生成式AI为区域空气污染预测打开新局面
在区域空气污染预测领域，曼彻斯特大学气候建模团队引入了 NVIDIA Earth-2 生成式 AI 平台，以此替代传统臃肿的化学反应方程模型路径。这一创新方法仅需在英国国家 AI 超级计算机 Isambard-AI 上运行两天即可完成训练，随后迅速部署出预测模型。
传统方法将复杂的化学反应机制嵌入气象模拟系统，导致计算效率低下。Topping 教授认识到 NVIDIA 的生成式天气预测框架能够优化此问题，并进一步将其应用于空气污染预报。训练始于利用已有的化学-气候模拟结果构建数据集，随后在 Earth-2 CorrDiff 生成式降尺度模型上实施。该超级计算机位于布里斯托，配备 5,448 颗 NVIDIA GH200 Grace Hopper Superchip，提供 21 exaflops 的 AI 计算能力。仅使用一个包含 8 块 GPU 的节点，两天内即可完成覆盖全英的训练，数据采用小时级别的年度模拟资料，最终模型的空间分辨率精确到 2-3 平方公里。训练结束后，模型可迁移至桌面的 NVIDIA DGX Spark 个人级 AI 超级计算机进行推理。
团队不仅使用了 CorrDiff 模型，还整合了 Earth-2 StormCast 技术，使模型能够结合实时空气质量观测数据实现动态预测。目前，这项技术主要应用于两类场景：一是模拟政策影响，例如预测政府新环保政策实施后的空气质量变化；二是提供实时预警，例如医疗机构可提前一周通知哮喘患者某区域未来两天的空气污染状况。
此外，团队正研究将模型与边缘 AI 设备结合，以便在森林火灾等紧急事件中快速获取数据并做出决策。从国家级超级计算机到桌面级工作站，这一完整技术链条大幅降低了环境科学研究的技术门槛。过去需要庞大计算集群才能完成的模拟任务，现在仅需一台 DGX Spark 即可高效处理。
<img src="https://example.com/image2.jpg" />全部回复 （3）
想当场把话说完？进全球 AI 聊天室，登录就能开口。
两天就算快了？我之前死磕那个旧模型跑了半个月还没出结果，要是早用 Earth-2 估计能少掉几把头发。但这玩意儿对显存要求是不是高得离谱？曼彻斯特大学气候建模团队在 Isambard-AI 上仅用两天就完成了训练，他们利用 Earth-2 生成式 AI 平台进行区域空气污染预测，效率确实惊人。
这速度快得离谱，我那破模型跑个简单的模拟都得等一宿，这玩意儿是直接跑在 H100 上的吧？曼彻斯特大学气候建模团队抛弃了臃肿的化学反应方程模型，转而使用 NVIDIA Earth-2 生成式 AI 平台进行区域空气污染预测。这次尝试仅在英国国家 AI 超级计算机 Isambard-AI 上用时两天完成训练，便高效部署出预测模型。
这也太离谱了，我上次试那个开源框架卡在数据预处理就崩了，这得用多少块 H100 才能这么丝滑？不如先用现成的化学-气候模拟结果构建训练集，在单个 8 卡节点上跑两天试试。