Google Revela o Projeto Suncatcher para Explorar Satélites de IA Movidos a Energia Solar para Aprendizado de Máquina Baseado em Órbita

Em Resumo

O Google acabou de revelar o Project Suncatcher, um projeto de pesquisa ambicioso que explora o uso de satélites solares equipados com os seus chips de IA para executar cargas de trabalho de IA em órbita.

A empresa de tecnologia Google anunciou o Projeto Suncatcher, uma iniciativa de pesquisa que investiga a implementação de satélites alimentados por energia solar equipados com chips de IA para executar cargas de trabalho de IA em órbita, utilizando a luz solar para reduzir as necessidades energéticas dos centros de dados baseados na Terra.

O projeto prevê constelações compactas de satélites portando TPUs do Google, interconectados via links ópticos de espaço livre, oferecendo potencial para computação em larga escala enquanto limita o impacto nos recursos terrestres.

As descobertas iniciais estão detalhadas em um artigo pré-publicado intitulado “Towards a future space-based, highly scalable AI infrastructure system design,” que aborda desafios chave como comunicação via satélite de alta largura de banda, dinâmica orbital e efeitos da radiação na computação.

O Projeto Suncatcher continua a tradição do Google de perseguir projetos científicos e de engenharia ambiciosos e de alto impacto.

Avaliação da Viabilidade da Infraestrutura de ML para Satélites de IA Baseados no Espaço

De acordo com o anúncio, o sistema proposto prevê uma rede de satélites operando em uma órbita baixa da Terra, sincronizada com o sol, do amanhecer ao anoitecer, para maximizar a exposição solar contínua e minimizar a dependência de baterias pesadas.

Alcançar esta visão requer superar vários desafios técnicos. Primeiro, os links inter-satélites devem alcançar uma largura de banda em escala de data center, suportando dezenas de terabits por segundo, o que é viável usando multiplexação por comprimento de onda densa de multi-canal (DWDM) e multiplexação espacial em formações de satélites próximas. Testes em bancada já demonstraram transmissão unidirecional de 800 Gbps por par de transceptores.

Em segundo lugar, a manutenção de formações de satélites estreitamente 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 agrupamentos com satélites a centenas de metros de distância podem permanecer estáveis com manobras de manutenção modestas.

Em terceiro lugar, os aceleradores TPU devem tolerar a radiação espacial; testes do TPU Cloud Trillium v6e do Google mostraram que os componentes permaneceram operacionais sob doses muito acima da exposição esperada de cinco anos de missão.

Finalmente, a viabilidade económica depende da redução dos custos de lançamento, que as projeções sugerem que poderiam cair para menos de $200 por quilograma até meados da década de 2030, potencialmente tornando os centros de dados de IA baseados no espaço comparáveis em custo por quilowatt-ano às instalações terrestres.

Google Explora a Viabilidade de IA Baseada no Espaço com Planos para Missão de Satélite Prototipado

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

Para abordar esses desafios, está planejada uma missão de aprendizado em colaboração com a Planet, visando o lançamento de dois satélites protótipos até o início de 2027 para testar o desempenho do TPU no espaço e validar links ópticos inter-satélites para cargas de trabalho de ML distribuídas. A longo prazo, constelações de gigawatt em grande escala poderiam adotar designs de satélites mais integrados que combinem arquiteturas de computação otimizadas para o espaço com coleta de energia solar e gerenciamento térmico estreitamente acoplados, semelhante a como a tecnologia moderna de sistema-em-chip avançou por meio da inovação em smartphones.