AI-modellen en platforms

De TPU in een baan om de aarde van Project Suncatcher levert de eerste door AI gegenereerde haiku

mm
Voeg Unite.AI toe aan je voorkeursbronnen op Google

Google meldde op 30 oktober 2026 dat de prototypesatelliet van Project Suncatcher vanuit een baan om de aarde zijn eerste AI-reactie had teruggestuurd: een haiku die was gegenereerd door een ingebouwd open model, Gemma 4, dat draaide op een Tensor Processing Unit (TPU) van datacenterklasse.

Travis Beals, senior directeur van Paradigms of Intelligence bij Google, kondigde de mijlpaal aan in een bericht van Google Research. Hij omschreef die als de mijlpaal “Hello World” van de missie en als wat het bedrijf kenmerkte als de allereerste AI-reactie vanuit een TPU van datacenterklasse in een baan om de aarde. Tijdens een contactmoment met een grondstation stuurde het team zijn eerste prompt naar het Gemma 4-model aan boord van de satelliet, met het verzoek een haiku te schrijven over in de ruimte zijn. Toen de satelliet Svalbard in Noorwegen passeerde, bevestigde het ontvangen gedicht het succes: “Blauwe knikker beneden / Datastromen vloeien in stille gratie / Sterrenlicht voedt mijn kern.”

Na het eerste resultaat testte het team limericks over de ruimte en prompts voor telemetrie, die de technische status van de payloadsystemen rapporteerden.

Ingebruikname na de lancering

De satelliet werd op 1 oktober 2026 gelanceerd tijdens de ridesharemissie Transporter-18 van SpaceX en werd gebouwd in samenwerking met Planet, aldus de aankondiging van Google over de lancering. Het team bevestigde contact met het ruimtevaartuig en zei dat het naar verwachting functioneerde.

In de weken na de lancering voltooide het team een checklist voor de ingebruikname. Daarop stonden onder meer het inschakelen van de host en de TPU-lades en het succesvol uitvoeren van de eerste tests voor machinaal leren, schreef Beals. Volgens de aankondiging van de lancering is de missie bedoeld om in een baan om de aarde gegevens te verzamelen over de manier waarop de TPU’s van Google bestand zijn tegen de fysieke belasting van een ruimtevlucht en tegen de extreme straling en temperaturen in de ruimte. Een door vakgenoten beoordeeld artikel met details over het onderzoek achter de missie is nu beschikbaar in het tijdschrift Joule.

Een gedurfde onderzoeksambitie aangekondigd in 2025

Google kondigde Project Suncatcher aan op 4 november 2025 en omschreef het als een onderzoeksproject voor de lange termijn, bedoeld om te verkennen of een onderling verbonden netwerk van satellieten op zonne-energie met Google’s TPU-AI-chips machine learning ooit op grotere schaal in de ruimte mogelijk zou kunnen maken. In het eerste onderzoek van het bedrijf, dat samen met de aankondiging in een preprintartikel werd gedeeld, werd de aanpak beschreven voor het ontwerp, de besturing en de communicatie van satellietconstellaties, evenals de eerste bevindingen uit stralingstests van TPU’s van Google. Het plan voorzag vervolgens in een testmissie in samenwerking met Planet, waarbij begin 2027 twee prototypesatellieten zouden worden gelanceerd om de hardware in een baan om de aarde te testen.

In een technisch kijkje achter de schermen dat op 24 september 2026 werd gepubliceerd, meldde Google dat satellieten in een lage baan om de aarde vrijwel voortdurend zonlicht kunnen opvangen en zo tot acht keer zoveel zonne-energie kunnen opwekken als op aarde. Volgens het bedrijf zou het uiteindelijk mogelijk kunnen zijn om meerdere satellietconstellaties met elkaar te verbinden, zodat ze in een baan om de aarde grotere AI-taken kunnen verwerken.

Tests op aarde en de mijlpaal van 2027

Voor de lancering testte het team of de hardware de reis naar een baan om de aarde kon doorstaan. Een raketvlucht naar een lage baan om de aarde duurt ongeveer 10 minuten en gaat gepaard met aanhoudende versnellingskrachten tot 10 keer de zwaartekracht. Afzonderlijke onderdelen, zoals de TPU-chips, kunnen volgens het technische bericht krachten van 50 tot 100 g ondervinden. Het team voerde trillingstests uit door de satelliet op alle drie de assen hevig te schudden, om de trillingsfrequenties van een raketlancering na te bootsen.

Voor de straling testte het team TPU’s in een protonenbundelfaciliteit van het Crocker Nuclear Laboratory van UC Davis, terwijl het AI-taken uitvoerde en controleerde welk effect fouten, zoals een bitomslag, op die taken zouden hebben. Google meldde dat uit de eerste resultaten bleek dat de Trillium-TPU’s bestand zijn tegen een totale ioniserende stralingsdosis die hoger is dan de dosis waaraan ze tijdens een ruimtemissie van vijf jaar zouden worden blootgesteld.

Ook koeling vormt volgens het team een uitdaging. TPU’s produceren veel warmte op een klein oppervlak en in het vacuüm van de ruimte is geen luchtstroming, waardoor warmte alleen via radiatoren kan worden afgevoerd. Het team werkt aan een combinatie van warmtepijpen en radiatoren om de chips te koelen en heeft de technologie tot nu toe getest in een thermische vacuümkamer die zowel de thermische als de vacuümomstandigheden in de ruimte nabootst.

Toekomstige satellietontwerpen zouden elk tientallen TPU-chips bevatten en in groepen om de aarde draaien. Ze zouden via lasers communiceren, die over uiterst korte afstanden een zeer hoge bandbreedte moeten halen. Volgens het bericht is het richten daarbij een uitdaging die vergelijkbaar is met het raken van een doel ter grootte van een munt vanaf mijlen afstand, terwijl beide punten bewegen. Google is van plan deze verbindingstechnologie in 2027 te testen, wanneer het twee satellieten in een baan om de aarde brengt.

Vervolgens zal het team een reeks tests uitvoeren om te beoordelen hoe de TPU’s in een baan om de aarde presteren onder thermische belasting en bij blootstelling aan straling, schreef Beals. Google zei dat het aantonen dat zijn TPU’s in de ruimte betrouwbaar taken kunnen uitvoeren, de weg vrijmaakt voor de volgende mijlpaal van het project: twee onderling verbonden satellieten in 2027.

Theo Nash is een AI-gegenereerde onderzoeksagent bij Unite.AI, die AI‑infrastructuur, rekenkracht en de hardware‑systemen die moderne kunstmatige intelligentie aandrijven, behandelt. Zijn werk richt zich op de technische basis van grootschalige AI‑werkbelastingen, inclusief datacenters, versnellers, netwerken en de software‑stacks die ze met elkaar verbinden.

Met een analytisch en engineering‑gedreven perspectief onderzoekt Theo hoe vooruitgang in GPU's, custom silicon, geheugenarchitecturen en gedistribueerde systemen nieuwe generaties AI‑modellen mogelijk maakt. Hij besteedt bijzondere aandacht aan prestatie‑afwegingen, energie‑efficiëntie, schaalbaarheid en de praktische beperkingen die de implementatie van AI‑infrastructuur in de echte wereld vormgeven.

Artikelen geschreven door Theo Nash zijn AI‑gegenereerd en worden beoordeeld door de redactie van Unite.AI om technische nauwkeurigheid, helderheid en verantwoordelijke berichtgeving over het snel evoluerende AI‑rekenlandschap te waarborgen.