Air Quality Arena: un benchmark para predecir la contaminación del aire con modelos foundation

En julio de 2026, un grupo internacional de investigadores presentó Air Quality Arena (AQA), un dataset abierto de gran tamaño y un benchmark para la predicción de la contaminación del aire. Abarca 6 contaminantes principales, 7 países en 4 continentes y más de 14 000 series temporales «estación-contaminante». El trabajo se ha publicado como preprint en arXiv y los datos están disponibles en abierto.

Por qué hacía falta un nuevo benchmark

Los benchmarks anteriores para la predicción de la calidad del aire son demasiado limitados, tanto por su cobertura geográfica como por el conjunto de contaminantes, y apenas ponen a prueba los time-series foundation models (TSFM) actuales con datos reales a gran escala. Air Quality Arena cubre precisamente ese hueco. El machine learning se aplica cada vez más a la predicción de los niveles de contaminación, pero sin un estándar único y amplio resulta difícil comparar modelos.

El problema no es meramente académico. Según las estimaciones de los autores, la contaminación del aire causa cada año unos 7,9 millones de muertes prematuras, por lo que una predicción precisa es una prioridad de salud pública.

«Se estima que la contaminación del aire provoca 7,9 millones de

muertes prematuras al año, lo que convierte la predicción precisa en una prioridad crítica de salud pública», señala el preprint en arXiv.

Qué incluye el dataset

Air Quality Arena consta de dos partes: los datos (AQA-Data) y el benchmark (AQA-Bench). El dataset reúne mediciones terrestres de 6 contaminantes principales durante un periodo de tres años en 7 países de 4 continentes, con un total de más de 14 000 series «estación-contaminante». Es notablemente más amplio que la mayoría de los conjuntos anteriores, limitados a una sola región o a una o dos sustancias.

• 6 contaminantes principales del aire
• Periodo de observación: 3 años
• 7 países en 4 continentes
• Más de 14 000 series «estación-contaminante»
• 11 modelos foundation evaluados, además de métodos baseline clásicos

AQA-Bench evalúa los modelos en una tarea de predicción a corto plazo: estimar los niveles de contaminantes en el futuro inmediato. Los autores destacan la diversidad de países de la muestra, que permite comprobar hasta qué punto un modelo funciona de forma universal en condiciones distintas.

Por qué ganaron los modelos foundation

Los time-series foundation models superaron a los métodos clásicos porque ofrecen predicciones precisas en modo zero-shot, es decir, sin reentrenamiento para una estación o región concreta. Los autores sometieron a AQA-Bench a 11 TSFM de referencia y a modelos base clásicos en la tarea de predicción de contaminación a corto plazo. Según el estudio, los modelos foundation fueron de forma consistente más precisos que los clásicos en todas las regiones.

La capacidad zero-shot importa en la práctica: un sistema de monitorización puede desplegarse en una ciudad nueva que todavía no cuenta con un historial largo de observaciones para entrenar.

El mejor resultado lo logró una arquitectura multimodal que, para predecir series temporales, recurre a un vision foundation model, un modelo entrenado originalmente con imágenes. Es decir, una red neuronal «visual» traslada su experiencia en el reconocimiento de imágenes a series numéricas de mediciones.

«Los modelos foundation de series temporales son predictores zero-shot

eficaces y superan de forma consistente a los métodos base clásicos», afirman los autores en el preprint en arXiv.

Qué significa

La predicción de la calidad del aire se desplaza hacia modelos foundation de propósito general: un único modelo preentrenado puede aplicarse en varios países a la vez sin ajuste local. Un dataset abierto de más de 14 000 series ofrece a los investigadores un punto de referencia común y acelera el desarrollo de sistemas de alerta temprana de smog y contaminación.

Preguntas frecuentes

¿Qué es Air Quality Arena?

Es un dataset abierto (AQA-Data) y un benchmark (AQA-Bench) para la predicción de la contaminación del aire: 6 contaminantes, 3 años de observaciones, 7 países en 4 continentes y más de 14 000 series «estación-contaminante».

¿Qué modelo obtuvo el mejor resultado?

La mejor fue una arquitectura multimodal que utiliza un vision foundation model para predecir series temporales. En conjunto, todos los time-series foundation models evaluados superaron a los métodos clásicos en modo zero-shot.

¿Cuántos modelos se probaron en el benchmark?

Los autores compararon 11 time-series foundation models de referencia y varios métodos base clásicos en la tarea de predicción a corto plazo de la calidad del aire.