Серверы "Гравитон" обеспечили вычислительную базу для ИИ-исследований РТУ МИРЭА
Российский разработчик вычислительной техники "Гравитон" поставил РТУ МИРЭА пять серверов, оснащённых высокопроизводительными графическими ускорителями. Оборудование используется в университетской исследовательской инфраструктуре для фундаментальных и прикладных проектов в области искусственного интеллекта.
В РТУ МИРЭА развивают сразу несколько научных направлений, связанных с машинным обучением, компьютерным зрением, анализом больших массивов данных и автоматизацией производственных процессов. Для таких задач требуются значительные вычислительные ресурсы, способные быстро обрабатывать сложные модели и большие объёмы информации.
Одним из условий университета было российское происхождение серверного оборудования. Кроме того, конфигурация должна была оставаться актуальной в течение ближайших трёх лет, чтобы исследователи могли не только решать текущие задачи, но и запускать более ресурсоёмкие проекты.
В составе инфраструктуры РТУ МИРЭА работают пять серверов "Гравитон" С2122ИУ. Каждый из них оснащён двумя графическими ускорителями Nvidia H100, предназначенными для обучения нейросетей, высокопроизводительных вычислений и сложной аналитики. Такая конфигурация позволяет одновременно выполнять несколько исследовательских задач, сокращать время обучения моделей и проводить эксперименты с крупными наборами данных.
Автоматизация производства электронных плат
Одно из прикладных исследований направлено на создание ИИ-системы для автоматизации подготовки технологических процессов при выпуске сложных электронных печатных плат.
В условиях мелкосерийного производства контроль правильности установки компонентов обычно выполняют специалисты. Такой подход требует значительных трудозатрат и увеличивает себестоимость продукции, особенно когда конструкция платы меняется от партии к партии.
Разрабатываемая система должна передать часть контрольных операций алгоритмам искусственного интеллекта. На каждом этапе изготовления фиксируются сведения об установленных компонентах, модулях и результатах производственных операций. Затем эти данные анализируются нейросетевой моделью.
Если система обнаруживает несоответствие или ошибку, параметры последующих этапов можно скорректировать ещё до завершения выпуска изделия. Это позволит быстрее выявлять дефекты, уменьшить количество брака и сократить расходы на подготовку производства. По оценкам разработчиков, применение технологии способно снизить затраты в три-пять раз.
Дополнительное преимущество такого подхода заключается в накоплении цифровой истории производства. Чем больше плат проходит через систему, тем точнее алгоритмы смогут определять типовые ошибки и прогнозировать проблемные участки технологического процесса.
Анализ биологических примесей в воде
Другой проект посвящён исследованию состава воды и выявлению биологических загрязнений. В рамках работы алгоритмы машинного обучения обрабатывают тысячи изображений, полученных с микроскопов. На снимках представлены микроколодцы, заполненные жидкими кристаллами.
Для человека анализ такого массива визуальных данных может быть длительным и неточным. Нейросети способны обнаруживать малозаметные закономерности, сопоставлять изображения и определять признаки, связанные с присутствием вредных примесей. Это помогает повысить точность оценки их концентрации.
Результаты проекта могут быть востребованы при создании новых биосенсоров. Такие устройства смогут оперативно фиксировать изменения состава воды и использоваться в системах экологического мониторинга, лабораторной диагностике и технологиях очистки.
Перспективность метода связана с возможностью автоматизировать первичный анализ образцов. Специалисту не придётся вручную изучать каждое изображение: ИИ сможет отсортировать данные, выделить подозрительные образцы и направить внимание исследователя на наиболее важные результаты.
Эксперименты с кубиком Рубика
Фундаментальное направление связано с обучением искусственного интеллекта на большом массиве теоретических данных. В качестве экспериментальной задачи исследователи используют так называемый "профессорский" кубик Рубика размером 5×5×5.
Во время эксперимента алгоритм выполняет произвольные повороты граней и анализирует возникающие комбинации. За несколько часов система способна обработать около 8 млрд различных положений. На этом этапе ИИ самостоятельно выявляет закономерности, которые затем использует для решения задачи.
После обучения алгоритму предлагают собрать кубик. Полученные результаты показывают, что система может находить решения с меньшим числом действий по сравнению с рядом существующих методов, основанных на математической теории групп.
Значение проекта выходит за пределы головоломок. Исследователи проверяют, насколько эффективно ИИ может находить оптимальные стратегии в огромном пространстве возможных вариантов, не получая заранее готового алгоритма. Подобные подходы в дальнейшем могут применяться в разработке лекарств, моделировании химических реакций и прогнозировании взаимодействия биологических агентов.
Роль вычислительной инфраструктуры
Для подобных экспериментов важны не только объём памяти и производительность процессоров. Ключевое значение имеют графические ускорители, которые позволяют параллельно выполнять большое количество математических операций. Именно это необходимо при обучении нейросетей и переборе многомиллиардных наборов комбинаций.
Собственная вычислительная база также сокращает зависимость университета от внешних облачных ресурсов. Исследователи получают возможность самостоятельно управлять данными, выбирать режимы доступа, оперативно менять параметры экспериментов и повторять вычисления без ограничений, связанных с арендой мощностей.
Кроме того, локальная инфраструктура важна для работы с научными данными, которые могут иметь коммерческую или исследовательскую ценность. Их хранение и обработка внутри организации позволяют лучше контролировать информационную безопасность.
В университете сформирован технологический кластер, ориентированный на реализацию сложных проектов в сфере ИИ и высокопроизводительных вычислений. Исследования проводятся как силами РТУ МИРЭА, так и совместно с научными организациями из Франции, Словении, Кубы и других стран.
По словам представителей университета, современная инфраструктура помогает выполнять задачи, сопоставимые по уровню с проектами ведущих мировых вузов. Наличие серверов с мощными GPU даёт возможность быстрее проверять научные гипотезы, обучать более сложные модели и масштабировать перспективные разработки.
В долгосрочной перспективе такие проекты могут способствовать появлению новых отечественных решений для промышленности, экологического контроля, медицинских исследований и научного моделирования. Одновременно студенты и молодые специалисты получают практический опыт работы с технологиями, которые используются в реальных исследовательских и производственных сценариях.
Таким образом, серверы "Гравитон" стали не просто элементом ИТ-инфраструктуры РТУ МИРЭА, а основой для широкого спектра экспериментов с искусственным интеллектом - от контроля сборки электронных плат до поиска новых способов анализа биологических данных и оптимизации сложных задач.
