Ученые ВШЭ разработали алгоритм, позволяющий производить более надежные процессоры для ЦОД
Ученые из МИЭМ ВШЭ и Самарского университета создали алгоритм LRF-3D для автоматического обхода неработающих узлов в трехмерных сетях на кристалле. Благодаря своей иерархической организации он превосходит аналоги по быстродействию и точности пути, повышая надежность процессоров для использования в ЦОД, суперкомпьютерах и ИИ-вычислениях. Исходные коды алгоритмов и тестов опубликованы в открытом доступе.
Многопроцессорные системы на кристалле (МПСнК) — это электронные схемы, объединяющие тысячи вычислительных элементов в единую микросхему с помощью коммуникационной сети на чипе. Такие системы применяются для построения центров обработки данных (ЦОД), суперкомпьютеров и ИИ-вычислений.
Дефекты производства или износ кристалла могут приводить к неисправностям отдельных узлов сети и образованию тупиковых зон. Поэтому еще на этапе проектирования МПСнК нужно предусмотреть обход таких зон.
Для передачи сигналов используются разные алгоритмы: глобальные способны найти оптимальный путь, но требуют информации о всей сети и высоких вычислительных мощностей. Локальные алгоритмы видят только ближайших соседей и потому часто строят избыточно длинные пути по сравнению с глобальными алгоритмами. Исследователи из Учебной лаборатории систем автоматизированного проектирования МИЭМ ВШЭ и Самарского университета предложили иерархию из восьми локальных алгоритмов, ключевым из которых является LRF-3D. Он оценивает функционирующих соседей и при попадании в локальный тупик делает шаг назад на предыдущую позицию, исключая заблокированное направление.
Александр Романов
«Принцип работы алгоритма можно сравнить с работой автомобильного навигатора. Если привычная дорога перекрыта, система сразу ищет объезд», — поясняет один из авторов исследования, руководитель Учебной лаборатории систем автоматизированного проектирования МИЭМ ВШЭ Александр Романов.
Чтобы подтвердить объективность оценок алгоритма, исследователи протестировали его при 36 сценариях, разбитых на пять функциональных категорий (включая лабиринты, коридоры и случайные сбои).
Эксперименты показали, что при доле неисправных узлов до 50% среднее отклонение длины пути алгоритма LRF-3D от эталонного A* составляет всего 1,64%, что превосходит показатели LOFT по качеству маршрута более чем в 137 раз. При плотности сбоев от 13 до 30% алгоритм успешно доставляет пакеты данных в 86% случаев. По быстродействию алгоритм LRF-3D принимает решения в 16,7 раза быстрее A* и в 22,5 раза быстрее LOFT.
«Мы планируем проверить алгоритм на реальных микросхемах и посмотреть, как он влияет на энергопотребление и скорость передачи данных. Если результаты тестов подтвердятся, технология поможет создать новое поколение многопроцессорных систем на кристалле, которые будут работать не только быстрее, но и значительно надежнее даже в сложных условиях», — рассказал Александр Романов.
Работа выполнена при поддержке Российского научного фонда (проект № 25-11-00248), результаты опубликованы в журнале IEEE Access.
Вам также может быть интересно:
Научная экспедиция на Хайнань: ученые ВШЭ организовали конференцию по статистическому ИИ в Китае
С 24 по 28 августа 2026 года в городе Санья на острове Хайнань (Китай) прошла международная конференция Statistical AI («Статистический искусственный интеллект»). Мероприятие собрало ведущих специалистов в области статистики, машинного обучения и прикладного ИИ. Среди организаторов конференции — Алексей Наумов, директор Института искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ, и Сергей Самсонов, заведующий Международной лабораторией стохастических алгоритмов и анализа многомерных данных.
V конференция «Погружение в машинное обучение»: главное ИИ-событие осени соберет ведущих ученых России
Институт искусственного интеллекта и цифровых наук факультета компьютерных наук НИУ ВШЭ приглашает исследователей, разработчиков и всех, кто создает будущее технологий, на пятую, юбилейную конференцию «Погружение в машинное обучение» (Fall into ML 2026). Мероприятие состоится 23–24 октября 2026 года в Центре культур НИУ ВШЭ (Москва, Покровский бульвар, д. 11, cтр. 6) и станет главной точкой притяжения для российского ИИ-сообщества.
В НИУ ВШЭ пройдет международная конференция об обучении служением и искусственном интеллекте
21–23 октября 2026 года в НИУ ВШЭ пройдет Международная научно-практическая конференция «Обучение служением и искусственный интеллект: человекоцентричная социальная миссия университета». Конференция объединит представителей российских и зарубежных университетов, органов власти, некоммерческих организаций и бизнеса. Регистрация уже открыта.
НИУ ВШЭ расширяет сотрудничество с Малайзией в сфере технологического форсайта
Ученые НИУ ВШЭ примут участие в исследовании перспектив инженерного образования в Малайзии, а Малайзийская промышленно-правительственная группа высоких технологий (MIGHT) использует для валидации результатов их форсайт-исследований систему анализа больших данных iFORA. Таковы результаты визита представителей Вышки в Куала-Лумпур.
В НИУ ВШЭ разработают систему предиктивной аналитики для двигателей ледоколов
Автоматизация промышленности является одним из ключевых направлений применения технологий искусственного интеллекта. Среди решений, разрабатываемых для российской индустрии в рамках стратегического технологического проекта НИУ ВШЭ «Мультиагентная платформа ИИ-решений для отраслевых задач», — система предиктивной аналитики для крупных электродвигателей. Что такое предиктивная аналитика, как она влияет на работу электродвигателя и какие специалисты объединили усилия для создания этого продукта, «Вышке.Главное» рассказал координатор разработки, декан факультета «Школа информатики, физики и технологий» НИУ ВШЭ — Санкт-Петербург Антон Зарубин.
Дополнительные баллы к ЕГЭ за золотой значок: стартовал новый сезон сдачи нормативов ТехноГТО
Стартовала новая сессия сдачи очных нормативов технологической грамотности ТехноГТО на золотые значки. С сентября по декабрь 2026 года в разных регионах России участники смогут продемонстрировать свои знания на очных площадках проекта и заработать награды, которые позволяют получить до 10 дополнительных баллов к ЕГЭ при поступлении в вузы. ТехноГТО является частью Национальной технологической олимпиады (НТО) и реализуется Кружковым движением НТИ совместно с Президентской платформой «Россия — страна возможностей» при поддержке Движения Первых и НИУ ВШЭ.
От теории к практике: как машинное обучение меняет биоинформатику
С 20 по 22 августа на факультете компьютерных наук НИУ ВШЭ прошла седьмая ежегодная Летняя школа по машинному обучению в биоинформатике. Мероприятие объединило ведущих экспертов и молодых исследователей. Его главным итогом стала живая дискуссия о том, как фундаментальные алгоритмы ИИ превращаются в работающие инструменты для биологии и медицины.
Лаборатория будущих сетей: в НИИТ ВШЭ создали стенд для исследований 5G/6G
Стенд 5G/6G в НИИТ ВШЭ становится исследовательской площадкой, образовательной лабораторией и основой для разработки новых программных компонентов сетей будущего. Он позволяет не просто наблюдать за работой мобильной сети, а менять условия ее работы и измерять результат: скорость передачи данных, задержки, ошибки, использование радиоресурсов и другие параметры. На его основе исследователи планируют развивать технологии MIMO, O-RAN, xApp и IAB, а также экспериментировать с искусственным интеллектом.
Ученые НИУ ВШЭ научили нейросеть превращать 3D-модели в готовые технологические карты
Исследователи Института искусственного интеллекта и цифровых наук ФКН НИУ ВШЭ разработали систему CAD2TechSpec, которая автоматически превращает 3D-модели деталей в готовые технологические карты — пошаговые инструкции для станков. Разработка направлена на сокращение времени подготовки технической документации в машиностроении, авиастроении и других высокотехнологичных отраслях. Результаты исследованияо публикованы в журнале PeerJ Computer Science.
Роботы нуждаются в людях: на «Технопроме-2026» обсудили кадры для промышленной робототехники
На XIII Международном форуме технологического развития «Технопром-2026» в рамках секции «Кадры для национальных проектов технологического лидерства» состоялась панельная дискуссия «Кадры для промышленной робототехники: почему роботы нуждаются в людях». Представители университетов, исследовательских организаций и технологических компаний обсудили кадровые вызовы российской робототехники, изменение требований к инженерным компетенциям и подходы к подготовке специалистов для отрасли.