Более сотни исследователей из 11 стран представили передовые методы оптимизации алгоритмов, масштабирования моделей и распределенных вычислений. Об этом сообщает «Хайтек» со ссылкой на пресс-релиз организаторов конференции ICOMP 2026.
Третья международная конференция по вычислительной оптимизации ICOMP 2026 собрала 112 специалистов из 28 университетов и научных центров России, Китая, Марокко, США, ОАЭ, Южной Кореи, Франции, Германии, Саудовской Аравии, Австралии и Швейцарии. Еще более 2 тыс. слушателей следили за докладами в онлайн-формате. Мероприятие организовали Университет Иннополис, Альянс в сфере ИИ, Фонд «Сколково», проектный офис САПФИР, Университет искусственного интеллекта Мохаммеда бин Зейда и Марокканская школа инженерных наук.
Главными хедлайнерами события стали один из основоположников современного машинного обучения Майкл Джордан из Калифорнийского университета в Беркли и ведущий специалист по распределенным вычислениям Петер Рихтарик из Университета науки и технологий имени короля Абдуллы. Джордан предложил рассматривать нейросети не как изолированный разум, а как элементы сложной экономической системы и рынков. Рихтарик обобщил броксимальный метод — математический инструмент, который помогает стабилизировать обучение нейросетей и объединяет разные алгоритмы настройки моделей в единую логику.
Теоретическую программу дополнили выступления приглашенных экспертов. Антонио Орвьето из Института ELLIS разобрал, почему современные адаптивные алгоритмы обучают архитектуру трансформеров эффективнее классического стохастического градиентного спуска (SGD) — базового способа поиска ошибок при настройке нейросетей. Анастасия Колоскова из Цюрихского университета осветила методы тренировки моделей на данных, разбросанных по разным устройствам и организациям, а Дмитрий Яроцкий из Сколтеха показал, как долгая память о прошлых шагах ускоряет расчеты без потери устойчивости.
Параллельно на площадке работала осенняя школа по вычислительной оптимизации ASCOMP для молодых ученых из МГУ, МФТИ, НИУ ВШЭ, ИТМО, СПбГУ и зарубежных вузов. Анатолий Юдицкий из Университета Гренобль-Альпы разобрал историю и математику эллипсоидного метода, Константин Мищенко из компании Mistral AI поделился практическим опытом внедрения алгоритмов, а Аджатан Талайясингхам из Австралийского национального университета показал, как сжимать потоки данных при обучении систем за пределами крупных дата-центров.
В рамках постерной сессии авторы представили 36 научных работ в формате однослайдовых презентаций. Жюри признало лучшим исследование Евсея Обжерина из лаборатории FusionBrain Lab Института AIRI, посвященное режимно-адаптивным тензорным методам, и наградило ученого грантом на поездку на следующую конференцию. Лучшие научные статьи по итогам ICOMP 2026 опубликуют в специальном выпуске научного издания Journal of Optimization Theory and Applications.
