Pesquisadores da Universidade de Manchester adaptaram a família de modelos abertos de inteligência artificial NVIDIA Earth-2 para prever a poluição do ar em todo o Reino Unido. O modelo funcionou logo na primeira tentativa de treinamento.
O trabalho é liderado por David Topping, professor do departamento de Ciências da Terra e do Ambiente da universidade, e foi apresentado pela NVIDIA em 16 de setembro de 2026.
O gargalo computacional da qualidade do ar
A poluição do ar é um problema grave de saúde pública. Estimativas citadas pela empresa apontam cerca de 30 mil mortes no Reino Unido apenas no último ano.
Medir e antecipar esse risco esbarra no custo dos modelos tradicionais, que acoplam química atmosférica aos modelos meteorológicos. Quanto maior o detalhamento desejado, mais caro fica o processamento.
E menor a frequência com que as previsões podem ser rodadas.
Foi esse impasse que levou Topping a olhar para a linha NVIDIA Earth-2, que já havia resolvido um problema parecido na previsão do tempo. A pergunta dele era direta: seria possível usar os mesmos frameworks generativos para campos de poluição?
Segundo o pesquisador, o maior desafio é a computação exigida. Os modelos meteorológicos ficam muito lentos quando recebem química, daí a ideia de reaproveitar as estruturas generativas criadas para clima e tempo.
Treinamento no isambard-ai
Com a equipe do Earth-2, Topping e colegas geraram dados de treinamento a partir de simulações de química e clima já existentes. Treinaram o Earth-2 CorrDiff, um modelo generativo de downscaling, no Isambard-AI, o supercomputador nacional de IA do Reino Unido instalado em Bristol.
Foi usado um ano de dados de poluição britânica simulados em intervalos horários. O resultado foi um modelo de cobertura nacional com resolução de 2 a 3 quilômetros quadrados.
O treinamento rodou em um único nó de oito GPUs do Isambard-AI, máquina que reúne 5.448 superchips NVIDIA GH200 Grace Hopper e soma 21 exaflops de desempenho em IA. Levou apenas dois dias.
Para Simon McIntosh-Smith, diretor do Bristol Centre for Supercomputing da Universidade de Bristol e cofundador do Isambard-AI, o CorrDiff fez uso bastante eficiente do hardware, com consumo relativamente baixo de horas de GPU e de energia. Um detalhe relevante em um projeto de base climática.
StormCast, dgx spark e alertas em tempo real
Depois do primeiro modelo, a equipe incorporou o Earth-2 StormCast, capaz de produzir previsões dependentes do tempo que usam diretamente observações de qualidade do ar. O treinamento do StormCast no Isambard-AI ficou a cargo de Hao Zhang, doutorando da Universidade de Manchester, que apontou a facilidade de alternar entre diferentes frameworks da NVIDIA.
Os fluxos de teste, treinamento e inferência também foram demonstrados no DGX Spark, o computador pessoal de IA equipado com o superchip GB10 Grace Blackwell. Topping já mantém uma dessas máquinas em seu escritório para retreinar modelos.
Ele observa que hoje é possível começar a desenvolver modelos poderosos com um investimento de alguns milhares de dólares.
Entre as aplicações vislumbradas estão alertas proativos para serviços de saúde, que poderiam avisar pacientes com asma sobre picos de poluição previstos para o dia seguinte ou para a semana. Outra frente é a combinação do modelo com dispositivos de IA de borda, capazes de alimentar decisões em tempo real em situações como incêndios florestais.
Ciência aberta e ambições globais
A equipe pretende publicar como código aberto os dados de treinamento e os fluxos de trabalho dos modelos de poluição. Assim, outros países e regiões podem treinar versões próprias com dados locais.
O objetivo declarado por Topping é oferecer esse fluxo ao mundo inteiro. Qualquer nação ou grande cidade poderia produzir seu próprio modelo detalhado de poluição usando uma pequena janela de tempo em supercomputadores de IA.
Também está nos planos aumentar a resolução incorporando mais dados abertos, o que permitiria analisar a poluição na escala de ruas.
Para Niall Robinson, gerente de relações com desenvolvedores para clima e tempo da NVIDIA, o fato de o modelo ter sido treinado em dois dias no Isambard-AI e agora rodar em um DGX Spark sobre uma mesa muda quem pode fazer essa ciência e em que velocidade. O potencial desses fluxos abertos em escala global ainda está sendo explorado.
Além do retrato do último ano, o modelo permite simular cenários futuros, como os efeitos de mudanças em políticas públicas de controle de poluição.
Fontes e links
- NVIDIA — matéria original sobre o projeto da Universidade de Manchester.
- NVIDIA Earth-2, página oficial da família de modelos abertos.
- Earth-2 CorrDiff, documentação do modelo generativo de downscaling.
- Isambard-AI, conteúdo da NVIDIA sobre o supercomputador britânico usado no treinamento.
