AI-driven Spatio-temporal Air Quality Modelling

在利物浦，不同社区之间的预期寿命差异高达15年，这主要归因于贫困程度和空气污染的差异。目前的空气质量模型只能提供城市范围内的整体预测，而本项目旨在利用先进的机器学习技术，创建高精度的街道级空气污染地图。通过整合英国气象局、本地传感器以及利物浦高分辨率数字模型（即“利物浦元宇宙”）的数据，该研究将构建一个随时间变化的超精细空气质量模型。这将帮助城市规划者做出更明智的决策——例如在何处实施交通稳静化措施或设立行人专用区——以改善受影响最严重地区的居民健康状况。 该项目将采用前沿的人工智能方法，包括地理空间基础模型（如IBM的Prithvi）、多源数据融合以及物理信息机器学习。申请人将有机会与利物浦大学和IBM研究院在人工智能、环境科学、计算流体动力学和政策领域的专家合作。 申请者应已获得或预计获得物理学、数学、计算机科学或相关领域的硕士学位。具备处理大型地理空间或环境数据集的经验者优先，但非必需。申请需提交一份简短的求职信（最多300字）和包含两位推荐人的简历。