إذا كانت الذكاء الاصطناعي تقنية أساسية ذات استخدام عام، فيجب أن نتوقع استمرار النمو في الطلب على الحوسبة الخاصة بالذكاء الاصطناعي، وكذلك على الطاقة. ويُعد الشمس المصدر الأكبر للطاقة في نظامنا الشمسي، وبالتالي فإن من المنطقي النظر في كيفية استغلال البنية التحتية المستقبلية للذكاء الاصطناعي بكفاءة عالية لاستخلاص هذه الطاقة. تتناول هذه الدراسة نظام حوسبة قابل للتوسع لمعالجة التعلم الآلي في الفضاء، باستخدام أسطول من الأقمار الصناعية المزودة بألواح شمسية، ووصلات بين الأقمار الصناعية باستخدام البصريات في الفضاء الحر، بالإضافة إلى شرائح تسريع من نوع Google Tensor Processing Unit (TPU). ولتمكين الاتصال بين الأقمار الصناعية بسرعة عالية وتأخير منخفض، سيتم تشغيل هذه الأقمار في مسافات قريبة من بعضها البعض. ونوضح النهج الأساسي للطيران في تشكيلات من خلال مجموعة مكونة من 81 قمراً صناعياً بقطر 1 كيلومتر، ونُقدّم نهجاً لاستخدام نماذج تعتمد على التعلم الآلي عالية الدقة للتحكم في تشكيلات واسعة النطاق. وقد تم اختبار وحدات TPU من نوع Trillium من حيث المقاومة للإشعاع، حيث تُظهر قدرة على البقاء على قيد العمل بعد تعرّضها لجرعة إشعاعية تُعادل ما يُقدّر بـ5 سنوات من المهمة دون حدوث أعطال دائمة، كما تم تحليلها من حيث أخطاء التبديل (bit-flip). وتعتبر تكاليف الإطلاق جزءاً حاسماً من التكلفة الإجمالية للنظام، وتشير تحليلات منحنى التعلّم إلى أن تكلفة الإطلاق إلى المدار المنخفض للأرض (LEO) قد تصل إلى 200 دولار لكل كيلوغرام بحلول منتصف عقد الثلاثينيات من القرن الحادي والعشرين.