# Как проект из ШАДа попал в Spotlight статей на конференции ICML 2026

DevFeed: [Как проект из ШАДа попал в Spotlight статей на конференции ICML 2026](<https://devfeed.tech/articles/spotlight-icml-2026-24866.md>)

Original publisher: [Read original article](<https://habr.com/ru/companies/yandex/articles/1055232/>)

Author: mightyneighbor (Яндекс)

Published: 2026-07-06T07:04:35Z

Content type: article

Language: ru

Sources: [Яндекс - Как мы делаем Яндекс / Статьи](<https://devfeed.tech/sources/source.md>)

Topics: [GPU](<https://devfeed.tech/topics/gpu.md>), [Graphs](<https://devfeed.tech/topics/graphs.md>), [Machine learning](<https://devfeed.tech/topics/machine-learning.md>)

Tags: [2026](<https://devfeed.tech/tags/2026.md>), [ai](<https://devfeed.tech/tags/ai.md>), [cuda](<https://devfeed.tech/tags/cuda.md>), [gpu](<https://devfeed.tech/tags/gpu.md>), [graph](<https://devfeed.tech/tags/graph.md>), [icml](<https://devfeed.tech/tags/icml.md>), [icml-2026](<https://devfeed.tech/tags/icml-2026.md>), [ml](<https://devfeed.tech/tags/ml.md>), [research](<https://devfeed.tech/tags/research.md>), [spotlight](<https://devfeed.tech/tags/spotlight.md>), [tag-1e7f0701b819](<https://devfeed.tech/tags/tag-1e7f0701b819.md>), [tag-4004cf5948d3](<https://devfeed.tech/tags/tag-4004cf5948d3.md>)

## AI overview

The article explains why graph neural networks underutilize modern GPUs: their irregular, sparse memory access patterns leave the hardware waiting for data. It describes a project that investigated the problem and produced three families of specialized GPU kernels. The resulting paper, "On Efficient Scaling of GNNs via IO-Aware Layer Implementations," was accepted to ICML 2026 as a Spotlight paper.

## Source excerpt

Граф из миллионов вершин не загружает современную GPU на все 100%: видеокарта почти всё время не вычисляет, а ждёт загрузки данных из памяти. Графовые нейросети, или GNN, упираются в это давно: сами операции достаточно простые, но доступ к памяти нерегулярный и разреженный. И чем мощнее GPU, тем заметнее недостаточная её утилизация. Идея выросла из проектного курса в ШАДе. Толчком стало то, что один из самых популярных фреймворков для работы с графами, Deep Graph Library, на момент начала работы не обновлялся уже около года -- это знак того, что в области что-то застряло. Меня зовут Федя Великонивцев, я старший исследователь Yandex Research, руковожу группой, которая занимается эффективными вычислениями на GPU. На том курсе мы с коллегами -- Дарьей Фоминой из команды ML-инфраструктуры Яндекса, Вячеславом Ждановским из команды разработки инференса -- и студентами Даниилом Красильниковым, Алексеем Бойковым и Андреем Долговязовым взялись выяснить, почему графовые нейросети тормозят на современных GPU. Так появился проект, который мы оформили в отдельную 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 работам -- это 2,2% заявок с самыми высокими оценками программного комитета. Дальше расскажу, как мы прошли путь от этого вопроса до трёх семейств специализированных GPU-кернелов -- с парой неожиданных находок по дороге. Читать далее