Google Meluncurkan Proyek Suncatcher untuk Menjelajahi Satelit AI Bertenaga Surya untuk Pembelajaran Mesin Berbasis Orbit

Perusahaan teknologi Google mengumumkan Proyek Suncatcher, sebuah inisiatif penelitian yang menyelidiki penyebaran satelit bertenaga surya yang dilengkapi dengan chip AI untuk menjalankan beban kerja AI di orbit, menggunakan sinar matahari untuk mengurangi kebutuhan energi pusat data berbasis 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 pracetak berjudul "Menuju desain sistem infrastruktur AI berbasis ruang angkasa dan sangat skalabel di masa depan," yang membahas tantangan utama seperti komunikasi satelit bandwidth tinggi, dinamika orbital, dan efek radiasi pada komputasi. 

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

Menilai Kelayakan Infrastruktur ML untuk Satelit AI Berbasis Luar Angkasa

Menurut pengumuman tersebut, sistem yang diusulkan membayangkan jaringan satelit yang beroperasi dalam orbit Bumi rendah sinkron matahari fajar–senja untuk memaksimalkan paparan matahari berkelanjutan dan meminimalkan ketergantungan pada baterai berat. 

Mencapai visi ini membutuhkan penyelesaian beberapa tantangan teknis. Pertama, sambungan antar-satelit harus mencapai bandwidth skala pusat data, yang mendukung puluhan terabit per detik, yang dapat dicapai dengan menggunakan multiplexing pembagian panjang gelombang (DWDM) multi-kanal padat dan multiplexing spasial dalam formasi satelit yang rapat. Uji coba skala laboratorium telah menunjukkan transmisi satu arah 800 Gbps per pasangan transceiver. 

Kedua, mempertahankan formasi satelit yang berkelompok rapat membutuhkan kontrol orbital yang presisi. Dengan menggunakan model fisika berdasarkan persamaan Hill-Clohessy-Wiltshire dan disempurnakan dengan simulasi yang dapat dibedakan, tim ini telah menunjukkan bahwa klaster dengan satelit yang berjarak ratusan meter dapat tetap stabil dengan manuver pemeliharaan stasiun yang sederhana. 

Ketiga, akselerator TPU harus mentoleransi radiasi ruang angkasa; pengujian Google Trillium v6e Cloud TPU menunjukkan bahwa komponen tetap beroperasi pada dosis yang jauh di atas perkiraan paparan misi lima tahun. 

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

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

Penilaian awal menunjukkan bahwa komputasi pembelajaran mesin berbasis ruang angkasa dapat dilakukan dan tidak dibatasi secara mendasar oleh fisika atau biaya yang mahal, meskipun masih terdapat kendala teknis yang substansial, termasuk pengaturan termal, komunikasi darat bandwidth tinggi, dan operasi di orbit yang andal. 

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 pembelajaran mesin (ML) yang 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 terintegrasi erat, serupa dengan bagaimana teknologi sistem-pada-chip modern berkembang melalui inovasi ponsel pintar.