Datalogisk Institut (DIKU) inviterer ansøgere til PhD-stipendier inden for datalogi. Dette projekt er en del af projektet “Differentiable Realism from AI and Modeling” (DREAM), som er finansieret af Novo Nordisk Fonden.
Startdatoen forventes at være den 1. januar 2027 eller snarest derefter. Stillingen er på 3 år.
Projektet
Dette PhD-projekt vil udvikle simulationssuperviserede maskinlæringsmetoder til biologiske data, hvor pålidelige labels er knappe, dyre eller umulige at opnå. Målet er at træne modeller på syntetiske data genereret af biofysiske simulationer ved at udvikle simulationer, der automatisk kan justeres til at være realistiske nok, så de trænede modeller generaliserer til reelle eksperimentelle data.
Projektet vil kombinere differentierbar programmering, biofysisk simulation, differentierbar rendering eller signalgenerering samt maskinlæringsarkitekturer for at reducere gabet mellem simulation og virkelighed. En central udfordring er at automatisk justere simulationer, så syntetiske datasæt matcher variabiliteten, støjen og strukturen af reelle, ulabelerede biologiske datasæt. Dette vil gøre det muligt for maskinlæringsmodeller at lære fra perfekt syntetisk grundsandhed frem for fra begrænsede menneskelige annotationer.
Mulige metodologiske retninger inkluderer differentierbare simulationer 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 delvist afhænge af vedkommendes interesser og baggrund. Et anvendelsesområde er kromatinstruktur, hvor simulationer af DNA- eller kromatinstruktur kan 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 yderst motiverede kandidater med en stærk baggrund inden for datalogi, maskinlæring, videnskabelig computing, fysik, anvendt matematik eller et nært beslægtet felt.
Relevant erfaring kan omfatte et eller flere af følgende:
- maskinlæring, deep learning eller generativ modellering
- computersyn eller biologisk billedanalyse
- differentierbar programmering, for eksempel i JAX eller PyTorch
- numerisk simulation, fysikbaseret modellering eller videnskabelig computing
- domænetilpasning, generering af syntetiske data eller simulations-til-virkelighed metoder
- mikroskopidata, biofysiske systemer eller beregningsbiologi.
Sektionen
Projektet vil blive hostet af IMAGE-sektionen, som udfører forskning inden for maskinlæring, computersyn og simulation. 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 berettiget til det ordinære PhD-program skal du have afsluttet et uddannelsesprogram svarende til en dansk kandidatgrad (180 ECTS/3 FTE BSc + 120 ECTS/2 FTE MSc) inden for projektets fagområde, f.eks. [relevante uddannelser]. For information om berettigelse af afsluttede programmer, se General assessments for specific countries og Assessment database.
Ansættelsesvilkår i det ordinære program
Ansættelse som PhD-stipendiat er på fuld tid og for maksimalt 3 år.
Ansættelsen er betinget af, at du optages som PhD-studerende ved PhD-skolen ved 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 overenskomst mellem Skatteministeriet og Akademikerne om Akademikere i staten. Stillingen er omfattet af Protokol om Jobstruktur.
Ansøgnings- og vurderingsprocedure
Din ansøgning inklusive alle bilag skal være på engelsk og indsendes elektronisk.
Inkluder venligst:
- Motiveret ansøgning (maks. én side)
- Originale eksamensbeviser for bachelor- eller kandidatgrad samt karakterudskrifter 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.
- Curriculum vitae inklusive information om din uddannelse, erfaring, sprogfærdigheder og andre færdigheder, der er relevante for stillingen. Inkluder om muligt også en note om dine karakterer fra eksamensbeviserne.
- Inkluder en publikation, et projekt eller kode, som du er stolt af.
- Kopi af din bachelor- eller kandidatafhandling (hvis tilgængelig).
- Navn, e-mail på reference(r).
- Publikationsliste (hvis tilgængelig).
- Referencebreve (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 opfylder de ovennævnte krav.
Den videre proces
Efter fristens udløb vil et antal ansøgere blive udvalgt til faglig vurdering af en uvildig ekspertbedømmer. Du vil blive underrettet, om du går videre til vurdering.
Bedømmeren vil vurdere de udvalgte ansøgeres kvalifikationer og erfaringer i forhold til det ovennævnte 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 vurderede ansøgere får mulighed for at kommentere deres vurdering. Du kan læse om rekrutteringsprocessen på http://employment.ku.dk/faculty/recruitment-process/.
Spørgsmål
For specifik information om PhD-stipendiet bedes du kontakte hovedvejlederen.
Generel information om PhD-studier ved Det Natur- og Biovidenskabelige Fakultet er tilgængelig på PhD-skolens hjemmeside: https://www.science.ku.dk/phd/
Københavns Universitet ønsker at afspejle det omkringliggende samfund og inviterer alle uanset personlig baggrund til at ansøge.
