Sakana AI представила Sheaf-ADMM: гибрид оптимизации и топологии для координации агентов

Японский исследовательский центр Sakana AI анонсировал участие в престижной конференции ICML 2026, которая пройдёт в Сеуле. Организация представит сразу 11 научных работ, охватывающих различные аспекты искусственного интеллекта. Одной из самых необычных стала публикация о методе Sheaf-ADMM.

Sheaf-ADMM — это подход, который синтезирует идеи из распределённой оптимизации и алгебраической топологии. Авторы предлагают рассматривать координацию между интеллектуальными агентами как топологическую задачу, где структура связей описывается с помощью пучков (sheaves). Это позволяет моделировать более сложные взаимодействия, чем традиционные графы.

Традиционные методы координации агентов часто опираются на графовые представления, но они не всегда способны уловить локальные зависимости и неоднородности. Алгебраическая топология даёт инструменты для работы с такими структурами, а метод ADMM (Alternating Direction Method of Multipliers) обеспечивает эффективную распределённую оптимизацию.

По информации компании, Sheaf-ADMM уже продемонстрировал улучшенную сходимость и устойчивость в задачах с нерегулярными связями. Это может быть полезно в робототехнике, автономных системах и децентрализованных сетях, где агенты обмениваются данными с разной интенсивностью.

Sakana AI известна своими нестандартными подходами к ИИ, вдохновлёнными природными процессами. Ранее команда уже представляла методы на основе эволюционных алгоритмов и нейронауки. Новая работа продолжает эту линию, расширяя границы применимости машинного обучения.

ICML (International Conference on Machine Learning) — одна из ведущих мировых площадок для обсуждения новых идей в области ИИ. Участие Sakana AI с таким количеством работ подтверждает высокий уровень исследований компании. Подробности выкладок станут известны после публикации материалов конференции.