Google, Yörünge Tabanlı Makine Öğrenimi İçin Güneş Enerjili Yapay Zeka Uydu Araştırmaları Amaçlı Proje Suncatcher'ı Tanıttı

Kısaca

Google, AI yüklerini yörüngede çalıştırmak için AI yongaları ile donatılmış güneş enerjisi uydularının kullanımını araştıran bir ay projesi olan Project Suncatcher'ı yeni açıkladı.

Teknoloji şirketi Google, yörüngede AI iş yüklerini çalıştırmak için AI çipleriyle donatılmış güneş enerjili uyduların konuşlandırılmasını araştıran Project Suncatcher adlı bir araştırma girişimini duyurdu. Güneş ışığını kullanarak, Dünya merkezli veri merkezlerinin enerji taleplerini azaltmayı hedefliyor.

Proje, Google TPU'ları taşıyan kompakt uydu takımlarını, serbest uzay optik bağlantılarla birbirine bağlayarak büyük ölçekli hesaplama potansiyeli sunarken, karasal kaynaklar üzerindeki etkiyi sınırlamayı öngörüyor.

İlk bulgular, “Geleceğe Yönelik Uzay Tabanlı, Yüksek Ölçeklenebilir AI Altyapı Sistem Tasarımı” başlıklı bir ön baskı makalesinde ayrıntılı olarak ele alınmıştır. Bu makale, yüksek bant genişliğine sahip uydu iletişimi, yörünge dinamiği ve bilgisayarlardaki radyasyon etkileri gibi temel zorlukları ele almaktadır.

Project Suncatcher, Google'un iddialı, yüksek etkili bilimsel ve mühendislik projelerini sürdürme geleneğini devam ettiriyor.

Uzay Tabanlı AI Uyduları İçin ML Altyapısının Fizibilitesinin Değerlendirilmesi

Duyuruya göre, önerilen sistem, sürekli güneş maruziyetini maksimize etmek ve ağır bataryalara olan bağımlılığı en aza indirmek için alacakaranlık–şafak güneş senkron yörüngesinde çalışan bir uydu ağı öngörüyor.

Bu vizyona ulaşmak, birkaç teknik zorluğun üstesinden gelmeyi gerektirir. Öncelikle, uydu-uydu bağlantılarının veri merkezi ölçeğinde bant genişliğine ulaşması gerekir; bu, çok kanallı yoğun dalga boyu bölmeli çoklama (DWDM) ve yakın uydu formasyonlarında mekansal çoklamayı destekleyerek on terabitten fazla veri aktarımını mümkün kılar. Laboratuvar ölçeğindeki testler, her verici çiftinin tek yönlü 800 Gbps iletimini zaten kanıtlamıştır.

İkincisi, sıkı kümelenmiş uydu oluşumlarını sürdürmek, hassas yörünge kontrolü gerektirir. Hill-Clohessy-Wiltshire denklemlerine dayanan fizik modelleri ve diferansiyellenebilir simülasyonlarla geliştirilen çalışmalar, yüzlerce metre aralıklı uydulardan oluşan kümelerin, mütevazı istasyon tutma manevraları ile kararlı kalabileceğini göstermiştir.

Üçüncü olarak, TPU hızlandırıcıları uzay radyasyonuna dayanıklı olmalıdır; Google'ın Trillium v6e Cloud TPU'sunun testleri, bileşenlerin beklenen beş yıllık misyon maruziyetinin çok üzerinde dozlar altında çalışmaya devam ettiğini göstermiştir.

Sonunda, ekonomik uygulanabilirlik, fırlatma maliyetlerinin düşmesine bağlıdır; projeksiyonlar, 2030'ların ortalarına kadar kilogram başına $200 'in altına düşebileceğini öne sürüyor ve bu da uzay tabanlı AI veri merkezlerini, karasal tesislerle kilowatt-yıl başına maliyet açısından karşılaştırılabilir hale getirebilir.

Google, Prototip Uydu Misyonu İçin Uzay Tabanlı Yapay Zeka'nın Fizibilitesini Araştırıyor

İlk değerlendirmeler, uzay tabanlı makine öğrenimi hesaplamalarının mümkün olduğunu ve temel olarak fizik veya yasaklayıcı maliyetler tarafından sınırlı olmadığını göstermektedir, ancak termal düzenleme, yüksek bant genişliğine sahip yer iletişimi ve güvenilir yörünge operasyonu gibi önemli mühendislik engelleri devam etmektedir.

Bu zorlukları aşmak için, Planet ile iş birliği içinde bir öğrenme misyonu planlanmaktadır. Bu misyon, 2027'nin başına kadar TPU performansını uzayda test etmek ve dağıtılmış ML iş yükleri için optik uydu bağlantılarını doğrulamak amacıyla iki prototip uydunun fırlatılmasını hedeflemektedir. Daha uzun vadede, büyük ölçekli gigawatt takımları, uzay için optimize edilmiş hesaplama mimarileri ile sıkı bir şekilde entegre edilmiş güneş enerjisi toplama ve termal yönetimi kombinleyen daha entegre uydu tasarımlarını benimseyebilir. Bu, modern sistem üzerine çip teknolojisinin akıllı telefon inovasyonu ile nasıl ilerlediğine benzemektedir.