Manchester Üniversitesi, NVIDIA Earth-2 ile Birleşik Krallık'ta Hava Kirliliğini Tahmin Ediyor

Manchester Üniversitesi'nden NVIDIA Earth-2 ile Hava Kirliliği Tahmini

Manchester Üniversitesi fizikçileri David Topping ve Hao Zhang, hava kalitesi tahmini için NVIDIA Earth-2 üretken modellerini uyguladı. Hao Zhang, Manchester Üniversitesi'nde doktora öğrencisidir.

Topping, hava kalitesini hesaplamanın geleneksel kimya tabanlı modellerle pahalı olduğunu, bunun da modellerin ne kadar ayrıntılı olabileceğini ve ne sıklıkla çalıştırılabileceğini sınırladığını belirtti. Topping'e göre hava kalitesini tahmin etmek için gereken en büyük zorluk hesaplama gücüdür; kimya modellere dahil edildiğinde modeller çok yavaşlar. Bu nedenle Topping, NVIDIA'ın iklim ve hava durumu için geliştirdiği üretken çerçeveleri kirlilik alanları için denemeyi önerdi.

Eğitim Verisi ve Model Geliştirme

Topping ve meslektaşları, mevcut kimya-iklim simülasyonlarından eğitim verisi üretti. Ekip, Earth-2 modelini hava kirliliği için yeniden eğitmek üzere saatlik aralıklarla simüle edilmiş bir yıllık Birleşik Krallık kirlilik verisi kullandı.

Topping ve meslektaşları, Isambard-AI üzerinde Earth-2 CorrDiff adlı üretken ölçek küçültme modelini eğitti. Isambard-AI, Bristol'deki Birleşik Krallık ulusal yapay zeka süper bilgisayarıdır. Ekip daha sonra, hava kalitesi gözlemlerini doğrudan kullanan zamana bağlı tahminler sağlayan Earth-2 StormCast modelini ekledi. Hao Zhang, Isambard-AI üzerinde StormCast'i eğitti.

Model ilk denemede çalıştı. Ortaya çıkan Birleşik Krallık genelindeki kirlilik modeli 2-3 kilometrekare çözünürlüğe sahiptir.

Isambard-AI Üzerinde Eğitim Süreci

Eğitim süreci, Isambard-AI üzerinde tek bir sekiz GPU'lu düğümde çalıştırıldı ve yalnızca iki gün sürdü. Isambard-AI, 21 exaflops yapay zeka performansı sağlayan 5.448 NVIDIA GH200 Grace Hopper Superchip ile donatılmıştır.

Bristol Üniversitesi Bristol Süper Hesaplama Merkezi direktörü ve Isambard-AI kurucu ortağı Simon McIntosh-Smith'e göre Earth-2 CorrDiff, Isambard-AI içindeki dünya standartlarındaki NVIDIA donanımının inanılmaz derecede verimli kullanımını göstermiştir. McIntosh-Smith'e göre iklim tabanlı bir proje için GPU saatleri nispeten düşüktü ve iş yüklerini çalıştırmak için süper bilgisayardan daha az güç gerektirdi.

Masaüstüne Taşınan İş Akışı

Ekip, test eğitimi ve çıkarım iş akışlarının NVIDIA DGX Spark kişisel yapay zeka süper bilgisayarında çalıştığını gösterdi. Aynı üretken kirlilik iş akışı, NVIDIA GB10 Grace Blackwell süper çip destekli DGX Spark masaüstü yapay zeka sisteminde çıkarım ve daha küçük eğitim çalışmaları için de çalışır. Topping'in ofisinde modelleri yeniden eğiten bir DGX Spark sistemi var.

NVIDIA'dan Niall Robinson'a göre modelin Isambard-AI'de iki günde eğitilmesi ve artık bir masada duran bir DGX Spark üzerinde çalışabilmesi, bu bilimi kimin yapabileceğini ve ne kadar hızlı yapabileceğini değiştiriyor. Robinson'a göre bu açık iş akışlarının küresel olarak neler yapabileceğinin henüz başındalar.

Hao Zhang'a göre bir NVIDIA çerçevesinden diğerine geçme yeteneği gerçekten etkileyiciydi. Zhang'a göre karmaşık kirlilik alanlarını modellemek için bu çerçeveleri farklı şekillerde kullanmayı keşfetmeye daha yeni başlıyorlar.

Topping'e göre güçlü yapay zeka modelleri geliştirmeye başlamak için artık birkaç bin dolar yatırım yapılabilir.

Kullanım Senaryoları ve Gelecek Planları

Model, geçen yılki hava kirliliğine geriye dönük bir bakış sunmanın yanı sıra, Birleşik Krallık için gelecekteki hava kirliliği senaryolarını tahmin etmeye yardımcı olabilir. Topping'e göre Birleşik Krallık genelindeki kirlilik modeli, farklı kirlilikle ilgili hükümet politikası değişikliklerinin yürürlüğe girmesi durumunda ne olacağını tahmin etmek gibi potansiyel gelecek senaryolarını modellemeye olanak tanır.

Topping, bölgesel ve ulusal sağlık hizmetlerinin astım gibi rahatsızlıkları olan hastalara, bölgelerinde yarın veya gelecek hafta hava kirliliğinin yüksek olacağını bildirmek için ulaşabileceği bir senaryo öngörüyor.

Ekip, hava kirliliği modelinin gerçek zamanlı hava kalitesi verilerini almak ve orman yangını durumunda olduğu gibi gerçek zamanlı karar almayı yönlendirmek için uç yapay zeka cihazlarından gelen verilerle nasıl eşleştirilebileceğini araştırıyor.

Ekip, ek açık verileri dahil ederek modelin çözünürlüğünü daha da artırmayı planlıyor. Bu sayede araştırmacılar hava kirliliğini sokak ölçeğinde anlayabilecek.

Ekip, benzer modellerin diğer ülkeler ve bölgeler için eğitilebilmesi amacıyla kirlilik modelleri için açık kaynak eğitim verileri ve iş akışlarını yayınlamayı planlıyor. Topping'e göre amaçları bu iş akışını tüm dünyaya sunmaktır. Topping'e göre her küresel ülkenin ve her büyük şehrin, küçük bir süper bilgisayar yapay zeka zamanıyla kendi yerel verileriyle kendi ayrıntılı kirlilik modellerini üretebilmelerini umuyorlar.

Topping, beş yıl sonrasına bakıldığında son noktayı daha basit görüyor: bir klinisyen veya devlet kurumunun soruyu sorduğu ve model zincirinin geri kalan her şeyi hallettiği ajan tabanlı bir arayüz. Hava kalitesi gözlemlerine daha iyi açık erişimle, biri DGX Spark üzerinde çalışan kirlilik modeline yarın bu mahallede kirliliğin nasıl olacağını sorabilir. Bir dizi etkileşim, bu çerçevelerin temsil ettiği bilime dayanan bir yanıt sunacaktır.

Etkinlikler

AI for Science: From the Lab to the Frontier adlı webinar 30 Eylül'de gerçekleşecek. NVIDIA GTC Berlin kaydı 20-22 Ekim tarihleri için açıldı.