Google hat ein ehrgeiziges Projekt namens Suncatcher vorgestellt, das die Möglichkeiten untersucht, Konstellationen solarbetriebener Satelliten mit TPU-Prozessoren (Tensor Processing Units) und optischen Freiraumverbindungen auszustatten. Dieser Ansatz könnte es eines Tages ermöglichen, Berechnungen für maschinelles Lernen direkt im Weltraum zu skalieren. Die Satelliten würden Sonnenenergie nutzen, die in der richtigen Umlaufbahn bis zu achtmal ergiebiger ist als auf der Erde. Dadurch ließe sich der Bedarf an schweren Batterien minimieren und eine nahezu ununterbrochene Energieerzeugung gewährleisten.
Die Sonne gibt mehr als hundert Billionen Mal so viel Energie ab, wie die gesamte Stromproduktion der Menschheit beträgt. In einer Satellitenkonstellation würden die Solarmodule in einer sonnensynchronen niedrigen Erdumlaufbahn betrieben, in der die Sonneneinstrahlung nahezu konstant ist. Dieses Design verringert die Abhängigkeit von irdischen Ressourcen und begrenzt die Auswirkungen auf die Umwelt. Die Forschung konzentriert sich auf den modularen Aufbau kleinerer, miteinander verbundener Satelliten, wodurch sich das System leicht erweitern ließe.
Herausforderungen bei der Kommunikation zwischen Satelliten
Für große Aufgaben des maschinellen Lernens muss die Arbeit auf viele Beschleuniger mit schnellen Verbindungen und niedriger Latenz verteilt werden. Das System erfordert Verbindungen zwischen den Satelliten mit einer Kapazität von mehreren zehn Terabit pro Sekunde, was der Leistung terrestrischer Rechenzentren entsprechen würde. Die Analyse deutet darauf hin, dass dies mithilfe von Mehrkanal-Transceivern mit dichtem Wellenlängenmultiplexing (DWDM) und räumlichem Multiplexing erreicht werden kann.
Die empfangene Signalstärke muss tausendmal höher sein als bei herkömmlichen Langstreckenverbindungen. Dies soll dadurch erreicht werden, dass die Satelliten in enger Formation mit Abständen im Bereich von wenigen Kilometern oder weniger fliegen. Das Team hat bereits einen Demonstrator im Labormaßstab getestet, der mithilfe eines einzigen Transceiver-Paars eine Übertragungsrate von 800 Gbit/s in jede Richtung und damit insgesamt 1,6 Tbit/s erreichte. Mit diesem Ansatz lässt sich die Verbindungsbilanz schließen, also die End-to-End-Erfassung der Signalverluste in einem Kommunikationssystem.
Steuerung enger Satellitenformationen
Die Satelliten müssen in einer wesentlich kompakteren Formation fliegen als heutige Systeme, um Hochgeschwindigkeitsverbindungen zu gewährleisten. Das Team entwickelte numerische und analytische physikalische Modelle zur Analyse der Orbitaldynamik. Es verwendete eine Näherung auf Grundlage der Hill-Clohessy-Wiltshire-Gleichungen, die in der keplerschen Näherung die Bewegung eines Satelliten relativ zu einer kreisförmigen Referenzumlaufbahn beschreiben, sowie ein auf JAX basierendes differenzierbares Modell zur numerischen Verfeinerung unter Berücksichtigung weiterer Störeinflüsse.
In der geplanten Höhe der Konstellation von etwa 650 km sind die nicht kugelförmige Gestalt des Erdgravitationsfeldes und möglicherweise der atmosphärische Widerstand die dominierenden Einflüsse. Die Modelle veranschaulichen die Flugbahnen einer Konfiguration aus 81 Satelliten in einer Orbitalebene mit einem Clusterradius von 1 km, wobei der Abstand zwischen den nächsten Nachbarn unter dem Einfluss der Erdgravitation zwischen etwa 100 und 200 Metern schwankt.
Bei Abständen von nur wenigen Hundert Metern zwischen den Satelliten dürften lediglich geringfügige Manöver erforderlich sein, um die Stabilität in der gewünschten Umlaufbahnhöhe aufrechtzuerhalten. Die Freifallentwicklung der Konstellation ohne Schub, die detailliert für die erforderliche Umlaufbahnhöhe modelliert wurde, umfasst ein nicht rotierendes Koordinatensystem relativ zum zentralen Referenzsatelliten S0.
Strahlungsbeständigkeit der TPUs
Beschleuniger für maschinelles Lernen müssen den Bedingungen in einer niedrigen Erdumlaufbahn standhalten. Das Team testete Trillium, Googles v6e Cloud TPU, in einem Protonenstrahl mit 67 MeV, um die Auswirkungen der gesamten ionisierenden Dosis (TID) und von Einzelereignissen (SEE) zu untersuchen.
Die Ergebnisse sind vielversprechend. Die Subsysteme mit Hochgeschwindigkeitsspeicher (HBM) waren am empfindlichsten, doch Unregelmäßigkeiten traten erst nach einer kumulativen Dosis von 2 krad(Si) auf. Das ist fast dreimal so viel wie die bei einer fünfjährigen Mission mit Abschirmung erwartete Dosis von 750 rad(Si). Bis zur maximal getesteten Dosis von 15 krad(Si) auf einem einzelnen Chip wurde kein dauerhafter Ausfall der TID zugeschrieben, was darauf hindeutet, dass Trillium-TPUs für Weltraumanwendungen überraschend widerstandsfähig sind. Strahlungstests sind für Hardware im Weltraum von entscheidender Bedeutung, und Googles Trillium erwies sich als widerstandsfähiger als erwartet.
Startkosten
Hohe Startkosten waren historisch gesehen das größte Hindernis für große Weltraumsysteme. Eine Analyse historischer und prognostizierter Startpreise deutet darauf hin, dass die Preise bei gleichbleibendem Lerntempo bis Mitte der 2030er-Jahre auf unter 200 US-Dollar pro kg fallen könnten. Auf diesem Niveau könnten die Kosten für den Start und Betrieb eines Weltraumrechenzentrums mit den gemeldeten Energiekosten eines gleichwertigen terrestrischen Rechenzentrums auf Kilowatt-pro-Jahr-Basis vergleichbar sein.
Diese Berechnung berücksichtigt öffentlich gemeldete Energiekosten für die Rechenzentrumsbranche. Weitere Informationen aus dem Internet zeigen, dass sinkende Startpreise dank Unternehmen wie SpaceX derartige Projekte realistischer machen. Google plant zudem eine Partnerschaft mit Planet, um Anfang 2027 zwei Prototypsatelliten zu starten.
Weitere Entwicklungsrichtungen
Die erste Analyse bestätigt, dass die grundlegenden Konzepte weltraumgestützter Berechnungen für maschinelles Lernen weder durch physikalische Gesetze noch durch unüberwindbare wirtschaftliche Hürden ausgeschlossen werden. Es bleiben jedoch erhebliche technische Herausforderungen, darunter das Wärmemanagement, die Hochgeschwindigkeitskommunikation mit der Erde und die Zuverlässigkeit der Systeme im Orbit.
Der nächste Meilenstein ist eine Erprobungsmission in Partnerschaft mit Planet, bei der Anfang 2027 zwei Prototypsatelliten gestartet werden sollen. Dieses Experiment wird die Modelle und die TPU-Hardware im Weltraum testen und optische Verbindungen zwischen Satelliten für verteilte Aufgaben des maschinellen Lernens erproben.
Letztendlich könnten Konstellationen im Gigawattbereich ein radikaleres Satellitendesign nutzen, das neue, an die Weltraumumgebung angepasste Rechenarchitekturen mit einer mechanischen Konstruktion kombiniert, in der die Gewinnung von Sonnenenergie, die Rechenprozesse und das Wärmemanagement eng miteinander integriert sind. Dieser Ansatz würde die Grenzen dessen verschieben, was im Weltraum möglich ist, ähnlich wie die Entwicklung komplexer Systeme auf einem Chip durch moderne Smartphones vorangetrieben wurde.
Quelle: research.google/blog
