L'université de Manchester utilise NVIDIA Earth-2 pour prévoir la pollution de l'air au Royaume-Uni
La pollution atmosphérique a contribué à environ 30 000 décès au Royaume-Uni l'an dernier, un chiffre qui a poussé David Topping, professeur au département des sciences de la Terre et de l'environnement de l'Université de Manchester, à chercher une alternative aux modèles de chimie atmosphérique classiques, trop coûteux en calcul pour être exécutés à haute résolution et à fréquence régulière. Constatant que la famille de modèles ouverts NVIDIA Earth-2 avait résolu un problème comparable pour la prévision météo, Topping et son équipe ont entraîné le modèle génératif de sous-échantillonnage Earth-2 CorrDiff sur des données issues de simulations chimie-climat existantes, en utilisant Isambard-AI, le supercalculateur national d'intelligence artificielle du Royaume-Uni basé à Bristol. Grâce à un an de données de pollution britanniques simulées à intervalles horaires, l'équipe a produit un modèle couvrant tout le pays à une résolution de 2 à 3 kilomètres carrés, entraîné en seulement deux jours sur un seul nœud à huit GPU d'Isambard-AI, une machine équipée de 5 448 superpuces NVIDIA GH200 Grace Hopper et capable de 21 exaflops de performance en IA. L'équipe a ensuite ajouté Earth-2 StormCast, un modèle permettant des prévisions dépendantes du temps intégrant directement des observations de qualité de l'air, entraîné par le doctorant Hao Zhang, et a fait tourner les flux d'entraînement et d'inférence sur un supercalculateur personnel NVIDIA DGX Spark.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de NVIDIA AI Blog. Lire l'article original →
Cette avancée change concrètement l'échelle à laquelle la qualité de l'air peut être modélisée et anticipée. Topping envisage des services de santé régionaux ou nationaux capables d'alerter à l'avance des patients asthmatiques lorsque la pollution s'annonce élevée dans leur zone, le lendemain ou la semaine suivante. Le modèle permet aussi de simuler différents scénarios de politiques publiques liées à la pollution et d'en évaluer l'impact avant leur mise en œuvre. L'équipe explore par ailleurs un couplage avec des dispositifs d'IA embarquée capables d'ingérer des données de qualité de l'air en temps réel, pour appuyer des décisions rapides, par exemple lors d'un incendie de forêt.
Ce projet illustre une bascule plus large permise par les modèles génératifs de climat et de météo : Niall Robinson, responsable des relations développeurs pour la météo et le climat chez NVIDIA, souligne qu'un entraînement réalisé en deux jours sur un supercalculateur national peut désormais tourner en inférence sur une machine de bureau, ce qui élargit considérablement le cercle des chercheurs capables de mener ce type de travaux. Simon McIntosh-Smith, directeur du Bristol Centre for Supercomputing et cofondateur d'Isambard-AI, met en avant l'efficacité énergétique de CorrDiff, qui a mobilisé relativement peu d'heures de calcul GPU pour un projet à visée climatique. Pour l'équipe de Manchester, qui n'en est qu'au début de l'exploration de ces cadres génératifs appliqués à des champs de pollution complexes, la facilité de passage d'un modèle Earth-2 à l'autre ouvre la voie à d'autres applications environnementales du même type.
Le Royaume-Uni n'est plus membre de l'UE, mais cette méthode de prévision de la pollution par IA générative pourrait inspirer des applications similaires dans des villes ou agences environnementales européennes.