poder computacional necessário para prever a qualidade do ar”, disse Topping. “Quando você coloca química dentro de modelos meteorológicos, eles ficam muito, muito lentos. Então eu disse: por que não tentar usar os frameworks generativos que a NVIDIA desenvolve para clima e tempo nos campos de poluição?”
Em trabalho conjunto com a equipe do NVIDIA Earth-2, Topping e colegas geraram dados de treinamento a partir de simulações químico-climáticas já existentes e treinaram o Earth-2 CorrDiff, um modelo generativo de downscaling, no Isambard-AI, o supercomputador nacional de IA do Reino Unido, em Bristol.
O modelo funcionou na primeira tentativa.
Desde então, a equipe adicionou o Earth-2 StormCast, modelo que permite previsões dependentes do tempo usando diretamente observações de qualidade do ar, e mostrou os fluxos de teste, treinamento e inferência rodando no supercomputador pessoal de IA NVIDIA DGX Spark.
“Para melhorar a saúde humana, é essencial entender o impacto dos estressores ambientais no ar que respiramos”, disse Topping. “Nosso modelo de poluição para todo o Reino Unido permite modelar cenários futuros, como prever o que aconteceria se diferentes mudanças de política pública relacionadas à poluição entrassem em vigor.”
Crédito do vídeo: Bristol Centre for Supercomputing (BriCS) @ University of Bristol
Outra aplicação possível é a geração proativa de informações de qualidade do ar para organizações de saúde. Topping imagina um cenário em que serviços de saúde regionais e nacionais avisem pacientes com condições como asma que a poluição do ar vai estar alta na região deles amanhã ou na semana seguinte.
A equipe também explora como o modelo de poluição pode se combinar com dados de dispositivos de IA na borda para ingerir dados de qualidade do ar em tempo real e apoiar decisões em tempo real, como no caso de um incêndio florestal.
“O fato de esse modelo ter sido treinado em dois dias no Isambard-AI, e agora rodar em um DGX Spark em cima de uma mesa, muda quem consegue fazer essa ciência e em quanto tempo”, disse Niall Robinson, developer relations manager de tempo e clima na NVIDIA. “Estamos apenas no começo do que esses fluxos de trabalho abertos podem fazer globalmente.”
“A capacidade de trocar de um framework da NVIDIA para outro foi muito impressionante”, disse Hao Zhang, doutorando da Universidade de Manchester que treinou o StormCast no Isambard-AI. “Estamos só começando a explorar como usar esses frameworks de formas diferentes para modelar campos complexos de poluição.”
Do supercomputador nacional para a mesa de trabalho
Para retreinar o modelo Earth-2 para poluição do ar, Topping e a equipe usaram um ano de dados de poluição do Reino Unido simulados em intervalos de uma hora, gerando um modelo detalhado de poluição para todo o país com resolução de 2 a 3 quilômetros quadrados.
Rodando em um único nó de oito GPUs no Isambard-AI, o supercomputador de IA mais potente do Reino Unido, com 5.448 NVIDIA GH200 Grace Hopper Superchips e 21 exaflops de performance de IA, o processo levou apenas dois dias.
“O Earth-2 CorrDiff mostrou um uso incrivelmente eficiente do hardware de classe mundial da NVIDIA dentro do Isambard-AI”, disse Simon McIntosh-Smith, diretor do Bristol Centre for Supercomputing na University of Bristol e cofundador do Isambard-AI. “É apropriado que, em um projeto de clima, as horas de GPU usadas tenham sido relativamente baixas, exigindo menos energia do supercomputador para rodar as cargas de trabalho.”
Além de reconstruir a poluição do ar do último ano, o modelo ajuda a prever cenários futuros de poluição no Reino Unido. A equipe planeja aumentar ainda mais a resolução do modelo incorporando dados abertos adicionais, o que permitiria aos pesquisadores entender a poluição do ar em escala de rua.
O mesmo fluxo generativo de poluição também roda no sistema de IA de mesa NVIDIA DGX Spark, com o superchip NVIDIA GB10 Grace Blackwell, para inferência e treinamentos menores. Topping já tem um DGX Spark no escritório retreinando modelos.
“Hoje dá para investir alguns milhares de dólares e começar a desenvolver modelos de IA poderosos”, disse Topping.
Ciência aberta, futuro com agentes
A equipe planeja liberar em código aberto os dados de treinamento e os fluxos de trabalho dos modelos de poluição, para que modelos parecidos possam ser treinados para outros países e regiões.
“Nosso objetivo é oferecer esse fluxo de trabalho para o mundo inteiro”, disse ele. “Esperamos que qualquer país e qualquer cidade grande, com um pequeno intervalo de tempo de IA em supercomputador, consiga produzir os próprios modelos detalhados de poluição com dados locais.”
Olhando cinco anos à frente, Topping enxerga um ponto de chegada ainda mais simples: uma interface baseada em agentes em que um médico ou uma agência de governo faz a pergunta e a cadeia de modelos cuida do resto.
“Com melhor acesso aberto a observações de qualidade do ar, alguém poderia perguntar ao nosso modelo de poluição rodando em um DGX Spark: como vai estar a poluição neste bairro amanhã?”, disse ele. “E toda uma cadeia de interações vai entregar uma resposta, fundamentada na ciência que esses frameworks representam.”
Ouça mais de Topping no webinar AI for Science: From the Lab to the Frontier, em 30 de setembro.
Saiba mais sobre a IA de clima e tempo NVIDIA Earth-2.