Андрей Белеванцев: «Выиграть грант памяти Евгения Велихова — большая честь для нас»: Математика и Computer Science

© РНФ

Технологии искусственного интеллекта (ИИ) широко используются в генетике, медицине, сельском хозяйстве, материаловедении, экономике и других сферах. При этом прикладные задачи становятся все сложнее и требуют создания высокопроизводительной и безопасной инфраструктуры: процессоров, ускорителей, эффективных каналов связи и программного обеспечения. Созданию целой экосистемы для решения широкого спектра задач, связанных с развитием ИИ-технологий в нашей стране, посвящен проект, поддержанный грантом РНФ памяти Евгения Велихова, под руководством Андрея Белеванцева, доктора физико-математических наук, члена-корреспондента РАН, заведующего лабораторией системного программирования и информационной безопасности Института системного программирования имени В.П. Иванникова РАН.

— Ваш проект посвящен разработке отечественных программно-аппаратных решений в цифровой сфере. Какие направления разработки планируются?

— Прежде всего речь идет о системной поддержке решения сложных вычислительных задач с использованием искусственного интеллекта. В критически важных прикладных областях для продуктов на основе ИИ требуется обеспечить высокий уровень доверия, при этом достичь высокой производительности и энергоэффективности. Это очень масштабная задача. Для ее решения нужен единый программно-аппаратный комплекс: широкий спектр аппаратуры — процессоры, ускорители, специализированные устройства, в том числе отечественные. Также требуется системное программное обеспечение для эффективного обучения и «развертывания» на устройствах нейросетевых моделей. Кроме того, необходима инфраструктура для продуктивного создания моделей и запуска экспериментов и типовые конвейеры для различных прикладных областей.

Во всех этих областях у специалистов из Института системного программирования имени В.П. Иванникова РАН накоплен большой опыт, и наша цель — предоставить его пользователям в виде «фабрики» создания ИИ-моделей и инструментов классического матмоделирования, которые будут сразу оптимизированы под доверенные отечественные ускорители, дать возможность легко ставить численные эксперименты. То есть мы стремимся сделать так, чтобы не приходилось вручную настраивать и состыковывать все технические этапы постановки эксперимента, а была возможность пользоваться интегрированными друг с другом инструментами мирового уровня. С учетом нужд заказчика мы будем фокусироваться на так называемых физически информированных нейросетях — при их обучении используются строгие математические формулировки конкретной вычислительной задачи, и за счет этого ответы нейросети не теряют физической достоверности. Другое важное направление — разработка численных алгоритмов на основе свободного ПО, которая позволит снизить зависимость от зарубежных коммерческих библиотек и обеспечить технологический суверенитет.

— На ваш взгляд, в каких сферах подобные разработки наиболее востребованы в нашей стране?

— Без математического моделирования не обойтись практически во всех областях — это транспорт, особенно авиация и ракетно-космическая отрасль, энергетика, материаловедение, автономные системы. Искусственный интеллект радикально меняет облик проводимых исследований, но без доверия к результатам и постановки дела на поток добиться качественного скачка не получится. Создание инструментов для доверенного и эффективного ИИ, вычислений в матмоделировании — это не просто вопрос производительности, а залог устойчивости и развития экономики.

— Ваш проект получил грант РНФ памяти Евгения Велихова. Расскажите о возможностях для проведения исследований, которые открывает поддержка Фонда.

— Фонд позволяет собрать для проекта квалифицированную команду разноплановых исследователей и разработчиков аппаратуры из университетов, академических институтов и коммерческих компаний. Назову лишь нескольких — НИЦ «Курчатовский институт», МГТУ имени Н.Э. Баумана, МИЭТ, НИИ МВС имени А.В. Каляева. Также Фонд открывает возможности для фундаментальной проверки гипотез, которые ранее были труднореализуемы из-за нехватки вычислительных мощностей или отсутствия доступа к экспериментальной базе.

Выиграть грант памяти Евгения Павловича — большая честь для нас, и все коллеги включились в проект с огромным энтузиазмом.

— Какие задачи вы ставите перед собой на первом этапе работы по гранту?

— Первый этап закончился в прошлом году, его задачей было сформировать круг наиболее приоритетных прикладных задач для обкатки тех инфраструктурных решений, о которых я говорил, и собрать единомышленников под знамя проекта.

С точки зрения аппаратуры мы прорабатываем варианты организации вычислительной системы под различные пользовательские задачи: от использования «классической» связки из универсальных и графических процессоров до применения специализированных тензорных ускорителей и решений на базе программируемых логических интегральных схем — электронных компонентов, необходимых для создания программируемых цифровых электронных схем.

В матмоделировании мы поначалу фокусируемся на анализе существующих открытых решений, а также разработке новых численных алгоритмов для ускорения вычислений при решении различных инженерных и физических задач. В частности, наши исследования включают значительный объем расчетов, связанных с моделированием течений жидкости и газа, прочностным и тепловым анализом — тех областей, где точность и скорость имеют первостепенное значение. Сейчас главное — отработать ключевые алгоритмические решения, подтвердить их работоспособность и вычислительную эффективность на задачах, предоставленных индустриальным партнером.

— Какие новые инструменты или подходы вы планируете использовать в ходе выполнения проекта?

— В численном моделировании это физически информированные нейронные сети. В аппаратуре — упоминавшиеся гибкие связки из процессоров, специализированных ускорителей и программируемых логических интегральных схем, адаптирующиеся под конкретную задачу. Доверенность обеспечивается за счет отечественных процессоров и разработок института в области кибербезопасности и доверенного ИИ, а производительность — за счет специализированной аппаратуры и компиляторных решений (инструментов разработчика), позволяющих эффективно обучать и использовать нейросети. К слову сказать, компиляторная школа ИСП РАН — одна из старейших в стране.

— Расскажите о вашем индустриальном партнере. Какую роль он берет на себя в проекте?

— Нашим партнером выступила корпорация «Росатом». В России сложно превзойти ее по разнообразию и актуальности возникающих вычислительных задач. Коллеги указывают нам важнейшие точки приложения усилий и готовы предоставлять качественную обратную связь, без чего добиться стоящих результатов невозможно. «Росатом» создает уникальную синергию и обеспечивает кратчайший путь от лабораторных результатов до будущего внедрения на производстве.

— Каких результатов вы ожидаете достичь по завершении проекта?

— Мы хотим отработать наши системные решения на задачах «Росатома», развернуть пилотную версию программно-аппаратной среды на опытном стенде. Обязательно добиться «развертывания» ИИ-моделей на отечественной аппаратуре. Нужен эффективный, полностью доверенный конвейер решения типовых вычислительных задач на современном уровне, обеспечивающий технологическую независимость. Именно такого результата мы и стремимся достичь.

Источник: indicator.ru