В СКФУ открыли Молодёжную лабораторию компактных нейросетевых архитектур

В Северо-Кавказском федеральном университете начала работу Молодёжная лаборатория компактных нейросетевых архитектур для краевых вычислений. Направление соответствует приоритету Стратегии научно-технологического развития РФ.

Задача лаборатории — разрабатывать методы сжатия, адаптации и аппаратного ускорения нейросетевых моделей на платформах FPGA и ASIC. Цель — заставить искусственный интеллект работать прямо на периферийных устройствах, без подключения к облакам. Это нужно автономной робототехнике, мгновенной медицинской диагностике, мониторингу промышленного оборудования и интеллектуальному сельскому хозяйству.

Возглавил подразделение кандидат физико-математических наук, заведующий кафедрой математического моделирования Павел Ляхов.

«Наши проекты направлены на адаптацию крупных моделей ИИ, чтобы их можно было эффективно реализовать на компактных мобильных устройствах с ограниченным энергопотреблением — телефонах, умных датчиках, сенсорах или медицинском оборудовании. Эта ниша очень востребована в современной науке», — объяснил он.

В трёхлетнем цикле 2026–2028 гг. коллектив планирует создать сквозной фреймворк для автоматического проектирования решений краевого ИИ, разработать энерго-реконфигурируемые аппаратные архитектуры и внедрить компактные модели в диагностику беспилотников и анализ медицинских данных.

Отдельный повод для гордости — успех учёных факультета математики и компьютерных наук в конкурсах Российского научного фонда. В 2026 году трое исследователей стали победителями грантовых конкурсов РНФ, общая сумма поддержки составила 33 миллиона рублей. Гранты получили проекты по развитию технологий ИИ, беспилотного транспорта и автономных систем.

Павел Ляхов получил продление большого гранта РНФ на два года с ежегодным финансированием 6 миллионов рублей. Его команда решает задачу размещения мощных нейросетей на маломощных устройствах: методы сжатия (дистилляция знаний, квантование), адаптация физически информированных нейросетей (PINN) для вычислений в системе остаточных классов и внедрение модулярных вычислений. Новизна — в единой методологии, объединяющей эти подходы вплоть до автоматической генерации описаний для синтеза микросхем (VHDL/Verilog): полный цикл от математической теории до реализации на кристалле.

Ведущий научный сотрудник департамента науки СКФУ Диана Калита получила грант на энергоэффективные краевые нейро-гибридные архитектуры для беспилотного транспорта. Массовому внедрению дронов мешают ограничения бортового оборудования по энергии, поэтому проект предполагает компактные и отказоустойчивые бортовые модули с динамическим управлением ресурсами, адаптивным машинным обучением и встроенной безопасностью. Такие решения пригодятся в автономных системах, робототехнике, IoT и сельском хозяйстве — например, в беспилотниках для мониторинга посевов.

Младший научный сотрудник Валентина Арустамян работает над высокоточной системой прогнозирования урожайности на основе вегетационных данных. Она собирает мультиспектральные снимки со спутника и обрабатывает их с помощью вегетационных индексов — они показывают состояние почвы, обеспеченность растений водой и оптимальное время внесения удобрений. В проекте разрабатываются методы машинного обучения, включая трансформерные архитектуры, для интеграции данных БПЛА, спутников и агрометеорологических источников. Результат — устойчивая к пропускам данных модель, которая даст аграриям инструмент упреждающего управления урожаем.

Разработки лаборатории и поддержанные РНФ проекты создают задел для отечественной электронной компонентной базы и программного обеспечения для автономных систем нового поколения — прямой вклад СКФУ в технологический суверенитет России.