گوگل اعلام کرد ماهک Suncatcher — نخستین پروتوتایپ مرکز داده‌ی فضایی این شرکت — پس از حدود سه هفته فرآیند راه‌اندازی (commissioning) به‌طور کامل فعال شده و با زمین در ارتباط است. این ماهک اوایل ماه جاری میلادی در قالب یک مأموریت SpaceX Falcon 9 همراه بیش از ۱۰۰ فضاپیمای دیگر به مدار پرتاب شد.

این ماهک یک پردازشگر TPU (Tensor Processing Unit) ساخت گوگل را حمل می‌کند و حداکثر ۱ کیلووات برق تولید می‌کند. مصرف توان بالای TPU باعث می‌شود این پردازشگر تنها حدود ۲۰ دقیقه در هر نوبت روشن بماند؛ محدودیتی که ارتباط ماهک با زمین را — که خودش چالش‌برانگیز است — پیچیده‌تر می‌کند.

مدل زبانی پیش‌بارگذاری‌شده روی ماهک، Gemma 4 ساخت Google DeepMind است. مهندسان در نخستین آزمون، از مدل خواستند هایکو (شعر سه‌خطی ژاپنی) درباره‌ی بودن در فضا بنویسد. همچنین از ماهک خواسته شد شرایط مداری اطرافش را گزارش کند.

آزمون‌های ادامه‌دار و مرحله‌ی بعد#

کمپین آزمون فعلی بررسی می‌کند که تراشه‌ها در شرایط تنش حرارتی و محیط پرتوزای فضا چه عملکردی دارند. گوگل پیش‌تر TPUهای خود را در شتاب‌دهنده‌های ذرات روی زمین آزمایش کرده، اما حالا باید اثرات واقعی پرتوهای کیهانی را ببیند. پرتوزایی می‌تواند «bit flip» ایجاد کند — یعنی مقدار ذخیره‌شده در حافظه‌ی رایانه تغییر کند — بدون آنکه ابزارهای پایش معمولی متوجه شوند.

آزمون‌های زمینی نشان داده بودند تأثیر پرتوزایی روی کارهای استنتاجی کم و روی آموزش مدل بیشتر است. حالا تیم گوگل این پویایی را در فضای واقعی بررسی می‌کند.

در صورت موفقیت، مرحله‌ی بعد پرتاب دو ماهک دیگر در سال ۲۰۲۷ است که توان تولید برق بالاتر و لینک‌های نوری بین‌ماهکی را آزمایش خواهند کرد.

خوانش تحریریه#

Suncatcher یک «moonshot» کلاسیک گوگل است: هدفش طراحی زیرساختی است که در دهه‌ی ۲۰۳۰ اقتصادی باشد. این خبر برای کسی که همین حالا با ابزارهای موجود ایجنت می‌سازد، عملاً چیزی عوض نمی‌کند. محدودیت ۲۰ دقیقه‌ی روشن‌ماندن یعنی حتی اگر استنتاج روی ماهک کار کند، ظرفیت بهره‌برداری‌پذیر آن فعلاً بسیار پایین است. آنچه واقعاً قابل‌توجه است، رویکرد متمایز گوگل در Starcloud نسبت به رقباست: برنامه‌ی لینک‌های پرسرعت بین‌ماهکی برای بارهای توزیع‌شده. اگر این کار در ۲۰۲۷ جواب دهد، مقیاس‌پذیری مرکز داده‌ی فضایی را از «یک ماهک با ۲۰ دقیقه توان» به شبکه‌ای قابل‌توجه تغییر می‌دهد. اما همه‌چیز به یک متغیر وابسته است: Starship باید کاملاً و سریع بازاستفاده‌پذیر شود. محققان خودِ Suncatcher تخمین زده‌اند SpaceX به ۱۸۰۰ پرواز Starship نیاز دارد تا همان کاهش هزینه‌ی مبتنی بر یادگیری را ببیند که در خودروهای قبلی‌اش تجربه کرد. این عدد، نه یک جزئیات فنی، بلکه شرط لازم کل پروژه است.

منبع: TechCrunch AI