TAU Workshop Competition

Η ομάδα του εργαστηρίου Ηλεκτρονικής (http://vedalab.inf.uth.gr/index.php) του Τμήματος Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών του Π.Θ. που αποτελείται από τους Χαράλαμπο Αντωνιάδη, Παναγιώτη-Ταξιάρχη Γιαννακού, Χρήστο Καλονάκη, Δήμο Ντιούδη σε συνεργασία με τον απόφοιτο του Τμήματος και πλέον μεταπτυχιακό φοιτητή στο ΤU Delft Γεώργιο Πινήτα, προκρίθηκαν στους τρεις φιναλίστ του διαγωνισμού CAD αλγορίθμων που διοργανώνεται στα πλαίσια του TAU workshop (http://www.tauworkshop.com/). Η τελική θέση θα ανακοινωθεί κατά την διάρκεια του συνεδρίου που θα διοργανωθεί στην Santa Cruz, CA στις 6-7 Μαρτίου. Αξίζει να σημειωθεί ότι είναι η πρώτη φορά που ευρωπαϊκό πανεπιστήμιο βρίσκεται στους τρεις πρώτους.

To TAU workshop συγκεντρώνει το έντονο ενδιαφέρον της βιομηχανίας του EDA (Electronic Design Automation), με εταιρίες όπως την Intel, IBM, TI, AMD, Cadence, Synopsys και είναι το κορυφαίο workshop στον τομέα αυτό. Ο διαγωνισμός έχει θέμα την ανάπτυξη λύσεων για κάποιο συγκεκριμένο πρόβλημα της περιοχής της ανάλυσης χρονισμού (timing analysis) και συμμετέχουν ομάδες από πολύ γνωστά  πανεπιστήμια από όλο τον κόσμο.

Hierarchical Distributed Loop Self-Scheduling Schemes on Cluster and Cloud Systems

Loops are the largest source of parallelism in many scientific applications. Parallelization of irregular loop applications is a challenging problem to achieve scalable performance on cluster and cloud systems. For cluster systems, previous research proposed an effective Master-Worker model on clusters for distributed self-scheduling schemes that apply to parallel loops with independent iterations. However, this model has not been applied to large-scale clusters. Cloud computing infrastructure offers computing resources as a collection of virtual machines by different hardware configurations, which is transparent to end users. In fact, the computational rates of these virtual machines instances are different and the system behaves as a heterogeneous environment. Thus, scheduling and load balancing for high performance computations become challenging issues.
We propose a hierarchical distributed approach suitable for scheduling parallel loops . We implemented our scheme on a large scale homogeneous cluster and also on a cloud system heterogeneous environment using the message passing interface protocol. We evaluated various performance aspects associated with our distributed scheduling scheme. In the future we plan to further investigate how cloud system features affect the performance of our approach and also to pursue implementation using the map reduce approach.

Έρευνα αιχμής για τον Σχεδιασμό Υπολογιστικών Συστημάτων Επόμενης Γενιάς

Οι  καθηγητές του ΤΗΜΜΥ Νικόλαος Μπέλλας, Χρήστος Αντωνόπουλος και Σπύρος Λάλης έλαβαν χρηματοδότηση από την μονάδα FET (Future and Emerging Technologies) της Ευρωπαϊκής Ένωσης. Η μονάδα FET υποστηρίζει αποκλειστικά ερευνητικές προσπάθειες που έχουν την προοπτική να οδηγήσουν σε σημαντικές καινοτομίες και θεωρείται από τις πιο εμβληματικές πηγές χρηματοδότησης στον τομέα των τεχνολογιών πληροφορικής και επικοινωνιών της Ευρωπαϊκής Ένωσης. Μόλις το 5% των προτάσεων που υποβάλλονται από ευρωπαϊκά πανεπιστήμια και ερευνητικά ινστιτούτα επιλέγονται για χρηματοδότηση. (περισσότερα…)

Επεξεργασία Ερωτημάτων σε Χωρικές Βάσεις Δεδομένων

Ο Αν Καθηγητής του Τμήματος Πληροφορικής με εφαρμογές στην Βιοϊατρική του ΠΘ Μιχάλης Βασιλακόπουλος θα δόσει ομιλία με θέμα την Επεξεργασία Ερωτημάτων σε Χωρικές Βάσεις Δεδομένων.

Γιατί η Πληροφορική θα πρέπει να είναι πανελλαδικά εξεταζόμενο μάθημα

Ένα πανελλαδικά εξεταζόμενο μάθημα καλύπτει μια βασική περιοχή γνώσης που αποτελεί κατά τεκμήριο προαπαιτούμενη γνώση για το Πανεπιστημιακό Τμήμα που επιθυμεί να εισαχθεί ο υποψήφιος. Για τα «κλασσικά» μαθήματα του είδους (Γλώσσα, Μαθηματικά, Φυσική) είναι εύκολα κατανοητό γιατί θα πρέπει να είναι πανελλαδικά εξεταζόμενα για την εισαγωγή των υποψηφίων σε Πανεπιστημιακά Τμήματα Θετικών Επιστημών. Τι συμβαίνει όμως με την Πληροφορική; (περισσότερα…)

Οργάνωση ανταλλαγής εθελοντών μεταξύ Ελλάδας και Λιθουανίας από το Πανεπιστήμιο Θεσσαλίας

Το Πανεπιστήμιο Θεσσαλίας, Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, συμμετέχει σε δραστηριότητα ανταλλαγής εθελοντών που χρηματοδοτείται με την υποστήριξη του Προγράμματος Δια Βίου Μάθησης της Ευρωπαϊκής Επιτροπής μέσω της Ελληνικής Διαχειριστικής Αρχής – ΙΚΥ. Συντονιστής του έργου είναι το Πανεπιστήμιο Vytautas Magnus της Λιθουανίας. (περισσότερα…)

Εσπερίδα: Ψηφιακή Καινοτομία και Μάθηση

Η εκδήλωση σκοπεύει να διευρύνει τη συζήτηση ανάμεσα σε εκπαιδευτικούς, ακαδημαϊκούς, μηχανικούς, φοιτητές, και το ευρύ κοινό σχετικά με τις «Τεχνολογίες Εκπαίδευσης» που ξεκίνησε στη σχετική εσπερίδα της 24ης Οκτωβρίου 2012.

Τρίτη 28 Μαΐου 2013
Πολιτιστικό Κέντρο Νέας Ιωνίας, Αίθουσα Εκδηλώσεων
Μανδηλαρά Νικηφόρου & Σταδίου, Νέα Ιωνία

Θερινό Σχολείο για Serious Games (SEGAN)

To Τμήμα συμμετέχει στο πρόγραμμα SEGAN (Serious Games Network) και στη διοργάνωση ενός summer school για serious games. Σχετικό άρθρο στον Τύπο. Περισσότερες πληροφορίες στην διεύθυνση:

http://summerschool.tlu.ee/design-of-serious-games/

Fast Distributed Non-convex and Convex Optimization over Wireless Sensor Networks

In many networked systems such as wireless sensors, robots, smart grids, water distribution, and vehicular networks, decision variables must often be optimized by algorithms that need to be fast, simple, and robust to errors and noises, both in a centralized and in a distributed set-up. In this lecture, a new simple optimization theory, named Fast-Lipschitz optimization, is introduced for a novel class of both convex and non-convex scalar and multi-objective optimization problems that are pervasive in these networked systems. Fast-Lipschitz optimization can be applied to both centralized and distributed optimization. Fast-Lipzhitz optimization solvers exhibit a low computational and communication complexity when compared to existing solution methods, which makes this new optimization method very useful in wireless sensor networks. In particular, compared to traditional Lagrangian methods, which often converge linearly, the convergence time of centralized Fast-Lipschitz algorithms is superlinear. Distributed Fast-Lipschitz algorithms converge fast, as opposed to traditional Lagrangian decomposition and parallelization methods, which generally converge slowly and at the price of many message passings among the nodes. In both cases, the computational complexity is much lower than traditional Lagrangian methods.