Datalogisk Institut (DIKU) inviterer ansøgere til PhD-stipendiater i datalogi. Dette projekt er en del af projektet “Differentiable Realism from AI and Modeling” (DREAM), finansieret af Novo Nordisk Fonden. Startdatoen er (forventet) den 1. januar 2027 eller snarest muligt derefter. Stillingen er på 3 år.
Projektet
Dette PhD-projekt vil udvikle simulations-overvågede maskinlæringsmetoder til biologiske data, hvor pålidelige labels er sjældne, dyre eller umulige at opnå. Målet er at træne modeller på syntetiske data genereret af biofysiske simuleringer ved at udvikle simuleringer, der automatisk kan tunes til at være realistiske nok, så de trænede modeller generaliserer til reelle eksperimentelle data.
Projektet vil kombinere differentierbar programmering, biofysisk simulering, differentierbar rendering eller signalgenerering samt maskinlæringsarkitekturer for at reducere gap'et mellem simulering og virkelighed. En central udfordring er automatisk at tune simuleringer, så syntetiske datasæt matcher variabiliteten, støjen og strukturen af reelle, uetiketterede biologiske datasæt. Dette vil gøre det muligt for maskinlæringsmodeller at lære fra perfekt syntetisk ground truth frem for fra begrænsede menneskelige annotationer.
Mulige metodiske retninger inkluderer differentierbare simuleringer i JAX eller PyTorch, neurale eller fysikbaserede renderinger, generativ distributionsmatching og domænetilpasning. Den præcise retning af PhD-projektet vil blive defineret i dialog med den studerende og vil afhænge dels af dennes interesser og baggrund. Et anvendelsesområde er kromatinstruktur, hvor simuleringer af DNA- eller kromatinstruktur kunne understøtte maskinlæringsanalyse af mikroskopidata, herunder segmentering, loop-kvantificering, nukleosom-afstand eller strukturel inferens.
Hvem søger KU - SCIENCE - DATALOGISK INSTITUT - UP1?
KU - SCIENCE - DATALOGISK INSTITUT - UP1 søger højt motiverede kandidater med en stærk baggrund inden for datalogi, maskinlæring, videnskabelig databehandling, fysik, anvendt matematik eller et nært beslægtet felt. Relevant erfaring kan omfatte et eller flere af følgende:
- Maskinlæring, deep learning eller generativ modellering.
- Computer vision eller biologisk billedanalyse.
- Differentierbar programmering, for eksempel i JAX eller PyTorch.
- Numerisk simulering, fysikbaseret modellering eller videnskabelig databehandling.
- Domænetilpasning, syntetisk datagenerering eller simulering-til-virkelighed metoder.
- Mikroskopidata, biofysiske systemer eller beregningsbiologi.
Sektionen
Projektet vil blive hostet af IMAGE-sektionen, som udfører forskning inden for maskinlæring, computer vision og simulering. Sektionen er en del af Datalogisk Institut, Det Natur- og Biovidenskabelige Fakultet, Københavns Universitet. KU - SCIENCE - DATALOGISK INSTITUT - UP1 er beliggende i København.
PhD-vejledere er Julius B. Kirkegaard (E-mail: juki@di.ku.dk) og Jon Sporring (E-mail: sporring@di.ku.dk).
Kvalifikationer til det ordinære program
For at være kvalificeret til det ordinære PhD-program skal du have gennemført et uddannelsesprogram, der svarer til en dansk kandidatgrad (180 ECTS/3 FTE BSc + 120 ECTS/2 FTE MSc), som er relateret til projektets fagområde. For information om berettigelse af gennemførte uddannelser, se General assessments for specific countries og Assessment database.
Ansættelsesvilkår i det ordinære program
Ansættelse som PhD-stipendiat er fuld tid og i maksimalt 3 år. Ansættelse er betinget af din succesfulde indskrivning som PhD-studerende ved PhD-skolen på Det Natur- og Biovidenskabelige Fakultet, Københavns Universitet. Dette kræver indsendelse og accept af en ansøgning til det specifikke projekt formuleret af ansøgeren.
Ansættelses- og lønvilkår sker i henhold til overenskomsten mellem Skatteministeriet og Akademikerne om akademikere i staten. Stillingen er omfattet af Protokol om Stillingsstruktur.
Ansøgnings- og bedømmelsesprocedure
Din ansøgning inklusive alle bilag skal være på engelsk og indsendes elektronisk.
Inkluder venligst:
- Motiveret ansøgning (maks. én side).
- Originale diplomer for Bachelor of Science eller Master of Science samt karakterudskrift på originalsproget, inklusive en autoriseret engelsk oversættelse, hvis udstedt på et andet sprog end engelsk eller dansk. Hvis uddannelsen ikke er afsluttet, accepteres en certificeret/underskrevet kopi af en nylig karakterudskrift eller en skriftlig erklæring fra institutionen eller vejlederen.
- Curriculum vitae inklusive information om din uddannelse, erfaring, sprogfærdigheder og andre relevante færdigheder for stillingen. Inkluder om muligt også en note om dine karakterer fra diplomerne.
- Inkluder en publikation, et projekt eller en kode, som du er stolt af.
- Kopi af din bachelor- eller kandidatafhandling (hvis tilgængelig).
- Navn og e-mail på reference(r).
- Publikationsliste (hvis tilgængelig).
- Referencenbreve (hvis tilgængelige).
Ansøgningsfrist
Ansøgningsfristen er den 15. september 2026 kl. 23:59 CET. KU - SCIENCE - DATALOGISK INSTITUT - UP1 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 fristen vil et antal ansøgere blive udvalgt til akademisk bedømmelse af en uvildig ekspertbedømmer. Du vil blive underrettet, om du er gået videre til bedømmelse. Bedømmeren vil vurdere de udvalgte ansøgeres kvalifikationer og erfaring i forhold til det ovenfor nævnte forskningsområde, teknikker, færdigheder og andre krav. Bedømmeren vil konkludere, om hver ansøger er kvalificeret og i så fald til hvilken af de to modeller.
De bedømte ansøgere får mulighed for at kommentere på deres bedømmelse. Du kan læse om rekrutteringsprocessen på http://employment.ku.dk/faculty/recruitment-process/.
Spørgsmål
For specifik information om PhD-stipendiet, kontakt venligst hovedvejlederen. Generel information om PhD-studiet på Det Natur- og Biovidenskabelige Fakultet er tilgængelig på PhD-skolens hjemmeside: https://www.science.ku.dk/phd/.
Københavns Universitet ønsker at afspejle det omgivende samfund og opfordrer alle uanset personlig baggrund til at søge.
