Google stellt das Projekt Suncatcher vor, um solarbetriebene KI-Satelliten für orbitbasiertes maschinelles Lernen zu erforschen.

Technologieunternehmen Google kündigte das Projekt Suncatcher an, eine Forschungsinitiative zur Untersuchung des Einsatzes von solarbetriebenen Satelliten, die mit KI-Chips ausgestattet sind, um KI-Workloads im Orbit auszuführen und mithilfe von Sonnenlicht den Energiebedarf von erdgebundenen Rechenzentren zu reduzieren. 

Das Projekt sieht kompakte Satellitenkonstellationen vor, die Google TPUs tragen und über optische Freiraumverbindungen miteinander verbunden sind. Dies bietet Potenzial für groß angelegte Berechnungen bei gleichzeitiger Begrenzung der Auswirkungen auf terrestrische Ressourcen. 

Erste Ergebnisse werden in einem Preprint mit dem Titel „Towards a future space-based, highly scalable AI infrastructure system design“ detailliert beschrieben. Darin werden wichtige Herausforderungen wie die Satellitenkommunikation mit hoher Bandbreite, die Orbitaldynamik und die Strahlungseffekte auf die Datenverarbeitung behandelt. 

Mit dem Projekt Suncatcher setzt Google seine Tradition fort, ambitionierte und wirkungsvolle wissenschaftliche und technische Projekte zu verfolgen.

Bewertung der Machbarkeit einer ML-Infrastruktur für weltraumgestützte KI-Satelliten

Laut der Ankündigung sieht das vorgeschlagene System ein Netzwerk von Satelliten vor, die in einer sonnensynchronen, erdnahen Umlaufbahn operieren, um eine kontinuierliche Sonneneinstrahlung zu maximieren und die Abhängigkeit von schweren Batterien zu minimieren. 

Um diese Vision zu verwirklichen, müssen mehrere technische Herausforderungen bewältigt werden. Erstens müssen die Verbindungen zwischen den Satelliten Bandbreiten im Rechenzentrumsmaßstab erreichen und Datenraten von mehreren zehn Terabit pro Sekunde ermöglichen. Dies ist durch Mehrkanal-DWDM (Dense Wavelength Division Multiplexing) und räumliches Multiplexing in engen Satellitenformationen realisierbar. Tests im Labormaßstab haben bereits eine Einwegübertragung von 800 Gbit/s pro Transceiverpaar demonstriert. 

Zweitens erfordert die Aufrechterhaltung eng beieinander liegender Satellitenformationen eine präzise Bahnsteuerung. Mithilfe von physikalischen Modellen, die auf den Hill-Clohessy-Wiltshire-Gleichungen basieren und durch differenzierbare Simulationen verfeinert wurden, konnte das Team zeigen, dass Cluster mit Satelliten, die Hunderte von Metern voneinander entfernt sind, durch moderate Bahnkorrekturmanöver stabil bleiben können. 

Drittens müssen die TPU-Beschleuniger Weltraumstrahlung standhalten; Tests von Google Der Trillium v6e Cloud TPU zeigte, dass die Komponenten auch bei Dosen, die weit über der erwarteten Exposition während einer fünfjährigen Mission lagen, funktionsfähig blieben. 

Die wirtschaftliche Machbarkeit hängt letztlich von sinkenden Startkosten ab, die Prognosen zufolge bis Mitte der 2030er Jahre unter 200 US-Dollar pro Kilogramm fallen könnten, wodurch weltraumgestützte KI-Rechenzentren hinsichtlich der Kosten pro Kilowattjahr mit terrestrischen Einrichtungen vergleichbar wären.

Google untersucht die Machbarkeit von weltraumgestützter KI mit Plänen für eine Prototyp-Satellitenmission. 

Erste Einschätzungen deuten darauf hin, dass maschinelles Lernen im Weltraum machbar ist und nicht grundsätzlich durch physikalische Gesetze oder prohibitive Kosten eingeschränkt wird, obwohl noch erhebliche technische Hürden bestehen, darunter die Wärmeregulierung, die Bodenkommunikation mit hoher Bandbreite und der zuverlässige Betrieb im Orbit. 

Um diese Herausforderungen zu bewältigen, ist in Zusammenarbeit mit Planet eine Lernmission geplant. Ziel ist der Start zweier Prototyp-Satelliten bis Anfang 2027, um die Leistung von TPUs im Weltraum zu testen und optische Inter-Satelliten-Verbindungen für verteilte ML-Workloads zu validieren. Längerfristig könnten großflächige Gigawatt-Konstellationen stärker integrierte Satellitendesigns nutzen, die für den Weltraum optimierte Rechenarchitekturen mit eng gekoppelter Solarenergiegewinnung und Wärmemanagement kombinieren – ähnlich wie die moderne System-on-Chip-Technologie durch Innovationen im Smartphone-Bereich vorangetrieben wurde.