Ay’da İlk Yüksek Performanslı Bilgi İşlem Deneyi: Spaceborne Computer‑4 Görevde
Hewlett Packard Enterprise, NASA, Deloitte ve Astrolab iş birliğiyle geliştirilen Spaceborne Computer‑4, 2026 sonunda Ay’ın güney kutbu yakınlarına gönderilecek ve burada yapay zeka modelleri, büyük dil modelleri ve LiDAR veri analizi gibi yüksek performanslı bilgi işlem testleri gerçekleştirilecek.
Ay yüzeyinde yüksek performanslı bilgi işlem (HPC) ve yapay zeka (AI) uygulamalarının ilk gerçek ortam testine hazırlanılıyor. Hewlett Packard Enterprise (HPE) tarafından geliştirilen Spaceborne Computer‑4, NASA’nın Commercial Lunar Payload Services (CLPS) programı çerçevesinde 2026 yılının sonlarında Ay’ın güney kutbu yakınlarına gönderilecek. Görev, HPE, NASA, Deloitte ve Astrolab’ın ortak çabasıyla yürütülerek, Ay’da yapay zeka modellerinin çalıştırılması, bilimsel verilerin yerinde analiz edilmesi ve çeşitli HPC performans ölçümlerinin yapılması hedefini taşıyor.
Spaceborne Computer‑4, uzay koşullarına dayanacak şekilde tasarlanmış kompakt bir bilgi işlem modülü olarak tanıtıldı. Sistem, Astrolab’ın FLIP (Fast Lunar In‑situ Processor) keşif aracına entegre edilerek Ay yüzeyine taşınacak. FLIP, Voyager Technologies’in Griffin‑1 iniş aracı tarafından Ay’ın güney kutbu bölgesine indirilerek, bilgisayar modülünün çalıştırılmasını sağlayacak. Bu entegrasyon, Ay’da doğrudan veri işleme ve yapay zeka uygulamalarının yürütülmesi için gerekli altyapıyı oluşturuyor.
Görev kapsamında, iki farklı hesaplama ölçütü kullanılarak bilgisayarın performansı değerlendirilecek. HPE, bu testlerin Ay yüzeyinde gerçekleştirilen ilk yüksek performanslı bilgi işlem (HPC) deneyleri olacağını belirtiyor. Testlerin temel amacı, Ay ortamının radyasyon, sıcaklık dalgalanmaları ve düşük yerçekimi gibi faktörlerin bilgisayar sistemlerinin performansına etkilerini incelemek. Bu sayede, gelecekteki Ay ve diğer derin uzay görevlerinde kullanılabilecek daha dayanıklı ve verimli bilgi işlem platformları geliştirilebilecek.
Spaceborne Computer‑4 üzerinde çalıştırılacak yapay zeka iş yükleri arasında büyük dil modelleri (LLM), erişim destekli üretim (RAG), görüntü analizi ve LiDAR veri işleme bulunuyor. Özellikle LiDAR verilerinin analizi, Ay yüzeyinin üç boyutlu haritalanması, keşif araçlarının navigasyonu ve arazi koşullarının değerlendirilmesi açısından kritik öneme sahip. Bu tür yerel veri işleme, Dünya’ya veri gönderilmeden önce anlık kararların alınabilmesini sağlayarak, iletişim gecikmeleri ve sınırlı bant genişliğinin getirdiği kısıtlamaları aşmayı mümkün kılıyor.
Görevin bir diğer yenilikçi yönü, yapay zeka hizmetlerinin konteyner tabanlı ortamlar üzerinden çalıştırılması. Bu sayede, farklı uygulamaların Ay’da sınırlı bilgi işlem kaynakları üzerinde ne kadar güvenilir ve verimli bir şekilde çalıştığı ölçülecek. NASA’nın planladığı deneylerden biri de FLUID (Federated Learning for Unbounded and Intelligent Decentralization) adlı federasyonel öğrenme protokolünün test edilmesi. FLUID, uzayda dağıtık öğrenme modellerinin merkezi bir sunucuya bağımlı olmadan güncellenebilmesini sağlayarak, gelecekteki çoklu uzay aracı ağlarının kendi kendine öğrenme yeteneğini artırmayı amaçlıyor.
Ay’da veri işleme yeteneğinin geliştirilmesi, mevcut uzay görevlerinde verilerin büyük bir kısmının Dünya’ya aktarılması ve orada analiz edilmesi gerekliliğini azaltacak. Bu da hem iletişim gecikmelerini kısaltacak hem de görev maliyetlerini düşürecek. Spaceborne Computer‑4 projesi, bu vizyonun ilk somut adımı olarak, Ay’da yerel yapay zeka ve HPC uygulamalarının pratikte nasıl çalıştığını gösterecek.
Sonuç olarak, HPE, NASA, Deloitte ve Astrolab ortaklığıyla hayata geçirilen bu görev, Ay’da yüksek performanslı bilgi işlem ve yapay zeka teknolojilerinin sınırlarını zorlayarak, gelecekteki derin uzay keşifleri için kritik bir referans noktası oluşturacak. 2026 sonunda Ay’ın güney kutbu yakınlarında gerçekleşecek bu deney, uzayda yerel veri işleme ve yapay zeka uygulamalarının ne kadar etkili olabileceğine dair yeni sorulara yanıt bulacak ve uzay endüstrisinin inovasyon yol haritasını yeniden şekillendirecek.
