曼彻斯特大学用 NVIDIA Earth-2 两日训练出英国全域空气污染预报模型
NVIDIA Blog · rss · 2026-09-16
英国空气污染去年估计致 3 万人死亡，但传统化学模型计算空气质量的成本极高，限制了分辨率与运行频率。曼彻斯特大学教授 David Topping 与 NVIDIA Earth-2 团队合作，把原本用于气候/天气预报的生成式框架迁移到污染场建模。
- 训练数据来自既有化学-气候模拟；在布里斯托尔的英国国家 AI 超算 Isambard-AI（5448 块 GH200、21 exaflops）上，用 8 GPU 节点仅两天完成 CorrDiff 生成式降尺度模型训练，一次即成功，产出 2-3 平方公里分辨率的英国全域污染模型。
- 后续加入 Earth-2 StormCast，可直接利用空气质量观测做时间序列预报；整套工作流还可在桌面级 DGX Spark（GB10 芯片）上运行推理与小型再训练。
- 应用前景包括：为哮喘患者等提供区域污染预警、模拟政策变化的影响、结合边缘 AI 设备做野火等场景的实时决策。
- 团队计划开源训练数据与工作流，希望各国城市只需少量超算时间即可训练本地污染模型；Topping 展望五年内做成 agentic 界面，临床医生或政府机构直接提问即可获得答案。
「Infra」频道最新
- 台积电建 20 座厂仍追不上 AI 需求,劳动力短缺成瓶颈 — emmanuelvivier · 2026-09-16
- SemiAnalysis称Nvidia Vera Rubin NVL72智能体推理吞吐每兆瓦最高30倍于Blackwell — emmanuelvivier · 2026-09-16
- Cacheon矿工把MiniMax M3吞吐优化至2337.9 tok/s，据称可多赚61%利润 — JosephJacks_ · 2026-09-16
- 一份文档管道接三家 AI 厂商,Reddit 用户求解一站式自托管方案 — Sad-Razzmatazz-7657 · 2026-09-16
- 纳德拉举例：一座 400-500MW 数据中心让小镇税收涨 12 倍 — rohanpaul_ai · 2026-09-16
- OpenAI 发布系列文章：ChatGPT 如何做到每秒 7000 万次请求 — AxSaucedo · 2026-09-16