آلودگی هوا یکی از جدی‌ترین تهدیدهای سلامت عمومی در بریتانیا به شمار می‌رود؛ به گونه‌ای که تخمین زده می‌شود سال گذشته تنها در این کشور حدود ۳۰ هزار نفر در پی قرار گرفتن در معرض آلاینده‌ها جان خود را از دست داده باشند. اکنون گروهی از پژوهشگران دانشگاه منچستر با بهره‌گیری از پلتفرم هوش مصنوعی NVIDIA Earth-2 تلاش می‌کنند این بحران را با دقت و سرعت بیشتری مدیریت کنند.
هوش مصنوعی چگونه پیشبینی آلودگی را متحول می‌کند؟
در مدل‌های رایج، پیشبینی کیفیت هوا به محاسبات پیچیده شیمیایی وابسته است. افزودن واکنش‌های شیمیایی به مدل‌های هواشناسی، سرعت اجرا را به شدت کاهش می‌دهد و هزینه محاسباتی را چنان بالا می‌برد که اجرای منظم و با جزئیات بالا تقریباً غیرممکن می‌شود. دیوید تاپینگ، استاد دپارتمان علوم زمین و محیط‌زیست دانشگاه منچستر، پس از مشاهده موفقیت خانواده مدل‌های باز هوش مصنوعی NVIDIA Earth-2 در پیشبینی آب‌وهوا، این پرسش را مطرح کرد که آیا می‌توان از همین چارچوب‌های مولد برای میدان‌های آلودگی نیز استفاده کرد؟
ترکیب داده‌های شیمیایی با یادگیری عمیق
تاپینگ و همکارانش با همکاری تیم NVIDIA Earth-2، داده‌های آموزشی را از شبیه‌سازی‌های موجود شیمی-اقلیم تولید کردند. سپس مدل CorrDiff را که یک مدل مولد برای کاهش مقیاس (downscaling) است، روی ابررایانه ملی بریتانیا یعنی Isambard-AI واقع در بریستول آموزش دادند. این رویکرد به جای محاسبه مستقیم همه واکنش‌های شیمیایی، الگوهای آماری و فیزیکی را از داده‌های آموزشی می‌آموزد و پیش‌بینی‌هایی با وضوح بسیار بالاتر ارائه می‌کند.
چرا این دستاورد مهم است؟
استفاده از هوش مصنوعی در پیشبینی کیفیت هوا می‌تواند مزایای متعددی به همراه داشته باشد:
- کاهش چشمگیر هزینه‌های محاسباتی و امکان اجرای مکرر مدل‌ها
- افزایش دقت و جزئیات مکانی پیشبینی آلودگی در سطح کشور
- فراهم کردن اطلاعات به‌موقع برای سیاست‌گذاران و نظام سلامت عمومی
- گسترش روش‌های نوین یادگیری عمیق در مدل‌سازی‌های زیست‌محیطی
گام بعدی در مسیر پیشبینی هوشمند کیفیت هوا
نتیجه این پژوهش نشان می‌دهد که مدل‌های مولد هوش مصنوعی که ابتدا برای پیشبینی آب‌وهوا طراحی شده بودند، می‌توانند در حوزه آلودگی هوا نیز عملکرد قابل قبولی داشته باشند. هرچند این پروژه در مرحله پژوهشی قرار دارد، اما موفقیت آن می‌تواند راه را برای ایجاد سامانه‌های عملیاتی پیشبینی آلودگی در بریتانیا و سایر کشورها هموار کند.
پرسش‌های پرتکرار
مدل Earth-2 CorrDiff چیست؟
Earth-2 CorrDiff یک مدل مولد برای کاهش مقیاس داده‌های آب‌وهوایی است که توسط NVIDIA توسعه یافته و در این پروژه برای پیشبینی میدان‌های آلودگی هوا آموزش داده شده است.
چرا پیشبینی آلودگی هوا با مدل‌های سنتی دشوار است؟
زیرا افزودن واکنش‌های شیمیایی به مدل‌های هواشناسی، محاسبات را بسیار کند و پرهزینه می‌کند و امکان اجرای منظم مدل‌ها با جزئیات بالا را محدود می‌سازد.
