曼彻斯特大学利用 NVIDIA Earth-2 实现英国全域空气污染高精度预测
2026/09/16 13:00阅读量 3
曼彻斯特大学研究人员利用 NVIDIA Earth-2 生成式 AI 模型，成功构建了覆盖全英国的空气污染预测系统。该方案在国家级超算 Isambard-AI 上仅用两天完成训练，实现了 2-3 平方公里的高分辨率预报，并可在桌面级 DGX Spark 设备上运行推理。这一突破显著降低了计算门槛，为公共卫生预警和政策模拟提供了高效工具。
事件概述
曼彻斯特大学地球与环境科学系教授 David Topping 与博士生 Hao Zhang 合作，将 NVIDIA Earth-2 开源 AI 框架应用于空气质量预报领域。针对传统基于化学机理的气象模型计算成本高、更新频率低的问题，团队利用生成式模型大幅提升了预测速度与精度，旨在通过更及时的数据洞察改善公共健康。
核心技术与实施细节
- 模型架构：团队首先使用现有的化学气候模拟数据生成训练集，并在英国国家 AI 超级计算机 Isambard-AI 上训练了 Earth-2 CorrDiff（一种生成式降尺度模型）。随后，团队引入了 Earth-2 StormCast 模型，该模型支持时间依赖性预报，能够直接整合实时空气质量观测数据。
- 性能表现：
- 训练效率：在配备 5,448 块 NVIDIA GH200 Grace Hopper Superchips（提供 21 exaflops AI 算力）的 Isambard-AI 单节点（8 GPU）上，利用一年的小时级污染模拟数据，模型在 两天内 完成训练。
- 预测精度：生成的模型覆盖了整个英国，空间分辨率达到 2-3 平方公里，足以捕捉局部污染变化。
- 部署灵活性：除了超算环境，相同的生成式工作流已适配至基于 NVIDIA GB10 Grace Blackwell 芯片的 DGX Spark 桌面 AI 超级计算机。研究人员办公室内的 DGX Spark 即可进行模型推理和小规模重训练，极大降低了硬件门槛。
应用场景与未来展望
- 公共卫生预警：模型可支持医疗机构向哮喘等敏感人群提前发出高污染天气预警，实现主动健康管理。
- 政策模拟：研究人员可利用模型模拟不同政府环保政策实施后的潜在污染场景，辅助决策制定。
- 实时响应：结合边缘 AI 设备数据，模型可用于应对野火等突发事件的实时空气质量监测与决策。
- 开放科学与去中心化：团队计划开源训练数据和 workflows，使其他国家或城市仅需少量超算资源即可利用本地数据训练专属污染模型。长期愿景是构建“智能体（Agentic）”界面，让医生或政府机构通过自然语言提问（如“明天某街区污染情况如何？”），由模型链自动处理并返回基于科学的预测结果。