La contaminación del aire es un riesgo serio para la salud pública y contribuyó a cerca de 30,000 muertes solo en Reino Unido el año pasado. Los datos ayudan a entender el problema, pero calcular la calidad del aire con modelos tradicionales basados en química es caro, lo que limita el nivel de detalle y la frecuencia con la que esos modelos pueden ejecutarse.
David Topping, profesor del departamento de ciencias de la Tierra y del medio ambiente de la Universidad de Manchester, vio que la familia de modelos y herramientas abiertas de IA NVIDIA Earth-2 había resuelto un problema parecido en el pronóstico del clima, y se preguntó si los mismos frameworks generativos funcionarían para campos de contaminación.
«El mayor desafío es el cómputo necesario para pronosticar la calidad del aire», dijo Topping. «Cuando metes química dentro de los modelos meteorológicos, se vuelven muy, muy lentos. Entonces dije: ¿por qué no probamos los frameworks generativos que NVIDIA desarrolla para clima y tiempo en campos de contaminación?»
En trabajo conjunto con el equipo de NVIDIA Earth-2, Topping y sus colegas generaron datos de entrenamiento a partir de simulaciones químico-climáticas ya existentes y entrenaron Earth-2 CorrDiff, un modelo generativo de downscaling, en Isambard-AI, la supercomputadora nacional de IA de Reino Unido, en Bristol.
El modelo funcionó en el primer intento.
Desde entonces, el equipo agregó Earth-2 StormCast, un modelo que permite pronósticos dependientes del tiempo usando directamente observaciones de calidad del aire, y mostró los flujos de prueba, entrenamiento e inferencia ejecutándose en la supercomputadora personal de IA NVIDIA DGX Spark.
«Para mejorar la salud humana, es esencial entender el impacto de los estresores ambientales en el aire que respiramos», dijo Topping. «Nuestro modelo de contaminación para todo Reino Unido permite modelar escenarios futuros, como predecir qué pasaría si entraran en vigor distintos cambios de política pública relacionados con la contaminación.»
Crédito del video: Bristol Centre for Supercomputing (BriCS) @ University of Bristol
Otra aplicación posible es la generación proactiva de información de calidad del aire para organizaciones de salud. Topping imagina un escenario en el que los servicios de salud regionales y nacionales avisen a pacientes con condiciones como asma que la contaminación del aire será alta en su zona mañana o la semana siguiente.
El equipo también explora cómo el modelo de contaminación puede combinarse con datos de dispositivos de IA en el borde para ingerir datos de calidad del aire en tiempo real y apoyar decisiones en tiempo real, como en el caso de un incendio forestal.
«El hecho de que este modelo se haya entrenado en dos días en Isambard-AI, y que ahora se ejecute en un DGX Spark sobre un escritorio, cambia quién puede hacer esta ciencia y en cuánto tiempo», dijo Niall Robinson, developer relations manager de clima y tiempo en NVIDIA. «Apenas estamos en el comienzo de lo que estos flujos de trabajo abiertos pueden hacer a nivel global.»
«La capacidad de cambiar de un framework de NVIDIA a otro fue muy impresionante», dijo Hao Zhang, estudiante de doctorado de la Universidad de Manchester que entrenó StormCast en Isambard-AI. «Apenas estamos empezando a explorar cómo usar estos frameworks de distintas formas para modelar campos complejos de contaminación.»
De la supercomputadora nacional al escritorio
Para reentrenar el modelo Earth-2 para contaminación del aire, Topping y el equipo usaron un año de datos de contaminación de Reino Unido simulados en intervalos de una hora, y generaron un modelo detallado de contaminación para todo el país con una resolución de 2 a 3 kilómetros cuadrados.
Ejecutándose en un solo nodo de ocho GPU en Isambard-AI, la supercomputadora de IA más potente de Reino Unido, con 5,448 NVIDIA GH200 Grace Hopper Superchips y 21 exaflops de rendimiento de IA, el proceso tomó apenas dos días.
«Earth-2 CorrDiff mostró un uso increíblemente eficiente del hardware de clase mundial de NVIDIA dentro de Isambard-AI», dijo Simon McIntosh-Smith, director del Bristol Centre for Supercomputing en University of Bristol y cofundador de Isambard-AI. «Es apropiado que, en un proyecto de clima, las horas de GPU utilizadas hayan sido relativamente bajas, lo que exigió menos energía de la supercomputadora para ejecutar las cargas de trabajo.»
Además de reconstruir la contaminación del aire del último año, el modelo ayuda a predecir escenarios futuros de contaminación en Reino Unido. El equipo planea aumentar todavía más la resolución del modelo incorporando datos abiertos adicionales, lo que permitiría a los investigadores entender la contaminación del aire a escala de calle.
El mismo flujo generativo de contaminación también se ejecuta en el sistema de IA de escritorio NVIDIA DGX Spark, con el superchip NVIDIA GB10 Grace Blackwell, para inferencia y entrenamientos más pequeños. Topping ya tiene un DGX Spark en su oficina reentrenando modelos.
«Hoy usted puede invertir algunos miles de dólares y empezar a desarrollar modelos de IA potentes», dijo Topping.
Ciencia abierta, futuro con agentes
El equipo planea liberar en código abierto los datos de entrenamiento y los flujos de trabajo de los modelos de contaminación, para que modelos parecidos puedan entrenarse para otros países y regiones.
«Nuestro objetivo es ofrecer este flujo de trabajo a todo el mundo», dijo. «Esperamos que cualquier país y cualquier ciudad grande, con un pequeño intervalo de tiempo de IA en supercomputadora, pueda producir sus propios modelos detallados de contaminación con datos locales.»
Mirando cinco años hacia adelante, Topping ve un punto de llegada todavía más simple: una interfaz basada en agentes en la que un médico o una agencia de gobierno hace la pregunta y la cadena de modelos se encarga del resto.
«Con mejor acceso abierto a observaciones de calidad del aire, alguien podría preguntarle a nuestro modelo de contaminación ejecutándose en un DGX Spark: ¿cómo va a estar la contaminación en este barrio mañana?», dijo. «Y toda una cadena de interacciones entregará una respuesta, fundamentada en la ciencia que estos frameworks representan.»
Escuche más de Topping en el webinar AI for Science: From the Lab to the Frontier, el 30 de septiembre.
Conozca más sobre la IA de clima y tiempo NVIDIA Earth-2.