# графовые нейросыти

Published articles for графовые нейросыти.

This is one page of public article previews, not the complete archive. Follow Next page to continue. Summaries are not the original full articles.

## 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