Российские ученые представили метод оптимизации графовых нейросетей, ускоряющий работу до 8,5 раза
Российские ученые разработали новые программные компоненты для графовых нейросетей, которые позволяют в разы ускорить их работу и снизить пиковое потребление памяти в десятки раз без изменения архитектуры моделей. Работа получила статус одного из главных открытий на престижной международной научной конференции ICML 2026, сообщила пресс-служба «Яндекса».
Как пояснил исследователь Yandex Research Федор Великонивцев, решение эффективно работает на системах любого размера, так как затрагивает самый близкий к железу уровень оптимизации — ускорение операций, исполняемых на GPU. Ускорение происходит в рамках одной GPU, и на системе из тысяч ускорение будет на каждой из них. Кроме того, решение позволяет обучать модели, используя меньше GPU по сравнению со стандартными методами.
Графовые нейросети широко используются в рекомендательных системах, поиске, анализе социальных сетей, транспортных данных, финансовых сервисах и других задачах, где важно учитывать связи между объектами. Однако при работе на современных GPU их производительность часто ограничивается не вычислительной мощностью, а скоростью обмена данными между GPU и памятью.
Для преодоления этой проблемы ученые изучили наиболее часто используемые операции в графовых нейросетях и создали более эффективные реализации самых ресурсоемких шагов расчета. Это позволило создать новые версии «стройблоков» ИИ, которые реже обращаются к внешним данным и используют наиболее быстродействующие блоки памяти. Эксперименты показали, что оптимизации ускорили работу отдельных графовых моделей до 8,5 раза, снизили пиковое потребление памяти до 76 раз, а для ряда других операций обеспечили ускорение в 3,9–10 раз. Все разработанные компоненты опубликованы в открытом доступе в виде набора GPU-операций для популярных пакетов работы с нейросетями.
