地球を守る作業は長い間、ゆっくりとしたものでした。研究者は沼地を歩いて絶滅危惧種の類人猿を数え、予報官は気象の物理を骨の折れる計算で行い、廃棄物処理施設は埋立地行きのゴミからリサイクル可能な材料を分別していました。AIとアクセラレーテッド・コンピューティングが新たなペースを生み出しています。
今年のアースデイに、NVIDIAは気候科学と持続可能性を推進する5つのプロジェクトを紹介しました。
NVIDIA Earth-2による気候シミュレーションの進化 NVIDIAは、Earth-2ファミリーのオープンAIモデル、ライブラリ、フレームワークを通じて気象・気候の理解を支援しています。これは世界初の完全にオープンでアクセラレーテッドな気象AIソフトウェアスタックです。Earth-2は、初期観測データの処理から15日間の全球予報や局地的な嵐の予測まで、すべての段階を加速します。Earth-2 Nowcastingなどのモデルは、生成AIを使用して国家規模の予測をキロメートル分解能、0〜6時間の局地的な嵐や危険気象の予測に変換し、数分で完了します。別のモデルEarth-2 Global Data Assimilationは、Earth2StudioとHugging Faceからダウンロード可能です。データ同化は予報官にとって大規模な作業です。国家気象局では、予測に必要な計算のほぼ半分が生観測データの前処理に使われています。このモデルは単一GPUで動作し、数分で生データから現在の大気の全球スナップショット（温度、風速、湿度、気圧を含む）を生成します。モデルアーキテクチャHealDAは、米国海洋大気庁およびMITREと協力して開発されました。
AIが霊長類学者による絶滅危惧種オランウータンの保護を支援 AIは、野生生物保護を労働集約的で高コストなプロセスから、効率的で自動化されたシステムへと変革し、大型類人猿の生存と繁栄を支援しています。ボルネオとスマトラの熱帯雨林からの2つの画期的な研究は、GPU加速AIが航空画像からオランウータンの巣を自動検出し、個体数モニタリングの時間とコストを劇的に削減する方法を示しました。伝統的な調査では、チームが密林、泥炭沼地、山岳地帯をトランセクト（調査用の直線経路）に沿って歩き、1時間に約1kmをカバーします。一方、ドローン調査は同じ時間に18kmを撮影できますが、画像分析がボトルネックとなります。熟練した専門家は画像1枚あたり約1分かけて巣を識別するため、1時間のドローン飛行で最大30時間のレビュー作業が発生します。GPU加速深層学習がこの課題を解決します。「ビデオの信号対雑音比は非常に小さい。信号を見つけるのは干し草の山から針を探すようなものだが、GPUが役立つ」と、リバプール・ジョン・ムーア大学の応用AI教授ポール・ファーガス氏は述べています。彼が共著した研究では、単一GPUで5分未満に1,800枚の画像を処理できる自動巣検出AIモデルを訓練しました。別のPeerJに発表された研究では、NVIDIA GPU上で4つのAIモデルを訓練し、そのうちInceptionV3アーキテクチャに基づくモデルは、航空画像に巣が含まれるかどうかを分類する際に99%以上の精度と正確率を示しました。3種すべてのオランウータンは絶滅危惧種に指定され、過去75年間で個体数が80%以上減少しています。脅威には森林伐採、違法な殺傷、および長い出産間隔（6〜9年に1回）が含まれます。迅速でスケーラブルなモニタリングが保護介入の指針として不可欠です。
AMPがNVIDIA Physical AIで埋立地から数十億ポンドのリサイクル可能物を転換 リサイクルにはコスト問題があります。従来の選別施設は建設に最大2500万ドルかかり、それでも回収可能な材料の25%を逃します。NVIDIA InceptionスタートアッププログラムのSustainable FuturesイニシアチブのメンバーであるAMPは、AIとロボット工学でこの状況を変えています。同社は既存のリサイクルサイトに数百台のロボットを配備し、現在はAIネイティブのリサイクル施設をゼロから建設しています。これにはデンバーにある完全自動化プラントと、バージニア州の廃棄物転換プロジェクトが含まれ、ゴミからリサイクル可能物と有機物を直接取り出します。これまでにAMPは20億ポンド以上の材料を埋立地から転換し、推定73万9千トンの二酸化炭素換算排出を防止しました（AI技術の訓練と実行のコストも考慮）。AMPの施設はコスト効率が高く、リカバリー率は90%（従来の約75%に対し）を達成しています。「有限な資源を無謀に使うと地球に害を及ぼす。プラスチックをリサイクルに回さなければ、石油由来のバージンプラスチックが代わりに使われる。有機物を埋立地から転換しなければ、嫌気的に分解してメタンを発生する。AIと自動化は、有限な資源をより多く再利用し、最大限に活用する効率的な方法をもたらす」とAMPのソフトウェアディレクター、ジョー・カスタニエリ氏は述べています。NVIDIA Hopper GPUを使用して、同社はAI推論のエネルギー消費を半分に削減しました。また、AIとロボットによって選別がはるかに高速かつ効率的になり、AMPは従来の同規模プラントと比べて約3分の2のコンベアベルトしか使用せず、鋼材、電力、環境フットプリントが小さくなっています。AMPはNVIDIA GPUでAIモデルを訓練し、オープンソースのNVIDIA TensorRTライブラリとTriton推論サーバーを使用してエッジで推論を実行しています。同社はまた、NVIDIA Isaac Simフレームワークを探索し、実際の建設前にシミュレーションで施設を開発・最適化しています。
研究者が津波早期警報システムを開発 太平洋の海底、フアン・デ・フカプレートが北アメリカプレートの下に沈み込む全長1000キロメートルの断層に沿って、1700年1月26日の最後のカスケード断層破壊以来、応力が蓄積されています。古地震学的証拠は再発間隔が約250年であることを示しています。その断層が破壊されると、オレゴン州とワシントン州の沿岸は、高さ30メートルもの波が到達するまでにわずか15分しかありません。既存の津波早期警報システムは単純化された仮定に基づいており、遅延、誤警報、見逃しを引き起こす可能性があります。より正確な予測は、逆問題を解くことで達成できます。つまり、海底センサーの圧力測定値から原因となる海底運動を逆算し、その後、波がどこにどの高さで襲来するかを前方予測します。テキサス大学オースティン校の教授オマー・ガッタス氏と協力者のステファン・ヘンケニング氏は、この種の問題に長年取り組んできました。彼らのチーム（UTオースティン、UCサンディエゴ、ローレンスリバモア国立研究所にわたる）は、これを実用的な速さで行えるようにし、ACMゴードンベル賞を受賞しました。解決策は静かな数学的事実に依存しています。カスケード破壊の物理は、それがいつ発生するかによって変わりません。この時間シフト不変性により、困難な部分（完全物理波動方程式をセンサーごとに事前計算）を事前に実行でき、実際の破壊をセンサーが検出したときには高速な計算だけが残ります。GPUで実行すると、0.2秒未満で完了し、既存の方法に比べて100億倍の高速化を実現し、予測だけでなくその不確実性の尺度も返します。これにより、破壊から数分以内に警告が人々に届き、高台に到達するまでに約10分の余裕が生まれます。計算はもはや制約ではありません。
PlanetがAIを地球観測に適用 Planetは世界最大の地球観測衛星群を運用しています。同社のミッションは、地球全体を毎日撮像し、変化を実用的かつ可視化することです。Planetチームは約650機の衛星を打ち上げ、3000億平方キロメートル以上の画像と50ペタバイトの地球データを生成し、世界中の顧客に貴重な洞察を提供しています。しかし、あまり知られていないのは、生の衛星画像は実際には画像ではないということです。それは圧縮されたバイト配列であり、解凍され、正射補正（地球表面に正確に固定し、センサーの物理と軌道の幾何を補正）され、処理される必要があります。人間が見るまでに、画像は数時間経過している可能性があります。Planetの宇宙船担当副社長キルティカ・デヴァラジ氏は、先月のNVIDIA GTCカンファレンスで次のように述べました。「地球観測は天文学がモデルだった。天文学の目的は遠い過去を覗くことだ。しかし地球観測は生物学のように、計算の「脳」をセンサーの「目」のすぐ隣に置き、収集速度に近い洞察を迅速に得る必要がある。」NVIDIAとの3ヶ月のコラボレーションは、そのギャップを埋めようとする試みです。GPUネイティブに動作するパイプラインを構築し、生の圧縮衛星データを処理する速度は、従来のアーキテクチャと比較して100〜300倍高速です。具体的には、山火事の洞察を数時間ではなく数秒で提供し、救急隊が積極的な管理を支援するための迅速な可視性を提供します。