AI関連の最新ニュースをピックアップ
米Googleは、地球低軌道(LEO)上にスケーラブルな機械学習インフラを構築する長期研究プロジェクト「Project Suncatcher(宇宙空間にAIアクセラレータを配置し計算インフラを構築するGoogleの研究構想)」において、同社の独自AIチップ「Trillium TPU(Googleの第6世代Tensor Processing Unit)」を搭載したプロトタイプ衛星を打ち上げる初の実証実験計画を公式ブログで公表しました。地球上の最大8倍に達する太陽光発電エネルギーを活用し、将来的に宇宙軌道上で大規模AIワークロードを処理可能にする構想の第一歩となります。
宇宙でのデータセンター運用には、ロケット打ち上げ時の過酷な物理的衝撃と軌道上の極限環境に耐えうるハードウェア設計が不可欠です。Googleは衛星画像企業Planetと提携し、SpaceXのライドシェアミッション「Transporter-18」を通じて試験衛星を打ち上げる予定です。
打ち上げに先立ち実施された事前試験において、以下の成果が確認されています。
宇宙空間でのコンピュート運用は、地上の冷却・ネットワークインフラとは抜本的に異なる技術的アプローチを要求します。
| 課題領域 | 地上データセンターの設計 | 宇宙軌道(Project Suncatcher)の設計 |
|---|---|---|
| 冷却機構 | 空冷ファンや水冷パイプによる対流熱伝達 | 真空下では対流が不可能なため、ヒートパイプと放射パネル(ラジエーター)で熱放射 |
| 電力供給 | 商用電力網および地上設置型太陽光・蓄電池 | 低軌道上で常時受光可能な太陽光発電(地上の最大8倍の発電効率) |
| ノード間接続 | 高速光ファイバーケーブル網 | 衛星群間を超高帯域・極短距離のレーザー光通信でクラスタ接続(2027年実証予定) |
特に宇宙の真空環境下では空気による熱拡散が行えないため、熱真空チャンバーを用いた放熱設計の検証が進められています。また、将来的に軌道上の衛星コンステレーションを1つの巨大な分散クラスタとして機能させるため、高速移動する衛星同士をミリ単位の精度で捉え続ける衛星間レーザー通信が計画されています。
地上での生成AI普及に伴い、データセンターが消費する電力と冷却水は世界的なインフラ制約となりつつあります。宇宙空間への計算リソース移転は、地上の電力網や環境資源への負荷をゼロに抑えつつ、無尽蔵の太陽光エネルギーをダイレクトに計算力へ変換する究極のソリューションとなり得ます。
一方で、軌道上でのハードウェア故障に対する物理保守の不可能性や、宇宙ゴミ(スペースデブリ)対策、地上との通信レイテンシなど克服すべき未解決の課題は山積しています。Googleの今回の実証は商業利用ではなく長期ムーンショットとしての第1ステップですが、次世代インフラの物理的限界を再定義する野心的な挑戦として今後の軌道試験データが注目されます。
引用元:Google