Google Mengungkap Proyek Suncatcher Untuk Menjelajahi Satelit AI Berbasis Tenaga Surya Untuk Pembelajaran Mesin Berbasis Orbit

Secara Singkat

Google baru saja meluncurkan Proyek Suncatcher, sebuah proyek riset ambisius yang mengeksplorasi penggunaan satelit solar yang dilengkapi dengan chip AI-nya untuk menjalankan beban kerja AI di orbit.

Perusahaan teknologi Google mengumumkan Proyek Suncatcher, sebuah inisiatif penelitian yang menyelidiki penerapan satelit bertenaga surya yang dilengkapi dengan chip AI untuk menjalankan beban kerja AI di orbit, menggunakan sinar matahari untuk mengurangi kebutuhan energi pusat data yang berbasis di Bumi.

Proyek ini membayangkan konstelasi satelit kompak yang membawa Google TPU, saling terhubung melalui tautan optik ruang bebas, menawarkan potensi untuk komputasi skala besar sambil membatasi dampak pada sumber daya terestrial.

Temuan awal dirinci dalam makalah preprint berjudul “Menuju desain sistem infrastruktur AI berbasis luar angkasa yang sangat skalabel di masa depan,” yang membahas tantangan kunci seperti komunikasi satelit bandwidth tinggi, dinamika orbit, dan efek radiasi pada komputasi.

Proyek Suncatcher melanjutkan tradisi Google dalam mengejar proyek ilmiah dan rekayasa yang ambisius dan berdampak tinggi.

Menilai Kelayakan Infrastruktur ML Untuk Satelit AI Berbasis Ruang Angkasa

Menurut pengumuman tersebut, sistem yang diusulkan membayangkan jaringan satelit yang beroperasi dalam orbit rendah Bumi yang sinchronus dengan matahari dari fajar hingga senja untuk memaksimalkan paparan sinar matahari yang terus menerus dan meminimalkan ketergantungan pada baterai berat.

Mencapai visi ini memerlukan peng overcoming beberapa tantangan teknis. Pertama, tautan antar-satelit harus mencapai bandwidth skala pusat data, mendukung puluhan terabit per detik, yang dapat dilakukan dengan menggunakan multiplexing panjang gelombang dens multi-saluran (DWDM) dan multiplexing spasial dalam formasi satelit yang dekat. Uji coba skala bangku telah menunjukkan transmisi satu arah 800 Gbps per pasangan transceiver.

Kedua, mempertahankan formasi satelit yang terkluster rapat membutuhkan kontrol orbit yang tepat. Menggunakan model fisika berdasarkan persamaan Hill-Clohessy-Wiltshire dan disempurnakan dengan simulasi diferensial, tim telah menunjukkan bahwa kluster dengan satelit yang berjarak ratusan meter dapat tetap stabil dengan manuver pemeliharaan stasiun yang sederhana.

Ketiga, akselerator TPU harus tahan terhadap radiasi luar angkasa; pengujian Cloud TPU Trillium v6e milik Google menunjukkan bahwa komponen tetap beroperasi pada dosis yang jauh di atas eksposur misi lima tahun yang diharapkan.

Akhirnya, kelayakan ekonomi bergantung pada penurunan biaya peluncuran, yang diproyeksikan dapat turun di bawah $200 per kilogram pada pertengahan 2030-an, yang berpotensi membuat pusat data AI berbasis luar angkasa sebanding dalam biaya per kilowatt-tahun dengan fasilitas terestrial.

Google Menjelajahi Kelayakan AI Berbasis Luar Angkasa Dengan Rencana Misi Satelit Prototipe

Penilaian awal menunjukkan bahwa komputasi pembelajaran mesin berbasis luar angkasa adalah mungkin dan tidak secara fundamental dibatasi oleh fisika atau biaya yang tinggi, meskipun terdapat hambatan rekayasa yang substansial, termasuk pengaturan termal, komunikasi darat berkecepatan tinggi, dan operasi di orbit yang dapat diandalkan.

Untuk mengatasi tantangan ini, sebuah misi pembelajaran yang bekerja sama dengan Planet direncanakan, menargetkan peluncuran dua satelit prototipe pada awal 2027 untuk menguji kinerja TPU di luar angkasa dan memvalidasi tautan optik antar satelit untuk beban kerja ML terdistribusi. Dalam jangka panjang, konstelasi gigawatt skala besar dapat mengadopsi desain satelit yang lebih terintegrasi yang menggabungkan arsitektur komputasi yang dioptimalkan untuk luar angkasa dengan pengumpulan daya surya dan manajemen termal yang erat, mirip dengan bagaimana teknologi sistem-on-chip modern berkembang melalui inovasi smartphone.