Datalogisk Institut (DIKU) inviterer ansøgere til en postdoc-stilling inden for datalogi. Stillingen er en del af projektet Differentiable Realism from AI and Modeling (DREAM), som finansieres af Novo Nordisk Fonden.
Startdatoen er (forventet) den 1. januar 2027 eller snarest muligt derefter. Stillingen er et- eller toårig.
ProjektetDette postdoc-projekt vil udvikle generelle selvsuperviserede og usuperviserede maskinlæringsmetoder til biologiske data, hvor pålidelige labels er knappe, dyre eller umulige at opnå. Målet er at opbygge metoder, der bruger ulablede eksperimentelle data sammen med differentierbare simulationer til at generere realistiske syntetiske datasæt, overførbare repræsentationer og robuste downstream-modeller uden at være afhængige af store manuelt labelerede datasæt.
Der er frihed til at påvirke projektet, og den nøjagtige retning vil blive defineret i dialog med kandidaten. Mulige metodologiske retninger inkluderer generativ distributionsmatchning, domænetilpasning, diffusions- eller scorebaserede modeller til støj- og stiloverførsel, kontrastiv og maskeret selvsuperviseret læring, usikkerhedsbevidst læring og få-skuds-tilpasning.
Projektet er rodfæstet i videnskabelig maskinlæring, med biologisk billeddannelse og biofysisk simulering som drivende testområder. KU - SCIENCE - DATALOGISK INSTITUT - UP1 arbejder med data, der spænder fra kromatinorganisation til sporing af mikroorganismer. En stærk kandidat kan komme fra maskinlæring, computersyn, generativ modellering, videnskabelig computing, simulationsbaseret inferens eller et relateret område.
Hvem søger KU - SCIENCE - DATALOGISK INSTITUT - UP1?KU - SCIENCE - DATALOGISK INSTITUT - UP1 søger stærkt motiverede kandidater med en ph.d. eller tilsvarende forskningserfaring inden for datalogi, maskinlæring, videnskabelig computing, fysik, anvendt matematik, ingeniørvidenskab, beregningsbiologi eller et nært beslægtet felt.
Relevant erfaring kan omfatte et eller flere af følgende:
- generativ AI, herunder diffusionsmodeller/flow-matching, GAN'er, VAE'er, normaliserende flows eller energibaserede modeller
- selvsuperviseret, usuperviseret eller semisuperviseret læring og repræsentationslæring
- kontrastiv læring, maskeret modellering, domænetilpasning eller uafhængig oversættelse
- syntetisk-til-reel læring, simulations-til-virkelighedsmetoder eller få-skuds-tilpasning
- differentierbar programmering, automatisk differentiering og optimering i JAX, PyTorch eller lignende rammer
- videnskabelig maskinlæring, inverse problemer, differentierbar simulering eller fysikbaseret modellering
- computersyn, biologisk billedanalyse, mikroskopidata eller andre støjende højdimensionelle videnskabelige data
Den succesfulde kandidat skal være i stand til at udføre uafhængig forskning, formulere generelle metodologiske spørgsmål, skrive og vedligeholde forskningssoftware samt samarbejde med forskere, der arbejder med applikationsspecifikke projekter og eksperimentelle valideringsdata.
SektionenProjektet vil blive forankret i IMAGE-sektionen, som udfører forskning inden for maskinlæring, computersyn og simulering. Sektionen er en del af Datalogisk Institut, Det Naturvidenskabelige Fakultet, Københavns Universitet. KU - SCIENCE - DATALOGISK INSTITUT - UP1 er beliggende i København.
Kontakt: Julius B. Kirkegaard. E-mail: juki@di.ku.dk
Udenlandske ansøgere kan finde dette link nyttigt: www.ism.ku.dk (International Staff Mobility).
AnsættelsesvilkårDen gennemsnitlige ugentlige arbejdstid er 37 timer.
Stillingen er en tidsbegrænset ansættelse på 1 eller 2 år. Startdatoen er den 1. januar 2027 eller efter aftale.
Løn, pension og andre ansættelsesvilkår fastsættes i henhold til overenskomst mellem Skatteministeriet og AC (Akademikerne) eller anden relevant organisation. Aktuelt starter månedslønnen på 39.900 DKK/ca. 5.300 EUR (niveau august 2026). Afhængigt af kvalifikationer kan der forhandles et tillæg. Arbejdsgiveren vil indbetale yderligere 17,1 % til din pensionskasse.
Udenlandske og danske ansøgere kan være berettiget til skattefordele, hvis de har en ph.d.-grad og ikke har boet i Danmark de seneste 10 år.
Stillingen er omfattet af stillingsstrukturen for videnskabeligt personale ved universiteter 2020.
Ansøgning og vurderingsprocedureDin ansøgning, inklusive alle bilag, skal være på engelsk og indsendes elektronisk.
Medsend venligst:
- Motiveret ansøgning (maks. én side)
- Curriculum vitae, herunder information om din uddannelse, forskningserfaring, softwareerfaring, sprogfærdigheder og andre færdigheder, der er relevante for stillingen.
- Diplomer for kandidat- og ph.d.-grad, inklusive karakterudskrift, hvor dette er tilgængeligt. Hvis ph.d.-graden endnu ikke er afsluttet, skal der medsendes en certificeret/underskrevet erklæring fra institutionen eller vejlederen, der bekræfter forventet færdiggørelse.
- Inkludér én publikation, et projekt eller et kodelager, du er stolt af.
- Kopi af din ph.d.-afhandling eller afhandlingsresumé (hvis tilgængeligt).
- Navn og e-mailadresse på reference(r).
- Publikationsliste.
- Anbefalingsbreve (hvis tilgængeligt).
Ansøgningsfristen er den 15. september 2026, kl. 23:59, CET.
KU - SCIENCE - DATALOGISK INSTITUT - UP1 forbeholder sig ret til ikke at behandle materiale modtaget efter fristens udløb, og heller ikke ansøgninger der ikke lever op til de ovennævnte krav.
Den videre procesEfter ansøgningsfristens udløb udvælger den autoriserede rekrutteringsansvarlige ansøgere til vurdering efter indstilling fra ansættelsesudvalget. Alle ansøgere får herefter straks besked om, hvorvidt deres ansøgning er gået videre til vurdering af en uvildig bedømmer. Når bedømmelsesarbejdet er afsluttet, får hver ansøger mulighed for at kommentere den del af vurderingen, der vedrører ansøgeren selv.
Ansøgeren vil blive bedømt i henhold til 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.
