Manchester Üniversitesi'nden bir ekip, NVIDIA Earth-2 ekibiyle iş birliği içinde, Birleşik Krallık genelinde hava kirliliğini simüle etmek ve tahmin etmek için 2 ila 3 kilometre arasında değişen mekânsal çözünürlüğe sahip yapay zekâ tabanlı bir model geliştirdi. Proje, hava durumu verileriyle atmosferdeki kimyasal tepkimeleri birleştiren geleneksel modellerin yüksek hesaplama maliyetini azaltmayı hedefliyor.
Çalışmayı, Manchester Üniversitesi Yer ve Çevre Bilimleri Bölümü profesörü David Topping yönetiyor. Ekip, bir yılın tamamını saatlik aralıklarla kapsayan kimyasal-iklim simülasyonlarından üretilmiş kirlilik verilerini temel aldı ve kirleticilerin dağılımına ilişkin daha ayrıntılı haritalar oluşturmak üzere Earth-2 CorrDiff modelini eğitti. NVIDIA'ya göre model, ilk eğitim denemesinde başarılı oldu.
Kimyasal simülasyondan hızlı tahmine
Geleneksel hava kalitesi modelleri, atmosfer kimyasının hava durumu modellerine dâhil edilmesi nedeniyle yoğun hesaplamalar gerektiriyor; bu da ayrıntı düzeyini ve çalıştırılma sıklığını sınırlıyor. Manchester ekibi, her bir tepkimeyi geleneksel yöntemle hesaplamak yerine kirlilik «alanlarıyla» çalışmak amacıyla NVIDIA tarafından hava durumu ve iklim için geliştirilen üretken yapay zekâ çerçevelerini kullanmayı denedi.
Eğitim, Bristol'deki Birleşik Krallık süper bilgisayarı Isambard-AI üzerinde, sekiz grafik işlem birimiyle donatılmış tek bir düğüm kullanılarak gerçekleştirildi. Sistem, yapay zekâ iş yükleri için açıklanan 21 eksaflop kapasiteye sahip 5.448 NVIDIA GH200 Grace Hopper Superchip barındırıyor. Yayımlanan materyale göre eğitim iki gün sürdü.
Ekip daha sonra, zamana dayalı ve doğrudan hava kalitesi gözlemlerini kullanan tahminler üretmek için Earth-2 StormCast modelini ekledi. Araştırmacılar ayrıca eğitim ve çıkarım süreçlerini GB10 Grace Blackwell çipiyle desteklenen masaüstü NVIDIA DGX Spark sistemi üzerinde gösterdi. Topping, ofisinde bir DGX Spark bulunmasının, modelleri yeniden eğitmesine ve süper bilgisayardan uzakta daha küçük eğitimler gerçekleştirmesine olanak sağladığını söylüyor.
Bu gelişme neden önemli?
Materyale göre hava kirliliği, geçen yıl Birleşik Krallık'ta yaklaşık 30.000 ölüme katkıda bulundu; bu da tahminlerin iyileştirilmesini halk sağlığıyla doğrudan ilgili hâle getiriyor. Sağlık hizmetleri, astım gibi rahatsızlıkları olan hastaları bölgelerinde ertesi gün veya takip eden hafta içinde kirlilikte beklenen artış konusunda bilgilendirmek için bu tahminleri kullanabilir.
Ekip ayrıca modeli, gerçek zamanlı hava kalitesi ölçümlerini alan uç yapay zekâ cihazlarıyla bağlamayı test ediyor. Önerilen uygulamalar arasında orman yangınları sırasında hızlı kararları desteklemek ve modeli, kirlilikle ilgili olası hükûmet politikası değişikliklerinin etkisini simüle etmek için kullanmak bulunuyor.
Pratikte ne değişiyor?
En belirgin değişiklik, iş akışının maliyetli merkezi çalıştırmalardan, en azından çıkarım ve bazı eğitimler için bir masaüstü cihazında çalıştırılabilen bir modele geçmesi. Ekip, ek kamu verilerini birleştirerek modelin doğruluğunu sokak düzeyine çıkarmayı planlıyor. Ayrıca diğer ülkelerin ve şehirlerin kendi verileriyle yerel modeller oluşturabilmesi için eğitim verilerini ve iş akışlarını açık kaynak olarak yayımlamayı amaçlıyor.
Ancak materyal, geleneksel kimyasal modellerle karşılaştırıldığında tahmin doğruluğuna ilişkin ayrıntılı nicel sonuçlar sunmuyor ve modele dayanarak çalışan bir sağlık hizmetinin veya genel uyarı sisteminin işletime alındığını da henüz kanıtlamıyor. Bu nedenle anlık tahminler ve klinik uygulamalarla ilgili vaatler, hâlihazırda mevcut hizmetler değil, keşif aşamasındaki hedefler olmaya devam ediyor. Projenin mevcut önemi, Earth-2 çerçevelerinin hava kirliliği alanına aktarılabilirliğini ve modelleme araçlarına erişim eşiğinin düşürülebileceğini göstermesinde yatıyor; bağımsız doğrulama, yerel verilerin kalitesi ve açık kaynak kaynakların yayımlanma zamanlaması ise yanıtlanması gereken sorular olarak varlığını sürdürüyor.