Google dévoile le projet Suncatcher pour explorer les satellites AI alimentés par l'énergie solaire pour l'apprentissage automatique basé sur l'orbite.

En Bref

Google vient de dévoiler le projet Suncatcher, un projet de recherche ambitieux explorant l'utilisation de satellites solaires équipés de ses puces AI pour exécuter des charges de travail AI en orbite.

La société technologique Google a annoncé le Projet Suncatcher, une initiative de recherche visant à étudier le déploiement de satellites solaires équipés de puces AI pour exécuter des charges de travail d'IA en orbite, utilisant la lumière du soleil pour réduire les besoins énergétiques des centres de données basés sur Terre.

Le projet envisage des constellations compactes de satellites transportant des TPU Google, interconnectés par des liens optiques en libre espace, offrant un potentiel de calcul à grande échelle tout en limitant l'impact sur les ressources terrestres.

Les résultats initiaux sont détaillés dans un document préimprimé intitulé « Vers une conception de système d'infrastructure IA hautement évolutive et basée dans l'espace », qui aborde des défis clés tels que la communication par satellite à large bande, la dynamique orbitale et les effets des radiations sur l'informatique.

Le projet Suncatcher poursuit la tradition de Google de mener des projets scientifiques et d'ingénierie ambitieux et à fort impact.

Évaluation de la faisabilité de l'infrastructure ML pour les satellites IA basés dans l'espace

Selon l'annonce, le système proposé envisage un réseau de satellites fonctionnant en orbite terrestre basse synchrone au soleil, de l'aube au crépuscule, afin de maximiser l'exposition solaire continue et de minimiser la dépendance aux batteries lourdes.

Réaliser cette vision nécessite de surmonter plusieurs défis techniques. Tout d'abord, les liaisons inter-satellites doivent atteindre une bande passante à l'échelle des centres de données, soutenant des dizaines de térabits par seconde, ce qui est réalisable en utilisant le multiplexage par répartition en longueur d'onde dense à canaux multiples (DWDM) et le multiplexage spatial dans des formations satellitaires rapprochées. Des tests à l'échelle du banc ont déjà démontré une transmission unidirectionnelle de 800 Gbps par paire de transceivers.

Deuxièmement, le maintien de formations de satellites étroitement regroupés exige un contrôle orbital précis. En utilisant des modèles physiques basés sur les équations de Hill-Clohessy-Wiltshire et affinés par des simulations différentiables, l'équipe a montré que des clusters avec des satellites espacés de plusieurs centaines de mètres peuvent rester stables avec des manœuvres de maintien de position modestes.

Troisièmement, les accélé rateurs TPU doivent tolérer les radiations spatiales ; des tests du Cloud TPU Trillium v6e de Google ont montré que les composants restaient opérationnels sous des doses largement supérieures à l'exposition attendue sur cinq ans.

Enfin, la viabilité économique dépend de la baisse des coûts de lancement, que les projections suggèrent pourraient descendre en dessous de $200 par kilogramme d'ici le milieu des années 2030, rendant potentiellement les centres de données IA basés dans l'espace comparables en coût par kilowatt-année aux installations terrestres.

Google Explore la faisabilité de l'IA basée dans l'espace avec des plans pour une mission de satellite prototype

Les évaluations initiales indiquent que le calcul d'apprentissage automatique basé dans l'espace est faisable et n'est pas fondamentalement limité par la physique ou des coûts prohibitifs, bien que des obstacles d'ingénierie substantiels demeurent, y compris la régulation thermique, les communications terrestres à large bande et le fonctionnement fiable en orbite.

Afin de relever ces défis, une mission d'apprentissage en collaboration avec Planet est prévue, visant le lancement de deux satellites prototypes d'ici début 2027 pour tester les performances des TPU dans l'espace et valider les liaisons optiques entre satellites pour des charges de travail de ML distribuées. À plus long terme, des constellations à grande échelle de gigawatts pourraient adopter des conceptions de satellites plus intégrées qui combinent des architectures de calcul optimisées pour l'espace avec une collecte d'énergie solaire et une gestion thermique étroitement couplées, similaire à la manière dont la technologie moderne des systèmes sur puce a progressé grâce à l'innovation des smartphones.