Σήμερα Γιορτάζουν:

ΒΗΣΣΑΡΙΩΝ

ΝΙΚΗΤΑΣ

15 Σεπτεμβρίου 2026

Πρωτιά για Πανεπιστήμιο Θεσσαλίας σε διαγωνισμό GreenDIGIT

πρΑΙμ Σύνοψη Άρθρου

  • Δύο φοιτητές του Πανεπιστημίου Θεσσαλίας κέρδισαν την 1η θέση στον διεθνή διαγωνισμό GreenDIGIT Discovery Challenge.
  • Η εργασία τους, GreenGuardian, χρησιμοποιεί Μηχανική Μάθηση για να μειώσει την κατανάλωση ενέργειας και τις εκπομπές CO2.
  • Το σύστημα προβλέπει την ενεργειακή κατανάλωση και προγραμματίζει εργασίες σε περιόδους χαμηλών εκπομπών.
  • Σε προσομοίωση, πέτυχε μείωση εκπομπών άνθρακα κατά 89,9% σε σύγκριση με συμβατικές μεθόδους.
  • Οι φοιτητές διέθεσαν ελεύθερα τον κώδικα και την εργασία τους για περαιτέρω έρευνα.

Δύο προπτυχιακοί φοιτητές του Τμήματος Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών του Πανεπιστημίου Θεσσαλίας, με έδρα τον Βόλο, απέσπασαν την πρώτη θέση στον διεθνή διαγωνισμό καινοτομίας GreenDIGIT Discovery Challenge. Πρόκειται για τους Νικόλαο Βατόπουλο και Δημήτριο Θανασούλια, οι οποίοι βρίσκονται στο τρίτο έτος των σπουδών τους και κατάφεραν να ξεχωρίσουν σε έναν ιδιαίτερα ανταγωνιστικό επιστημονικό στίβο, παρουσιάζοντας μια πρωτοποριακή λύση που συνδυάζει τη Μηχανική Μάθηση με την περιβαλλοντική βιωσιμότητα.

Η βράβευση πραγματοποιήθηκε στις 9 Σεπτεμβρίου 2026 στη Νάπολη της Ιταλίας, στο πλαίσιο του συνεδρίου ECML-PKDD 2026, το οποίο θεωρείται ένας από τους σημαντικότερους ευρωπαϊκούς θεσμούς στον χώρο της Μηχανικής Μάθησης και της Εξόρυξης Δεδομένων. Η εργασία των δύο φοιτητών, με τίτλο «GreenGuardian», εστιάζει στην αντιμετώπιση ενός από τα πιο πιεστικά προβλήματα της εποχής μας: της ενεργειακής κατανάλωσης και του ανθρακικού αποτυπώματος των κέντρων δεδομένων και των ερευνητικών υπολογιστικών υποδομών.

Η καινοτομία της Μηχανικής Μάθησης στη βιωσιμότητα

Ο πυρήνας της καινοτόμου προσέγγισης των δύο φοιτητών βασίζεται σε μια κρίσιμη παρατήρηση: η ένταση των εκπομπών διοξειδίου του άνθρακα του ηλεκτρικού δικτύου δεν παραμένει σταθερή καθ' όλη τη διάρκεια της ημέρας, αλλά μεταβάλλεται ανάλογα με το ενεργειακό μείγμα που χρησιμοποιείται για την παραγωγή ηλεκτρικής ενέργειας. Αξιοποιώντας προηγμένες τεχνικές Μηχανικής Μάθησης και αναλύοντας δεδομένα, ανέπτυξαν ένα σύστημα το οποίο προβλέπει με ακρίβεια την ενεργειακή κατανάλωση και τις επακόλουθες εκπομπές CO₂ για τις επόμενες ώρες.

Το σύστημα αυτό έχει τη δυνατότητα να προγραμματίζει έξυπνα τις υπολογιστικές εργασίες, μετατοπίζοντάς τες σε χρονικά διαστήματα όπου η παραγόμενη ηλεκτρική ενέργεια είναι λιγότερο επιβαρυντική για το περιβάλλον. Με αυτόν τον τρόπο, επιτυγχάνεται σημαντική μείωση του ανθρακικού αποτυπώματος χωρίς να θυσιάζεται η υπολογιστική απόδοση.

Εντυπωσιακά αποτελέσματα και προοπτικές

Τα αποτελέσματα της προσομοίωσης, η οποία βασίστηκε σε πραγματικά δεδομένα από τρεις διαφορετικές υπολογιστικές εγκαταστάσεις και συνολικά 28.662 εργασίες, είναι αποκαλυπτικά. Το GreenGuardian πέτυχε μείωση των εκπομπών άνθρακα κατά 89,9% σε σύγκριση με τις συμβατικές μεθόδους δρομολόγησης υπολογιστικών εργασιών. Ακόμη και σε δοκιμές με πραγματικό σύστημα πρόβλεψης, η μείωση των εκπομπών άγγιξε το 62,2%, αποδεικνύοντας την πρακτική αξία και την αποτελεσματικότητα της προσέγγισης.

Ιδιαίτερη μνεία αξίζει στο γεγονός ότι η συμμετοχή των δύο φοιτητών στον διαγωνισμό ήταν αποτέλεσμα προσωπικής πρωτοβουλίας και δεν εντάχθηκε στο πλαίσιο κάποιου μαθήματος ή ερευνητικού εργαστηρίου του Πανεπιστημίου Θεσσαλίας. Ο διαγωνισμός διεξήχθη στο πλαίσιο του ευρωπαϊκού έργου GreenDIGIT, το οποίο χρηματοδοτείται από το πρόγραμμα Horizon Europe, ενισχύοντας τη σημασία της διεθνούς συνεργασίας και της καινοτομίας στον τομέα της πράσινης τεχνολογίας.

Επιπλέον, οι δύο φοιτητές επέλεξαν να διαθέσουν ελεύθερα στο διαδίκτυο τόσο τον κώδικα όσο και την εργασία τους, επιτρέποντας στην ερευνητική κοινότητα να επαληθεύσει τα αποτελέσματα και να αξιοποιήσει περαιτέρω τη συγκεκριμένη προσέγγιση. Η κίνηση αυτή ενισχύει τη διαφάνεια και την ανοιχτή επιστήμη, προωθώντας την περαιτέρω έρευνα και ανάπτυξη στον τομέα της βιώσιμης υπολογιστικής.