人工知能（AI）が基盤的で汎用的な技術であるならば、AI用の計算リソースおよびエネルギー需要は今後も継続的に増加するものと予想される。太陽は私たちの太陽系において圧倒的に大きなエネルギー源であり、今後のAIインフラがそのエネルギーをいかに効率的に活用できるかを検討する価値がある。本研究では、太陽光パネルを搭載した衛星群、自由空間光通信（free-space optics）を用いた衛星間リンク、およびGoogleのTensor Processing Unit（TPU）アクセラレータチップを搭載した、宇宙空間における機械学習用のスケーラブルな計算システムの構築を検討する。衛星間通信の高帯域・低遅延化を実現するため、衛星群は密接に配置された形で運用される。本研究では、半径1kmの81衛星からなる衛星クラスタを用いて、フォーメーション飛行の基本的なアプローチを示し、大規模衛星群の制御に高精度な機械学習モデルを活用する手法についても説明する。Trillium TPUは放射線耐性試験を完了しており、5年間の運用寿命に相当する全イオン化線量に耐え、永久的な故障を生じない。また、ビットフリップエラーの特性も評価済みである。一方、打ち上げコストは全体のシステムコストにおいて重要な要素であり、学習曲線分析の結果、2030年代半ばまでに低軌道（LEO）への打ち上げコストが約200米ドル/kgにまで低下する可能性が示唆されている。