KU - SUND - Institut For Folkesundhed - Kbh K udbyder en PhD-stilling inden for “Agentic AI and Foundation Models for Global Pathogen Analysis” med start den 1. juli 2027, eller snarest muligt derefter.
KU - SUND - Institut For Folkesundhed - Kbh K's gruppe og forskning
The Bhatt-Duchene Gruppen er baseret i Sektionen for Sundhedsdatavidenskab og AI ved Københavns Universitets Institut for Folkesundhed. Gruppen arbejder i krydsfeltet mellem datalogi, matematik, biologi og epidemiologi. Gruppen udvikler og anvender nye statistiske metoder og deep learning-tilgange til globale sundhedsudfordringer.
Gruppen's forskning spænder over sygdomsmodellering, genomisk analyse, kausal inferens med maskinlæring og deep learning inden for forskellige sundhedsrelaterede domæner.
Global Pathogen Analysis Platform (GPAP) er et nyt internationalt initiativ. Initiativet har til formål at styrke den globale pandemiberedskab. Dette sker ved at udvikle en frit tilgængelig, AI-drevet platform til analyse af patogengenomer. GPAP støttes af Novo Nordisk Fonden med op til 200 millioner DKK over seks år.
Platformen vil blive etableret med dets hovedhub på DTU Fødevareinstituttet og partnerknudepunkter på Københavns Universitet, Statens Serum Institut og Imperial College London. Dette sker i samarbejde med internationale partnere verden over. GPAP-konsortiet samler ekspertise inden for kunstig intelligens, bioinformatik, patogen-genomik, epidemiologi, folkesundhed og softwareinfrastruktur.
Projektbeskrivelse
PhD-projektet vil fokusere på at udvikle intelligente AI-systemer, store sprogmodeller (LLM'er) og AI-for-Science-tilgange. Disse kan integreres i GPAP-platformen. Projektet forventes at kombinere metodologisk forskning med robust softwareimplementering og real-world implementering i en stor international forskningsinfrastruktur.
Relevante forskningsområder inkluderer, men er ikke begrænset til:
- Benchmarking og evaluering af store sprogmodeller og grundmodeller til biologiske, genomiske og fylogenetiske opgaver.
- Pre-, mid- og post-træning, tilpasning af store sprogmodeller til biologiske, genomiske og fylogenetiske opgaver.
- Agentic AI-systemer, der kan interagere med bioinformatiske pipelines, databaser og videnskabelig software til patogen genomisk analyse, fortolkning og automatiseret videnskabelig rapportering.
- Pålidelige, reproducerbare og auditerbare dashboards og arbejdsgange til overvågning af infektionssygdomme og analyse af udbrud.
Den succesfulde kandidat forventes at formulere et uafhængigt PhD-projekt inden for dette område. Dette sker i samarbejde med vejlederteamet.
Hovedvejleder: Professor Samir Bhatt, Institut for Folkesundhed, Email: samir.bhatt@sund.ku.dk
Medvejleder: Dr. Harrison Bo Hua Zhu, Institut for Folkesundhed, Email: harrison.zhu@sund.ku.dk
Medvejleder: Dr. Neil Scheidwasser, Institut for Folkesundhed, Email: neil.clow@sund.ku.dk
Start: 1. juli 2027
Varighed: 3 år som PhD-studerende (+ 3 måneder som videnskabelig assistent til indskrivning, hvis relevant)
Jobbeskrivelse
Dine primære opgaver som PhD-studerende vil være at:
- Udføre et uafhængigt forskningsprojekt under vejledning.
- Udvikle nye AI-metoder og softwaresystemer relevante for GPAP.
- Implementere, evaluere og dokumentere forskningsprototyper og platform-vendte værktøjer.
- Publicere videnskabelige artikler i højkvalitets internationale fora.
- Gennemføre PhD-kurser eller anden tilsvarende uddannelse svarende til cirka 30 ECTS-point.
- Deltage i aktive forskningsmiljøer, herunder et ophold ved en anden forskningsinstitution.
- Bidrage til undervisning, vejledning eller andre former for vidensformidling relateret til PhD-projektet.
- Skrive og forsvare en PhD-afhandling baseret på projektet.
Nøglekriterier for vurdering af ansøgere
Ansøgere skal have kvalifikationer svarende til en kandidatgrad inden for projektets emneområde. Dette kan for eksempel være datavidenskab, statistik, økonomi, datalogi, beregningslingvistik eller en beslægtet kvantitativ disciplin. Bemærk venligst, at din kandidatgrad skal svare til en dansk kandidatgrad (to år). Derudover vil følgende blive overvejet:
Væsentlig erfaring og færdigheder:
- En stærk akademisk baggrund og grad i datalogi eller et beslægtet felt.
- Erfaring med store sprogmodellers pre-/mid-/post-træning (f.eks. Agentic Reinforcement Learning), evaluering og konstruktion af agentic harness.
- Stærke softwareingeniørfærdigheder, ekspertise i Python-programmering, erfaring med Git og moderne deep learning-frameworks (PyTorch/Jax/TensorFlow).
- Evne til at arbejde selvstændigt og i samarbejde med forskere, ingeniører og domæneeksperter.
- Stærk motivation til at udføre internationalt konkurrencedygtig forskning og omsætte metoder til fungerende software.
- Erfaring og interesse for AI for Science, beregningsbiologi, patogen-genomik, fylogenetik, epidemiologi eller bioinformatiske arbejdsgange.
- Fremragende skriftlig og mundtlig engelsk.
Ønskelig erfaring og færdigheder:
- Publikationer, open source-bidrag, forskningssoftware eller andre dokumenterede resultater relevante for projektet.
Arbejdssted
Arbejdsstedet er Institut for Folkesundhed, Det Sundhedsvidenskabelige Fakultet, Københavns Universitet. KU - SUND - Institut For Folkesundhed - Kbh K tilbyder kreative og stimulerende arbejdsforhold i et dynamisk og internationalt forskningsmiljø.
KU - SUND - Institut For Folkesundhed - Kbh K's forskningsfaciliteter omfatter moderne laboratorier og højtydende computerinfrastruktur med GPU-klynger til storstilet analyse.
Ansættelsesvilkår
Den gennemsnitlige ugentlige arbejdstid er 37 timer per uge.
Stillingen er en tidsbegrænset stilling af 3 års varighed. Startdatoen er den 1. juli 2027.
Ansættelsen er betinget af ansøgerens succesfulde indskrivning som PhD-studerende ved Det Sundhedsvidenskabelige Fakultets PhD-skole, Københavns Universitet. Dette kræver indsendelse og accept af en ansøgning til det specifikke projekt formuleret af ansøgeren under en indledende tre-måneders ansættelse som videnskabelig assistent.
PhD-studiet skal gennemføres i overensstemmelse med Ministeriel Bekendtgørelse om PhD-uddannelsen (2013) og Fakultetets regler for opnåelse af graden.
Løn, pension og ansættelsesvilkår er i overensstemmelse med overenskomsten mellem Finansministeriet og Akademikerne. Afhængig af anciennitet starter månedslønnen på cirka 31.800 DKK / ca. 4.250 EUR (august 2026-niveau) plus pension.
Spørgsmål
For specifik information om PhD-stipendiet, kontakt venligst hovedvejlederen.
Generel information om PhD-studier ved Det Sundhedsvidenskabelige Fakultet er tilgængelig på PhD-skolens hjemmeside: https://healthsciences.ku.dk/phd/guidelines/
Ansøgningsprocedure
Din ansøgning skal indsendes elektronisk ved at klikke på ’Ansøg nu’ nedenfor. Ansøgningen skal indeholde følgende dokumenter i PDF-format:
- Motiveret ansøgning (max. én side)
- CV inkl. uddannelse, erfaring, sprogfærdigheder og andre færdigheder relevante for stillingen
- Certificeret kopi af originalt Master of Science-diplom og karakterudskrift på originalsproget, inklusive en autoriseret engelsk oversættelse, hvis udstedt på et andet sprog end engelsk eller dansk. Hvis ikke afsluttet, accepteres en certificeret/underskrevet kopi af en nylig karakterudskrift eller en skriftlig erklæring fra institutionen eller vejlederen. Som forudsætning for en PhD-stipendiatansættelse skal din kandidatgrad svare til en dansk kandidatgrad. KU - SUND - Institut For Folkesundhed - Kbh K opfordrer dig til at læse mere i vurderingsdatabasen: https://ufm.dk/en/education/recognition-and-transparency/find-assessments/assessment-database. Bemærk venligst, at KU - SUND - Institut For Folkesundhed - Kbh K muligvis vil bede dig om at indhente en vurdering af din uddannelse udført af Ministeriet for Forskning og Uddannelse.
- Publikationsliste (hvis muligt)
Ansøgningsfrist: 8. september 2026, kl. 23.59 (CEST)
KU - SUND - Institut For Folkesundhed - Kbh K forbeholder sig retten til ikke at behandle materiale modtaget efter fristen, og til ikke at behandle ansøgninger, der ikke lever op til de ovennævnte krav.
Den videre proces
Efter udløbet af ansøgningsfristen udvælger den autoriserede rekrutteringschef ansøgere til vurdering efter indstilling fra ansættelsesudvalget. Alle ansøgere får herefter straks besked, om deres ansøgning er gået videre til vurdering af en uvildig bedømmer.
Bedømmeren foretager en ikke-prioriteret vurdering af de faglige kvalifikationer og erfaringer med hensyn til det ovennævnte forskningsområde, teknikker, færdigheder og andre krav anført i annoncen.
Når bedømmelsesarbejdet er afsluttet, får hver ansøger mulighed for at kommentere den del af vurderingen, der vedrører ansøgeren selv.
Du finder information om rekrutteringsprocessen på: http://employment.ku.dk/faculty/recruitment-process/
Ansøgerne vil blive vurderet i henhold til Ministeriel Bekendtgørelse nr. 242 af 13. marts 2012 om ansættelse af videnskabeligt personale ved universiteter.
Københavns Universitet ønsker at afspejle samfundets mangfoldighed og opfordrer alle kvalificerede kandidater til at søge uanset personlig baggrund.
