空氣污染對公共健康構成嚴重威脅，去年光是英國就有約三萬人因此喪生。雖然數據驅動的洞察能提供幫助，但使用傳統化學模型計算空氣品質成本高昂，這限制了其細緻程度與運行頻率。
曼徹斯特大學地球與環境科學系的 David Topping 教授觀察到，NVIDIA Earth-2 開放式 AI 模型與工具系列已成功解決天氣預報的相關問題。他因此思考，相同的生成式框架是否也能應用於污染領域。
Topping 表示：「預測空氣品質最大的挑戰在於所需的運算資源。一旦將化學元素納入天氣模型，它們的運行速度就會變得非常慢。所以我提議，何不嘗試將 NVIDIA 為氣候與天氣開發的生成式框架應用於污染領域？」
Topping 及其同事與 NVIDIA Earth-2 團隊合作，從現有的化學氣候模擬中生成訓練數據，然後在英國布里斯托的國家級 AI 超級電腦 Isambard-AI 上，訓練了 Earth-2 CorrDiff 這個生成式降尺度模型。
該模型在首次嘗試時便成功運行。
該團隊隨後又加入了 Earth-2 StormCast 模型，它能利用空氣品質觀測數據進行時間相關的預測，並展示了其在 NVIDIA DGX Spark 個人 AI 超級電腦上運行的測試訓練與推論工作流程。
Topping 指出：「為了改善人類健康，我們必須了解所呼吸空氣中環境壓力源的影響。我們的英國全境污染模型能讓我們模擬潛在的未來情境，例如預測若不同的污染相關政府政策生效會發生什麼情況。」
另一個潛在應用是為醫療機構提供主動式的空氣品質洞察。Topping 設想，區域和國家級的醫療服務機構可以主動聯繫患有氣喘等疾病的病患，告知他們明天或下週其所在地區的空氣污染將會很高。
該團隊也正在探索如何將空氣污染模型與邊緣 AI 裝置的數據結合，以攝取即時空氣品質數據，並推動即時決策，例如在發生野火時。
NVIDIA 天氣與氣候開發者關係經理 Niall Robinson 表示：「這個模型能在 Isambard-AI 上兩天內完成訓練，現在甚至可以在桌上的 DGX Spark 上運行，這改變了誰能進行這項科學研究以及研究速度。我們才剛開始探索這些開放式工作流程在全球能發揮的潛力。」
曼徹斯特大學博士生 Hao Zhang 在 Isambard-AI 上訓練了 StormCast，他表示：「能夠在不同的 NVIDIA 框架之間切換，這點令人印象深刻。我們才剛開始探索如何以不同方式使用這些框架來模擬複雜的污染領域。」
為了重新訓練 Earth-2 模型以預測空氣污染，Topping 及其團隊使用了一年內以小時為單位模擬的英國污染數據，生成了一個解析度為 2-3 平方公里的詳細英國全境污染模型。
該模型在 Isambard-AI 上的一個八 GPU 節點上運行，Isambard-AI 是英國最強大的 AI 超級電腦，搭載 5,448 個 NVIDIA GH200 Grace Hopper Superchips，提供 21 exaflops 的 AI 運算效能，整個過程僅耗時兩天。
布里斯托大學超級運算中心主任暨 Isambard-AI 共同創辦人 Simon McIntosh-Smith 表示：「Earth-2 CorrDiff 展示了對 Isambard-AI 內部世界級 NVIDIA 硬體的極高效率利用。對於一個氣候相關的專案而言，所使用的 GPU 時數相對較低，這意味著運行工作負載所需的超級電腦功耗更少，這點非常恰當。」
除了回顧過去一年的空氣污染情況，該模型還能幫助預測英國未來的空氣污染情境。團隊計劃透過整合更多開放數據來進一步提高模型的解析度，使研究人員能夠了解街道尺度的空氣污染。
同樣的生成式污染工作流程也能在搭載 NVIDIA GB10 Grace Blackwell 超級晶片的 DGX Spark 桌上型 AI 系統上運行，用於推論和較小規模的訓練。Topping 現在辦公室裡就有一台 DGX Spark 系統，用於重新訓練模型。
Topping 表示：「現在只需投入數千美元，就能開始開發強大的 AI 模型。」
該團隊計劃發布污染模型的開源訓練數據和工作流程，以便其他國家和地區也能訓練出類似的模型。
他說：「我們的目標是將這項工作流程提供給全世界。我們希望全球每個國家和每個主要城市，只要有一小部分的超級電腦 AI 運算時間，就能利用自己的本地數據生成詳細的污染模型。」
展望未來五年，Topping 認為最終目標將會更為簡化：一個代理式介面，臨床醫生或政府機構只需提出問題，模型鏈就會處理所有其他事務。
他表示：「隨著空氣品質觀測數據的開放程度提高，人們可以向在 DGX Spark 上運行的污染模型提問：『這個社區明天的污染情況會如何？』然後一連串的互動將會提供答案，而這些答案都基於這些框架所代表的科學原理。」