فهرست مطالب
گوگل با پروژه Suncatcher عملکرد تراشه TPU در فضا را آزمایش میکند و میگوید ساخت مراکز داده مداری به حدود ۱۸۰۰ پرتاب Starship نیاز دارد.
به گزارش سرویس هوافضا تکناک،این ماهواره را شرکت Planet Labs ساخته است و قرار است عملکرد واحد پردازش تنسور گوگل (TPU)، رقیب این شرکت برای پردازندههای گرافیکی انویدیا، در فضا آزمایش شود.
این آزمایش به تأمین یک کیلووات توان مداوم، خنککردن تراشه و اجرای مجموعهای از مدلها نیاز دارد تا مشخص شود آیا مشکلی در عملکرد آن ایجاد میشود یا خیر.
تراویس بیلز، مدیر اجرایی گوگل که مدیریت پروژه Suncatcher را بر عهده دارد، گفت: «آزمایشها را روی زمین انجام دادهایم، اما هیچ آزمایشی کاملاً مشابه شرایط واقعی نیست.» پروژه Suncatcher برنامه گوگل برای توسعه خوشههای پردازشی بزرگ در مدار زمین است.
آزمایش TPU گوگل در مدار زمین

پس از آغاز به کار، ماهواره TPU خود را در بازههای ۱۵ دقیقهای فعال میکند تا فشار زیادی به سامانههای تأمین انرژی و مدیریت حرارتی ماهواره وارد نشود.
این ماهواره بر پایه یک پلتفرم استاندارد ساختهشده توسط Planet Labs طراحی شده است.
با این حال، دو شرکت روی یک نمونه آزمایشی دیگر کار میکنند که انتظار میرود سال آینده به فضا پرتاب شود.
در این نمونه، دو ماهواره با هدف اجرای پردازشهای پیشرفتهتر ساخته خواهند شد و میتوانند بارهای کاری سنگینتری را اجرا کنند. این نسخههای آینده قرار است از طریق یک لینک ارتباطی لیزری با یکدیگر همکاری کنند.
Suncatcher تنها محموله مرتبط با هوش مصنوعی فضایی در این پرتاب اسپیسایکس نیست. این موشک بیش از ۱۰۰ محموله مختلف را به فضا میبرد که مأموریتهایی از شرکتهای Satlyt و Cowboy Space Company نیز در میان آنها قرار دارند.
تفاوت برنامه گوگل با این استارتاپها و حتی خود اسپیسایکس، در بلندمدت بودن آن است.
بیلز پروژه Suncatcher را یک «جاهطلبی بلندمدت» توصیف میکند که هدف آن ساخت زیرساخت فضایی و فراهمکردن توان پردازشی برای بارهای کاری هوش مصنوعی در آینده است.
گوگل یک مرکز داده مداری را تصور میکند که از شبکهای شامل ۸۱ ماهواره تشکیل شده است.
این ماهوارهها در فاصله نزدیک از یکدیگر پرواز میکنند و پردازشها را بهصورت موازی انجام میدهند.
بیلز گفت: «پهنای باند و تأخیر میان TPUها هنگام اجرای بار کاری چند رک واقعاً اهمیت زیادی دارد. ما تلاش میکنیم فقط به بارهای کاری امروزی نگاه نکنیم و ببینیم این بارها پنج سال آینده چگونه خواهند بود.»
دلیل این رویکرد تا حد زیادی این است که موشکهای موردنیاز برای توسعه مقرونبهصرفه مراکز داده مداری هنوز وجود ندارند.
گوگل روز پنجشنبه همچنین نسخهای داوریشده از مقاله سفید خود درباره مراکز داده مداری منتشر کرد.
این مقاله یکی از جامعترین تحلیلهای موجود درباره نحوه انتقال توان پردازشی به مدار زمین محسوب میشود و قرار است در نشریه Joule منتشر شود.
بیشتر بخوانید: مأموریت محرمانه جدید اسپیس ایکس برای نیروی فضایی آمریکا انجام شد + تصویر
برآورد گوگل از هزینه پرتاب به مدار
یکی از نکات قابلتوجه مقاله، نحوه نگاه گوگل به دسترسی به فضا است. پژوهشگران تأکید کردهاند که این تحلیل یک مطالعه درباره توجیه اقتصادی پروژه نیست، اما تصویری جالب از دیدگاه گوگل درباره کاهش هزینه پرتاب موشکها در طول زمان ارائه میدهد.
مانند دیگر شرکتهای فعال در حوزه مراکز داده، گوگل برای رساندن فضاپیماهای خود به مدار به اسپیسایکس چشم دوخته است. گوگل همچنین یکی از سرمایهگذاران بزرگ اسپیسایکس محسوب میشود.
برای رسیدن به این هدف، مقاله بر اساس میزان محمولهای که Falcon 9 به فضا برده است، تخمین میزند که ادامه این روند کاهش هزینهها به پرتاب ۳۷۰ هزار تن محموله به مدار توسط Starship نیاز دارد.
این میزان در ۱۰ سال آینده به حدود ۱۸۰۰ پرتاب، یعنی ۱۸۰ پرتاب در سال، نیاز خواهد داشت. این محاسبه بر اساس فرض حمل ۲۰۰ تن محموله در هر مأموریت انجام شده است.
این هدف برای موشکی که تاکنون بیش از پنج بار در یک سال پرواز نکرده، بسیار بلندپروازانه است.
اسپیسایکس پیشبینی میکند تعداد پرتابهای Starship در آینده بسیار بیشتر شود.
ایلان ماسک برای مثال گفته است Starship ممکن است در سال ۲۰۲۹ به نرخ پرتاب ساعتی برسد، هرچند بسیاری از پیشبینیهای او هنوز محقق نشدهاند.
نتایج مثبت پژوهش به این موضوع مربوط میشود که به نظر میرسد تراشههای گوگل میتوانند تابشهای فضایی را تحمل کنند.
گوگل پس از آنکه متوجه شد پیکربندی تراشهها محافظت بیشتری از آنها ایجاد میکند و با شرایط واقعی متفاوت است، آزمایشهای مربوط به تابش را در شتابدهنده ذرات تکرار کرد.
این آزمایش خطاهای بیشتری را در مدارهای منطقی تراشه ایجاد کرد، اما گوگل همچنان اطمینان دارد که تراشههایش میتوانند در طول عمر پنجساله یک ماهواره، بارهای کاری سنگین استنتاج هوش مصنوعی را در مدار اجرا کنند.
بیلز گفت: «اگر به عملیات معمول استنتاج فکر کنید، نرخ خطا بسیار پایین است، مثلاً یک خطا در یک میلیون عملیات. از سوی دیگر، همین موضوع برای اجرای یک فرایند آموزشی در مقیاس بسیار بزرگ مشکلساز میشود، زیرا در چنین شرایطی هزاران تراشه باید ماهها بهصورت مداوم کار کنند.»
بیشتر بخوانید: ناسا سه ماهنورد خودران به ماه میفرستد

















