ΕΘΝΙΚΟ
ΜΕΤΣΟΒΙΟ
ΠΟΛΥΤΕΧΝΕΙΟ
English


ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ
ΣΧΟΛΗ ΧΗΜΙΚΩΝ ΜΗΧΑΝΙΚΩΝ

Ανδρέας Γ. Μπουντουβής
Καθηγητής, τ. Πρύτανης

Ηρώων Πολυτεχνείου 9, Πολυτεχνειούπολη Ζωγράφου 15772
Τηλ: 210 7723241
e-mail: boudouvis@ntua.gr

Βιογραφικό σημείωμα, Iστοσελίδα1, Ιστοσελίδα2

O Ανδρέας Γ. Μπουντουβής είναι Καθηγητής στη Σχολή Χημικών Μηχανικών (ΣΧΜ) του Εθνικού Μετσοβίου Πολυτεχνείου (ΕΜΠ). Από τον Οκτώβριο 2019 έως τον Νοέμβριο 2023 ήταν Πρύτανης του ΕΜΠ.

Εχει διατελέσει Κοσμήτορας της ΣΧΜ (2013-2016), Διευθυντής του Τομέα Aνάλυσης, Σχεδιασμού και Ανάπτυξης Διεργασιών και Συστημάτων της ΣΧΜ (2005-2007), Διευθυντής του Υπολογιστικού Κέντρου της ΣΧΜ (2009-2019) και Διευθυντής του Διατμηματικού Προγράμματος Μεταπτυχιακών Σπουδών του ΕΜΠ “Υπολογιστική Μηχανική” (2011-2018).

Είναι διπλωματούχος Χημικός Μηχανικός του ΕΜΠ (1982) και κάτοχος διδακτορικού διπλώματος (PhD) από το Πανεπιστήμιο της Minnesota των ΗΠΑ (1987). Ηταν Μεταδιδακτορικός Συνεργάτης στο Minnesota Supercomputing Institute (1989-90) και Επισκέπτης Ερευνητής στο Army High Performance Computing Research Center, των ΗΠΑ (1991), Επισκέπτης Καθηγητής στο Université de Lorraine, Nancy, Γαλλία (2012), Επισκέπτης Ερευνητής στο Fondation de Cooperation Scientifique Sciences et Technologies pour l’Aéronautique et l’Espace, Toulouse, Γαλλία (2014) και Επισκέπτης Καθηγητής στο Johns Hopkins University, Baltimore, ΗΠΑ (2018-2019). Είναι μεταξύ των ιδρυτικών μελών, ως Πρύτανης του ΕΜΠ, της Ευρωπαϊκής Συμμαχίας Πανεπιστημίων EULiST "European Universities Linking Society and Technology”, που από το 2023 εντάχθηκε στον θεσμό "European Universities". Ήταν EULiST co-Chair την περίοδο 2021-2023 και ειναι μέλος του Advisory Council, 2024- .

Ο Καθηγητής Α. Μπουντουβής διδάσκει προπτυχιακά και μεταπτυχιακά μαθήματα σε Φαινόμενα Μεταφοράς και σε Υπολογιστικές Μεθόδους. Τα ερευνητικά του ενδιαφέροντα είναι στις ακόλουθες περιοχές: υπολογιστική ανάλυση φαινομένων μεταφοράς, διεπιφανειακά φαινόμενα, μη γραμμικά φαινόμενα και ιδιαίτερα μηχανισμοί ασταθειών και σχηματισμού οργανωμένων μορφωμάτων (pattern formation), ανάλυση πολλαπλών κλιμάκων (multiscale analysis), μέθοδοι μείωσης τάξης μοντέλων και μηχανικής μάθησης, και μέθοδοι υπολογιστικής ανάλυσης προβλημάτων μεγάλης κλίμακας.