19 октября 2026 года были подведены итоги конкурса Российского научного фонда (РНФ) «Проведение фундаментальных научных исследований и поисковых научных исследований малыми отдельными научными группами», где проект под руководством кандидата технических наук, старшего научного сотрудника лаборатории компактных нейросетевых архитектур для краевых вычислений Максима Валерьевича Бергермана получил финансовую поддержку Фонда на два года с ежегодным финансированием 2 миллиона рублей.
Поддержанный проект носит название «Разработка и верификация программных фреймворков для энергоэффективного машинного обучения с архитектурной оптимизацией на базе системы остаточных классов».
Исследование направлено на решение актуальной проблемы высокого энергопотребления современных систем искусственного интеллекта. В рамках проекта планируется разработка математических моделей и программно-аппаратных решений для машинного обучения, полностью реализуемого в арифметике системы остаточных классов (СОК). Такой подход позволяет исключить ресурсоемкие операции переноса разрядов и обратные преобразователи кодов, что критически важно для создания отечественных энергоэффективных нейросетевых ускорителей периферийного и специального назначения.
В течение двух лет (2027–2028 гг.) научная группа под руководством М.В. Бергермана планирует создать верифицированный программный фреймворк для бит-точного моделирования «чистых» модулярных архитектур, а также аппаратные прототипы на базе ПЛИС, демонстрирующие снижение энергозатрат при сохранении высокой точности моделей. Реализация проекта внесет вклад в обеспечение технологического суверенитета РФ в сфере специализированных вычислительных платформ.
