La Universidad de Manchester predice la contaminación del aire en todo el Reino Unido con modelos de IA climática de NVIDIA
Investigadores británicos han adaptado modelos de inteligencia artificial diseñados originalmente para prever el clima y ahora los usan para anticipar niveles de contaminación atmosférica, una innovación que podría ayudar a servicios sanitarios a alertar a pacientes vulnerables antes de picos de polución.
La Universidad de Manchester ha adaptado Earth-2 (una familia de modelos de IA que NVIDIA creó para predecir el clima) para anticipar niveles de contaminación atmosférica en todo el Reino Unido. El modelo se entrenó en dos días usando la supercomputadora Isambard-AI y ahora puede ejecutarse en un ordenador de sobremesa, permitiendo a servicios sanitarios alertar a pacientes con asma antes de picos de polución.
La contaminación del aire provocó unas 30.000 muertes en el Reino Unido el año pasado, según estimaciones oficiales. Calcular la calidad del aire con modelos tradicionales basados en química resulta extremadamente costoso en términos de capacidad de cómputo (potencia informática necesaria para realizar cálculos complejos), lo que limita la frecuencia con la que se pueden ejecutar y el detalle que pueden ofrecer. David Topping, profesor en el departamento de ciencias terrestres y ambientales de la Universidad de Manchester, se preguntó si los modelos de IA que NVIDIA había desarrollado para predecir el clima —agrupados bajo el nombre Earth-2— podrían aplicarse también a campos de contaminación.
Trabajando con el equipo de Earth-2, Topping y sus colegas generaron datos de entrenamiento (información histórica que se usa para enseñar a un modelo de IA a reconocer patrones) a partir de simulaciones químico-climáticas existentes. Entrenaron Earth-2 CorrDiff (un modelo generativo que toma datos de baja resolución y los convierte en mapas más detallados) en Isambard-AI, la supercomputadora nacional de IA del Reino Unido ubicada en Bristol. El modelo funcionó a la primera. Desde entonces han incorporado Earth-2 StormCast, un modelo que permite hacer pronósticos que evolucionan en el tiempo usando observaciones reales de calidad del aire, y han demostrado que todo el flujo de trabajo puede ejecutarse en un DGX Spark (un ordenador de sobremesa de NVIDIA diseñado para entrenar modelos de IA sin necesidad de un centro de datos).
Para reentrenar el modelo Earth-2 y adaptarlo a contaminación atmosférica, el equipo utilizó un año completo de datos de polución del Reino Unido simulados a intervalos de una hora, alcanzando una resolución de 2 a 3 kilómetros cuadrados. El proceso tomó solo dos días ejecutándose en un único nodo de ocho GPUs (procesadores gráficos especializados en cálculos de IA) dentro de Isambard-AI, que cuenta con 5.448 chips NVIDIA GH200 Grace Hopper. Según Simon McIntosh-Smith, director del Centro de Supercomputación de Bristol, el uso de recursos fue notablemente eficiente, requiriendo relativamente poca energía para ejecutar las cargas de trabajo.
Más allá de analizar la contaminación del año pasado, el modelo puede predecir escenarios futuros para el Reino Unido, lo que permitiría evaluar el impacto de posibles cambios en políticas gubernamentales relacionadas con emisiones. Topping imagina que servicios de salud regionales y nacionales podrían usar estas predicciones para alertar de forma proactiva a pacientes con asma u otras afecciones respiratorias cuando se prevean niveles altos de contaminación en su zona. El equipo también está explorando cómo combinar el modelo con dispositivos de edge AI (pequeños ordenadores que procesan datos localmente, sin enviarlos a la nube) para ingerir datos de calidad del aire en tiempo real y tomar decisiones inmediatas, por ejemplo durante un incendio forestal.
El equipo planea liberar los datos de entrenamiento y los flujos de trabajo del modelo como código abierto (software que cualquiera puede usar, modificar y distribuir libremente) para que otros países y regiones puedan entrenar sus propios modelos con datos locales. "Nuestro objetivo es ofrecer este flujo de trabajo al mundo entero", explica Topping, quien ahora tiene un sistema DGX Spark en su oficina reentrenando modelos. Mirando cinco años hacia adelante, el investigador imagina una interfaz agéntica (un sistema de IA que puede planificar y ejecutar múltiples tareas de forma autónoma) donde un médico o una agencia gubernamental simplemente formule una pregunta —"¿cómo estará la contaminación mañana en este barrio?"— y una cadena de modelos entregue la respuesta automáticamente.
