پرش به محتوای اصلی
پرش به محتوای مقاله

TPU فضا در برابر TPU زمین، پاسخ اولیه از مدار.

·۸ آبان ۱۴۰۵۴ دقیقه مطالعه
TPU مداری پاسخ اولیه هوش مصنوعی را از فضا ارسال می‌کند.
TPU مداری پاسخ اولیه هوش مصنوعی را از فضا ارسال می‌کند.
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

نخستین اجرای استنتاج (inference) روی TPU کلاس مرکز داده در مدار فضا، با مدل Gemma 4 روی سخت‌افزار تریلیوم، که بقای پرتاب، راه‌اندازی و عملکرد در محیط خلأ و اشعه‌زای را ثابت کرد — پیش از این تنها پردازنده‌های سخت‌شده‌ی قدیمی در فضا تست شده بودند.

ماهواره Project Suncatcher گوگل در ۳۰ اکتبر ۲۰۲۶ نخستین پاسخ هوش مصنوعی را از یک شتاب‌دهنده تنسور (TPU) کلاس مرکز داده در مدار تولید کرد. مدل Gemma 4 در حین عبوری از ایستگاه زمینی سوالبارد، نروژ، یک هیکو تألیف کرد و بقای سخت‌افزار پس از پرتاب و راه‌اندازی را تایید نمود.

این نمونه اولیه در ۱ اکتبر ۲۰۲۶ به‌وسیله مأموریت rideshare Transporter-18 اسپیس‌اکس (SpaceX) در همکاری با پلنت (Planet) پرتاب شد. گوگل پروژه را در نوامبر ۲۰۲۵ به‌عنوان یک موشک‌افکانی (moonshot) تحقیقاتی بلندمدت اعلام کرد که بررسی می‌کند آیا ماهواره‌های متصل، خورشیدی‌قدرت، مجهز به تراشه‌های TPU می‌توانند یادگیری ماشین را در فضا مقیاس‌پذیر سازند. یک مقاله هم‌ارزیابی‌شده (peer-reviewed) مبنای تحقیقات مأموریت اکنون در ژول (Joule) منتشر شده است. این پرتاب rideshare در حالی رخ داد که استارشیپ اسپیس‌اکس برای حمل زیرساخت‌های ابری به مدار در نظر گرفته می‌شود.

جزئیات

در مدار پایین زمین، ماهواره‌ها به نور خورشید تقریباً مداوم دسترسی دارند و تا هشت برابر انرژی خورشیدی بیشتری نسبت به نصب‌های زمینی تولید می‌کنند. گوگل رویای پیوند چندین کهکشان برای مدیریت بارهای کاری هوش مصنوعی بزرگتر در حین مداری بودن را دارد، که می‌تواند مکان فیزیکی آموزش و استنتاج (inference) را جابجا کند. فكرة محاسبه در فضا هم‌خط است با اجازه دادن به ماهواره‌ها به عنوان زیرساخت پردازشی هوش مصنوعی.

در طول راه‌اندازی (commissioning)، تیم میزبان و سینی‌های TPU را روشن کرد و تست‌های اولیه یادگیری ماشین را اجرا کرد. اولین پرامپت آپلینک‌شده از مدل Gemma 4 خواسته بود یک هیکو درباره حضور در فضا بنویسد. شعر دریافتی (downlink) این‌گونه بود: «کره‌ی آبی در پایین / جریان داده در لطف بی‌صدا / نور ستاره هسته‌ی من را تغذیه می‌کند.» تست‌های بعدی شامل لایمریک‌های فضایی و پرامپت‌های تل‌متری گزارش‌دهنده وضعیت سیستم بار مفید بود.

گوگل سخت‌افزار را قبل از پرتاب به‌شدت آزمایش کرد:

  • آزمایش ارتعاش (vibration testing): ماهواره روی سه محور لرزاند تا فرکانس‌های پرتاب را شبیه‌سازی کند، جایی که اجزا ۵۰ تا ۱۰۰ جی نیرو تحمل می‌کنند.
  • آزمایش پرتو پروتون در آزمایشگاه هسته‌ای کراکر دیویس (UC Davis Crocker Nuclear Laboratory): مهندسان بارهای کاری TPU را در تسهیل پرتو پروتون اجرا کردند تا خطاهای بیت‌فلیپ (bitflip) را رصد کنند. نتایج اولیه نشان داد TPUهای تریلیوم (Trillium) از دوز یونیزه‌کننده کل (total ionizing dose) فراتر از نیاز مأموریت پنج‌ساله باقی می‌مانند.

سردن چالش متمایز خود را دارد: TPUها گرمای شدید در مساحت کوچک تولید می‌کنند و خلأ جریان همرفتی (convective airflow) را از بین می‌برد. تیم از لوله‌های حرارتی (heat pipes) و رادیاتورها برای پراکندگی گرما ترکیب کرده و رویکرد را در چمبر خلأ حرارتی (thermal vacuum chamber) که هر دو شرط حرارتی و خلأ را شبیه‌سازی می‌کند، اعتبارسنجی کرد.

طراحی‌های آینده ماهواره هر کدام ده‌ها تراشه TPU را در خوشه‌های مداری حمل خواهند کرد. پیوندهای لیزری باید در پهنای باند بسیار بالا در فواصل کوتاه کار کنند — چالش نشانه‌گذاری (pointing) که گوگل آن را به ضربه زدن یک هدف در اندازه سکه از فاصله مایل‌ها در حالی که هر دو نقطه متحرک‌اند، تشبیه می‌کند. شرکت قصد دارد این پیوند را در ۲۰۲۷ با دو ماهواره هم‌ساز (twin satellites) آزمایش کند.

زمینه

این نمایش ثابت کرد یک شتاب‌دهنده کلاس مرکز داده می‌تواند پرتاب را تحمل کند، راه‌اندازی شود و در مدار استنتاج اجرا کند. نتایج سخت‌سازی در برابر اشعه (radiation hardening) به‌ویژه مهم‌اند: آن‌ها نشان می‌دهند سیلیکون سفارشی گوگل ممکن است بیشتر از حد فرض شده برای فضا آماده باشد، که نیاز به سپرهای سنگین که وزن بار مفید را محدود می‌کنند را کاهش می‌دهد.

مزیت هشت‌گانه انرژی خورشیدی در مدار در نهایت می‌تواند محاسبات مبتنی بر فضا را برای بارهای کاری خاص به‌صورت انرژی‌ای سودآور سازد، به‌خصوص اگر پیوندهای لیزری آموزش توزیع‌شده در سراسر کهکشان‌ها را ممکن سازند. با این حال، دقت نشانه‌گذاری (pointing precision) مورد نیاز برای پیوندهای نوری در مقیاس بزرگ همچنان ثابت نشده، و اثرات طولانی‌مدت اشعه بر وزن‌های مدل در طول اجراهای استنتاج ممتد همچنان ناشناخته است.

رویکرد گوگل از پردازنده‌های سنتی سخت‌شده در برابر اشعه متفاوت است، که نسل‌ها از سیلیکون تجاری عقب مانده‌اند. با واجد شرایط ساختن TPUهای پیشرو برای فضا، شرکت می‌تواند محاسبات نزدیک به نسل جاری را به مدار بیاورد — یک تغییر بالقوه برای کاربردهایی که نیازمند downlink با تأخیر پایین یا پردازش درجا (in-situ) تصاویر ماهواره‌ای هستند.

تیم در مرحله بعد سری تست‌هایی را برای ارزیابی عملکرد TPU تحت تنش حرارتی و تعرض اشعه در مدار اجرا خواهد کرد. تایید اجرای قابل‌اعتماد بارهای کاری راه را برای گام ۲۰۲۷ هموار می‌کند: دو ماهواره متصل که پیوند لیزری را نشان می‌دهند و می‌توانند تراشه‌های مداری را به یک کامپیوتر منطقی واحد تبدیل کنند.

مقاله ژول (Joule) را برای روش‌شناسی کامل تجربی پیگیری کنید. پرتاب دوماهواره‌ای ۲۰۲۷ را رصد کنید که تست واقعی پیوند لیزری و تبدیل تراشه‌های مداری به یک کامپیوتر منطقی واحد خواهد بود. پیشرفت‌های گوگل در سخت‌سازی TPU تریلیوم در برابر اشعه را برای استقرارهای فضایی آینده در نظر بگیرید.

چرا این موضوع مهم است؟

این پیشرفت اعتبار (Authority) گوگل را در واجد شرایط ساختن سیلیکون پیشرو برای محیط‌های شدید تقویت می‌کند و مسیر محاسبات مداری را برای آموزش و استنتاج توزیع‌شده باز می‌کند. شرکت‌های زیرساخت ابری و عامل‌های استنتاج لبه (edge inference agents) باید برای جابجایی بارهای کاری به مدار برنامه‌ریزی کنند.

تأثیر برای ایران

به‌دلیل تحریم‌ها و محدودیت‌های API، دسترسی مستقیم به زیرساخت‌های فضایی گوگل برای توسعه‌دهندگان ایرانی مسدود است؛ این پیشرفت بیشتر برای پژوهشگران مدل‌های بنیادی و سخت‌افزار مرتبط است تا بازار مصرف ایران.

·نگاه ما
تحریریه دات‌هوش

نکته‌ی کلیدی این است که گوگل نه تنها سیلیکون تجاری را در فضا واجد شرایط کرده، بلکه مسیر مقیاس‌پذیری را از طریق پیوندهای نوری بین‌ماهواره‌ای باز کرده — اگر دقت نشانه‌گذاری حل شود، محاسبات مداری می‌تواند از نمونه اولیه به معماری تولیدی برسد. این تغییرِ پارادایم از «سخت‌افزار فضا مخصوص» به «سخت‌افزار تجاری در فضا» است که هزینه و زمان توسعه را به‌شدت کاهش می‌دهد.

منابع

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.