অরবিটাল ডেটা সেন্টারগুলো কেন কঠিন পদার্থবিজ্ঞান ও খরচের বাধার মুখে পড়ে

মহাকাশভিত্তিক কম্পিউটিংয়ের প্রতিশ্রুতি

মার্চে Nvidia-র GTC সম্মেলনে, CEO Jensen Huang ঘোষণা করেন, “Space computing, the final frontier, has arrived.” এই অনুভূতি পুরো প্রযুক্তি শিল্পে প্রতিধ্বনিত হচ্ছে, কারণ বড় খেলোয়াড়রা অরবিটাল ডেটা সেন্টারে বিপুল বিনিয়োগ করছে। xAI অধিগ্রহণ করা Elon Musk-এর SpaceX মহাকাশভিত্তিক ডেটা সেন্টারের একটি নক্ষত্রমণ্ডল পরিকল্পনা করছে। Google-এর Project Suncatcher, Planet-এর সঙ্গে অংশীদারিত্বে, ২০২৭ সালের শুরুর মধ্যে Google Tensor Processing Unit (TPU) AI চিপসহ দুটি উপগ্রহ উৎক্ষেপণের লক্ষ্য নিয়েছে। স্টার্টআপ Starcloud অরবিটাল ডেটা সেন্টারের জন্য ৮৮,০০০ উপগ্রহের একটি নক্ষত্রমণ্ডলের প্রস্তাব Federal Communications Commission-এ জমা দিয়েছে। এই উদ্যোগগুলো হাজার হাজার উপগ্রহের বহর কল্পনা করছে, যেখানে প্রতিটি উপগ্রহে AI-গ্রেড GPU র্যাক থাকবে, free-space optical links-এর মাধ্যমে তারা পরস্পর সংযুক্ত থাকবে এবং microwave links-এর মাধ্যমে পৃথিবীর সঙ্গে যোগাযোগ করবে।

অরবিটাল সুবিধার আকর্ষণ

সমর্থকেরা কয়েকটি সুবিধা তুলে ধরেন: প্রচুর সৌরশক্তি, মহাকাশের ঠান্ডা শূন্যতায় বিনামূল্যের শীতলীকরণ, এবং ভূমিকম্প, বন্যা ও প্রতিবাদের মতো পৃথিবী-ভিত্তিক বিঘ্ন থেকে সুরক্ষা। অফুরন্ত সৌরশক্তি এবং প্রাকৃতিক শীতলীকরণ কাজে লাগানোর ধারণা আকর্ষণীয়, বিশেষ করে যখন স্থলভিত্তিক ডেটা সেন্টারগুলো ক্রমবর্ধমান জ্বালানি খরচ এবং পরিবেশগত বিধিনিষেধের মুখে পড়ছে। তবে, পদার্থবিজ্ঞানের দিকে কাছ থেকে তাকালে উল্লেখযোগ্য ভুল ধারণা প্রকাশ পায়।

ভুল ধারণা ১: মহাকাশে বিনামূল্যের শীতলীকরণ

মহাকাশ সত্যিই ঠান্ডা, কিন্তু সেখানে বায়ুমণ্ডল নেই। বাতাস না থাকায় তাপ স্থানান্তরের প্রধান পদ্ধতি, conduction এবং convection, কার্যকর হয় না। একমাত্র কার্যকর পদ্ধতি radiation। চিপগুলো অতিরিক্ত গরম হওয়া থেকে বাঁচাতে বড়, ব্যয়বহুল radiator surface দরকার, যা তাপ অপসারণ করে। এতে প্রতিটি উপগ্রহের ভর, জটিলতা এবং খরচ বাড়ে। “বিনামূল্যের শীতলীকরণ” ধারণাটি বিভ্রান্তিকর; তাপকে দক্ষতার সঙ্গে radiate করার জন্য প্রয়োজনীয় engineering একটি বড় নকশাগত চ্যালেঞ্জ।

ভুল ধারণা ২: প্রচুর সৌরশক্তি

মহাকাশে সৌরশক্তি প্রচুর হলেও, তা দক্ষতার সঙ্গে সংগ্রহ করতে সূর্যের সঙ্গে সঠিকভাবে সোলার প্যানেল align করে রাখার জন্য নিখুঁত attitude control system দরকার। এর জন্য উন্নত hardware এবং software প্রয়োজন, যা ওজন ও খরচ বাড়ায়। এছাড়া, বিকিরণের সংস্পর্শে সোলার প্যানেল সময়ের সঙ্গে ক্ষয়প্রাপ্ত হয়, ফলে power output কমে যায় এবং উৎক্ষেপণের সময় redundancy বা oversizing দরকার হয়।

বিকিরণের চ্যালেঞ্জ

cosmic rays এবং solar particles থেকে আসা ionizing radiation একটি বিশেষ হুমকি সৃষ্টি করে। এটি সোলার প্যানেল, radiative coolers এবং electronic chips ক্ষতিগ্রস্ত করে। মহাকাশে নিয়মিত রক্ষণাবেক্ষণ প্রায় অসম্ভব হওয়ায়, redundancy শুরু থেকেই তৈরি করতে হয়। এতে launch mass ও খরচ বেড়ে যায়, এবং দীর্ঘমেয়াদি পরিচালনায় দক্ষতা হ্রাসও হিসাব করতে হয়।

খরচের তুলনা: পৃথিবী বনাম মহাকাশ

ABI Research-এর aerospace analyst Andrew Cavalier একটি স্থলভিত্তিক ডেটা সেন্টার এবং একটি অরবিটাল ডেটা সেন্টারের মধ্যে rough total-cost-of-ownership তুলনা করেছেন। বিশ্লেষণে Starcloud-এর নকশার মতো একটি spacecraft-এ উপযুক্ত আকারের সোলার প্যানেল এবং radiator সহ একটি Nvidia H100 server rack ধরা হয়েছিল। ফলাফল ছিল স্পষ্ট: মহাকাশে একটি GPU এক বছর চালানোর খরচ, পৃথিবীর ডেটা সেন্টারে একই GPU চালানোর তুলনায় অন্তত এক order of magnitude বেশি। এই খরচের ফারাক launch expenses, hardware redundancy, এবং space systems-এর জটিলতার কারণে।

খরচের বিভাজন

• Launch Costs: পুনঃব্যবহারযোগ্য রকেট থাকলেও, ভরকে কক্ষপথে পাঠানো এখনও ব্যয়বহুল। প্রতিটি কিলোগ্রামে হাজারো ডলার লাগে, এবং প্রয়োজনীয় radiators ও solar panels উল্লেখযোগ্য ওজন যোগ করে।
• Hardware Redundancy: বিকিরণ ও রক্ষণাবেক্ষণের অভাবে, নির্ভরযোগ্যতা নিশ্চিত করতে উপাদানগুলোকে দ্বিগুণ বা তিনগুণ করতে হয়, যা খরচ বহুগুণ বাড়ায়।
• Power Generation: ক্ষয়ক্ষতি বিবেচনা করতে এবং eclipse সময়ে অবিচ্ছিন্ন বিদ্যুৎ দিতে solar panels বড় করতে হয়, যার জন্য অতিরিক্ত ভর ও খরচ লাগে।
• Thermal Management: উচ্চ-ক্ষমতার GPU থেকে তাপ অপসারণের জন্য radiator যথেষ্ট বড় হতে হবে, যা ভর ও জটিলতা আরও বাড়ায়।

খরচের বাইরের প্রকৌশল বাধা

অর্থনীতির বাইরে প্রযুক্তিগত চ্যালেঞ্জও অনেক। উপগ্রহগুলোর মধ্যে free-space optical links-এর জন্য অত্যন্ত নির্ভুল pointing এবং tracking দরকার, যা জটিলতা বাড়ায়। পৃথিবীর সঙ্গে microwave links latency এবং bandwidth সীমার মুখে পড়ে। হাজারো উপগ্রহের বিশাল নক্ষত্রমণ্ডলকে পরিচালনা করতে উন্নত orbital management এবং collision avoidance প্রয়োজন। এছাড়া, মহাকাশ পরিবেশ electronic-এ single-event upsets ঘটাতে পারে, যা ডেটা নষ্ট করতে বা সিস্টেম ব্যর্থ করতে পারে।

মহাকাশের আবর্জনা এবং নিয়ন্ত্রক সমস্যা

বড় নক্ষত্রমণ্ডল মহাকাশের আবর্জনা নিয়ে উদ্বেগ বাড়ায়। প্রতিটি উপগ্রহকে end-of-life disposal-এর জন্য নকশা করতে হয়, যা খরচ বাড়ায়। FCC-এর মতো সংস্থার কাছ থেকে নিয়ন্ত্রক অনুমোদন নিতে spectrum allocation এবং orbital slot assignment-সংক্রান্ত দীর্ঘ প্রক্রিয়া ও compliance লাগে। ৮৮,০০০ উপগ্রহের জন্য Starcloud-এর প্রস্তাব অভূতপূর্ব সমন্বয় দাবি করবে।

সামনের দিকে কি কোনো বাস্তবসম্মত পথ আছে?

এই চ্যালেঞ্জগুলোর পরও আগ্রহ বজায় আছে। দূরবর্তী এলাকার জন্য low-latency edge computing বা প্রতিরক্ষা-সম্পর্কিত processing-এর মতো কিছু ব্যবহার এই প্রিমিয়ামকে ন্যায়সঙ্গত করতে পারে। তবে সাধারণ AI workload-এর জন্য স্থলভিত্তিক ডেটা সেন্টার এখনও অনেক বেশি সাশ্রয়ী। হালকা radiator, বিকিরণ-সহনশীল চিপ, বা অত্যন্ত দক্ষ power systems-এ অগ্রগতি না হলে খরচের ব্যবধান কমবে না। ততদিন অরবিটাল ডেটা সেন্টার সম্ভবত একটি niche, উচ্চ-খরচের বিকল্প হিসেবেই থাকবে।

Jensen Huang-এর ঘোষণার মতোই, দৃষ্টিভঙ্গি সাহসী। কিন্তু মহাকাশের পদার্থবিজ্ঞান ও অর্থনীতি এমন কঠিন সীমা আরোপ করে, যা সিলিকন ভ্যালির আশাবাদ সহজে অতিক্রম করতে পারে না। কম্পিউটিংয়ের চূড়ান্ত সীমান্ত হয়তো এসে যাচ্ছে, কিন্তু সেটিকে বাস্তবসম্মত করতে উৎসাহের চেয়ে বেশি কিছু লাগবে।

এই নিবন্ধটি IEEE Spectrum-এর প্রতিবেদনভিত্তিক। মূল নিবন্ধটি পড়ুন.