Analysekemigruppen inviterer ansøgere til et 4-årigt adjunktur inden for maskinlæringsbaseret non-target screening af forurenende stoffer, CEC'er og andre komplekse kemiske blandinger.
Stillingen er inden for analytisk kemi med fokus på maskinlæringsbaseret non-target screening af nye forurenende stoffer (CECer) og relaterede kemiske fingeraftryk i komplekse miljømæssige og biologiske matricer. Forskningen kombinerer højopløselig massespektrometri, supplerende kromatografiske separationer (LC, online-SPE-LC, SFC og GC×GC) og analytisk datavidenskab for at udvikle skalerbare arbejdsgange til målrettet, mistænkt og non-target screening. Målet er at omdanne store HRMS-datasæt fra drikkevand, spildevand, slam, avancerede behandlingssystemer og human urin til kemiske annotationer, eksponeringssignaturer og forståelse af forurenende stoffers skæbne, fjernelse og menneskelige eksponering.
Stillingen vil bidrage til to tæt forbundne forskningsretninger: identifikation af mikrosforurenende stoffer, herunder meget polære, persistente, mobile og fluorerede forbindelser, i spildevand, slam og avancerede behandlingssystemer for at understøtte maskinlæringsmodeller for forurenende stoffers skæbne og fjernelse. Desuden vil den bidrage til storstilet profilering af det humane urinære exposom for at identificere kemiske eksponeringssignaturer forbundet med sygdom.
Forskningen er baseret på komplementære kromatografi-HRMS-arbejdsgange, herunder LC, online-SPE-LC, SFC og GC×GC koblet til Orbitrap-, QqTOF- og TOF-platforme. En central opgave er at udvikle reproducerbare og skalerbare dataarbejdsgange, der integrerer automatisk forbehandling, kemoinformatik, kemiske databaser og maskinlæring til stofidentifikation, annotation, prioritering, konfidensannotation og kvantitativ eller semikvantitativ fortolkning.
Stillingen har en stærk analytisk datavidenskabelig profil. KU - SCIENCE - PLEN er især interesseret i kandidater, der kan udvikle og kritisk validere åbne, transparente og genanvendelige arbejdsgange for store HRMS-datasæt, herunder programmeringsbaseret databehandling, AI-assisteret kodeudvikling, workflow-benchmarking, molekylær mønstergenkendelse og integration af eksperimentel analytisk kemi med prædiktiv modellering.
KU - SCIENCE - PLEN søger ambitiøse kandidater med en stærk profil inden for analytisk kemi, separationsvidenskab, HRMS og/eller analytisk datavidenskab, og med motivation til at arbejde i tæt samarbejde med akademiske, kliniske, regulatoriske og industrielle partnere.
Hvem leder KU - SCIENCE - PLEN efter?
Ideelle ansøgere bør have:
- En ph.d.-grad i analytisk kemi, miljøkemi, bioanalytisk kemi, metabolomics, exposomics, kemometri, beregningskemi, analytisk datavidenskab eller en nært beslægtet disciplin.
- Dokumenteret erfaring med HRMS-baserede målrettede, mistænkte og/eller non-target screeningsarbejdsgange for komplekse miljø- eller biologiske prøver.
- Erfaring med store analytiske datasæt, herunder feature-detektion, justering, blankfiltrering, annotation, prioritering, benchmarking og kvalitetskontrol.
- Erfaring med kemoinformatik, herunder brug af kemiske databaser, spektralbiblioteker, molekylære fingeraftryk, in-silico forudsigelsesværktøjer og beregningsmæssige tilgange til stofannotation.
- Programmeringsfærdigheder, for eksempel i Python, R eller MATLAB, til behandling og fortolkning af kromatografi- og massespektraldata. Erfaring med reproducerbar kode, AI-assisteret kodning, prompt engineering, kodevalidering og fejlfinding er en fordel.
- Erfaring med komplementære kromatografiske tilgange som LC, online-SPE-LC, SFC, GC eller multidimensionel kromatografi er en fordel.
- Erfaring med CEC-analyse, meget polære eller mobile forurenende stoffer, PFAS- eller organofluorinscreening, spildevand, slam, urin, exposomics og/eller maskinlæringsbaseret modellering er en stor fordel.
- Dokumenteret erfaring med videnskabelig skrivning, herunder peer-reviewede publikationer og ansøgninger om stipendier eller legater.
- Dokumenteret evne til at lede forskningsaktiviteter uafhængigt, bidrage strategisk til tværfaglige projekter og samarbejde konstruktivt inden for en forskningsgruppe.
Adjunktens pligter er forskning og undervisning, herunder forpligtelser vedrørende publikation/videnskabelig kommunikation inden for beregningsbaseret non-target screening af nye forurenende stoffer. I et begrænset omfang kan dette også omfatte udførelse af andre opgaver.
Bedømmelse af ansøgere vil primært tage udgangspunkt i deres niveau af dokumenteret, internationalt konkurrencedygtig forskning. Evnen til at tiltrække ekstern finansiering vil blive vurderet sammen med kvalifikationer inden for outreach. Undervisningskvalifikationer er ikke obligatoriske, men interesse for undervisning er afgørende, og dokumenterede undervisningskvalifikationer og undervisningserfaring vil blive betragtet som en fordel.
Generelle kriterier gælder for ansættelse af adjunkter ved Københavns Universitet. Kriterierne (forskning, undervisning, innovation og samfundsbidrag, organisatorisk bidrag og ledelse) betragtes som en ramme for en samlet vurdering af ansøgeren. Hver ansøger vil desuden blive vurderet i henhold til de specifikke krav, der er anført i denne annonce.
For adjunkter kan kriterier læses her: https://jobportal.ku.dk/videnskabelige-stillinger/kriterier-for-videnskabelige-stillinger/kriterier-for-meritering-maj-2026/5a_Criteria_for_recognising_merit_-Assistant_professors.pdf.
Vejledning om meritkriteriet innovation og samfundsbidrag findes på Københavns Universitets hjemmeside: https://employment.ku.dk/faculty/criteria-for-recognising-merit/
Yderligere information om instituttet findes på Institut for Plante- og Miljøvidenskab – Københavns Universitet. Forespørgsler vedrørende stillingen kan rettes til Jan H. Christensen, jch@plen.ku.dk.
Stillingen er ledig fra den 1. november 2026 eller snarest muligt derefter.
Universitetet ønsker, at KU - SCIENCE - PLENs personale afspejler samfundets mangfoldighed, og byder derfor ansøgninger fra alle kvalificerede kandidater velkommen uanset personlig baggrund.
Ansættelsesvilkår
Stillingen er omfattet af aftalen om stillingsstruktur for videnskabeligt personale.
Ansættelse og aflønning sker i henhold til overenskomsten mellem Finansministeriet og Akademikerne i staten.
Forhandling om løntillæg er mulig.
Ansøgningen, på engelsk, skal indsendes elektronisk.
Ansøgningen skal indeholde:
- Curriculum vitae.
- Diplomer (kandidat- og ph.d.-grad eller tilsvarende).
- Forskningsplan – beskrivelse af nuværende og fremtidige forskningsplaner.
- Hvis tilgængeligt, beskrivelse og dokumentation for undervisnings- og vejledningserfaring samt kvalifikationer – beskriv og dokumenter venligst:
- Erfaring med vejledning af BSc- og MSc-studerende.
- Undervisningserfaring.
- Formel pædagogisk uddannelse.
- Komplet publikationsliste.
- Særskilte genoptryk af 5 særligt relevante artikler.
Ansøgningsfristen er 4. oktober 2026, kl. 23:59 GMT +2.
Efter ansøgningsfristens udløb udvælger den autoriserede rekrutteringsansvarlige ansøgere til vurdering efter råd fra interviewudvalget.
Læs om rekrutteringsprocessen her: http://employment.ku.dk/faculty/recruitment-process/
