Universidade de Manchester utiliza NVIDIA Earth‑2 para prever a poluição do ar no Reino Unido

A iniciativa surge num contexto alarmante, em que o Royal College of Physicians calcula que a poluição do ar tenha sido responsável por cerca de trinta mil mortes no Reino Unido no último ano, gerando custos que ultrapassam os vinte e sete mil milhões de libras ao ano. Nesse cenário, um grupo de investigadores da Universidade de Manchester, liderado por David Topping e Hao Zhang, decidiu criar uma ferramenta capaz de melhorar a deteção precoce de episódios críticos de má qualidade do ar e, ao mesmo tempo, oferecer subsídios mais precisos para a formulação de políticas públicas.

Modelos CorrDiff e StormCast adaptados

A equipa, em colaboração com a NVIDIA Earth‑2, reconfigurou o modelo CorrDiff, originalmente concebido para simulações climáticas de grande escala, de modo a prever a concentração de poluentes atmosféricos. Para isso, utilizaram um conjunto de dados britânico que cobre um ano inteiro de simulação química‑climática, com registos horários e resolução espacial entre dois e três quilómetros. O treino do modelo foi concluído em apenas dois dias, graças à capacidade de um nó com oito GPUs GH200 do supercomputador Isambard‑AI, localizado em Bristol.

Infra‑estrutura de cálculo

Isambard‑AI dispõe de cinco mil quatrocentos e quarenta e oito superchips GH200, o que eleva o desempenho total da instalação a vinte e um exaflops de capacidade IA. Embora o treino principal tenha sido realizado neste nó de alta potência, a fase de inferência e os pequenos ajustes de modelo podem ser executados de forma mais ágil no sistema DGX Spark, equipado com uma GPU Grace Blackwell GB10. Essa arquitectura híbrida permite actualizações rápidas sempre que novas observações de qualidade do ar são incorporadas ao fluxo de trabalho.

Funcionalidades do StormCast

• Alertas antecipados para pacientes com asma ou outras doenças respiratórias;
• Simulação de impactos de políticas de redução de emissões;
• Integração de dados de sensores periféricos em áreas urbanas;
• Modelação de incêndios florestais e da sua influência na qualidade do ar.

Estratégia de abertura de dados

A equipa pretende publicar não só os conjuntos de dados de treino, mas também o fluxo de trabalho completo, de forma a permitir que outras instituições reproduzam e melhorem o modelo. Um objetivo de médio prazo é aumentar a resolução para a escala da rua, incorporando fontes de dados abertas adicionais, como medições de sensores de comunidade e informações meteorológicas de alta frequência, reforçando assim a granularidade das previsões.

Avaliação crítica e requisitos de validação

Apesar do protótipo demonstrar um potencial significativo, a sua adoção em serviços operacionais requer uma avaliação rigorosa. Entre os critérios a considerar estão a necessidade de validação independente contra medições de referência locais, a monitorização contínua da deriva do modelo ao longo do tempo, a disponibilidade e qualidade das observações de entrada, os custos de operação e manutenção da infraestrutura de cálculo, e a criação de uma estrutura de governação dos dados que garanta transparência nos algoritmos utilizados.

Impacto esperado nas políticas públicas

Caso seja integrado nos sistemas de saúde e de planeamento urbano, o modelo pode orientar a alocação de recursos para as áreas com maior risco de exposição à poluição. As autoridades públicas poderão usar as previsões para activar medidas temporárias, como restrições de tráfego ou alertas de saúde pública, contribuindo assim para a redução do número de mortes atribuídas à má qualidade do ar.

Perspetivas para o futuro

O projecto ainda se encontra numa fase de protótipo e ainda não foi implementado a nível nacional. No entanto, a colaboração entre a Universidade de Manchester, a NVIDIA e a infraestrutura de supercomputação britânica demonstra um caminho promissor para a aplicação de IA avançada na monitorização ambiental. A abertura dos dados e dos fluxos de trabalho tem o potencial de acelerar a investigação e fomentar a inovação em outras regiões da Europa.

Conclusão para organizações portuguesas

Organizações portuguesas que atuam nos domínios da saúde pública, do planeamento urbano ou da gestão de infraestruturas devem verificar, antes de adotar soluções semelhantes, a robustez das fontes de dados locais, a disponibilidade de recursos de cálculo adequados, a conformidade com a legislação de proteção de dados e a existência de mecanismos de validação independente que garantam a fiabilidade das previsões produzidas.