La contaminación del aire constituye un grave riesgo para la salud pública, contribuyendo a un estimado de 30,000 muertes solo en el Reino Unido el año pasado. La obtención de datos precisos podría ayudar a mitigar este problema; sin embargo, realizar cálculos de calidad del aire mediante modelos tradicionales basados en química resulta costoso, lo que limita la frecuencia y el detalle con que estos se pueden ejecutar.
David Topping, profesor del departamento de Ciencias de la Tierra y del Medio Ambiente en la Universidad de Manchester, observó que la familia de modelos y herramientas de inteligencia artificial de NVIDIA Earth-2 había resuelto un problema relacionado con las predicciones meteorológicas, y se preguntó si los mismos marcos generativos podrían funcionar para los campos de contaminación.
«El mayor desafío es el cálculo requerido para pronosticar la calidad del aire», afirmó Topping. «Una vez que incluyes química en los modelos climáticos, se vuelven extremadamente lentos. Así que me dije, ¿por qué no intentamos utilizar los marcos generativos que NVIDIA desarrolla para clima y meteorología en los campos de contaminación?».
Trabajando con el equipo de NVIDIA Earth-2, Topping y sus colegas generaron datos de entrenamiento a partir de simulaciones químico-climáticas existentes y capacitaron Earth-2 CorrDiff, un modelo generativo de escalamiento, en Isambard-AI, el superordenador nacional de inteligencia artificial del Reino Unido en Bristol. Sorprendentemente, el modelo funcionó en el primer intento.
Posteriormente, el equipo añadió Earth-2 StormCast, un modelo que permite realizar previsiones dependientes del tiempo usando directamente observaciones de calidad del aire. Mostraron los flujos de trabajo de prueba, entrenamiento e inferencia operando en el superordenador personal NVIDIA DGX Spark.
«Para mejorar la salud humana, es esencial comprender el impacto de los factores ambientales en el aire que respiramos», señaló Topping. «Nuestro modelo de contaminación a nivel nacional en el Reino Unido nos permite proyectar escenarios futuros potenciales, como prever qué sucedería si se implementaran diferentes cambios en las políticas gubernamentales relacionadas con la contaminación».
Otra potencial aplicación son los insights proactivos de calidad del aire para organizaciones de salud. Topping visualiza un escenario en el que los servicios de salud podrían alertar a los pacientes con afecciones como el asma sobre la posible alta contaminación en su área, tanto para el día siguiente como para la próxima semana.
El equipo también está explorando cómo su modelo de contaminación del aire podría combinarse con datos de dispositivos de IA en el borde para ingerir datos de calidad del aire en tiempo real y generar decisiones en tiempo real, como en caso de incendios forestales. “El hecho de que este modelo se haya entrenado en dos días con Isambard-AI y ahora pueda ejecutarse en un DGX Spark de escritorio cambia quién puede hacer esta ciencia y qué tan rápidamente”, indicó Niall Robinson, gerente de relaciones de desarrolladores para clima y meteorología en NVIDIA. “Apenas estamos empezando a ver las posibilidades de estos flujos de trabajo abiertos a nivel mundial”.
Topping y su equipo utilizaron un año de datos de contaminación del Reino Unido simulados a intervalos horarios para crear un detallado modelo de contaminación a escala nacional con una resolución de 2-3 kilómetros cuadrados, ejecutado en un nodo de ocho GPU en Isambard-AI. Este proceso, que utilizó uno de los superordenadores más potentes del Reino Unido, tomó solo dos días.
Topping ahora posee un sistema DGX Spark en su oficina para realizar nuevas capacitaciones de modelos, algo que describe como un cambio radical en cómo se puede desarrollar ciencia poderosa de IA con una inversión relativamente baja.
El equipo planea liberar datos de entrenamiento y flujos de trabajo abiertos para los modelos de contaminación con el fin de que se puedan entrenar modelos similares en otros países y regiones. «Nuestro objetivo es ofrecer este flujo de trabajo al mundo entero», expresó Topping. «Esperamos que cada país y ciudad importante del planeta pueda producir sus propios modelos detallados de contaminación con sus datos locales».
Con una visión a cinco años, Topping anticipa interfaces más simples donde un clínico o agencia gubernamental pueda plantear preguntas y una cadena de modelos gestione el resto. Con mejor acceso abierto a las observaciones de calidad del aire, el modelo podría responder en cuanto a las previsiones de contaminación para cualquier vecindario en cuestión de días.
Fuente: Zona de blogs y prensa de Nvidia
