Mančesterio universiteto komanda iš esamų chemijos ir klimato simuliacijų parengė mokymo duomenis bei JK nacionaliniame superkompiuteryje „Isambard-AI“ papildomai apmokė generatyvinį „Earth-2 CorrDiff“ modelį. NVIDIA nurodo, kad metų trukmės valandiniai taršos duomenys leido sudaryti visos šalies modelį, kurio erdvinė raiška siekia 2–3 kvadratinius kilometrus. Viename aštuonių GPU mazge mokymas truko dvi dienas.
Tyrėjai taip pat įtraukė „Earth-2 StormCast“, kad laiko atžvilgiu kintančios prognozės tiesiogiai naudotų oro kokybės stebėjimus. Tas pats darbo srautas veikia „DGX Spark“ sistemoje inferencijai ir mažesniems mokymo bandymams. Komanda planuoja viešai paskelbti mokymo duomenis bei darbo eigą, kad metodą būtų galima pritaikyti kitoms šalims ir regionams.
Kodėl tai svarbu?
INVIS vertinimas: svarbiausia pažanga – ne vien prognozės raiška, o tai, kad nacionalinio superkompiuterio darbo srautas po apmokymo tampa prieinamas mažesnei vietinei sistemai.
