O Google apresenta o Projeto Suncatcher para explorar satélites de IA movidos a energia solar para aprendizado de máquina em órbita.

Empresa de tecnologia Google Anunciou o Projeto Suncatcher, uma iniciativa de pesquisa que investiga a implantação de satélites movidos a energia solar equipados com chips de IA para executar cargas de trabalho de IA em órbita, usando a luz solar para reduzir as demandas de energia dos centros de dados terrestres. 

O projeto prevê constelações compactas de satélites transportando TPUs do Google, interconectadas por meio de links ópticos em espaço livre, oferecendo potencial para computação em larga escala e, ao mesmo tempo, limitando o impacto sobre os recursos terrestres. 

As conclusões iniciais são detalhadas em um artigo pré-publicado intitulado "Rumo a um futuro projeto de sistema de infraestrutura de IA altamente escalável baseado no espaço", que aborda desafios importantes como comunicação via satélite de alta largura de banda, dinâmica orbital e efeitos da radiação na computação. 

O Projeto Suncatcher dá continuidade à tradição do Google de desenvolver projetos científicos e de engenharia ambiciosos e de alto impacto.

Avaliação da viabilidade da infraestrutura de aprendizado de máquina para satélites de IA baseados no espaço.

Segundo o anúncio, o sistema proposto prevê uma rede de satélites operando em uma órbita terrestre baixa, síncrona com o Sol, do amanhecer ao anoitecer, para maximizar a exposição solar contínua e minimizar a dependência de baterias pesadas. 

Para alcançar essa visão, é necessário superar diversos desafios técnicos. Primeiramente, os enlaces intersatélites devem atingir largura de banda em escala de data center, suportando dezenas de terabits por segundo, o que é viável utilizando multiplexação por divisão de comprimento de onda densa (DWDM) multicanal e multiplexação espacial em formações de satélites próximas. Testes em escala de bancada já demonstraram transmissão unidirecional de 800 Gbps por par de transceptores. 

Em segundo lugar, manter formações de satélites agrupadas exige um controle orbital preciso. Usando modelos físicos baseados nas equações de Hill-Clohessy-Wiltshire e refinados com simulações diferenciáveis, a equipe demonstrou que aglomerados com satélites separados por centenas de metros podem permanecer estáveis ​​com manobras modestas de manutenção de posição. 

Terceiro, os aceleradores TPU devem tolerar a radiação espacial; testes de Google O experimento Trillium v6e Cloud TPU demonstrou que os componentes permaneceram operacionais sob doses muito acima da exposição esperada para uma missão de cinco anos. 

Por fim, a viabilidade econômica depende da redução dos custos de lançamento, que, segundo projeções, podem cair para menos de US$ 200 por quilograma em meados da década de 2030, tornando os data centers de IA baseados no espaço potencialmente comparáveis ​​em custo por quilowatt-ano às instalações terrestres.

O Google explora a viabilidade da IA ​​baseada no espaço com planos para uma missão protótipo de satélite. 

As avaliações iniciais indicam que a computação de aprendizado de máquina baseada no espaço é viável e não é fundamentalmente limitada pela física ou por custos proibitivos, embora ainda existam obstáculos de engenharia substanciais, incluindo regulação térmica, comunicações terrestres de alta largura de banda e operação confiável em órbita. 

Para enfrentar esses desafios, está planejada uma missão de aprendizado em colaboração com a Planet, com o objetivo de lançar dois satélites protótipos no início de 2027 para testar o desempenho da TPU no espaço e validar links ópticos intersatélites para cargas de trabalho de aprendizado de máquina distribuídas. A longo prazo, constelações de gigawatts em larga escala poderiam adotar projetos de satélite mais integrados que combinem arquiteturas de computação otimizadas para o espaço com coleta de energia solar e gerenciamento térmico fortemente acoplados, de forma semelhante ao avanço da tecnologia moderna de sistemas em chip impulsionado pela inovação em smartphones.