**구글연구소 블로그 번역본입니다. 오역이 있을수 있습니다.

프로젝트 Suncatcher는 태양열 발전 위성 콘스텔레이션에 TPU와 자유 공간 광학 링크를 장착하여 언젠가 우주에서 머신러닝 컴퓨팅을 확장하는 새로운 개척지를 탐험하는 문샷 프로젝트입니다.

인공 지능(AI)은 우리의 세계를 재편하고 새로운 과학적 발견을 이끌며 인류의 가장 큰 도전 과제를 해결하는 데 도움이 될 수 있는 기반 기술입니다. 이제 우리는 그 잠재력을 최대한 활용하기 위해 어디로 갈 수 있는지 물어보고 있습니다.

태양은 우리 태양계에서 궁극적인 에너지원으로, 인류의 총 전력 생산량의 100조 배 이상의 에너지를 방출합니다. 적절한 궤도에서 태양 전지판은 지구에서보다 최대 8배 더 생산적일 수 있으며 거의 지속적으로 전력을 생산하여 배터리의 필요성을 줄입니다. 미래에는 우주가 AI 컴퓨팅을 확장하기에 가장 좋은 장소가 될 수 있습니다. 거기에서부터 거꾸로 작업하면서 우리의 새로운 연구 문샷인 프로젝트 Suncatcher는 Google TPU를 탑재하고 자유 공간 광학 링크로 연결된 태양열 발전 위성의 소형 콘스텔레이션을 구상합니다. 이 접근 방식은 확장성에 엄청난 잠재력을 가지고 있으며 지상 자원에 미치는 영향을 최소화합니다.

우리의 초기 연구를 공유하게 되어 기쁩니다. 프리프린트 논문인 "미래 우주 기반의 고도로 확장 가능한 AI 인프라 시스템 설계를 향하여"에서 우주 기반의 확장 가능한 AI 인프라를 구축하는 데 있어 기초적인 과제를 해결하기 위한 우리의 진보를 설명합니다. 여기에는 위성 간의 고대역폭 통신, 궤도 역학, 컴퓨팅에 대한 방사선 영향 등이 포함됩니다. 더 작고 상호 연결된 위성의 모듈식 설계를 집중함으로써 우리는 고도로 확장 가능한 미래 우주 기반 AI 인프라의 기반을 마련하고 있습니다.

프로젝트 Suncatcher는 Google의 오랜 전통인 어려운 과학 및 엔지니어링 문제를 해결하는 문샷의 일부입니다. 모든 문샷과 마찬가지로 미지의 것이 있을 것이지만, 바로 그런 정신으로 우리는 10년 전 현실적인 엔지니어링 목표로 간주되기 전 대규모 양자 컴퓨터를 구축하기 시작했으며, 15년 이상 전에 자율 주행 차량을 구상하여 결국 Waymo가 되어 전 세계 수백만 명의 승객을 운송하게 되었습니다.

시스템 설계 및 주요 과제

제안된 시스템은 주로 새벽-황혼 태양 동기 저지구 궤도에서 작동하는 네트워크 위성 콘스텔레이션으로 구성됩니다. 이 궤도 선택은 태양 에너지 수집을 최대화하고 무거운 온보드 배터리의 필요성을 줄입니다. 이 시스템이 실행 가능하려면 몇 가지 기술적 장애물을 극복해야 합니다.

1. 위성 간 데이터 센터 규모의 링크 달성

   대규모 ML 워크로드에는 고대역폭, 저지연 연결을 통해 수많은 액셀러레이터에 작업을 배포해야 합니다. 지상 데이터 센터와 비슷한 성능을 제공하려면 위성 간 링크가 초당 수십 테라비트를 지원해야 합니다. 우리의 분석에 따르면 다중 채널 DWDM(dense wavelength-division multiplexing) 트랜시버와 공간 다중화를 통해 이를 달성할 수 있습니다.그러나 이러한 대역폭을 달성하려면 일반적인 장거리 배포보다 수천 배 높은 수신 전력이 필요합니다. 수신 전력은 거리 제곱에 반비례하여 감소하므로 위성을 매우 가까운 형성(킬로미터 이하)으로 비행하여 링크 예산을 마감함으로써 이 과제를 극복할 수 있습니다. 우리 팀은 이미 단일 트랜시버 쌍을 사용하여 각 방향으로 800Gbps 전송(총 1.6Tbps)을 성공적으로 달성한 벤치 규모 데모를 통해 이 접근 방식을 검증하기 시작했습니다.

2. 대규모의 밀접한 위성 형성 제어

   고대역폭 위성 간 링크를 위해서는 현재 시스템보다 훨씬 더 컴팩트한 형성으로 위성을 비행해야 합니다. 우리는 이러한 콘스텔레이션의 궤도 역학을 분석하기 위해 수치 및 해석 물리학 모델을 개발했습니다. 우리는 Hill-Clohessy-Wiltshire 방정식(케플러 근사에서 원형 기준 궤도에 대한 위성의 궤도 운동을 설명함)에서 시작하여 근사치를 사용하고 추가 교란을 고려한 수치 정제를 위해 JAX 기반 미분 모델을 사용했습니다.
   우리가 계획한 콘스텔레이션의 고도에서 지구의 중력장의 비구형성과 잠재적인 대기 항력이 위성 궤도 역학에 영향을 미치는 주요 비케플러 효과입니다. 아래 그림에서 우리는 650km의 평균 클러스터 고도에서 궤도 평면의 81 위성 콘스텔레이션 구성에 대한 궤적(한 전체 궤도에 걸쳐)을 보여줍니다. 클러스터 반경은 R=1km이며, 가장 가까운 이웃 위성 간의 거리는 지구 중력의 영향으로 ~100–200m 사이에서 진동합니다.
   모델은 위성이 수백 미터 떨어져 있는 경우 원하는 태양 동기 궤도 내에서 안정적인 콘스텔레이션을 유지하기 위해 적당한 위치 유지 조종만 필요할 가능성이 있음을 보여줍니다.
   
   지구의 중력 인력 하에서 자유 낙하("추력 없음") 콘스텔레이션의 진화는 비회전 좌표계에서 태양 동기 궤도를 얻는 데 필요한 세부 수준으로 모델링되었으며, 중앙 기준 위성 S0을 기준으로 합니다. 화살표는 지구 중심을 가리킵니다. 마젠타: 위성 S0의 가장 가까운 이웃. 주황색: 예시 "말초" 위성 S1. 주황색 점선: 클러스터 중심에 대한 S1의 위치(비회전 좌표 프레임에서).
    

3. TPU의 방사선 내성

   ML 액셀러레이터가 우주에서 효과적이기 위해서는 저지구 궤도의 환경을 견뎌야 합니다. 우리는 Google의 v6e Cloud TPU인 Trillium을 67MeV 양성자 빔에서 테스트하여 총 이온화 선량(TID)과 단일 이벤트 효과(SEE)의 영향을 확인했습니다.
   결과는 유망했습니다. 고대역폭 메모리(HBM) 하위 시스템이 가장 민감한 구성 요소였지만 누적 선량 2krad(Si) 이후에야 불규칙성을 보이기 시작했으며, 이는 예상(차폐된) 5년 임무 선량 750rad(Si)의 거의 3배에 해당합니다. 단일 칩에서 최대 테스트 선량 15krad(Si)까지 TID로 인한 하드 장애는 없었으며, 이는 Trillium TPU가 우주 응용 분야에 놀라울 정도로 방사선에 강함을 나타냅니다.
    

4. 경제적 타당성 및 발사 비용

   과거에 높은 발사 비용은 대규모 우주 기반 시스템의 주요 장벽이었습니다. 그러나 역사적 및 예측 발사 가격 데이터를 분석한 결과, 지속 가능한 학습률이 유지된다면 2030년대 중반까지 가격은 kg당 200달러 미만으로 떨어질 수 있습니다. 그 시점에서 우주 기반 데이터 센터를 발사하고 운영하는 비용은 킬로와트/년 기준으로 동일한 지상 데이터 센터의 보고된 에너지 비용과 대략 비슷해질 수 있습니다. 자세한 내용은 프리프린트 논문을 참조하십시오.

미래 방향

우리의 초기 분석은 우주 기반 ML 컴퓨팅의 핵심 개념이 기본 물리학이나 극복할 수 없는 경제적 장벽에 의해 방해받지 않음을 보여줍니다. 그러나 열 관리, 고대역폭 지상 통신, 궤도 시스템 신뢰성과 같은 상당한 엔지니어링 과제가 남아 있습니다.

이러한 과제를 해결하기 위해 우리의 다음 이정표는 Planet과의 파트너십을 통한 학습 임무로, 2027년 초까지 두 개의 프로토타입 위성을 발사할 예정입니다. 이 실험은 우리의 모델과 TPU 하드웨어가 우주에서 어떻게 작동하는지 테스트하고 분산 ML 작업을 위한 광학 위성 간 링크의 사용을 검증할 것입니다.

궁극적으로, 기가와트 규모의 콘스텔레이션은 우주 환경에 더 자연스럽게 적합한 새로운 컴퓨팅 아키텍처와 태양 에너지 수집, 컴퓨팅 및 열 관리가 밀접하게 통합된 기계적 설계를 결합하여 더 급진적인 위성 설계의 이점을 누릴 수 있습니다. 현대 스마트폰에 의해 동기를 부여받고 가능해진 복잡한 시스템 온 칩 기술의 개발과 마찬가지로, 규모와 통합은 우주에서 가능한 것을 발전시킬 것입니다.

감사의 말

"Towards a future space-based, highly scalable AI infrastructure system design"은 Blaise Agüera y Arcas, Travis Beals, Maria Biggs, Jessica V. Bloom, Thomas Fischbacher, Konstantin Gromov, Urs Köster, Rishiraj Pravahan 및 James Manyika가 공동 저술했습니다.

비용 모델링 및 전반적인 타당성 분석에 중요한 기여를 해준 Amaan Pirani, 독립적인 수치 검증 계산을 수행한 Marcin Kowalczyk, 시스템 및 아키텍처 개념에 기여한 Thomas Zurbuchen, 시스템 및 열 설계에 대한 기술적 의견을 제공한 Kenny Vassigh와 Jerry Chiu에게 감사의 말씀을 전합니다.

영문백서다운로드 : suncatcher_paper.pdf