HAR.S.H. Project

ΑΝΑΖΗΤΗΣΗ ΟΜΟΙOΤΗΤΑΣ ΣΕ ΜΕΓΑΛΕΣ ΣΥΛΛΟΓΕΣ ΣΕΙΡΩΝ ΔΕΔΟΜΕΝΩΝ ΣΥΝΥΠΟΛΟΓΙΖΟΝΤΑΣ ΤΟ YΛΙΚΟ / HARDWARE-AWARE EXTREME SCALE SIMILARITY SEARCH

Designed by Freepik

Το Έργο

Το HARSH στοχεύει στην αντιμετώπιση σημαντικών προκλήσεων στην επεξεργασία μεγάλης κλίμακας συλλογών σειρών δεδομένων που προκύπτουν από πραγματικές εφαρμογές. Οι συλλογές σειρών δεδομένων μεγάλης κλίμακας συναντώνται πλέον σχεδόν σε κάθε επιστημονικό και κοινωνικό τομέα. Το HARSH θα σχεδιάσει και θα υλοποιήσει μια εκτενή συλλογή αλγορίθμων, δομών δεδομένων και μηχανισμών για την αντιμετώπιση του προβλήματος κλιμακωσιμότητας στην ανάλυση μεγάλου όγκου σειρών δεδομένων, χρησιμοποιώντας σύγχρονες και αναδυόμενες τεχνολογίες υλικού. Οι αλγόριθμοι, οι δομές δεδομένων και οι μηχανισμοί που θα αναπτυχθούν, θα αποτελέσουν μια ισχυρή βιβλιοθήκη, διασφαλίζοντας έτσι τη δυνατότητα της εύκολης και αποτελεσματικής τους χρήσης από ευρεία συλλογή εφαρμογών. Συγκεκριμένα, το HARSH αποσκοπεί στα εξής:

Θα σχεδιάσει και θα αναπτύξει μια νέα γενιά αλγορίθμων και δομών δεδομένων που θα επιτρέπουν την αποδοτική παράλληλη/κατανεμημένη αναζήτηση ομοιότητας σε μεγάλες συλλογές σειρών δεδομένων.

Θα αξιοποιήσει σύγχρονες τεχνολογίες υλικού, μελετώντας τις επιπτώσεις τους στην απόδοση και την κλιμακωσιμότητα τέτοιου είδους λογισμικού.

Θα καταστήσει δυνατή την ανάλυση σε πολυτροπικά δεδομένα, συμπεριλαμβανομένων κειμένων, εικόνων και βίντεο, μέσω ενσωματώσεων με χρήση μοντέλων βαθιάς μηχανικής μάθησης.

Τελευταία Νέα

School on the Practice and Theory of Distributed Computing

Excited to announce SPTDC 2026! Organized by HAR.S.H., this year’s school brings together experts from academia and industry to explore the future of Distributed Computing.

Presentation of HAR.S.H to High Schools Visits

Presenting our research work to high school students during their visits to the Department of Computer Science, at the Uniersity of Crete.

Paper Presented at PPoPP 2026

Concurrent Balanced Augmented Trees

Paper Presented at PPoPP 2026

Sharded Elimination and Combining for Highly-Efficient Concurrent Stacks

Αναζήτηση Ομοιότητας σε Μεγάλες Συλλογές Σειρών Δεδομένων συνυπολογίζοντας το Yλικό

HARSH: Hardware-Aware extReme-scale Similarity search

  • Κωδικός Έργου: ΥΠ3ΤΑ-0560901
  • Ημερομηνία Έναρξης Έργου: 15 Απριλίου 2025
  • Ημερομηνία Λήξης Έργου: 30 Ιουνίου 2026
  • Διαχειριστική Αρχή: Επιτελική Δομή ΕΣΠΑ Τομέα Παιδείας του Υπουργείου Παιδείας και Θρησκευμάτων, ΕΛΛΑΔΑ 2.0, ΕΘΝΙΚΟ ΣΧΕΔΙΟ ΑΝΑΚΑΜΨΗΣ και ΑΝΘΕΚΤΙΚΟΤΗΤΑΣ
  • Συντονιστής Σύμπραξης: Πανεπιστήμιο Κρήτης (ΠΚ), Τμήμα Επιστήμης Υπολογιστών

Η δράση υλοποιείται στο πλαίσιο του Εθνικού Σχεδίου Ανάκαμψης και Ανθεκτικότητας Ελλάδα 2.0
με τη χρηματοδότηση της Ευρωπαικής Ένωσης – NextGenerationEU

Κύλιση στην κορυφή