AI の急速な発展に伴い、コンピューティング能力とエネルギーの需要が爆発的に増加しています。 2025 年 11 月 4 日、Google は新しい研究プロジェクト「プロジェクト・サンキャッチャーこれは、AIが人類の最も困難な課題に取り組むための基盤技術であるという認識に基づいています。
宇宙ベースのスケーラブルな AI インフラストラクチャ システム設計の探求
https://research.google/blog/exploring-a-space-based-scalable-ai-infrastructor-system-design/
Project Suncatcher は宇宙で AI を強化することを検討
https://blog.google/technology/research/google-project-suncatcher/
宇宙にデータセンターを建設する計画はGoogleだけでなく、さまざまなスタートアップが実現に向けて取り組んでいる。
宇宙にデータセンターを設置する計画が実現へ – GIGAZINE
Google が提案した Project Suncatcher は、太陽系最大のエネルギー源である太陽の力をより効率的に利用する方法を模索しています。宇宙の特定の軌道では、ソーラーパネルは地上よりも年間最大8倍のエネルギーを受け取ることができるため、バッテリーの必要性を減らしながら、ほぼ継続的に発電することが可能になります。 Googleは、将来的に宇宙がAI計算を拡張するのに最適な場所になる可能性に注目しており、土地や水などの地球資源への影響を最小限に抑えながらこの「ムーンショット」に取り組む予定だ。
Project Suncatcher の背後にあるアイデアは、Google 独自の AI アクセラレータ チップである TPU を搭載した衛星群を構築することです。これらの衛星は、発電量を最大化し、地上との通信遅延と打ち上げコストを最小限に抑えるために、地球の影に入らないドーン・ダスク軌道に打ち上げられることが期待されている。また、衛星同士が広帯域のネットワークで接続されているため、宇宙で衛星を組み立てる必要がなく、多数の小型衛星が連携して動作できるモジュラー（部品の組み合わせ）設計が特徴です。これにより、高い拡張性を実現し、将来的にはテラワット級の演算能力の実現を目指します。
ただし、Google は、Project Suncatcher の実現にはいくつかの大きな技術的課題があると指摘しました。
最初の課題は、衛星間通信の帯域幅の拡大です。地上の大規模機械学習クラスタは、チップ間で数百Gbps、リンク全体で数Tbpsの超高帯域通信を実行しますが、現在の商用衛星間光リンクのデータレート1～100Gbpsではこの要件を満たすことができません。そこで研究チームは、地上光通信で使われている「高密度波長分割多重（DWDM）」技術と「空間多重」の導入を提案している。
ただし、これらの技術では、従来の衛星リンクよりも数千倍高い受信光パワーが必要です。受信電力は距離の二乗に反比例して減少するため、数キロメートル以下、または数百メートルなどの非常に近い距離を衛星を飛行させることで、この電力要件を満たすことができます。地上での基礎実験では、1組の送受信機で双方向合計1.6Tbps（片道800Gbps）の伝送に成功しています。
2 番目の課題は、この高密度の衛星群を制御することです。この研究では、平均高度 650 km で半径 1 km のクラスターに配置された 81 個の衛星の構成をシミュレートしました。この軌道では、地球の重力場の非対称性と大気抵抗が主な擾乱要因となるが、衛星間の距離が数百メートルで振動するこの短距離編隊飛行は、太陽同期軌道を維持しながら比較的小さな軌道保持運用で実現できることがモデルから示唆されている。
3 番目の課題は、宇宙放射線に対する TPU の耐性です。宇宙環境では、累積放射線被ばくによる機器の劣化や、一個の高エネルギー粒子による瞬間的な誤動作が懸念されます。特にTPUなどの最先端チップの耐久性は未知数でした。そこで、Google のTPU v6eのために、低軌道衛星環境を模擬した67MeV陽子線照射試験を実施しました。
その結果、最も感度の高い高帯域幅メモリ（HBM）であっても、予想される5年間のミッション中に受ける放射線量の約3倍に達するまでは、異常は見られませんでした。 Google の報告によると、チップ自体はさらに強い線量にさらされても永続的な故障は見られず、TPU v6e が宇宙用途に対して驚くほど堅牢であることが示されました。 SEE に関しては、HBM での訂正不可能なエラーの発生率は非常に低く、軌道上での推論 1,000 万件に 1 件程度と推定されており、推論処理には許容できると考えられています。
4 番目の課題は、経済的な実現可能性、特に打ち上げコストです。歴史的に、宇宙ベースのシステムの最大の障壁は打ち上げコストの高さでした。そこでGoogleはSpaceXの過去の打ち上げ価格データを基に、「累積打ち上げ質量が2倍になるごとに価格は約20％下がる」という学習曲線を分析し、この学習率が続けば、低軌道への打ち上げコストは2030年代半ばまでに1kgあたり200ドル(約3万円)以下に下がる可能性があると予測しています。
1kgあたり200ドルのコストが実現した場合、衛星打ち上げ費用を耐用年数で割った年間電力コストは、Starlink v2小型衛星で約810ドル（約12万2000円）となる。これは、現在の米国の陸上データセンターの年間電気代約570ドル（約8万5500円）～3000ドル（約45万円）と同程度の範囲であり、宇宙でのAI計算が経済的に競争力を持つことが示唆される。
次のステップとして、Google は 2027 年初めまでに 2 機のプロトタイプ衛星を打ち上げる「学習ミッション」を計画しています。このミッションでは、TPU が宇宙でどのように動作するかをテストし、分散 ML タスクにおける光衛星間リンクの有効性を実証します。
将来的には、宇宙での効率的な熱管理、地上局との高帯域通信、軌道上システムの信頼性と修復戦略などの工学的課題に取り組む必要があります。最終的には、大規模化と高度な統合により宇宙での可能性が前進し、電力収集、計算、熱管理が緊密に統合された新しい衛星設計につながる可能性があるとGoogleは述べた。
この記事のタイトルとURLをコピーします
