پرتاب نخستین ماهواره آزمایشی حامل تراشههای هوش مصنوعی TPU گوگل به فضا در پروژه سانکچر
گوگل در قالب پروژه «سانکچر» (SunCatcher) نخستین ماهواره آزمایشی خود را که به پردازندههای هوش مصنوعی TPU مجهز است، با موفقیت در مدار زمین قرار داد. این ماموریت که با همکاری شرکت پلنت و اسپیسایکس انجام شده، گامی اولیه برای بررسی امکانپذیری ساخت دیتاسنترهای فضایی با بهرهگیری از انرژی خورشیدی است.
به قلم الوین شادمهر
این خبر را به اشتراک بگذارید
گوگل با پرتاب محمولهای به اندازه یک یخچال خانگی که تنها یک کیلووات انرژی مصرف میکند، گام نخست را برای انتقال زیرساختهای عظیم هوش مصنوعی به فضا برداشت. این ماهواره آزمایشی حامل چهار پردازنده تنسور (TPU) در تاریخ اول اکتبر ۲۰۲۶ (۹ مهر ۱۴۰۵) سوار بر موشک فالکون ۹ شرکت اسپیسایکس به مدار لئو (LEO) پرتاب شد تا ایده دیتاسنترهای فضایی را به یک آزمایش مهندسی واقعی تبدیل کند.[1][2]
این پرتاب که بخشی از ماموریت اشتراکی «ترنسپورتر-۱۸» (Transporter-18) بود، با همکاری شرکت تصویربرداری ماهوارهای پلنت (Planet) ساخته و هدایت میشود. تیم پروژه «سانکچر» (SunCatcher) در گوگل تایید کردهاند که ارتباط با این ماهواره برقرار شده و سیستمها مطابق انتظار در حال کار هستند.[3][4]
تراشههای ارسالشده از نسل «تریلیوم» (Trillium) هستند که در حال حاضر در دیتاسنترهای زمینی گوگل برای آموزش و اجرای مدلهای زبانی استفاده میشوند. در این ماموریت، تراشهها به دلیل محدودیتهای حرارتی، مدل هوش مصنوعی «جما» (Gemma) را تنها در بازههای ۱۵ دقیقهای اجرا کرده و سپس برای خنک شدن خاموش میشوند.[2][3]
هدف فوری این ماموریت، راهاندازی یک سرویس ابری فضایی برای مشتریان نیست، بلکه سنجش میزان دوام این سختافزارها در یکی از خشنترین محیطهای ممکن است. مهندسان میخواهند بدانند که آیا سیلیکونهای تجاری میتوانند در برابر تشعشعات کیهانی، خلاء و لرزشهای شدید پرتاب دوام بیاورند یا خیر.[1][4]
فرار از محدودیتهای انرژی در زمین
ایده اصلی پروژه سانکچر ریشه در یک مشکل زمینی دارد: دیتاسنترهای هوش مصنوعی به شدت تشنه برق و آب هستند و شبکههای توزیع نیرو در سراسر جهان برای تامین این نیاز با مشکل مواجه شدهاند. گوگل تخمین میزند که پنلهای خورشیدی در مدار مناسب میتوانند تا هشت برابر بیشتر از زمین انرژی تولید کنند.[1][4]
ماهواره آزمایشی فعلی در یک مدار خورشیدآهنگ (Sun-synchronous orbit) قرار گرفته است؛ جایی که پنلهای خورشیدی آن تقریباً هرگز در سایه قرار نمیگیرند. این ویژگی نیاز به حمل باتریهای سنگین برای ذخیره انرژی را از بین میبرد و امکان تامین حدود یک کیلووات توان پیوسته را برای پردازندهها فراهم میکند.[2][3]
تراویس بیلز (Travis Beals)، مدیر ارشد پارادایمهای هوش مصنوعی در گوگل، این پروژه را تلاشی برای بهرهگیری از بزرگترین منبع انرژی منظومه شمسی میداند. او معتقد است که تمام منابع انرژی فعلی بشر تنها کسر کوچکی از توان خورشید هستند و فضا بهترین مکان برای مقیاسپذیری پردازشهای هوش مصنوعی است.[2][4]
چالشهای حرارتی و تشعشعات کیهانی
بزرگترین مانع مهندسی در فضا، مدیریت حرارت است. در زمین، دیتاسنترها با استفاده از جریان هوا و آب خنک میشوند، اما در خلاء فضا هیچ هوایی برای انتقال گرما وجود ندارد. گوگل برای حل این مشکل از ترکیبی از لولههای حرارتی و رادیاتورهای ویژه استفاده کرده است که سنگینترین بخشهای این ماهواره را تشکیل میدهند.[1][2]
تشعشعات فضایی خطر بزرگ دیگری برای پردازندهها محسوب میشوند. ذرات پرانرژی و پرتوهای کیهانی میتوانند باعث تغییر بیتها و خطاهای منطقی در محاسبات شوند. پیش از پرتاب، گوگل تراشههای تریلیوم خود را در آزمایشگاه هستهای کراکر در دانشگاه کالیفرنیا تحت تابش پرتوهای پروتون قرار داد.[2][4]
نتایج این آزمایشهای زمینی نشان داد که سختافزار گوگل میتواند دوز تشعشعی معادل یک ماموریت پنج ساله در فضا را بدون خرابی دائمی تحمل کند. با این حال، اجرای مدلهای زبانی در شبیهسازها نشان داد که خطاهای منطقی با نرخ تقریبی یک در میلیون رخ میدهند.[2][4]
این نرخ خطا برای استنتاجهای کوتاه و پاسخ به پرسشهای ساده قابل قبول است، اما برای آموزش مدلهای بزرگ چالشبرانگیز خواهد بود. در فرآیند آموزش که ماهها طول میکشد و هزاران تراشه را درگیر میکند، یک خطای کوچک میتواند کل محاسبات را مخدوش کرده و نیازمند تصحیح خطای مداوم باشد.[2]
چشمانداز اقتصادی و ارتباطات لیزری
برای اینکه دیتاسنترهای فضایی از نظر اقتصادی توجیهپذیر شوند، هزینههای پرتاب باید به شدت کاهش یابد. تحلیلهای گوگل نشان میدهد که اگر هزینه ارسال محموله به مدار لئو تا اواسط دهه ۲۰۳۰ به زیر ۲۰۰ دلار به ازای هر کیلوگرم برسد، هزینه پردازش فضایی با تاسیسات زمینی رقابتپذیر خواهد شد.[1][3]
گام بعدی گوگل، حل مشکل شبکهسازی بین ماهوارههاست. این شرکت قصد دارد در اوایل سال ۲۰۲۷ دو ماهواره دیگر را برای آزمایش ارتباطات نوری فضای آزاد به مدار بفرستد. این ارتباطات لیزری باید بتوانند پهنای باندی معادل ۸۰۰ گیگابیت بر ثانیه را بین ماهوارههایی که با فاصله ۱۰۰ تا ۲۰۰ متر از هم حرکت میکنند، حفظ کنند.[3][4]
طراحی نهایی پروژه سانکچر شامل خوشههایی متشکل از ۸۱ ماهواره است که در شعاع یک کیلومتری از یکدیگر پرواز میکنند. هر ماهواره دهها تراشه TPU را حمل خواهد کرد و از طریق لیزر با سایر ماهوارهها و ایستگاههای زمینی در ارتباط خواهد بود تا یک ابررایانه توزیعشده را در مدار تشکیل دهند.[2][3]
ساندار پیچای، مدیرعامل آلفابت، پس از پرتاب موفقیتآمیز این ماهواره در شبکه اجتماعی ایکس واکنش نشان داد. او نوشت: «اولین جلسهای را به یاد میآورم که تیم ایده قرار دادن پردازش در فضا را مطرح کرد؛ این پرتاب نشان میدهد چقدر پیش رفتهایم و چقدر راه در پیش داریم.»[2]
رقابت در مدار زمین و آینده پردازش
گوگل تنها شرکتی نیست که به دنبال انتقال پردازش به فضا است. استارتاپ «استارکلود» (Starcloud) در نوامبر سال گذشته یک پردازنده انویدیا H100 را به مدار فرستاد و شرکت اسپیسایکس نیز برنامههایی برای استقرار ماهوارههای پردازشی هوش مصنوعی تا سال ۲۰۲۸ دارد.[1][2]
با این حال، ورود گوگل به عنوان یکی از بزرگترین ارائهدهندگان زیرساخت ابری، وزن این ایده را به شدت افزایش داده است. موسسه تحقیقاتی فیوچروم (Futurum) پیشبینی میکند که در صورت کاهش هزینههای پرتاب، بازار پردازش مداری میتواند تا سال ۲۰۳۰ به یک تریلیون دلار برسد.[3]
ماموریت ترنسپورتر-۱۸ اسپیسایکس که ماهواره گوگل را به مدار برد، بیش از ۱۰۰ محموله دیگر را نیز با خود به همراه داشت. این رویکرد اشتراک سواری در پرتابهای فضایی، یکی از عواملی است که هزینههای اولیه آزمایشهای مداری را برای شرکتهای فناوری به میزان قابل توجهی کاهش داده است.[2]
مهندسان گوگل در طول این ماموریت یکساله، دادههای تلهمتری دقیقی از نوسانات دمایی و عملکرد هستههای تانسور در شرایط بیوزنی استخراج خواهند کرد. این دادهها مشخص میکنند که آیا سیستمهای خنککننده غیرفعال میتوانند حرارت تولید شده توسط محاسبات سنگین هوش مصنوعی را در خلاء مدیریت کنند یا خیر.[1][4]
در نهایت، پروژه سانکچر نشاندهنده تغییر پارادایم در معماری زیرساختهای محاسباتی است. اگر این سختافزارها بتوانند بدون نیاز به هوای خنککننده و با اتکا به انرژی خورشیدی در فضا دوام بیاورند، نسل بعدی مدلهای هوش مصنوعی ممکن است به جای زمین، در سکوت و سرمای مدار آموزش ببینند.[4]
نکات کلیدی
- گوگل نخستین ماهواره آزمایشی خود حامل چهار پردازنده TPU را با موشک فالکون ۹ به مدار لئو پرتاب کرد.
- این ماهواره مدل هوش مصنوعی جما (Gemma) را در بازههای ۱۵ دقیقهای اجرا میکند تا عملکرد سیستمهای خنککننده در خلاء بررسی شود.
- هدف پروژه سانکچر، ایجاد دیتاسنترهای فضایی با بهرهگیری از انرژی خورشیدی بیوقفه و کاهش فشار بر شبکههای برق زمینی است.
- موفقیت اقتصادی این طرح در بلندمدت نیازمند کاهش هزینه پرتابهای فضایی به زیر ۲۰۰ دلار به ازای هر کیلوگرم است.
آنچه نمیدانیم
- هنوز مشخص نیست که آیا ارتباطات لیزری با پهنای باند بالا بین ماهوارههایی که با سرعت زیاد در مدار حرکت میکنند، در عمل پایدار خواهد بود یا خیر.
- تاثیر دقیق تشعشعات فضایی بر فرآیند طولانیمدت آموزش مدلهای زبانی بزرگ (Training) در فضا به طور کامل ارزیابی نشده است.
- زمانبندی دقیق برای رسیدن به مقیاس تجاری و استقرار خوشههای ۸۱ ماهوارهای هنوز از سوی گوگل اعلام نشده است.
- مهندسان زیرساخت ابری
- انتقال پردازش به فضا را راه حلی ضروری برای بحران انرژی میدانند.
- تحلیلگران اقتصادی فضا
- توجیه اقتصادی این پروژه را کاملاً وابسته به کاهش شدید هزینههای پرتاب میدانند.
- متخصصان سختافزار
- نگران تاثیرات مخرب تشعشعات کیهانی بر پایداری محاسبات هوش مصنوعی هستند.
دیدگاههایی که این گزارش پوشش نداده
- فعالان محیط زیست زمینی
- قانونگذاران فضا و مدار زمین
منابع
[1]TechRepublicمهندسان زیرساخت ابریGoogle Launches AI Chips Into Orbit to Test Space Data Centers
مطالعه در TechRepublic →
[2]India Timesمتخصصان سختافزارGoogle has sent its AI chips to space for the first time
مطالعه در India Times →
[3]Futurum Groupتحلیلگران اقتصادی فضاGoogle will launch its first Project Suncatcher satellite
مطالعه در Futurum Group →
[4]Google Blogمهندسان زیرساخت ابریBehind Project Suncatcher, our moonshot to put AI in space
مطالعه در Google Blog →
بیشتر در هوش مصنوعی
مشاهده همه →معماری حافظه
چگونه انباشتن تراشههای DRAM روی میاننهشتهای سیلیکونی فرکانس کلاک را فدای گذرگاه ۱۰۲۴ بیتی میکند
4 منبع
ایلان ماسک واگذاری مدیریت ابرپروژه تراشهسازی ترافب به TSMC را رد کرد
6 منبع
همکاری سیناپسیس و OpenAI برای ساخت مدل تخصصی GPT-Synopsys در اتوماسیون طراحی تراشهها
10 منبع
سختافزار هوش مصنوعی
رمزگشایی خودبازگشتی تکتوکنی در نسبت یک فلاپس بر بایت؛ تلهای که هستههای تانسور را زیر سقف بازدهی حبس میکند
3 منبع
نظرات
هر زاویه. هر روز.
اخبار هوش مصنوعی با پوشش کامل منابع و تحلیل دیدگاهها، هر روز و رایگان.




