Российские учёные создали решение, снижающее потребление памяти графовыми нейросетями в десятки раз

Новое решение ускоряет графовые нейросети до 8,5 раза.

Исследователи «Яндекса» разработали программные компоненты для графовых нейросетей, которые ускоряют их работу в разы и снижают потребление памяти до 76 раз без изменения архитектуры моделей. Работа признана одним из главных открытий на международной конференции ICML 2026, сообщила пресс-служба компании.

Графовые нейросети широко используются в рекомендательных системах, поиске, анализе соцсетей и финансовых сервисах, где важно учитывать связи между объектами. Однако их производительность часто ограничена не мощностью GPU, а скоростью обмена данными между процессором и памятью, сообщает ТАСС.

Учёные проанализировали самые ресурсоёмкие операции в работе графовых нейросетей и создали их более эффективные версии, которые реже обращаются к внешним данным и используют самые быстрые блоки памяти. Оптимизация работает на системах любого размера — ускорение происходит на каждой GPU. Эксперименты показали, что новые компоненты ускорили работу отдельных моделей до 8,5 раза, а пиковое потребление памяти снизили до 76 раз. Для ряда других операций ускорение составило 3,9–10 раз. Все разработки опубликованы в открытом доступе и могут использоваться в существующих моделях без изменения их архитектуры.