Российские ученые представили новые программные компоненты для графовых нейросетей, позволяющие значительно повысить их производительность. Разработка, представленная на международной конференции ICML 2026, дает возможность ускорить работу моделей и сократить использование оперативной памяти в десятки раз, не прибегая к изменению архитектуры нейросетей.
Графовые нейросети — то класс моделей искусственного интеллекта, которые специально созданы для работы с данными в виде графов: то есть когда информация представлена узлами и связями между ними. Благодаря такой архитектуре узлы могут обмениваться информацией между друг другом.
Предложенное отечественными разработчиками решение эффективно работает на системах любого масштаба, так как оптимизация затрагивает уровень взаимодействия с графическими процессорами. Об этом сообщает ТАСС со ссылкой на представителя Yandex Research Федора Великонивцева.
По его словам, ускорение достигается на каждой отдельной видеокарте, что позволяет обучать модели с использованием меньшего количества вычислительных ресурсов по сравнению с традиционными методами.
Графовые нейросети находят широкое применение в современных ИТ-сервисах: от рекомендательных систем и поисковых алгоритмов до анализа социальных сетей и финансовых данных. Однако при их эксплуатации на GPU разработчики часто сталкиваются с «узким местом» — низкой скоростью обмена данными между графическим процессором и памятью, что ограничивает общую производительность системы.
Для решения этой задачи российские специалисты проанализировали наиболее ресурсоемкие операции в графовых нейросетях и создали оптимизированные версии ключевых вычислительных блоков. Эти компоненты минимизируют количество обращений к внешним данным, отдавая приоритет наиболее быстродействующим ресурсам. Эксперименты подтвердили высокую эффективность подхода: скорость работы отдельных моделей выросла до 8,5 раз, а пиковое потребление памяти сократилось до 76 раз.
Ранее медиаэксперт рассказала о трансформации профессий под влиянием ИИ. Теперь от специалистов требуют не просто навыков работы с нейросетями, но и умения интегрировать их в бизнес-процессы.
