ม.แมนเชสเตอร์ใช้ NVIDIA Earth-2 พยากรณ์มลพิษทางอากาศทั่วอังกฤษ

มลพิษทางอากาศเป็นความเสี่ยงด้านสาธารณสุขที่ร้ายแรง โดยเป็นสาเหตุของการเสียชีวิต estimated 30,000 deaths ในสหราชอาณาจักรเพียงแห่งเดียวเมื่อปีที่ผ่านมา แม้ข้อมูลเชิงลึกจะช่วยบรรเทาปัญหาได้ แต่การคำนวณคุณภาพอากาศด้วยโมเดลเคมีแบบดั้งเดิมนั้นมีต้นทุนสูงมาก ส่งผลให้ความละเอียดและความถี่ในการรันโมเดลมีจำกัด

David Topping ศาสตราจารย์ภาควิชา Earth and environmental science มหาวิทยาลัยแมนเชสเตอร์ เล็งเห็นว่าตระกูลโมเดล AI และเครื่องมือแบบเปิดอย่าง NVIDIA Earth-2 สามารถแก้ปัญหาการพยากรณ์อากาศได้สำเร็จ เขาจึงตั้งคำถามว่าเฟรมเวิร์ก Generative เดียวกันนี้จะนำมาปรับใช้กับงานด้านมลพิษได้หรือไม่

"ความท้าทายใหญ่ที่สุดคือพลังประมวลผลที่ต้องใช้ในการพยากรณ์คุณภาพอากาศ" Topping กล่าว "เมื่อคุณใส่ปัจจัยทางเคมีเข้าไปในโมเดลสภาพอากาศ มันจะทำงานช้าลงอย่างมาก ผมเลยคิดว่า ทำไมเราไม่ลองใช้ Generative Frameworks ที่ NVIDIA พัฒนาขึ้นสำหรับภูมิอากาศมาใช้กับเรื่องมลพิษดูล่ะ?"

จากการทำงานร่วมกับทีม NVIDIA Earth-2 Topping และคณะได้สร้างข้อมูลสำหรับฝึกฝนจากแบบจำลองเคมี-ภูมิอากาศเดิม จากนั้นจึงเทรน Earth-2 CorrDiff ซึ่งเป็น Generative Downscaling Model บน Isambard-AI ซูเปอร์คอมพิวเตอร์ AI ระดับชาติในเมืองบริสตอล โดยโมเดลนี้สามารถทำงานได้สำเร็จตั้งแต่ความพยายามครั้งแรก

ตั้งแต่นั้นมา ทีมงานได้เพิ่ม Earth-2 StormCast ซึ่งเป็นโมเดลที่ช่วยให้พยากรณ์แบบอ้างอิงเวลา (Time-dependent forecasts) โดยใช้ข้อมูลสังเกตการณ์มลพิษโดยตรง พร้อมสาธิตเวิร์กโฟลว์การทดสอบและทำ Inference บนซูเปอร์คอมพิวเตอร์ส่วนบุคคล NVIDIA DGX Spark

Topping ระบุว่าการเข้าใจผลกระทบจากสิ่งแวดล้อมในอากาศที่หายใจเป็นสิ่งสำคัญต่อสุขภาพมนุษย์ โมเดลมลพิษทั่วสหราชอาณาจักรนี้จะช่วยจำลองสถานการณ์ในอนาคต เช่น การทำนายผลกระทบหากรัฐบาลมีการเปลี่ยนแปลงนโยบายด้านมลพิษในรูปแบบต่างๆ

[](https://blogs.nvidia.com/wp-content/uploads/2026/09/Adobe-Express-UKairpollution-4.mp4?_=1)

Video credit: Bristol Centre for Supercomputing (BriCS) @ University of Bristol

อีกหนึ่งการประยุกต์ใช้ที่น่าสนใจคือการส่งข้อมูลเชิงรุกให้องค์กรด้านสุขภาพ เช่น บริการสาธารณสุขอาจติดต่อผู้ป่วยโรคหอบหืดเพื่อแจ้งเตือนล่วงหน้าว่ามลพิษในพื้นที่ของพวกเขาจะพุ่งสูงขึ้นในวันพรุ่งนี้หรือสัปดาห์หน้า นอกจากนี้ยังมีการศึกษาการใช้ข้อมูลจากอุปกรณ์ Edge AI เพื่อตัดสินใจแบบเรียลไทม์ในสถานการณ์ฉุกเฉินอย่างไฟป่าอีกด้วย

Niall Robinson ผู้จัดการฝ่ายลูกค้าสัมพันธ์สำหรับสภาพอากาศของ NVIDIA กล่าวว่า การที่โมเดลนี้เทรนเสร็จใน 2 วันบน Isambard-AI และสามารถรันบน DGX Spark ที่วางบนโต๊ะทำงานได้นั้น ได้เปลี่ยนโฉมหน้าความรวดเร็วในการทำวิจัยไปอย่างสิ้นเชิง ซึ่งนี่เป็นเพียงจุดเริ่มต้นของสิ่งที่จะเกิดขึ้นทั่วโลก

Hao Zhang นักศึกษาปริญญาเอกผู้เทรน StormCast เสริมว่า ความสามารถในการสลับใช้เฟรมเวิร์กต่างๆ ของ NVIDIA นั้นน่าประทับใจมาก และพวกเขายังคงเดินหน้าสำรวจวิธีจำลองฟิลด์มลพิษที่ซับซ้อนในรูปแบบใหม่ๆ ต่อไป

จากซูเปอร์คอมพิวเตอร์ระดับชาติสู่โต๊ะทำงาน

เพื่อให้ได้โมเดลที่มีรายละเอียดสูงในระดับ 2-3 ตารางกิโลเมตร ทีมงานได้ใช้ข้อมูลมลพิษย้อนหลัง 1 ปีของสหราชอาณาจักรที่จำลองทุกช่วงชั่วโมงมาใช้ในการเทรน

กระบวนการนี้ใช้เวลาเพียง 2 วัน เมื่อรันบนโหนด GPU 8 ตัวของ Isambard-AI ซึ่งเป็นซูเปอร์คอมพิวเตอร์ที่ทรงพลังที่สุดในอังกฤษ ประกอบด้วย NVIDIA GH200 Grace Hopper Superchips กว่า 5,448 ตัว ให้ประสิทธิภาพด้าน AI สูงถึง 21 Exaflops

Simon McIntosh-Smith ผู้อำนวยการ Bristol Centre for Supercomputing กล่าวว่า Earth-2 CorrDiff แสดงให้เห็นถึงประสิทธิภาพการใช้ฮาร์ดแวร์ระดับโลกอย่างคุ้มค่า เหมาะสำหรับโปรเจกต์ภูมิอากาศที่ต้องการพลังงานจากซูเปอร์คอมพิวเตอร์น้อยลงในการรันภาระงานหนัก

นอกจากนี้ ทีมงานยังมีแผนเพิ่มความละเอียดของโมเดลโดยใช้ข้อมูลเปิดเพิ่มเติม เพื่อให้นักวิจัยเข้าใจมลพิษในระดับรายถนน รวมถึงการรันเวิร์กโฟลว์บนระบบเดสก์ท็อป DGX Spark ที่ใช้ชิป NVIDIA GB10 Grace Blackwell ซึ่งช่วยให้การพัฒนาโมเดล AI ที่ทรงพลังเริ่มต้นได้ด้วยงบประมาณเพียงไม่กี่พันดอลลาร์

วิทยาศาสตร์แบบเปิดและอนาคตของระบบ Agentic

ทีมงานเตรียมปล่อยข้อมูลการฝึกฝนและเวิร์กโฟลว์แบบ Open-source เพื่อให้ประเทศและเมืองใหญ่ทั่วโลกสามารถสร้างโมเดลมลพิษของตนเองโดยใช้ข้อมูลท้องถิ่นได้

ในอนาคตอีก 5 ปีข้างหน้า Topping คาดหวังจะเห็นอินเทอร์เฟซแบบ Agentic ที่แพทย์หรือหน่วยงานรัฐสามารถตั้งคำถามง่ายๆ แล้วให้ระบบ AI จัดการประมวลผลทางวิทยาศาสตร์ที่ซับซ้อนเพื่อหาคำตอบให้ทันที

"ใครบางคนอาจถามโมเดลที่รันบน DGX Spark ว่า มลพิษในย่านนี้จะเป็นอย่างไรในวันพรุ่งนี้?" เขากล่าวทิ้งท้าย โดยระบบจะประมวลผลข้อมูลและให้คำตอบที่แม่นยำตามหลักวิทยาศาสตร์ผ่านเฟรมเวิร์กเหล่านี้

รับฟังข้อมูลเพิ่มเติมจาก Topping ได้ในสัมมนา AI for Science: From the Lab to the Frontier วันที่ 30 กันยายนนี้

ศึกษาข้อมูลเพิ่มเติมเกี่ยวกับ NVIDIA Earth-2