Ανακοινώσεις

Σπουδαία Διάκριση για το Τμήμα μας στην Παγκόσμια Κατάταξη Research.com 2026

Με ιδιαίτερη υπερηφάνεια ανακοινώνουμε τη διεθνή αναγνώριση των Καθηγητών του Τμήματός μας, Γεράσιμου Ποταμιάνου και Δημητρίου Κατσαρού, στην έγκριτη λίστα “World’s Best Scientists” για το 2026.

Ο κ. Ποταμιάνος πέτυχε διπλή διάκριση στα πεδία της Επιστήμης Υπολογιστών και της Ηλεκτρολογικής Μηχανικής, ενώ ο κ. Κατσαρός διακρίθηκε κορυφαίος στο πεδίο της Επιστήμης Υπολογιστών.

Η συμπερίληψή τους στους κορυφαίους επιστήμονες παγκοσμίως, με βάση το υψηλό ερευνητικό τους έργο και τις αναφορές (D-index), επιβεβαιώνει το διεθνές κύρος και την αριστεία του Τμήματος Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών του Πανεπιστημίου Θεσσαλίας. Θερμά συγχαρητήρια!

Διεθνής Αναγνώριση Ερευνητικού Έργου του Τμήματος: Η μεθοδολογία HERO σημείο αναφοράς στον διεθνή διαγωνισμό CAD Contest @IEEE/ACM ICCAD

Με ιδιαίτερη ικανοποίηση το Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών της Πολυτεχνικής Σχολής του Πανεπιστημίου Θεσσαλίας ανακοινώνει μια σημαντική διεθνή αναγνώριση του ερευνητικού του έργου στον τομέα της ασφάλειας υλικού (hardware security) και της Τεχνητής Νοημοσύνης. Η Ερευνητική μεθοδολογία που αναπτύχθηκε στο Εργαστήριο Κυκλωμάτων και Συστημάτων (Circuits & Systems Lab – CAS lab) του Τμήματος επιλέχθηκε ως μία από τις θεμελιώδεις προηγούμενες προσεγγίσεις στις οποίες βασίστηκε το Problem A του διεθνούς διαγωνισμού 2025 CAD Contest at ICCAD, υπό την αιγίδα της εταιρείας Cadence Design Systems, Inc., μιας εκ των κορυφαίων εταιρειών παγκοσμίως στον χώρο της σχεδίασης ολοκληρωμένων κυκλωμάτων και των εργαλείων EDA.

Πρόκειται για το ερευνητικό έργο HERO, το οποίο εκπονήθηκε από τον Δρ. Κωνσταντίνο Λιάκο, σήμερα μεταδιδακτορικό ερευνητή και συνεργαζόμενο διδάσκοντα του Τμήματος, υπό την επίβλεψη του Καθηγητή Φώτη Πλέσσα, σε συνεργασία με τους Δρ. Γεώργιο Γεωργακίλα, Δρ. Σεραφείμ Μουστακίδη, Δρ. Νικόλαο Σκετόπουλο και άλλους συνεργάτες του CAS lab.

Από το HERO στο ευρωπαϊκό προσκήνιο
Η αφετηρία αυτής της πορείας τοποθετείται το 2018, όταν η ερευνητική πρόταση HERO διακρίθηκε σε ευρωπαϊκό επίπεδο και εξασφάλισε χρηματοδότηση στο πλαίσιο της πρωτοβουλίας ATTRACT, υπό την αιγίδα του CERN. Το έργο, με τίτλο «A novel holistic approach for hardware trojan detection powered by deep learning» (HERO), εισήγαγε μια ολιστική μεθοδολογία για την ανίχνευση κακόβουλων τροποποιήσεων υλικού (Hardware Trojans) σε ολοκληρωμένα κυκλώματα, αξιοποιώντας τεχνικές βαθιάς μάθησης (Deep Learning). Η διάκριση αυτή προβλήθηκε τόσο από το ίδιο το Τμήμα όσο και από τον τοπικό και ευρύτερο Τύπο, αναδεικνύοντας τη δυναμική της έρευνας που παράγεται στον Βόλο.

Συστηματική έρευνα και ανάπτυξη εργαλείων από το 2019 και έπειτα
Από το 2019 και έπειτα, η ερευνητική αυτή κατεύθυνση συνεχίστηκε και εμβάθυνε συστηματικά, αποτελώντας τον πυρήνα της διδακτορικής διατριβής του Δρ. Κωνσταντίνου Λιάκου με τίτλο «Intelligent Computational System for Defects and Anomalies Detection in Electrical Engineering». Στο πλαίσιο αυτό αναπτύχθηκαν μέθοδοι μηχανικής μάθησης για την ταξινόμηση και τον εντοπισμό Hardware Trojans σε επίπεδο gate-level netlist, καθώς και καινοτόμες προσεγγίσεις βασισμένες σε παραγωγικά μοντέλα (Generative Adversarial Networks – GANs) για την αντιμετώπιση της έλλειψης δεδομένων στο προ-πυριτικό (pre-silicon) στάδιο των ASICs.

Το έργο οδήγησε επίσης στην ανάπτυξη δύο ελεύθερων εργαλείων και μίας ανοικτής βάσης δεδομένων, διαθέσιμων στην ερευνητική κοινότητα: του εργαλείου GAINESIS (Generative Artificial Intelligence NEtlists SynthesIS) για τη σύνθεση νέων δεδομένων κυκλωμάτων, του εργαλείου ATLAS (hArdware Trojan Learning AnalysiS) για την ταξινόμηση μολυσμένων και υγιών κυκλωμάτων, καθώς και της βάσης δεδομένων CAS-HtBase για τη μελέτη των Hardware Trojans στο προ-πυριτικό στάδιο των ASICs.

Σημείο αναφοράς για έναν διεθνή διαγωνισμό
Η αναγνώριση αυτής της πολυετούς προσπάθειας αποτυπώνεται πλέον με τον πλέον επίσημο τρόπο. Το Problem A «Hardware Trojan Detection on Gate-Level Netlist» του διαγωνισμού 2025 CAD Contest at ICCAD, ενός εκ των μεγαλύτερων διεθνών διαγωνισμών στον χώρο της σχεδίασης ολοκληρωμένων κυκλωμάτων, ο οποίος φέτος συγκέντρωσε ρεκόρ συμμετοχής με 247 ομάδες από 12 χώρες, περιλαμβάνει ρητά στη βιβλιογραφία του την εργασία HERO, ως μία από τις θεμελιώδεις προηγούμενες προσεγγίσεις Τεχνητής Νοημοσύνης που οριοθετούν το επιστημονικό αντικείμενο του προβλήματος. Στο επίσημο επιστημονικό κείμενο, που εκπονήθηκε από μηχανικούς της Cadence Design Systems και συνεργαζόμενα Πανεπιστήμια, η μεθοδολογία HERO αναφέρεται ως ολοκληρωμένος μηχανισμός ανίχνευσης που αξιοποιεί βαθιά νευρωνικά δίκτυα για την ανάλυση χαρακτηριστικών από διαφορετικά στάδια της κατασκευαστικής διαδικασίας.

Η παρουσία της εργασίας του Τμήματος δίπλα σε διεθνώς καθιερωμένες προσεγγίσεις του πεδίου επιβεβαιώνει ότι η έρευνα που ξεκίνησε στο Πανεπιστήμιο Θεσσαλίας έχει καταστεί σταθερό σημείο αναφοράς για τη διεθνή επιστημονική και βιομηχανική κοινότητα. Η εξέλιξη αυτή, από μια ευρωπαϊκά χρηματοδοτούμενη πρόταση υπό την αιγίδα του CERN το 2018, έως την ενσωμάτωση της μεθοδολογίας στο θεωρητικό υπόβαθρο ενός διεθνούς βιομηχανικού διαγωνισμού το 2025, αναδεικνύει τη συνέπεια, το βάθος και τη διεθνή απήχηση της ερευνητικής δραστηριότητας του Τμήματος.

Ερευνητική Εργασία του Εργαστηρίου Συστημάτων Υπολογιστών στο 26ο IEEE International Symposium on Cluster, Cloud, and Internet Computing (CCGRID 2026, Σίδνεϊ, Αυστραλία)

Ο Bowen Sun, ερευνητής του Εργαστηρίου Συστημάτων Υπολογιστών του ΤΗΜΜΥ, παρουσίασε την ερευνητική εργασία με τίτλο: “Green or Fast? Learning to Balance Cold Starts and Idle Carbon in Serverless Computing” στο έγκριτο CCGRID 2026.

Η έρευνα πραγματεύεται μία από τις σημαντικότερες προκλήσεις στο Serverless Computing: την εξισορρόπηση ανάμεσα στην καθυστέρηση έναρξης των υπηρεσιών (cold-start latency) και τις εκπομπές άνθρακα που προκαλούνται από τη διατήρηση αδρανών πόρων (idle carbon emissions). Στο πλαίσιο αυτό, παρουσιάστηκε το LACE–RL, ένα καινοτόμο σύστημα διαχείρισης που βασίζεται σε βαθιά ενισχυτική μάθηση (deep reinforcement learning). Το LACE-RL προσαρμόζει δυναμικά τους χρόνους διατήρησης των πόρων, λαμβάνοντας υπόψη σε πραγματικό χρόνο τις μεταβολές στο ενεργειακό μείγμα που αξιοποιείται από το δίκτυο ηλεκτροδότησης και τα μοτίβα του φόρτου εργασίας.

Τα αποτελέσματα της αξιολόγησης (με χρήση πραγματικών δεδομένων από το Huawei Public Cloud Trace) έδειξαν ότι το LACE-RL επιτυγχάνει εντυπωσιακή μείωση των cold starts κατά 51,69% και των εκπομπών άνθρακα κατά 77,08% σε σύγκριση με τις στατικές πολιτικές που χρησιμοποιούνται σήμερα στη βιομηχανία, προσεγγίζοντας τη βέλτιστη θεωρητική απόδοση.

Διοργάνωση CV-Clinic για τους Φοιτητές του Τμήματος

Στο πλαίσιο των δράσεων εξωστρέφειας και διασύνδεσης με την αγορά εργασίας, το εργαστήριο συστημάτων υπολογιστών του ΤΗΜΜΥ διοργάνωσε εκδήλωση CV–Clinic για τους προπτυχιακούς και μεταπτυχιακούς φοιτητές, καθώς και τους υποψήφιους διδάκτορες του Τμήματος, τη Δευτέρα 18 Μαΐου 2026.

Η εκδήλωση υλοποιήθηκε σε συνεργασία με δύο διακεκριμένες απόφοιτες του Τμήματος οι οποίες διαγράφουν σημαντική πορεία στη διεθνή βιομηχανία τεχνολογίας, τις Δρ Φωτεινή Κατσαρού, Cadence Design Systems και κυρία Γεωργία Κρόκου, Synopsys, οι οποίες προσκλήθηκαν να μοιραστούν την εμπειρία τους.

Η δράση περιλάμβανε μια ανοιχτή παρουσίαση, στην οποία οι προσκεκλημένες μοιράστηκαν πολύτιμες συμβουλές, βέλτιστες πρακτικές,  και την εμπειρία τους από τις σύγχρονες απαιτήσεις της διεθνούς αγοράς εργασίας, προκειμένου να συνταχθεί ένα ανταγωνιστικό βιογραφικό σημείωμα.  Οι φοιτητές είχαν τη μοναδική ευκαιρία να συμμετάσχουν και σε ατομικές συνεδρίες, λαμβάνοντας εξειδικευμένα και στοχευμένα σχόλια για τα προσχέδια των δικών τους βιογραφικών.

Η ανταπόκριση των φοιτητών ήταν θερμή, ιδιαίτερα από εκείνους που βρίσκονται σε αναζήτηση της πρώτης τους πρακτικής άσκησης ή θέσης εργασίας, αξιοποιώντας στο έπακρο την εμπειρία και την καθοδήγηση των αποφοίτων μας.

Επιτυχής Ολοκλήρωση και Πιστοποίηση του Ευρωπαϊκού Έργου Horizon Europe MLSysOps με συντονιστή το Εργαστήριο Συστημάτων Υπολογιστών

Το ευρωπαϊκό ερευνητικό έργο Horizon Europe MLSysOps – Machine Learning for Autonomic System Operation in the Heterogeneous Edge-Cloud Continuum (https://mlsysops.eu), στο οποίο το Εργαστήριο Συστημάτων Υπολογιστών του ΤΗΜΜΥ είχε τον κεντρικό συντονισμό, ολοκληρώθηκε με επιτυχία, λαμβάνοντας τη σχετική πιστοποίηση από την Ευρωπαϊκή Κοινότητα στις 9 Ιουνίου 2026.

Το έργο επικεντρώθηκε στην ανάπτυξη ενός πρωτοποριακού πλαισίου για την αυτόνομη διαχείριση και βελτιστοποίηση της αποδοτικής εκτέλεσης κατανεμημένων εφαρμογών στο υπολογιστικό συνεχές (Cloud-Edge Continuum). Η αρχιτεκτονική του βασίστηκε σε τρεις καινοτόμους πυλώνες:

• Ιεραρχικό Μοντέλο Πρακτόρων: Η διαχείριση της υποδομής και των εφαρμογών είναι κατανεμημένη σε μια ιεραρχία τριών επιπέδων. Οι πράκτορες επιπέδου κόμβου (node agents) ελέγχουν την τοπική υποδομή, οι πράκτορες επιπέδου cluster (cluster agents) συντονίζουν τις επιμέρους ομάδες κόμβων, και ο κεντρικός πράκτορας (continuum agent) έχει την καθολική εποπτεία της διαχείρισης.
• Ανοιχτό Μοντέλο Λήψης Αποφάσεων (Plug–in AI Policies): Οι πράκτορες σε κάθε επίπεδο μπορούν να χρησιμοποιούν είτε συμβατικούς κανόνες είτε εξωτερικά μοντέλα Τεχνητής Νοημοσύνης (AI/ML). Η δυναμική ενεργοποίηση, κλήση και απενεργοποίηση αυτών των μοντέλων γίνεται κατά το χρόνο εκτέλεσης (at runtime) μέσω ρητά ορισμένου πρωτοκόλλου (MLConnector API), επιτρέποντας την εναλλαγή μοντέλων AI χωρίς καμία τροποποίηση στους υποκείμενους μηχανισμούς διαχείρισης.
• Ιεραρχική Τηλεμετρία & Σύνοψη Πληροφορίας: Σε αντίθεση με την παραδοσιακή ροή ελέγχου, η συλλογή δεδομένων ακολουθεί μια bottom-up ιεραρχική προσέγγιση μέσω του OpenTelemetry (OTEL). Οι μετρικές συλλέγονται τοπικά και υποβάλλονται σε έξυπνο φιλτράρισμα και σύνοψη κοντά στο σημείο συλλογής. Με αυτόν τον τρόπο, μεταφέρεται προς τα ανώτερα επίπεδα μόνο η απαραίτητη πληροφορία, ελαχιστοποιώντας το φόρτο επικοινωνίας και εξασφαλίζοντας τη λειτουργικότητα σε συστήματα μεγάλης κλίμακας.

Ενισχύοντας έμπρακτα τη δέσμευση του εργαστηρίου στην ανοιχτή επιστήμη, ολόκληρο το λογισμικό διατίθεται ελεύθερα στο GitHub του έργου, ενώ τα εκπαιδευμένα μοντέλα και τα σύνολα δεδομένων που χρησιμοποιήθηκαν είναι ελεύθερα προσβάσιμα στην κοινότητα του MLSysOps στο Zenodo.