マンチェスター大がNVIDIA Earth-2で英国の大気汚染モデル──CorrDiffを転用、Isambard-AIで2日

マンチェスター大学、NVIDIA Earth-2で英国全土の大気汚染モデル天気予報用の生成モデルCorrDiffを汚染場に転用。1年分・毎時の模擬データで2〜3km格子の全土モデルを、国のAIスパコンIsambard-AIの8GPU 1ノードで2日で学習、初回で動作。推論と再学習は机上のDGX Sparkで。学習データと手順を公開予定

2026年9月29日公開執筆：AI時短ラボ約7分で読めます

NVIDIAは2026年9月16日、マンチェスター大学のDavid Topping教授らがNVIDIA Earth-2で英国の大気汚染モデルを作った経緯を紹介した。大気汚染は英国で昨年推定3万人の死亡に関わるが、化学ベースの従来モデルは計算が重い。Topping氏は天気予報用のEarth-2の生成モデルを汚染場に転用し、既存の化学気候シミュレーションから学習データを作って、生成的ダウンスケーリングモデルのEarth-2 CorrDiffを国のAIスパコンIsambard-AI（GH200×5,448）の8GPU 1ノードで2日で学習、初回で動いた。1年分・毎時のデータから2〜3km格子の全土モデルを作り、観測値を使う予報にはStormCastを追加。学習・推論はDGX Sparkでも動き、研究室で再学習している。用途は政策変更の影響の想定、喘息患者への事前通知、山火事時の即時判断。学習データと手順を公開し、各国・各都市が自分のデータでモデルを作れるようにする方針。

マンチェスター大学、NVIDIA Earth-2で英国全土の大気汚染モデル──天気予報用の生成モデルCorrDiffを汚染場に転用。1年分・毎時の模擬データで2〜3km格子の全土モデルを、国のAIスパコンIsambard-AIの8GPU 1ノードで2日で学習、初回で動作。推論と再学習は机上のDGX Sparkで。学習データと手順を公開予定

2026年9月18日・日本時間時点の情報です。 NVIDIAのブログ（9月16日）を読んだ。当サイトはGoogleのWeatherNext 3のような気象AIを追ってきたが、「気象用の生成モデルを大気汚染に転用する」例は扱っていなかった。

3行まとめ

問題と発想。 大気汚染は英国で昨年推定3万人の死亡に関わる。従来の化学ベースのモデルは「気象モデルに化学を入れると本当に遅くなる」（マンチェスター大学のDavid Topping教授）ため、細かさと実行頻度が限られていた。Topping氏は、天気予報で同じ問題を解いたNVIDIA Earth-2のオープンなモデル群を汚染場に転用できないかと考え、既存の化学気候シミュレーションから学習データを作って、生成的ダウンスケーリングモデルEarth-2 CorrDiffを学習させた。初回で動いた。時間依存の予報で観測値を直接使うためにEarth-2 StormCastも追加した。

どこで・どれだけ。 1年分・毎時の英国の汚染データから2〜3km格子の全土モデルを作る学習を、ブリストルの国のAIスパコンIsambard-AI（NVIDIA GH200 Grace Hopper×5,448、21エクサフロップス）の8GPU 1ノードで2日で完了。Bristol Centre for Supercomputingの所長は「気候の研究でGPU時間が少なく電力も少なくて済んだのは相応しい」。同じ生成的な汚染ワークフローはDGX Spark（GB10 Grace Blackwell）でも推論と小さな学習が動き、Topping氏は研究室のDGX Sparkでモデルを再学習している。「数千ドルの投資で強力なAIモデルの開発を始められる」。NVIDIAの担当者は「2日で学習し、机の上のDGX Sparkで動く。誰がこの科学をどれだけ速くできるかが変わる」。

用途と公開。 過去1年の汚染の振り返りに加え、政策変更の影響（ある規制を入れたら何が起きるか）の想定、地域・全国の医療機関が喘息などの患者に「明日は汚染が高い」と事前通知する仕組み、山火事のような場面でエッジ機器の実測値を取り込んだ即時判断を構想する。街区規模まで解像度を上げるため追加の公開データを入れる予定。学習データと手順はオープンソースで公開し、「すべての国と主要都市が、少しのスパコン時間と自分のデータで詳細な汚染モデルを作れるように」。5年後の姿は、臨床医や行政が「明日この地区の汚染は」と聞けばモデルの連鎖が科学に根ざした答えを返すエージェント型の窓口。9月30日にウェビナー「AI for Science: From the Lab to the Frontier」。

精度の天井は元シミュレーション

「学習は国のスパコンで2日、推論は机上のDGX Spark」という構図は、当サイトのNVIDIA IFA 2026で見た「ローカルで回す」流れの科学版で、DGX Sparkの用途例として具体的
学習データが既存のシミュレーションの出力である点は、モデルの上限がそのシミュレーションの精度に縛られることを意味する。観測値の取り込み（StormCast）はその補正で、精度の数字は本文にない
Googleが科学向けAIの棚卸しで気象・災害を並べたのと同じ週に、NVIDIAは「基盤を公開し他人に作らせる」型を出している
日本の大気汚染データで同じことができるかは、公開予定の手順次第

ブログ本文で確認した主要な数字

この記事の下調べで、筆者は9月18日にNVIDIAのブログを取得し、3万人・1年分毎時・2〜3km・8GPU・2日・5,448・21エクサフロップス・CorrDiff／StormCast・DGX Spark・公開方針・発言者の引用がその原文にあることを確認した。Earth-2の文書とマンチェスター大学の発表は開いていない。筆者はEarth-2を動かしていない。