Ученые Московского государственного университета разработали архитектуру вычислительной инфраструктуры с ИИ. Решение обеспечивает высокую скорость, надежность и безопасность обработки данных.
Ученые из междисциплинарной школы МГУ «Мозг, когнитивные системы, искусственный интеллект» представили инновационную архитектуру вычислительной инфраструктуры, способную гибко распределять ресурсы в глобальных сетях. Решение, названное Network Powered by Computing (NPC), основано на машинном обучении и мультиагентных системах, обеспечивая высокую производительность, отказоустойчивость и безопасность.
Современные вычислительные системы сталкиваются с беспрецедентными нагрузками: объемы данных растут, а приложения требуют все больше ресурсов. Традиционные центры обработки данных (ЦОД) не справляются — они ограничены локальными мощностями, тогда как сегодня нужны глобальные, адаптивные решения. Например, обучение крупных ИИ-моделей уже невозможно в рамках одного ЦОДа — требуется сеть дата-центров. Аналогично, управление вычислительными мощностями государства становится стратегической задачей, сравнимой с распределением энергоресурсов.
Архитектура NPC предлагает выход: это виртуализированная, программно-управляемая экосистема, объединяющая разнородные вычислительные ресурсы в единую сеть. Пользователи получают мощности «по требованию» — без привязки к конкретному оборудованию. Ключевые преимущества: глобальная связность (доступ к ресурсам из любой точки мира), прогнозируемая производительность благодаря детерминированному качеству сервисов, масштабируемость (динамическое перераспределение ресурсов под нагрузку), отказоустойчивость за счет дублирования и интеллектуального управления, безопасность на основе многоуровневой защиты.
Машинное обучение в NPC предсказывает загрузку и оптимизирует распределение задач, а мультиагентные системы координируют работу вычислителей в реальном времени. Это открывает новые горизонты для облачных вычислений, ИИ, Big Data и телекоммуникаций.
«Предложенная нами архитектура вычислительной инфраструктуры – NPC позволяет более эффективно управлять вычислительными ресурсами в масштабируемых сетевых средах, предоставляя требуемое пользователем качество вычислительного сервиса. Использование методов машинного обучения и мультиагентных систем обеспечивает динамическое распределение задач и адаптацию к изменяющимся требованиям приложений».
Руслан Смелянский, заведующий кафедрой автоматизации систем вычислительных комплексов ВМК МГУ
В будущем ученые планируют интегрировать NPC с периферийными вычислениями и усилить защиту данных. Этот подход может стать основой для следующего поколения распределенных вычислительных систем, способных удовлетворить растущие запросы цифровой экономики.