来自NVIDIA的Siddha Ganju为Frontier Development Lab（FDL）实验室的Geoeffectiveness Challenge挑战项目提供了咨询建议，该项目旨在利用AI和数据科学来预测对地球的潜在影响。

雷雨天气可能会导致周边社区断电几小时，而太阳风暴则有可能会破坏整个地球的电网，需要几周时间才能恢复使用。

为尝试预测太阳风暴（即太阳上的剧烈爆发活动）及其对地球的潜在影响，FDL与NASA、SETI研究所以及NVIDIA合作，共同开展了Geoeffectiveness Challenge挑战项目。

该项目使用磁层（即地球磁场与太阳风相互作用之处）变化跟踪数据集来训练AI模型，该模型可检测太空天气事件模式，并预测事件对地球的影响。

该模型的训练基于NVIDIA GPU进行了优化，这一过程是通过Google Cloud实现的，并在RAPIDS上进行数据探索。RAPIDS是NVIDIA的开源软件库，旨在完全依靠GPU来执行数据科学和分析管线。

NVIDIA解决方案架构师Siddha Ganju曾入选2018年福布斯30位30岁以下精英榜，目前为FDL提供AI方面的咨询建议。

Ganju是一位深度学习专家，从小就参加黑客马拉松。她表示自己一直对算法读取代码的方式着迷。

现在，她将自己的知识用于NVIDIA汽车和医疗保健业务，并对FDL的AI技术指导委员会进行指导。去年10月，她还出版了一本有关深度学习实践应用的书。

借助AI对太空天气影响进行建模

Ganju与FDL的合作始于2017年，当时FDL创始人James Parr请她为FDL提供咨询建议。Ganju目前的任务是为Geoeffectiveness Challenge挑战项目提供咨询建议，力图利用机器学习来表征磁场扰动，并对太空天气事件的影响进行建模。

除太阳风暴外，太空天气事件还可能包括太阳耀斑（太阳上突然爆发的剧烈闪耀亮斑）和太阳风（从太阳释放出的带电粒子流）等。

Ganju表示，并非所有太空天气事件都会对地球产生影响，但我们需要未雨绸缪。例如，一场强烈的太阳风暴可能会摧毁地球的电话通讯网络。

“即使我们只能提前15分钟预测事件的影响，也能争取足够的时间来发出警报，并为可能发生的连接中断做好准备。” Ganju说道，“这些数据也有助于卫星更好地通信。”

探索时空模式

Ganju表示，由于各种因素，太阳事件对地球各区域的影响不同。在机器学习的帮助下，FDL试图找到产生影响的时空模式。

“我们所用的数据集非常庞大，因为磁力计每秒都会收集特定位置的磁场变化数据。使用RAPIDS进行并行处理，能够加快我们的探索速度。” Ganju说道。

除了Ganju之外，研究人员Asti Bhatt、Mark Cheung、Ryan McGranaghan以及NASA的Lika Guhathakurta也在为Geoeffectiveness Challenge团队提供咨询建议。该团队成员包括Téo Bloch、Banafsheh Ferdousi、Panos Tigas和Vishal Upendran。

研究人员使用RAPIDS来快速浏览数据。随后，使用PyTorch和TensorFlow软件库，对模型进行训练，以开展实验，进而确定地点的纬度、上方的大气或太阳光线的照射角度会如何影响太空天气事件的结果。

除此之外，他们还研究太空事件发生后，是否会立即对地球造成影响，还是存在延迟效应，因为其影响可能取决于地球公转或自转等与时间有关的因素。

为检测此类模式，该团队将在为期八周的集中研究过程中，持续对模型进行训练。该研究将于本月下旬结束。

据Ganju称，该集中研究中的其他FDL项目还包括Moon for Good Challenge。此项目计划在日后的探索任务开展前，利用机器学习进一步完善月面图。此外，还包括Astronaut Health Challenge项目，该项目旨在调查在地球上、以及在长期太空任务中宇航员的癌症因果过程。