Google công bố dự án Suncatcher nhằm khám phá vệ tinh AI chạy bằng năng lượng mặt trời phục vụ cho việc học máy trên quỹ đạo

Công ty công nghệ Google đã công bố Dự án Suncatcher, một sáng kiến ​​nghiên cứu điều tra việc triển khai các vệ tinh chạy bằng năng lượng mặt trời được trang bị chip AI để chạy khối lượng công việc AI trên quỹ đạo, sử dụng ánh sáng mặt trời để giảm nhu cầu năng lượng của các trung tâm dữ liệu trên Trái Đất. 

Dự án hình dung ra các chòm sao vệ tinh nhỏ gọn mang theo Google TPU, được kết nối với nhau thông qua các liên kết quang học không gian tự do, mang lại tiềm năng tính toán quy mô lớn đồng thời hạn chế tác động đến các nguồn tài nguyên trên mặt đất. 

Những phát hiện ban đầu được trình bày chi tiết trong một bài báo tiền xuất bản có tựa đề “Hướng tới thiết kế hệ thống cơ sở hạ tầng AI có khả năng mở rộng cao, dựa trên không gian trong tương lai”, giải quyết các thách thức chính như truyền thông vệ tinh băng thông rộng, động lực quỹ đạo và tác động của bức xạ lên máy tính. 

Dự án Suncatcher tiếp tục truyền thống theo đuổi các dự án khoa học và kỹ thuật đầy tham vọng và có tác động lớn của Google.

Đánh giá tính khả thi của cơ sở hạ tầng ML cho vệ tinh AI trên không gian

Theo thông báo, hệ thống được đề xuất hình dung một mạng lưới vệ tinh hoạt động trên quỹ đạo Trái Đất thấp đồng bộ với mặt trời lúc bình minh-hoàng hôn để tối đa hóa khả năng tiếp xúc liên tục với mặt trời và giảm thiểu sự phụ thuộc vào pin nặng. 

Để đạt được tầm nhìn này, cần phải vượt qua một số thách thức kỹ thuật. Thứ nhất, các liên kết liên vệ tinh phải đạt được băng thông quy mô trung tâm dữ liệu, hỗ trợ hàng chục terabit mỗi giây, điều này khả thi khi sử dụng công nghệ ghép kênh phân chia bước sóng dày đặc (DWDM) đa kênh và ghép kênh không gian trong các đội hình vệ tinh gần nhau. Các thử nghiệm quy mô phòng thí nghiệm đã chứng minh được khả năng truyền dẫn một chiều 800 Gbps trên mỗi cặp bộ thu phát. 

Thứ hai, việc duy trì các cụm vệ tinh tập trung chặt chẽ đòi hỏi sự kiểm soát quỹ đạo chính xác. Sử dụng các mô hình vật lý dựa trên phương trình Hill-Clohessy-Wiltshire và được tinh chỉnh bằng các mô phỏng khả vi, nhóm nghiên cứu đã chứng minh rằng các cụm vệ tinh cách nhau hàng trăm mét có thể duy trì ổn định với các thao tác giữ vị trí khiêm tốn. 

Thứ ba, các máy gia tốc TPU phải chịu được bức xạ không gian; các thử nghiệm của Google Trillium v6e Cloud TPU cho thấy các thành phần vẫn hoạt động được khi ở liều lượng cao hơn nhiều so với mức tiếp xúc dự kiến ​​trong nhiệm vụ kéo dài năm năm. 

Cuối cùng, tính khả thi về mặt kinh tế phụ thuộc vào việc giảm chi phí phóng, theo dự báo, chi phí này có thể giảm xuống dưới 200 đô la một kilôgam vào giữa những năm 2030, khiến các trung tâm dữ liệu AI trên không gian có chi phí trên mỗi kilowatt-năm tương đương với các cơ sở trên mặt đất.

Google khám phá tính khả thi của AI trên không gian với kế hoạch cho sứ mệnh vệ tinh nguyên mẫu 

Các đánh giá ban đầu cho thấy tính toán máy học trên không gian là khả thi và về cơ bản không bị giới hạn bởi vật lý hay chi phí quá cao, mặc dù vẫn còn nhiều rào cản kỹ thuật đáng kể, bao gồm điều chỉnh nhiệt độ, truyền thông mặt đất băng thông cao và hoạt động đáng tin cậy trên quỹ đạo. 

Để giải quyết những thách thức này, một nhiệm vụ học tập hợp tác với Planet đã được lên kế hoạch, nhắm mục tiêu phóng hai vệ tinh nguyên mẫu vào đầu năm 2027 để kiểm tra hiệu suất TPU trong không gian và xác thực các liên kết quang học liên vệ tinh cho khối lượng công việc ML phân tán. Về lâu dài, các chòm sao gigawatt quy mô lớn có thể áp dụng các thiết kế vệ tinh tích hợp hơn, kết hợp kiến ​​trúc tính toán được tối ưu hóa cho không gian với khả năng thu thập năng lượng mặt trời và quản lý nhiệt được kết nối chặt chẽ, tương tự như cách công nghệ hệ thống trên chip hiện đại phát triển nhờ sự đổi mới của điện thoại thông minh.