Istraživanje sustava za razmjerno razmještenu AI infrastrukturu u…

4. studenoga 2025. Travis Beals, Senior Director, Paradigms of Intelligence Project

Suncatcher je moonshot koji istražuje novo područje: opremanje satelitskih konstelacija s TPU-ima i optičkim vezama u slobodnom prostoru kako bi se jedan dan mogla skalirati računska moć strojnog učenja u svemiru. Brzi linkovi

– Članak
– Umjetna inteligencija (AI) je osnovna tehnologija koja može preoblikovati naš svijet, pokrećući nove znanstvene otkriće i pomažući nam da riješimo najveće izazove čovječanstva. Sada se pitamo gdje možemo otključati njen puni potencijal. Sunce je konačan izvor energije u našem solarnoj sustavi, emitirajući više snage nego 100 trilijuna puta ukupna proizvodnja električne energije čovječanstva. Na pravom orbitu, solarna ploča može biti do 8 puta produktivnija od one na Zemlji i proizvesti energiju gotovo neprekidno, smanjujući potrebu za baterijama. U budućnosti, svemir može biti najbolje mjesto za skaliranje AI računskih resursa. Radimo unatrag odatle, naš novi istraživački moonshot, Projekt Suncatcher, zamislio je kompaktne konstelacije satelita s solarno pogonjenim satelitima koji nose Google TPU-e i povezuju se optičkim vezama u slobodnom prostoru. Ovaj pristup bi imao ogromni potencijal za skaliranje i također bi minimizirao utjecaj na zemaljske resurse. Iznimno smo uzbuđeni za ovo rasteće područje istraživanja i naše ranih istraživanja, koja su danas dijeljena u “Kako do budućeg svemirskog, razmjerno skalabilnog AI infrastrukturnog sustava”, preprint papir, koji opisuje naš napredak u rješavanju osnovnih izazova ovog ambicioznog poduhvata – uključujući visokoširinsku komunikaciju između satelita, orbitalnu dinamiku i utjecaj zračenja na računanje. Usredotočujući se na modularni dizajn manjih, međusobno povezanih satelita, stavljamo temelje za razmjerno skalabilnu buduću svemirsku AI infrastrukturu. Projekt Suncatcher je dio duge tradicije Googlea u poduzimanju moonshota koji rješavaju teške znanstvene i inženjerske probleme. Kao i svi moonshotovi, bit će nepoznanih, ali upravo u tom duhu započeli smo graditi veliku kvantnu računalo prije deset godina – prije nego što je smatrano realnim inženjerskim ciljem – i zamislili autonomni vozilo prije 15 godina, što je kasnije postalo Waymo i sada služi milijunima putnika diljem svijeta.

Dizajn sustava i ključni izazovi

Predloženi sustav sastoji se od konstelacije mrežnih satelita, vjerojatno operativnih u sun-sinkronoj niskoj zemaljskoj orbiti, gdje bi bili izloženi gotovo stalnom suncu. Ovaj izbor orbite maksimalno povećava prikupljanje solarne energije i smanjuje potrebu za teškim baterijama na satelitu. Za ovu sustav da bude izvodljiv, moraju se prijeći nekoliko tehničkih prepreka:

1. Postizanje veza veličine podataka centra između satelita

Velike radne opterećenja ML-a zahtijevaju distribuciju zadataka na brojne akceleratore s visokim širinom prenosa i niskom latencijom. Dostizanje performansi usporedivih s zemaljskim podatacima centrima zahtijeva veze između satelita koje podržavaju desetke terabita po sekundi. Naša analiza ukazuje da bi to trebalo biti moguće s multi-kanalnim gustim DWDM prijemnicima i prostornom multiplexiranjem. Međutim, postizanje ove vrste širine prenosa zahtijeva razinu primljene snage tisućima puta veću od one u konvencionalnim, dugim rasponima implementacijama. Budući da se primljena snaga skalira obrnuto s kvadratom udaljenosti, možemo riješiti ovaj izazov letom satelita u vrlo kompaktnoj formaciji (kilometri ili manje), time zatvarajući proračun linka (tj. računanje kraja-kraja gubitaka signala u komunikacijskom sustavu). Naš tim već je počeo potvrđivati ovaj pristup s demonstracijskim skalom koji je uspješno ostvario 800 Gbps dvosmjerni prijenos (1.6 Tbps ukupno) koristeći par prijemnika.

2. Kontrola velikih, tjesno grupiranih satelitskih formacija

Visokoširinske veze između satelita zahtijevaju da se sateliti lete u mnogo kompaktnijoj formaciji nego bilo koji trenutni sustav. Razvili smo numeričke i analitičke fizičke modele za analizu orbitalne dinamike takve konstelacije. Koristili smo aproksimaciju počevši od Hill-Clohessy-Wiltshire jednadžbi (koje opisuju orbitalni pokret satelita u odnosu na kružnu referentnu orbitu u Keplerovoj aproksimaciji) i JAX-ov model diferencijabilan za numeričku rafinaciju koja računa daljnje perturbacije. Na visini naše planirane konstelacije, nesferičnost Zemljine gravitacijske sile i potencijalno zračni otpor su dominantni ne-Keplerovi efekti koji utječu na orbitalnu dinamiku satelita. Na slici ispod prikazani su tragovi (u jednom punom orbitu) za ilustraciju 81-satelitsku konfiguraciju konstelacije u orbitalnoj ravnini, na srednjoj visini klastera od 650 km. Polumjer klastera je R=1 km, s udaljenošću između najbližih susjednih satelita koja oscilira između ~100–200m, pod utjecajem Zemljine gravitacije.

Zaključak

Projekt Suncatcher predstavlja ambiciozan poduhvat koji ima potencijal preoblikovati način na koji razmišljamo o skalabilnosti i implementaciji AI infrastrukture. Kroz istraživanje i razvoj razmjerno skalabilnog svemirskog sustava, možemo otključati nove mogućnosti i rješiti trenutne prepreke. Budući da je svemir jedinstveno okruženje s neprekidnom solarnom energijom i minimalnim utjecajima na Zemlju, očekujemo da će ovaj sustav postati ključni dio budućih AI inicijativa. Međutim, ostaje mnogo izazova koji moraju biti riješeni kako bi se ovaj vizionarski projekt mogao uspješno realizirati.

Česta pitanja

1. Koji su glavni prednosti svemirskog AI sustava?

Glavne prednosti svemirskog AI sustava uključuju neprekidnu solarnu energiju, minimalan utjecaj na Zemlju i mogućnost skaliranja izvan zemaljskih ograničenja. Ovi sustavi također mogu pružiti globalnu pokrivenost i niske latencije, što je kritično za neke aplikacije u stvarnom vremenu.

2. Koja je očekivana trajanja života satelita u ovom sustavu?

Očekivana trajanja života satelita u ovom sustavu je nekoliko godina, prije nego što će biti potrebna zamjena. Međutim, točno trajanje života ovisi o mnogim faktorima, uključujući utjecaj zračenja i mehaničke stresove.

3. Koji su glavni tehnički izazovi u realizaciji ovog sustava?

Glavni tehnički izazovi uključuju postizanje visokih razina širine prenosa između satelita, kontrolu orbitalne dinamike velikih, tjesno grupiranih formacija i otpornost na utjecaj zračenja. Također, potrebno je razviti efikasne metode za upravljanje i nadzor takvog kompleksnog sustava.

4. Kako se ovaj sustav usporedi s trenutnim zemaljskim AI infrastrukturama?

Ovaj svemirski AI sustav se usporeduje s trenutnim zemaljskim AI infrastrukturama po skalabilnosti, neprekidnoj energiji i minimalnom utjecaju na Zemlju. Međutim, Zemaljske infrastrukture imaju prednost u razvoju i testiranju, dok svemirski sustavi nude globalnu pokrivenost i niske latencije.

5. Koji su budući koraci u razvoju ovog sustava?

Budući koraci u razvoju ovog sustava uključuju daljnje istraživanje i razvoj tehnologija za visokoširinske veze, testiranje i validaciju modela orbitalne dinamike i razvitak metoda za upravljanje i nadzor sustava. Također, planira se i suradnja s drugim istraživačkim institucijama i tvrtkama kako bi se ubrzao razvoj i implementacija ovog ambicioznog projekta.