Яндекс Research получил Spotlight на ICML 2026 за ускорение графовых нейросетей на GPU

Графовые нейросети (GNN) традиционно тормозят на современных GPU: видеокарта большую часть времени простаивает в ожидании данных из памяти, а не вычисляет. Операции сами по себе простые, но доступ к памяти нерегулярный и разреженный. Чем мощнее GPU, тем заметнее эта проблема.

Проект вырос из курса в Школе анализа данных Яндекса. Толчком стало то, что популярный фреймворк Deep Graph Library не обновлялся около года — сигнал, что в области застой. Команда под руководством Феди Великонивцева (старший исследователь Yandex Research) вместе с коллегами из ML-инфраструктуры и разработки инференса, а также студентами, выяснила причины тормозов и создала три семейства специализированных GPU-кернелов.

Результат оформили в статью «On Efficient Scaling of GNNs via IO-Aware Layer Implementations». Её приняли на ICML 2026 со статусом Spotlight. Для контекста: из 23 918 поданных работ приняли 6 352 (26,6%), а Spotlight достался только 536 — это 2,2% заявок с самыми высокими оценками программного комитета.