Lediga jobb som Doktorand hos UPPSALA UNIVERSITET

• Doktorand i modellering av kärnbränsleprestanda med maskininlärning

  Arbetsgivare / Ort:UPPSALA UNIVERSITET / Uppsala

  Omfattning / Varaktighet:Vanlig anställning / 6 månader eller längre

  Lönetyp: Fast månads- vecko- eller timlön

  Ansök senast 30 september (23 dagar kvar)

  Publicerad: 2026-08-19

  Källa: Arbetsförmedlingen

  Ansök här

  Om jobbet

  Projektet genomförs inom kompetenscentrumet ANItA (Academic-industrial Nuclear technology Initiative to Achieve a sustainable energy future). Du kommer att ingå i en gemensam akademisk och industriell forskningsmiljö med handledning från både Uppsala universitet och industripartner. Genom det nära samarbetet med industrin får du möjlighet att utveckla forskningsmetoder med tydlig industriell relevans och bidra till kunskapsutbyte mellan akademi och industri.

  Tillförlitliga och snabba bränsleprestandaberäkningar är viktiga för såväl dagens reaktorer som framtida konstruktioner, inklusive små modulära reaktorer (SMR). Projektet bygger vidare på den forskning som har bedrivits inom CaNel – Calibration of Fuel Performance Codes, där metoder baserade på statistisk kalibrering, osäkerhetskvantifiering och maskininlärningsbaserad surrogatmodellering har utvecklats för simulering av kärnbränsleprestanda. Du kommer att vidareutveckla dessa metoder för att möjliggöra snabbare och mer precisa förutsägelser med väl kvantifierade osäkerheter.

  Projektet omfattar bland annat kalibrering mot tidsberoende och axiellt upplösta mätdata, överföring av osäkerheter mellan kopplade delmodeller samt utveckling av tidsberoende maskininlärningsbaserade surrogatmodeller. Modellerna ska kunna hantera variationer i exempelvis bränsletyp, anrikning och gadoliniuminnehåll, utvärderas även utanför träningsområdet och tillämpas på ett bredare urval av bränsledesigner och driftförhållanden. De ska även demonstreras i industriellt relevanta tillämpningar, såsom prediktion av kapslingens tangentialspänning och bedömning av risken för PCI-relaterade bränsleskador.

  Arbetsuppgifter

  Arbetsuppgifterna består huvudsakligen av forskarutbildning, där du bedriver forskning inom projektet och följer kurser inom forskarutbildningen. Arbetet innefattar utveckling, implementering och utvärdering av statistiska och maskininlärningsbaserade metoder för kalibrering och simulering av kärnbränsleprestanda.

  I arbetsuppgifterna ingår att:

  • vidareutveckla kalibreringsmetoder så att tidsberoende och axiellt upplösta mätdata kan användas,
  • utveckla metoder för att propagera osäkerheter mellan kalibrerade och kopplade delmodeller och därmed undvika dubbelräkning av effekter
  • utveckla och utvärdera tidsberoende maskininlärningsmodeller för sekvens-till-sekvens-prediktion av bränslebeteende,
  • utöka surrogatmodeller så att de kan hantera flera bränsletyper, anrikningsgrader och halter av gadolinia samt, om möjligt, prediktera osäkerheter,
  • generera och analysera tränings- och valideringsdata för ett brett spektrum av effekthistorier och driftförhållanden samt undersöka modellernas generaliserbarhet utanför träningsområdet,
  • demonstrera surrogatmodellernas användbarhet i industriellt relevanta tillämpningar, exempelvis för prediktion av kapslingens tangentialspänning och bedömning av PCI-risk,
  • implementera, testa och dokumentera beräkningsverktyg, exempelvis i Python, och bidra till reproducerbara beräkningsflöden,
  • sammanställa, publicera och presentera forskningsresultat samt delta i forskargruppens seminarier, projektmöten och övriga vetenskapliga aktiviteter.

  Undervisning och annan institutionstjänstgöring kan komma att ingå med högst 20 procent av heltid.

  Kvalifikationskrav

  Behörig till utbildning på forskarnivå är den som har

  • avlagt examen på avancerad nivå inom teknisk fysik, kärnteknik, tillämpad fysik, energiteknik, beräkningsvetenskap, tillämpad matematik, statistik, maskininlärning eller annat för projektet relevant område, eller 
  • fullgjort minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå inklusive ett självständigt arbete om minst 15 högskolepoäng, eller
  • på något annat sätt förvärvat i huvudsak motsvarande kunskaper.

  För anställningen krävs dessutom:

  • goda kunskaper i fysik, numeriska metoder, statistik och/eller maskininlärning,
  • god programmeringsförmåga, exempelvis i Python, Julia, C++ eller motsvarande,
  • god förmåga att arbeta självständigt och strukturerat,
  • god samarbetsförmåga,
  • god förmåga att uttrycka sig i tal och skrift på engelska.

  Önskvärt/meriterande i övrigt

  Det är meriterande med erfarenhet av ett eller flera av följande områden:

  • kärnbränsle, bränsleprestandamodellering, reaktorfysik eller kärnteknik,
  • numerisk modellering av värmeöverföring, materialbeteende eller solidmekanik,
  • Bayesiansk inferens, modellkalibrering eller MCMC-metoder,
  • osäkerhetskvantifiering, statistisk modellering eller gaussiska processer,
  • maskininlärning för tidsserier, sekvens-till-sekvens-modeller eller surrogatmodellering,
  • arbete med vetenskapliga beräkningsprogram, stora simulerings- eller mätdata och högpresterande beräkningar,
  • erfarenhet av versionshantering och reproducerbara beräkningsflöden.

  Stor vikt kommer att läggas vid personliga egenskaper såsom analytisk förmåga, initiativförmåga, noggrannhet och motivation att bedriva forskarstudier i nära samverkan mellan akademi och industri.

  Bestämmelser för doktorander återfinns i Högskoleförordningen 5 kap §§ 1–7 samt i universitetets regler och riktlinjer.

  Information om forskarutbildning, behörighetskrav och antagningsregler finns på Vetenskapsområdet för teknik och naturvetenskaps hemsida.

  Om ansökan

  Vänligen bifoga betygsutdrag, kopia av examensarbete samt eventuella övriga handlingar som du vill åberopa.

  Om anställningen 

  Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde 1 januari 2027, eller enligt överenskommelse. Placeringsort: Uppsala, Sverige.

  Välkommen med din ansökan senast den 30 september 2026, UFV-PA 2026/2448.

  Observera att detta är en förkortad version av annonsen. För att se den fullständiga annonsen vänligen klicka på ”Ansök här” eller se Uppsala universitets hemsida för jobbannonser.

  Arbetsgivare

  UPPSALA UNIVERSITET
  Box 256
  75105 Uppsala

  Webbplats: http://www.uu.se/jobb/
  

  Ansökan

  Ansök senast 30 september (23 dagar kvar)

  Ansök här

  Visa mer

• Doktorand i modellering av kärnbränsleprestanda med maskininlärning

  Arbetsgivare / Ort:UPPSALA UNIVERSITET / Uppsala

  Omfattning / Varaktighet:Vanlig anställning / 6 månader eller längre

  Lönetyp: Fast månads- vecko- eller timlön

  Ansök senast 30 september (23 dagar kvar)

  Publicerad: 2026-08-19

  Källa: Arbetsförmedlingen

  Ansök här

  Om jobbet

  Projektet genomförs inom kompetenscentrumet ANItA (Academic-industrial Nuclear technology Initiative to Achieve a sustainable energy future). Du kommer att ingå i en gemensam akademisk och industriell forskningsmiljö med handledning från både Uppsala universitet och industripartner. Genom det nära samarbetet med industrin får du möjlighet att utveckla forskningsmetoder med tydlig industriell relevans och bidra till kunskapsutbyte mellan akademi och industri.

  Tillförlitliga och snabba bränsleprestandaberäkningar är viktiga för såväl dagens reaktorer som framtida konstruktioner, inklusive små modulära reaktorer (SMR). Projektet bygger vidare på den forskning som har bedrivits inom CaNel – Calibration of Fuel Performance Codes, där metoder baserade på statistisk kalibrering, osäkerhetskvantifiering och maskininlärningsbaserad surrogatmodellering har utvecklats för simulering av kärnbränsleprestanda. Du kommer att vidareutveckla dessa metoder för att möjliggöra snabbare och mer precisa förutsägelser med väl kvantifierade osäkerheter.

  Projektet omfattar bland annat kalibrering mot tidsberoende och axiellt upplösta mätdata, överföring av osäkerheter mellan kopplade delmodeller samt utveckling av tidsberoende maskininlärningsbaserade surrogatmodeller. Modellerna ska kunna hantera variationer i exempelvis bränsletyp, anrikning och gadoliniuminnehåll, utvärderas även utanför träningsområdet och tillämpas på ett bredare urval av bränsledesigner och driftförhållanden. De ska även demonstreras i industriellt relevanta tillämpningar, såsom prediktion av kapslingens tangentialspänning och bedömning av risken för PCI-relaterade bränsleskador.

  Arbetsuppgifter

  Arbetsuppgifterna består huvudsakligen av forskarutbildning, där du bedriver forskning inom projektet och följer kurser inom forskarutbildningen. Arbetet innefattar utveckling, implementering och utvärdering av statistiska och maskininlärningsbaserade metoder för kalibrering och simulering av kärnbränsleprestanda.

  I arbetsuppgifterna ingår att:

  • vidareutveckla kalibreringsmetoder så att tidsberoende och axiellt upplösta mätdata kan användas,
  • utveckla metoder för att propagera osäkerheter mellan kalibrerade och kopplade delmodeller och därmed undvika dubbelräkning av effekter
  • utveckla och utvärdera tidsberoende maskininlärningsmodeller för sekvens-till-sekvens-prediktion av bränslebeteende,
  • utöka surrogatmodeller så att de kan hantera flera bränsletyper, anrikningsgrader och halter av gadolinia samt, om möjligt, prediktera osäkerheter,
  • generera och analysera tränings- och valideringsdata för ett brett spektrum av effekthistorier och driftförhållanden samt undersöka modellernas generaliserbarhet utanför träningsområdet,
  • demonstrera surrogatmodellernas användbarhet i industriellt relevanta tillämpningar, exempelvis för prediktion av kapslingens tangentialspänning och bedömning av PCI-risk,
  • implementera, testa och dokumentera beräkningsverktyg, exempelvis i Python, och bidra till reproducerbara beräkningsflöden,
  • sammanställa, publicera och presentera forskningsresultat samt delta i forskargruppens seminarier, projektmöten och övriga vetenskapliga aktiviteter.

  Undervisning och annan institutionstjänstgöring kan komma att ingå med högst 20 procent av heltid.

  Kvalifikationskrav

  Behörig till utbildning på forskarnivå är den som har

  • avlagt examen på avancerad nivå inom teknisk fysik, kärnteknik, tillämpad fysik, energiteknik, beräkningsvetenskap, tillämpad matematik, statistik, maskininlärning eller annat för projektet relevant område, eller 
  • fullgjort minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå inklusive ett självständigt arbete om minst 15 högskolepoäng, eller
  • på något annat sätt förvärvat i huvudsak motsvarande kunskaper.

  För anställningen krävs dessutom:

  • goda kunskaper i fysik, numeriska metoder, statistik och/eller maskininlärning,
  • god programmeringsförmåga, exempelvis i Python, Julia, C++ eller motsvarande,
  • god förmåga att arbeta självständigt och strukturerat,
  • god samarbetsförmåga,
  • god förmåga att uttrycka sig i tal och skrift på engelska.

  Önskvärt/meriterande i övrigt

  Det är meriterande med erfarenhet av ett eller flera av följande områden:

  • kärnbränsle, bränsleprestandamodellering, reaktorfysik eller kärnteknik,
  • numerisk modellering av värmeöverföring, materialbeteende eller solidmekanik,
  • Bayesiansk inferens, modellkalibrering eller MCMC-metoder,
  • osäkerhetskvantifiering, statistisk modellering eller gaussiska processer,
  • maskininlärning för tidsserier, sekvens-till-sekvens-modeller eller surrogatmodellering,
  • arbete med vetenskapliga beräkningsprogram, stora simulerings- eller mätdata och högpresterande beräkningar,
  • erfarenhet av versionshantering och reproducerbara beräkningsflöden.

  Stor vikt kommer att läggas vid personliga egenskaper såsom analytisk förmåga, initiativförmåga, noggrannhet och motivation att bedriva forskarstudier i nära samverkan mellan akademi och industri.

  Bestämmelser för doktorander återfinns i Högskoleförordningen 5 kap §§ 1–7 samt i universitetets regler och riktlinjer.

  Information om forskarutbildning, behörighetskrav och antagningsregler finns på Vetenskapsområdet för teknik och naturvetenskaps hemsida.

  Om ansökan

  Vänligen bifoga betygsutdrag, kopia av examensarbete samt eventuella övriga handlingar som du vill åberopa.

  Om anställningen 

  Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde 1 januari 2027, eller enligt överenskommelse. Placeringsort: Uppsala, Sverige.

  Välkommen med din ansökan senast den 30 september 2026, UFV-PA 2026/2448.

  Observera att detta är en förkortad version av annonsen. För att se den fullständiga annonsen vänligen klicka på ”Ansök här” eller se Uppsala universitets hemsida för jobbannonser.

  Arbetsgivare

  UPPSALA UNIVERSITET
  Box 256
  75105 Uppsala

  Webbplats: http://www.uu.se/jobb/
  

  Ansökan

  Ansök senast 30 september (23 dagar kvar)

  Ansök här

  Visa mer

• Doktorand i modellering av kärnbränsleprestanda med maskininlärning

  Arbetsgivare / Ort:UPPSALA UNIVERSITET / Uppsala

  Omfattning / Varaktighet:Vanlig anställning / 6 månader eller längre

  Lönetyp: Fast månads- vecko- eller timlön

  Ansök senast 30 september (23 dagar kvar)

  Publicerad: 2026-08-19

  Källa: Arbetsförmedlingen

  Ansök här

  Om jobbet

  Projektet genomförs inom kompetenscentrumet ANItA (Academic-industrial Nuclear technology Initiative to Achieve a sustainable energy future). Du kommer att ingå i en gemensam akademisk och industriell forskningsmiljö med handledning från både Uppsala universitet och industripartner. Genom det nära samarbetet med industrin får du möjlighet att utveckla forskningsmetoder med tydlig industriell relevans och bidra till kunskapsutbyte mellan akademi och industri.

  Tillförlitliga och snabba bränsleprestandaberäkningar är viktiga för såväl dagens reaktorer som framtida konstruktioner, inklusive små modulära reaktorer (SMR). Projektet bygger vidare på den forskning som har bedrivits inom CaNel – Calibration of Fuel Performance Codes, där metoder baserade på statistisk kalibrering, osäkerhetskvantifiering och maskininlärningsbaserad surrogatmodellering har utvecklats för simulering av kärnbränsleprestanda. Du kommer att vidareutveckla dessa metoder för att möjliggöra snabbare och mer precisa förutsägelser med väl kvantifierade osäkerheter.

  Projektet omfattar bland annat kalibrering mot tidsberoende och axiellt upplösta mätdata, överföring av osäkerheter mellan kopplade delmodeller samt utveckling av tidsberoende maskininlärningsbaserade surrogatmodeller. Modellerna ska kunna hantera variationer i exempelvis bränsletyp, anrikning och gadoliniuminnehåll, utvärderas även utanför träningsområdet och tillämpas på ett bredare urval av bränsledesigner och driftförhållanden. De ska även demonstreras i industriellt relevanta tillämpningar, såsom prediktion av kapslingens tangentialspänning och bedömning av risken för PCI-relaterade bränsleskador.

  Arbetsuppgifter

  Arbetsuppgifterna består huvudsakligen av forskarutbildning, där du bedriver forskning inom projektet och följer kurser inom forskarutbildningen. Arbetet innefattar utveckling, implementering och utvärdering av statistiska och maskininlärningsbaserade metoder för kalibrering och simulering av kärnbränsleprestanda.

  I arbetsuppgifterna ingår att:

  • vidareutveckla kalibreringsmetoder så att tidsberoende och axiellt upplösta mätdata kan användas,
  • utveckla metoder för att propagera osäkerheter mellan kalibrerade och kopplade delmodeller och därmed undvika dubbelräkning av effekter
  • utveckla och utvärdera tidsberoende maskininlärningsmodeller för sekvens-till-sekvens-prediktion av bränslebeteende,
  • utöka surrogatmodeller så att de kan hantera flera bränsletyper, anrikningsgrader och halter av gadolinia samt, om möjligt, prediktera osäkerheter,
  • generera och analysera tränings- och valideringsdata för ett brett spektrum av effekthistorier och driftförhållanden samt undersöka modellernas generaliserbarhet utanför träningsområdet,
  • demonstrera surrogatmodellernas användbarhet i industriellt relevanta tillämpningar, exempelvis för prediktion av kapslingens tangentialspänning och bedömning av PCI-risk,
  • implementera, testa och dokumentera beräkningsverktyg, exempelvis i Python, och bidra till reproducerbara beräkningsflöden,
  • sammanställa, publicera och presentera forskningsresultat samt delta i forskargruppens seminarier, projektmöten och övriga vetenskapliga aktiviteter.

  Undervisning och annan institutionstjänstgöring kan komma att ingå med högst 20 procent av heltid.

  Kvalifikationskrav

  Behörig till utbildning på forskarnivå är den som har

  • avlagt examen på avancerad nivå inom teknisk fysik, kärnteknik, tillämpad fysik, energiteknik, beräkningsvetenskap, tillämpad matematik, statistik, maskininlärning eller annat för projektet relevant område, eller 
  • fullgjort minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå inklusive ett självständigt arbete om minst 15 högskolepoäng, eller
  • på något annat sätt förvärvat i huvudsak motsvarande kunskaper.

  För anställningen krävs dessutom:

  • goda kunskaper i fysik, numeriska metoder, statistik och/eller maskininlärning,
  • god programmeringsförmåga, exempelvis i Python, Julia, C++ eller motsvarande,
  • god förmåga att arbeta självständigt och strukturerat,
  • god samarbetsförmåga,
  • god förmåga att uttrycka sig i tal och skrift på engelska.

  Önskvärt/meriterande i övrigt

  Det är meriterande med erfarenhet av ett eller flera av följande områden:

  • kärnbränsle, bränsleprestandamodellering, reaktorfysik eller kärnteknik,
  • numerisk modellering av värmeöverföring, materialbeteende eller solidmekanik,
  • Bayesiansk inferens, modellkalibrering eller MCMC-metoder,
  • osäkerhetskvantifiering, statistisk modellering eller gaussiska processer,
  • maskininlärning för tidsserier, sekvens-till-sekvens-modeller eller surrogatmodellering,
  • arbete med vetenskapliga beräkningsprogram, stora simulerings- eller mätdata och högpresterande beräkningar,
  • erfarenhet av versionshantering och reproducerbara beräkningsflöden.

  Stor vikt kommer att läggas vid personliga egenskaper såsom analytisk förmåga, initiativförmåga, noggrannhet och motivation att bedriva forskarstudier i nära samverkan mellan akademi och industri.

  Bestämmelser för doktorander återfinns i Högskoleförordningen 5 kap §§ 1–7 samt i universitetets regler och riktlinjer.

  Information om forskarutbildning, behörighetskrav och antagningsregler finns på Vetenskapsområdet för teknik och naturvetenskaps hemsida.

  Om ansökan

  Vänligen bifoga betygsutdrag, kopia av examensarbete samt eventuella övriga handlingar som du vill åberopa.

  Om anställningen 

  Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde 1 januari 2027, eller enligt överenskommelse. Placeringsort: Uppsala, Sverige.

  Välkommen med din ansökan senast den 30 september 2026, UFV-PA 2026/2448.

  Observera att detta är en förkortad version av annonsen. För att se den fullständiga annonsen vänligen klicka på ”Ansök här” eller se Uppsala universitets hemsida för jobbannonser.

  Arbetsgivare

  UPPSALA UNIVERSITET
  Box 256
  75105 Uppsala

  Webbplats: http://www.uu.se/jobb/
  

  Ansökan

  Ansök senast 30 september (23 dagar kvar)

  Ansök här

  Visa mer

• Doktorand i modellering av kärnbränsleprestanda med maskininlärning

  Arbetsgivare / Ort:UPPSALA UNIVERSITET / Uppsala

  Omfattning / Varaktighet:Vanlig anställning / 6 månader eller längre

  Lönetyp: Fast månads- vecko- eller timlön

  Ansök senast 30 september (23 dagar kvar)

  Publicerad: 2026-08-19

  Källa: Arbetsförmedlingen

  Ansök här

  Om jobbet

  Projektet genomförs inom kompetenscentrumet ANItA (Academic-industrial Nuclear technology Initiative to Achieve a sustainable energy future). Du kommer att ingå i en gemensam akademisk och industriell forskningsmiljö med handledning från både Uppsala universitet och industripartner. Genom det nära samarbetet med industrin får du möjlighet att utveckla forskningsmetoder med tydlig industriell relevans och bidra till kunskapsutbyte mellan akademi och industri.

  Tillförlitliga och snabba bränsleprestandaberäkningar är viktiga för såväl dagens reaktorer som framtida konstruktioner, inklusive små modulära reaktorer (SMR). Projektet bygger vidare på den forskning som har bedrivits inom CaNel – Calibration of Fuel Performance Codes, där metoder baserade på statistisk kalibrering, osäkerhetskvantifiering och maskininlärningsbaserad surrogatmodellering har utvecklats för simulering av kärnbränsleprestanda. Du kommer att vidareutveckla dessa metoder för att möjliggöra snabbare och mer precisa förutsägelser med väl kvantifierade osäkerheter.

  Projektet omfattar bland annat kalibrering mot tidsberoende och axiellt upplösta mätdata, överföring av osäkerheter mellan kopplade delmodeller samt utveckling av tidsberoende maskininlärningsbaserade surrogatmodeller. Modellerna ska kunna hantera variationer i exempelvis bränsletyp, anrikning och gadoliniuminnehåll, utvärderas även utanför träningsområdet och tillämpas på ett bredare urval av bränsledesigner och driftförhållanden. De ska även demonstreras i industriellt relevanta tillämpningar, såsom prediktion av kapslingens tangentialspänning och bedömning av risken för PCI-relaterade bränsleskador.

  Arbetsuppgifter

  Arbetsuppgifterna består huvudsakligen av forskarutbildning, där du bedriver forskning inom projektet och följer kurser inom forskarutbildningen. Arbetet innefattar utveckling, implementering och utvärdering av statistiska och maskininlärningsbaserade metoder för kalibrering och simulering av kärnbränsleprestanda.

  I arbetsuppgifterna ingår att:

  • vidareutveckla kalibreringsmetoder så att tidsberoende och axiellt upplösta mätdata kan användas,
  • utveckla metoder för att propagera osäkerheter mellan kalibrerade och kopplade delmodeller och därmed undvika dubbelräkning av effekter
  • utveckla och utvärdera tidsberoende maskininlärningsmodeller för sekvens-till-sekvens-prediktion av bränslebeteende,
  • utöka surrogatmodeller så att de kan hantera flera bränsletyper, anrikningsgrader och halter av gadolinia samt, om möjligt, prediktera osäkerheter,
  • generera och analysera tränings- och valideringsdata för ett brett spektrum av effekthistorier och driftförhållanden samt undersöka modellernas generaliserbarhet utanför träningsområdet,
  • demonstrera surrogatmodellernas användbarhet i industriellt relevanta tillämpningar, exempelvis för prediktion av kapslingens tangentialspänning och bedömning av PCI-risk,
  • implementera, testa och dokumentera beräkningsverktyg, exempelvis i Python, och bidra till reproducerbara beräkningsflöden,
  • sammanställa, publicera och presentera forskningsresultat samt delta i forskargruppens seminarier, projektmöten och övriga vetenskapliga aktiviteter.

  Undervisning och annan institutionstjänstgöring kan komma att ingå med högst 20 procent av heltid.

  Kvalifikationskrav

  Behörig till utbildning på forskarnivå är den som har

  • avlagt examen på avancerad nivå inom teknisk fysik, kärnteknik, tillämpad fysik, energiteknik, beräkningsvetenskap, tillämpad matematik, statistik, maskininlärning eller annat för projektet relevant område, eller 
  • fullgjort minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå inklusive ett självständigt arbete om minst 15 högskolepoäng, eller
  • på något annat sätt förvärvat i huvudsak motsvarande kunskaper.

  För anställningen krävs dessutom:

  • goda kunskaper i fysik, numeriska metoder, statistik och/eller maskininlärning,
  • god programmeringsförmåga, exempelvis i Python, Julia, C++ eller motsvarande,
  • god förmåga att arbeta självständigt och strukturerat,
  • god samarbetsförmåga,
  • god förmåga att uttrycka sig i tal och skrift på engelska.

  Önskvärt/meriterande i övrigt

  Det är meriterande med erfarenhet av ett eller flera av följande områden:

  • kärnbränsle, bränsleprestandamodellering, reaktorfysik eller kärnteknik,
  • numerisk modellering av värmeöverföring, materialbeteende eller solidmekanik,
  • Bayesiansk inferens, modellkalibrering eller MCMC-metoder,
  • osäkerhetskvantifiering, statistisk modellering eller gaussiska processer,
  • maskininlärning för tidsserier, sekvens-till-sekvens-modeller eller surrogatmodellering,
  • arbete med vetenskapliga beräkningsprogram, stora simulerings- eller mätdata och högpresterande beräkningar,
  • erfarenhet av versionshantering och reproducerbara beräkningsflöden.

  Stor vikt kommer att läggas vid personliga egenskaper såsom analytisk förmåga, initiativförmåga, noggrannhet och motivation att bedriva forskarstudier i nära samverkan mellan akademi och industri.

  Bestämmelser för doktorander återfinns i Högskoleförordningen 5 kap §§ 1–7 samt i universitetets regler och riktlinjer.

  Information om forskarutbildning, behörighetskrav och antagningsregler finns på Vetenskapsområdet för teknik och naturvetenskaps hemsida.

  Om ansökan

  Vänligen bifoga betygsutdrag, kopia av examensarbete samt eventuella övriga handlingar som du vill åberopa.

  Om anställningen 

  Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde 1 januari 2027, eller enligt överenskommelse. Placeringsort: Uppsala, Sverige.

  Välkommen med din ansökan senast den 30 september 2026, UFV-PA 2026/2448.

  Observera att detta är en förkortad version av annonsen. För att se den fullständiga annonsen vänligen klicka på ”Ansök här” eller se Uppsala universitets hemsida för jobbannonser.

  Arbetsgivare

  UPPSALA UNIVERSITET
  Box 256
  75105 Uppsala

  Webbplats: http://www.uu.se/jobb/
  

  Ansökan

  Ansök senast 30 september (23 dagar kvar)

  Ansök här

  Visa mer

• Doktorand i modellering av kärnbränsleprestanda med maskininlärning

  Arbetsgivare / Ort:UPPSALA UNIVERSITET / Uppsala

  Omfattning / Varaktighet:Vanlig anställning / 6 månader eller längre

  Lönetyp: Fast månads- vecko- eller timlön

  Ansök senast 30 september (23 dagar kvar)

  Publicerad: 2026-08-19

  Källa: Arbetsförmedlingen

  Ansök här

  Om jobbet

  Projektet genomförs inom kompetenscentrumet ANItA (Academic-industrial Nuclear technology Initiative to Achieve a sustainable energy future). Du kommer att ingå i en gemensam akademisk och industriell forskningsmiljö med handledning från både Uppsala universitet och industripartner. Genom det nära samarbetet med industrin får du möjlighet att utveckla forskningsmetoder med tydlig industriell relevans och bidra till kunskapsutbyte mellan akademi och industri.

  Tillförlitliga och snabba bränsleprestandaberäkningar är viktiga för såväl dagens reaktorer som framtida konstruktioner, inklusive små modulära reaktorer (SMR). Projektet bygger vidare på den forskning som har bedrivits inom CaNel – Calibration of Fuel Performance Codes, där metoder baserade på statistisk kalibrering, osäkerhetskvantifiering och maskininlärningsbaserad surrogatmodellering har utvecklats för simulering av kärnbränsleprestanda. Du kommer att vidareutveckla dessa metoder för att möjliggöra snabbare och mer precisa förutsägelser med väl kvantifierade osäkerheter.

  Projektet omfattar bland annat kalibrering mot tidsberoende och axiellt upplösta mätdata, överföring av osäkerheter mellan kopplade delmodeller samt utveckling av tidsberoende maskininlärningsbaserade surrogatmodeller. Modellerna ska kunna hantera variationer i exempelvis bränsletyp, anrikning och gadoliniuminnehåll, utvärderas även utanför träningsområdet och tillämpas på ett bredare urval av bränsledesigner och driftförhållanden. De ska även demonstreras i industriellt relevanta tillämpningar, såsom prediktion av kapslingens tangentialspänning och bedömning av risken för PCI-relaterade bränsleskador.

  Arbetsuppgifter

  Arbetsuppgifterna består huvudsakligen av forskarutbildning, där du bedriver forskning inom projektet och följer kurser inom forskarutbildningen. Arbetet innefattar utveckling, implementering och utvärdering av statistiska och maskininlärningsbaserade metoder för kalibrering och simulering av kärnbränsleprestanda.

  I arbetsuppgifterna ingår att:

  • vidareutveckla kalibreringsmetoder så att tidsberoende och axiellt upplösta mätdata kan användas,
  • utveckla metoder för att propagera osäkerheter mellan kalibrerade och kopplade delmodeller och därmed undvika dubbelräkning av effekter
  • utveckla och utvärdera tidsberoende maskininlärningsmodeller för sekvens-till-sekvens-prediktion av bränslebeteende,
  • utöka surrogatmodeller så att de kan hantera flera bränsletyper, anrikningsgrader och halter av gadolinia samt, om möjligt, prediktera osäkerheter,
  • generera och analysera tränings- och valideringsdata för ett brett spektrum av effekthistorier och driftförhållanden samt undersöka modellernas generaliserbarhet utanför träningsområdet,
  • demonstrera surrogatmodellernas användbarhet i industriellt relevanta tillämpningar, exempelvis för prediktion av kapslingens tangentialspänning och bedömning av PCI-risk,
  • implementera, testa och dokumentera beräkningsverktyg, exempelvis i Python, och bidra till reproducerbara beräkningsflöden,
  • sammanställa, publicera och presentera forskningsresultat samt delta i forskargruppens seminarier, projektmöten och övriga vetenskapliga aktiviteter.

  Undervisning och annan institutionstjänstgöring kan komma att ingå med högst 20 procent av heltid.

  Kvalifikationskrav

  Behörig till utbildning på forskarnivå är den som har

  • avlagt examen på avancerad nivå inom teknisk fysik, kärnteknik, tillämpad fysik, energiteknik, beräkningsvetenskap, tillämpad matematik, statistik, maskininlärning eller annat för projektet relevant område, eller 
  • fullgjort minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå inklusive ett självständigt arbete om minst 15 högskolepoäng, eller
  • på något annat sätt förvärvat i huvudsak motsvarande kunskaper.

  För anställningen krävs dessutom:

  • goda kunskaper i fysik, numeriska metoder, statistik och/eller maskininlärning,
  • god programmeringsförmåga, exempelvis i Python, Julia, C++ eller motsvarande,
  • god förmåga att arbeta självständigt och strukturerat,
  • god samarbetsförmåga,
  • god förmåga att uttrycka sig i tal och skrift på engelska.

  Önskvärt/meriterande i övrigt

  Det är meriterande med erfarenhet av ett eller flera av följande områden:

  • kärnbränsle, bränsleprestandamodellering, reaktorfysik eller kärnteknik,
  • numerisk modellering av värmeöverföring, materialbeteende eller solidmekanik,
  • Bayesiansk inferens, modellkalibrering eller MCMC-metoder,
  • osäkerhetskvantifiering, statistisk modellering eller gaussiska processer,
  • maskininlärning för tidsserier, sekvens-till-sekvens-modeller eller surrogatmodellering,
  • arbete med vetenskapliga beräkningsprogram, stora simulerings- eller mätdata och högpresterande beräkningar,
  • erfarenhet av versionshantering och reproducerbara beräkningsflöden.

  Stor vikt kommer att läggas vid personliga egenskaper såsom analytisk förmåga, initiativförmåga, noggrannhet och motivation att bedriva forskarstudier i nära samverkan mellan akademi och industri.

  Bestämmelser för doktorander återfinns i Högskoleförordningen 5 kap §§ 1–7 samt i universitetets regler och riktlinjer.

  Information om forskarutbildning, behörighetskrav och antagningsregler finns på Vetenskapsområdet för teknik och naturvetenskaps hemsida.

  Om ansökan

  Vänligen bifoga betygsutdrag, kopia av examensarbete samt eventuella övriga handlingar som du vill åberopa.

  Om anställningen 

  Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde 1 januari 2027, eller enligt överenskommelse. Placeringsort: Uppsala, Sverige.

  Välkommen med din ansökan senast den 30 september 2026, UFV-PA 2026/2448.

  Observera att detta är en förkortad version av annonsen. För att se den fullständiga annonsen vänligen klicka på ”Ansök här” eller se Uppsala universitets hemsida för jobbannonser.

  Arbetsgivare

  UPPSALA UNIVERSITET
  Box 256
  75105 Uppsala

  Webbplats: http://www.uu.se/jobb/
  

  Ansökan

  Ansök senast 30 september (23 dagar kvar)

  Ansök här

  Visa mer

• Doktorand i modellering av kärnbränsleprestanda med maskininlärning

  Arbetsgivare / Ort:UPPSALA UNIVERSITET / Uppsala

  Omfattning / Varaktighet:Vanlig anställning / 6 månader eller längre

  Lönetyp: Fast månads- vecko- eller timlön

  Ansök senast 30 september (23 dagar kvar)

  Publicerad: 2026-08-19

  Källa: Arbetsförmedlingen

  Ansök här

  Om jobbet

  Projektet genomförs inom kompetenscentrumet ANItA (Academic-industrial Nuclear technology Initiative to Achieve a sustainable energy future). Du kommer att ingå i en gemensam akademisk och industriell forskningsmiljö med handledning från både Uppsala universitet och industripartner. Genom det nära samarbetet med industrin får du möjlighet att utveckla forskningsmetoder med tydlig industriell relevans och bidra till kunskapsutbyte mellan akademi och industri.

  Tillförlitliga och snabba bränsleprestandaberäkningar är viktiga för såväl dagens reaktorer som framtida konstruktioner, inklusive små modulära reaktorer (SMR). Projektet bygger vidare på den forskning som har bedrivits inom CaNel – Calibration of Fuel Performance Codes, där metoder baserade på statistisk kalibrering, osäkerhetskvantifiering och maskininlärningsbaserad surrogatmodellering har utvecklats för simulering av kärnbränsleprestanda. Du kommer att vidareutveckla dessa metoder för att möjliggöra snabbare och mer precisa förutsägelser med väl kvantifierade osäkerheter.

  Projektet omfattar bland annat kalibrering mot tidsberoende och axiellt upplösta mätdata, överföring av osäkerheter mellan kopplade delmodeller samt utveckling av tidsberoende maskininlärningsbaserade surrogatmodeller. Modellerna ska kunna hantera variationer i exempelvis bränsletyp, anrikning och gadoliniuminnehåll, utvärderas även utanför träningsområdet och tillämpas på ett bredare urval av bränsledesigner och driftförhållanden. De ska även demonstreras i industriellt relevanta tillämpningar, såsom prediktion av kapslingens tangentialspänning och bedömning av risken för PCI-relaterade bränsleskador.

  Arbetsuppgifter

  Arbetsuppgifterna består huvudsakligen av forskarutbildning, där du bedriver forskning inom projektet och följer kurser inom forskarutbildningen. Arbetet innefattar utveckling, implementering och utvärdering av statistiska och maskininlärningsbaserade metoder för kalibrering och simulering av kärnbränsleprestanda.

  I arbetsuppgifterna ingår att:

  • vidareutveckla kalibreringsmetoder så att tidsberoende och axiellt upplösta mätdata kan användas,
  • utveckla metoder för att propagera osäkerheter mellan kalibrerade och kopplade delmodeller och därmed undvika dubbelräkning av effekter
  • utveckla och utvärdera tidsberoende maskininlärningsmodeller för sekvens-till-sekvens-prediktion av bränslebeteende,
  • utöka surrogatmodeller så att de kan hantera flera bränsletyper, anrikningsgrader och halter av gadolinia samt, om möjligt, prediktera osäkerheter,
  • generera och analysera tränings- och valideringsdata för ett brett spektrum av effekthistorier och driftförhållanden samt undersöka modellernas generaliserbarhet utanför träningsområdet,
  • demonstrera surrogatmodellernas användbarhet i industriellt relevanta tillämpningar, exempelvis för prediktion av kapslingens tangentialspänning och bedömning av PCI-risk,
  • implementera, testa och dokumentera beräkningsverktyg, exempelvis i Python, och bidra till reproducerbara beräkningsflöden,
  • sammanställa, publicera och presentera forskningsresultat samt delta i forskargruppens seminarier, projektmöten och övriga vetenskapliga aktiviteter.

  Undervisning och annan institutionstjänstgöring kan komma att ingå med högst 20 procent av heltid.

  Kvalifikationskrav

  Behörig till utbildning på forskarnivå är den som har

  • avlagt examen på avancerad nivå inom teknisk fysik, kärnteknik, tillämpad fysik, energiteknik, beräkningsvetenskap, tillämpad matematik, statistik, maskininlärning eller annat för projektet relevant område, eller 
  • fullgjort minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå inklusive ett självständigt arbete om minst 15 högskolepoäng, eller
  • på något annat sätt förvärvat i huvudsak motsvarande kunskaper.

  För anställningen krävs dessutom:

  • goda kunskaper i fysik, numeriska metoder, statistik och/eller maskininlärning,
  • god programmeringsförmåga, exempelvis i Python, Julia, C++ eller motsvarande,
  • god förmåga att arbeta självständigt och strukturerat,
  • god samarbetsförmåga,
  • god förmåga att uttrycka sig i tal och skrift på engelska.

  Önskvärt/meriterande i övrigt

  Det är meriterande med erfarenhet av ett eller flera av följande områden:

  • kärnbränsle, bränsleprestandamodellering, reaktorfysik eller kärnteknik,
  • numerisk modellering av värmeöverföring, materialbeteende eller solidmekanik,
  • Bayesiansk inferens, modellkalibrering eller MCMC-metoder,
  • osäkerhetskvantifiering, statistisk modellering eller gaussiska processer,
  • maskininlärning för tidsserier, sekvens-till-sekvens-modeller eller surrogatmodellering,
  • arbete med vetenskapliga beräkningsprogram, stora simulerings- eller mätdata och högpresterande beräkningar,
  • erfarenhet av versionshantering och reproducerbara beräkningsflöden.

  Stor vikt kommer att läggas vid personliga egenskaper såsom analytisk förmåga, initiativförmåga, noggrannhet och motivation att bedriva forskarstudier i nära samverkan mellan akademi och industri.

  Bestämmelser för doktorander återfinns i Högskoleförordningen 5 kap §§ 1–7 samt i universitetets regler och riktlinjer.

  Information om forskarutbildning, behörighetskrav och antagningsregler finns på Vetenskapsområdet för teknik och naturvetenskaps hemsida.

  Om ansökan

  Vänligen bifoga betygsutdrag, kopia av examensarbete samt eventuella övriga handlingar som du vill åberopa.

  Om anställningen 

  Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde 1 januari 2027, eller enligt överenskommelse. Placeringsort: Uppsala, Sverige.

  Välkommen med din ansökan senast den 30 september 2026, UFV-PA 2026/2448.

  Observera att detta är en förkortad version av annonsen. För att se den fullständiga annonsen vänligen klicka på ”Ansök här” eller se Uppsala universitets hemsida för jobbannonser.

  Arbetsgivare

  UPPSALA UNIVERSITET
  Box 256
  75105 Uppsala

  Webbplats: http://www.uu.se/jobb/
  

  Ansökan

  Ansök senast 30 september (23 dagar kvar)

  Ansök här

  Visa mer

• Doktorand i modellering av kärnbränsleprestanda med maskininlärning

  Arbetsgivare / Ort:UPPSALA UNIVERSITET / Uppsala

  Omfattning / Varaktighet:Vanlig anställning / 6 månader eller längre

  Lönetyp: Fast månads- vecko- eller timlön

  Ansök senast 30 september (23 dagar kvar)

  Publicerad: 2026-08-19

  Källa: Arbetsförmedlingen

  Ansök här

  Om jobbet

  Projektet genomförs inom kompetenscentrumet ANItA (Academic-industrial Nuclear technology Initiative to Achieve a sustainable energy future). Du kommer att ingå i en gemensam akademisk och industriell forskningsmiljö med handledning från både Uppsala universitet och industripartner. Genom det nära samarbetet med industrin får du möjlighet att utveckla forskningsmetoder med tydlig industriell relevans och bidra till kunskapsutbyte mellan akademi och industri.

  Tillförlitliga och snabba bränsleprestandaberäkningar är viktiga för såväl dagens reaktorer som framtida konstruktioner, inklusive små modulära reaktorer (SMR). Projektet bygger vidare på den forskning som har bedrivits inom CaNel – Calibration of Fuel Performance Codes, där metoder baserade på statistisk kalibrering, osäkerhetskvantifiering och maskininlärningsbaserad surrogatmodellering har utvecklats för simulering av kärnbränsleprestanda. Du kommer att vidareutveckla dessa metoder för att möjliggöra snabbare och mer precisa förutsägelser med väl kvantifierade osäkerheter.

  Projektet omfattar bland annat kalibrering mot tidsberoende och axiellt upplösta mätdata, överföring av osäkerheter mellan kopplade delmodeller samt utveckling av tidsberoende maskininlärningsbaserade surrogatmodeller. Modellerna ska kunna hantera variationer i exempelvis bränsletyp, anrikning och gadoliniuminnehåll, utvärderas även utanför träningsområdet och tillämpas på ett bredare urval av bränsledesigner och driftförhållanden. De ska även demonstreras i industriellt relevanta tillämpningar, såsom prediktion av kapslingens tangentialspänning och bedömning av risken för PCI-relaterade bränsleskador.

  Arbetsuppgifter

  Arbetsuppgifterna består huvudsakligen av forskarutbildning, där du bedriver forskning inom projektet och följer kurser inom forskarutbildningen. Arbetet innefattar utveckling, implementering och utvärdering av statistiska och maskininlärningsbaserade metoder för kalibrering och simulering av kärnbränsleprestanda.

  I arbetsuppgifterna ingår att:

  • vidareutveckla kalibreringsmetoder så att tidsberoende och axiellt upplösta mätdata kan användas,
  • utveckla metoder för att propagera osäkerheter mellan kalibrerade och kopplade delmodeller och därmed undvika dubbelräkning av effekter
  • utveckla och utvärdera tidsberoende maskininlärningsmodeller för sekvens-till-sekvens-prediktion av bränslebeteende,
  • utöka surrogatmodeller så att de kan hantera flera bränsletyper, anrikningsgrader och halter av gadolinia samt, om möjligt, prediktera osäkerheter,
  • generera och analysera tränings- och valideringsdata för ett brett spektrum av effekthistorier och driftförhållanden samt undersöka modellernas generaliserbarhet utanför träningsområdet,
  • demonstrera surrogatmodellernas användbarhet i industriellt relevanta tillämpningar, exempelvis för prediktion av kapslingens tangentialspänning och bedömning av PCI-risk,
  • implementera, testa och dokumentera beräkningsverktyg, exempelvis i Python, och bidra till reproducerbara beräkningsflöden,
  • sammanställa, publicera och presentera forskningsresultat samt delta i forskargruppens seminarier, projektmöten och övriga vetenskapliga aktiviteter.

  Undervisning och annan institutionstjänstgöring kan komma att ingå med högst 20 procent av heltid.

  Kvalifikationskrav

  Behörig till utbildning på forskarnivå är den som har

  • avlagt examen på avancerad nivå inom teknisk fysik, kärnteknik, tillämpad fysik, energiteknik, beräkningsvetenskap, tillämpad matematik, statistik, maskininlärning eller annat för projektet relevant område, eller 
  • fullgjort minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå inklusive ett självständigt arbete om minst 15 högskolepoäng, eller
  • på något annat sätt förvärvat i huvudsak motsvarande kunskaper.

  För anställningen krävs dessutom:

  • goda kunskaper i fysik, numeriska metoder, statistik och/eller maskininlärning,
  • god programmeringsförmåga, exempelvis i Python, Julia, C++ eller motsvarande,
  • god förmåga att arbeta självständigt och strukturerat,
  • god samarbetsförmåga,
  • god förmåga att uttrycka sig i tal och skrift på engelska.

  Önskvärt/meriterande i övrigt

  Det är meriterande med erfarenhet av ett eller flera av följande områden:

  • kärnbränsle, bränsleprestandamodellering, reaktorfysik eller kärnteknik,
  • numerisk modellering av värmeöverföring, materialbeteende eller solidmekanik,
  • Bayesiansk inferens, modellkalibrering eller MCMC-metoder,
  • osäkerhetskvantifiering, statistisk modellering eller gaussiska processer,
  • maskininlärning för tidsserier, sekvens-till-sekvens-modeller eller surrogatmodellering,
  • arbete med vetenskapliga beräkningsprogram, stora simulerings- eller mätdata och högpresterande beräkningar,
  • erfarenhet av versionshantering och reproducerbara beräkningsflöden.

  Stor vikt kommer att läggas vid personliga egenskaper såsom analytisk förmåga, initiativförmåga, noggrannhet och motivation att bedriva forskarstudier i nära samverkan mellan akademi och industri.

  Bestämmelser för doktorander återfinns i Högskoleförordningen 5 kap §§ 1–7 samt i universitetets regler och riktlinjer.

  Information om forskarutbildning, behörighetskrav och antagningsregler finns på Vetenskapsområdet för teknik och naturvetenskaps hemsida.

  Om ansökan

  Vänligen bifoga betygsutdrag, kopia av examensarbete samt eventuella övriga handlingar som du vill åberopa.

  Om anställningen 

  Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde 1 januari 2027, eller enligt överenskommelse. Placeringsort: Uppsala, Sverige.

  Välkommen med din ansökan senast den 30 september 2026, UFV-PA 2026/2448.

  Observera att detta är en förkortad version av annonsen. För att se den fullständiga annonsen vänligen klicka på ”Ansök här” eller se Uppsala universitets hemsida för jobbannonser.

  Arbetsgivare

  UPPSALA UNIVERSITET
  Box 256
  75105 Uppsala

  Webbplats: http://www.uu.se/jobb/
  

  Ansökan

  Ansök senast 30 september (23 dagar kvar)

  Ansök här

  Visa mer

• Doktorand i modellering av kärnbränsleprestanda med maskininlärning

  Arbetsgivare / Ort:UPPSALA UNIVERSITET / Uppsala

  Omfattning / Varaktighet:Vanlig anställning / 6 månader eller längre

  Lönetyp: Fast månads- vecko- eller timlön

  Ansök senast 30 september (23 dagar kvar)

  Publicerad: 2026-08-19

  Källa: Arbetsförmedlingen

  Ansök här

  Om jobbet

  Projektet genomförs inom kompetenscentrumet ANItA (Academic-industrial Nuclear technology Initiative to Achieve a sustainable energy future). Du kommer att ingå i en gemensam akademisk och industriell forskningsmiljö med handledning från både Uppsala universitet och industripartner. Genom det nära samarbetet med industrin får du möjlighet att utveckla forskningsmetoder med tydlig industriell relevans och bidra till kunskapsutbyte mellan akademi och industri.

  Tillförlitliga och snabba bränsleprestandaberäkningar är viktiga för såväl dagens reaktorer som framtida konstruktioner, inklusive små modulära reaktorer (SMR). Projektet bygger vidare på den forskning som har bedrivits inom CaNel – Calibration of Fuel Performance Codes, där metoder baserade på statistisk kalibrering, osäkerhetskvantifiering och maskininlärningsbaserad surrogatmodellering har utvecklats för simulering av kärnbränsleprestanda. Du kommer att vidareutveckla dessa metoder för att möjliggöra snabbare och mer precisa förutsägelser med väl kvantifierade osäkerheter.

  Projektet omfattar bland annat kalibrering mot tidsberoende och axiellt upplösta mätdata, överföring av osäkerheter mellan kopplade delmodeller samt utveckling av tidsberoende maskininlärningsbaserade surrogatmodeller. Modellerna ska kunna hantera variationer i exempelvis bränsletyp, anrikning och gadoliniuminnehåll, utvärderas även utanför träningsområdet och tillämpas på ett bredare urval av bränsledesigner och driftförhållanden. De ska även demonstreras i industriellt relevanta tillämpningar, såsom prediktion av kapslingens tangentialspänning och bedömning av risken för PCI-relaterade bränsleskador.

  Arbetsuppgifter

  Arbetsuppgifterna består huvudsakligen av forskarutbildning, där du bedriver forskning inom projektet och följer kurser inom forskarutbildningen. Arbetet innefattar utveckling, implementering och utvärdering av statistiska och maskininlärningsbaserade metoder för kalibrering och simulering av kärnbränsleprestanda.

  I arbetsuppgifterna ingår att:

  • vidareutveckla kalibreringsmetoder så att tidsberoende och axiellt upplösta mätdata kan användas,
  • utveckla metoder för att propagera osäkerheter mellan kalibrerade och kopplade delmodeller och därmed undvika dubbelräkning av effekter
  • utveckla och utvärdera tidsberoende maskininlärningsmodeller för sekvens-till-sekvens-prediktion av bränslebeteende,
  • utöka surrogatmodeller så att de kan hantera flera bränsletyper, anrikningsgrader och halter av gadolinia samt, om möjligt, prediktera osäkerheter,
  • generera och analysera tränings- och valideringsdata för ett brett spektrum av effekthistorier och driftförhållanden samt undersöka modellernas generaliserbarhet utanför träningsområdet,
  • demonstrera surrogatmodellernas användbarhet i industriellt relevanta tillämpningar, exempelvis för prediktion av kapslingens tangentialspänning och bedömning av PCI-risk,
  • implementera, testa och dokumentera beräkningsverktyg, exempelvis i Python, och bidra till reproducerbara beräkningsflöden,
  • sammanställa, publicera och presentera forskningsresultat samt delta i forskargruppens seminarier, projektmöten och övriga vetenskapliga aktiviteter.

  Undervisning och annan institutionstjänstgöring kan komma att ingå med högst 20 procent av heltid.

  Kvalifikationskrav

  Behörig till utbildning på forskarnivå är den som har

  • avlagt examen på avancerad nivå inom teknisk fysik, kärnteknik, tillämpad fysik, energiteknik, beräkningsvetenskap, tillämpad matematik, statistik, maskininlärning eller annat för projektet relevant område, eller 
  • fullgjort minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå inklusive ett självständigt arbete om minst 15 högskolepoäng, eller
  • på något annat sätt förvärvat i huvudsak motsvarande kunskaper.

  För anställningen krävs dessutom:

  • goda kunskaper i fysik, numeriska metoder, statistik och/eller maskininlärning,
  • god programmeringsförmåga, exempelvis i Python, Julia, C++ eller motsvarande,
  • god förmåga att arbeta självständigt och strukturerat,
  • god samarbetsförmåga,
  • god förmåga att uttrycka sig i tal och skrift på engelska.

  Önskvärt/meriterande i övrigt

  Det är meriterande med erfarenhet av ett eller flera av följande områden:

  • kärnbränsle, bränsleprestandamodellering, reaktorfysik eller kärnteknik,
  • numerisk modellering av värmeöverföring, materialbeteende eller solidmekanik,
  • Bayesiansk inferens, modellkalibrering eller MCMC-metoder,
  • osäkerhetskvantifiering, statistisk modellering eller gaussiska processer,
  • maskininlärning för tidsserier, sekvens-till-sekvens-modeller eller surrogatmodellering,
  • arbete med vetenskapliga beräkningsprogram, stora simulerings- eller mätdata och högpresterande beräkningar,
  • erfarenhet av versionshantering och reproducerbara beräkningsflöden.

  Stor vikt kommer att läggas vid personliga egenskaper såsom analytisk förmåga, initiativförmåga, noggrannhet och motivation att bedriva forskarstudier i nära samverkan mellan akademi och industri.

  Bestämmelser för doktorander återfinns i Högskoleförordningen 5 kap §§ 1–7 samt i universitetets regler och riktlinjer.

  Information om forskarutbildning, behörighetskrav och antagningsregler finns på Vetenskapsområdet för teknik och naturvetenskaps hemsida.

  Om ansökan

  Vänligen bifoga betygsutdrag, kopia av examensarbete samt eventuella övriga handlingar som du vill åberopa.

  Om anställningen 

  Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde 1 januari 2027, eller enligt överenskommelse. Placeringsort: Uppsala, Sverige.

  Välkommen med din ansökan senast den 30 september 2026, UFV-PA 2026/2448.

  Observera att detta är en förkortad version av annonsen. För att se den fullständiga annonsen vänligen klicka på ”Ansök här” eller se Uppsala universitets hemsida för jobbannonser.

  Arbetsgivare

  UPPSALA UNIVERSITET
  Box 256
  75105 Uppsala

  Webbplats: http://www.uu.se/jobb/
  

  Ansökan

  Ansök senast 30 september (23 dagar kvar)

  Ansök här

  Visa mer

• Doktorand i modellering av kärnbränsleprestanda med maskininlärning

  Arbetsgivare / Ort:UPPSALA UNIVERSITET / Uppsala

  Omfattning / Varaktighet:Vanlig anställning / 6 månader eller längre

  Lönetyp: Fast månads- vecko- eller timlön

  Ansök senast 30 september (23 dagar kvar)

  Publicerad: 2026-08-19

  Källa: Arbetsförmedlingen

  Ansök här

  Om jobbet

  Projektet genomförs inom kompetenscentrumet ANItA (Academic-industrial Nuclear technology Initiative to Achieve a sustainable energy future). Du kommer att ingå i en gemensam akademisk och industriell forskningsmiljö med handledning från både Uppsala universitet och industripartner. Genom det nära samarbetet med industrin får du möjlighet att utveckla forskningsmetoder med tydlig industriell relevans och bidra till kunskapsutbyte mellan akademi och industri.

  Tillförlitliga och snabba bränsleprestandaberäkningar är viktiga för såväl dagens reaktorer som framtida konstruktioner, inklusive små modulära reaktorer (SMR). Projektet bygger vidare på den forskning som har bedrivits inom CaNel – Calibration of Fuel Performance Codes, där metoder baserade på statistisk kalibrering, osäkerhetskvantifiering och maskininlärningsbaserad surrogatmodellering har utvecklats för simulering av kärnbränsleprestanda. Du kommer att vidareutveckla dessa metoder för att möjliggöra snabbare och mer precisa förutsägelser med väl kvantifierade osäkerheter.

  Projektet omfattar bland annat kalibrering mot tidsberoende och axiellt upplösta mätdata, överföring av osäkerheter mellan kopplade delmodeller samt utveckling av tidsberoende maskininlärningsbaserade surrogatmodeller. Modellerna ska kunna hantera variationer i exempelvis bränsletyp, anrikning och gadoliniuminnehåll, utvärderas även utanför träningsområdet och tillämpas på ett bredare urval av bränsledesigner och driftförhållanden. De ska även demonstreras i industriellt relevanta tillämpningar, såsom prediktion av kapslingens tangentialspänning och bedömning av risken för PCI-relaterade bränsleskador.

  Arbetsuppgifter

  Arbetsuppgifterna består huvudsakligen av forskarutbildning, där du bedriver forskning inom projektet och följer kurser inom forskarutbildningen. Arbetet innefattar utveckling, implementering och utvärdering av statistiska och maskininlärningsbaserade metoder för kalibrering och simulering av kärnbränsleprestanda.

  I arbetsuppgifterna ingår att:

  • vidareutveckla kalibreringsmetoder så att tidsberoende och axiellt upplösta mätdata kan användas,
  • utveckla metoder för att propagera osäkerheter mellan kalibrerade och kopplade delmodeller och därmed undvika dubbelräkning av effekter
  • utveckla och utvärdera tidsberoende maskininlärningsmodeller för sekvens-till-sekvens-prediktion av bränslebeteende,
  • utöka surrogatmodeller så att de kan hantera flera bränsletyper, anrikningsgrader och halter av gadolinia samt, om möjligt, prediktera osäkerheter,
  • generera och analysera tränings- och valideringsdata för ett brett spektrum av effekthistorier och driftförhållanden samt undersöka modellernas generaliserbarhet utanför träningsområdet,
  • demonstrera surrogatmodellernas användbarhet i industriellt relevanta tillämpningar, exempelvis för prediktion av kapslingens tangentialspänning och bedömning av PCI-risk,
  • implementera, testa och dokumentera beräkningsverktyg, exempelvis i Python, och bidra till reproducerbara beräkningsflöden,
  • sammanställa, publicera och presentera forskningsresultat samt delta i forskargruppens seminarier, projektmöten och övriga vetenskapliga aktiviteter.

  Undervisning och annan institutionstjänstgöring kan komma att ingå med högst 20 procent av heltid.

  Kvalifikationskrav

  Behörig till utbildning på forskarnivå är den som har

  • avlagt examen på avancerad nivå inom teknisk fysik, kärnteknik, tillämpad fysik, energiteknik, beräkningsvetenskap, tillämpad matematik, statistik, maskininlärning eller annat för projektet relevant område, eller 
  • fullgjort minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå inklusive ett självständigt arbete om minst 15 högskolepoäng, eller
  • på något annat sätt förvärvat i huvudsak motsvarande kunskaper.

  För anställningen krävs dessutom:

  • goda kunskaper i fysik, numeriska metoder, statistik och/eller maskininlärning,
  • god programmeringsförmåga, exempelvis i Python, Julia, C++ eller motsvarande,
  • god förmåga att arbeta självständigt och strukturerat,
  • god samarbetsförmåga,
  • god förmåga att uttrycka sig i tal och skrift på engelska.

  Önskvärt/meriterande i övrigt

  Det är meriterande med erfarenhet av ett eller flera av följande områden:

  • kärnbränsle, bränsleprestandamodellering, reaktorfysik eller kärnteknik,
  • numerisk modellering av värmeöverföring, materialbeteende eller solidmekanik,
  • Bayesiansk inferens, modellkalibrering eller MCMC-metoder,
  • osäkerhetskvantifiering, statistisk modellering eller gaussiska processer,
  • maskininlärning för tidsserier, sekvens-till-sekvens-modeller eller surrogatmodellering,
  • arbete med vetenskapliga beräkningsprogram, stora simulerings- eller mätdata och högpresterande beräkningar,
  • erfarenhet av versionshantering och reproducerbara beräkningsflöden.

  Stor vikt kommer att läggas vid personliga egenskaper såsom analytisk förmåga, initiativförmåga, noggrannhet och motivation att bedriva forskarstudier i nära samverkan mellan akademi och industri.

  Bestämmelser för doktorander återfinns i Högskoleförordningen 5 kap §§ 1–7 samt i universitetets regler och riktlinjer.

  Information om forskarutbildning, behörighetskrav och antagningsregler finns på Vetenskapsområdet för teknik och naturvetenskaps hemsida.

  Om ansökan

  Vänligen bifoga betygsutdrag, kopia av examensarbete samt eventuella övriga handlingar som du vill åberopa.

  Om anställningen 

  Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde 1 januari 2027, eller enligt överenskommelse. Placeringsort: Uppsala, Sverige.

  Välkommen med din ansökan senast den 30 september 2026, UFV-PA 2026/2448.

  Observera att detta är en förkortad version av annonsen. För att se den fullständiga annonsen vänligen klicka på ”Ansök här” eller se Uppsala universitets hemsida för jobbannonser.

  Arbetsgivare

  UPPSALA UNIVERSITET
  Box 256
  75105 Uppsala

  Webbplats: http://www.uu.se/jobb/
  

  Ansökan

  Ansök senast 30 september (23 dagar kvar)

  Ansök här

  Visa mer

• MSCA-doktorand inom SecReSy4You-nätverket

  Arbetsgivare / Ort:UPPSALA UNIVERSITET / Uppsala

  Omfattning / Varaktighet:Vanlig anställning / 6 månader eller längre

  Lönetyp: Fast månads- vecko- eller timlön

  Ansök senast 11 september (4 dagar kvar)

  Publicerad: 2026-08-21

  Källa: Arbetsförmedlingen

  Ansök här

  Om jobbet

  Observera att detta är en förkortad version av annonsen. För att se den fullständiga annonsen vänligen klicka på ”Ansök här” eller se Uppsala universitets hemsida för jobbannonser: https://www.uu.se/om-uu/jobba-hos-oss/lediga-jobb 

  Vill du arbeta med reglerteknik samt cybersäkerhet och artificiell intelligens, med stöd av kompetenta och trevliga kollegor i en internationell miljö? Vill du ha en arbetsgivare som satsar på ett hållbart medarbetarskap och erbjuder trygga, förmånliga arbetsvillkor? Välkommen att söka anställning som doktorand vid Institutionen för informationsteknologi, Uppsala universitet.

  Doktoranden kommer att placeras i Secure Learning and Control Laboratory, en tvärvetenskaplig forskargrupp som utför grundläggande och tillämpad forskning i skärningspunkten mellan cybersäkerhet, reglerteori och maskininlärning. 

  Arbetsuppgifter

  Doktoranden kommer främst att ägna sig åt den egna forskarutbildningen. Övrig tjänstgöring vid institutionen, som avser undervisning och administrativt arbete, kan ingå inom ramen för anställningen (max 20%). Utöver det inkluderar arbetsuppgifterna följande:

  • Tvärvetenskaplig forskning inom säkerhet för cyberfysiska system, med fokus på säkra reglering under osäkerhet och i närvaro av realistiska motståndare.
  • Publicering av vetenskapliga resultat i ledande vetenskapliga tidskrifter och vid framstående internationella konferenser.
  • Bidrag till nätverksgemensamma aktiviteter samt genomförande av (transnationella) akademiska och/eller industriella forskningsvistelser inom Europa.

  Kvalifikationskrav

  Grundläggande behörighet till utbildning på forskarnivå har den som:

  • avlagt examen på avancerad nivå inom elektroteknik, teknisk fysik, tillämpad matematik, datavetenskap eller ett närliggande område, eller
  • fullgjort minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå inklusive ett självständigt arbete om minst 15 högskolepoäng, eller
  • på något annat sätt inom eller utom landet förvärvat i huvudsak motsvarande kunskaper.

  För särskild behörighet, se studieplanen för ämnet.

  Därutöver krävs:

  • Mycket goda studieresultat från tidigare högre utbildning.
  • Goda kunskaper i reglerteknik och systemteori.
  • God programmeringsvana (t.ex. i C, C++, Python, Julia eller Matlab).
  • Hög kvalitet på examensarbete på avancerad nivå (eller motsvarande) av eller annat självständigt skriftligt arbete.
  • Mycket god förmåga att uttrycka dig i tal och skrift på engelska.
  • Personliga egenskaper såsom kreativitet, noggrannhet och/eller ett strukturerat arbetssätt vid problemlösning.

  För att vara behörig som doktorand inom MSCA (Marie Skłodowska-Curie Actions) får du inte ha avlagt doktorsexamen vid rekryteringstillfället, samt inte vara inskriven på ett doktorandprogram. MSCA:s mobilitetsregel innebär att sökande inte får ha varit bosatta eller haft sin huvudsakliga verksamhet (arbete, studier etc.) i det land där värdorganisationen finns (Sverige) i mer än 12 månader under de tre år som omedelbart föregår rekryteringstillfället.

  Önskvärt/meriterande i övrigt

  • Dokumenterad analytisk förmåga av hög kvalitet.
  • Personliga egenskaper såsom initiativförmåga, samarbetsförmåga samt förmåga att kommunicera effektivt med både internationella och nationella projektparter, liksom förmåga att arbeta både självständigt och i team.
  • Meriterande är kunskaper inom ett eller flera av följande områden: maskininlärning, cybersäkerhet eller datorsystem.

  Bestämmelser för doktorander återfinns i Högskoleförordningen 5 kap §§ 1-7 samt i universitetets regler och riktlinjer.

  Ansökan

  Ansökan ska innehålla nedanstående handlingar. De inskickade materialen ska tydligt visa den sökandes kvalifikationer i förhållande till bedömningskriterierna.

  • Personligt brev (högst två sidor) där den sökande beskriver sin motivation för att söka tjänsten samt tidigast möjliga startdatum. Brevet ska innehålla ett avsnitt med rubriken ”Lämplighet för denna tjänst”, där den sökande kort beskriver hur bakgrund, kunskaper och erfarenheter motsvarar kraven och bedömningskriterierna.
  • Curriculum vitae (CV).
  • Kopior av examensbevis och studieutdrag, inklusive betyg (med översättning till engelska eller svenska om originalhandlingarna är på ett annat språk).
  • Examensarbete på avancerad nivå (eller ett utkast om arbetet ännu inte är slutfört) och/eller en annan egenproducerad teknisk eller vetenskaplig text som visar den sökandes forsknings- och analytiska förmåga. Sökande kan även bifoga publikationer eller andra relevanta dokument.
  • Kontaktuppgifter till två referenser (namn, e-postadress och telefonnummer). Sökande kan även bifoga upp till två rekommendationsbrev.

  Om anställningen

  Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde 1 september 2026 eller enligt överenskommelse. Placeringsort: Uppsala

  Doktorander som anställs genom Marie Skłodowska-Curie-programmet erhåller lön i enlighet med programmets regler för doktorander under stipendieperioden (36 månader). Detta innebär att bruttolönen (det vill säga efter avdrag för arbetsgivaravgifter men inklusive inkomstskatt) uppgår till cirka 37 000 SEK per månad, beroende på växelkurs (exklusive eventuellt familjetillägg). Anställdas nationella och lokala skatter kommer att dras av från denna bruttolön innan nettolönen utbetalas till doktoranden. Vid projektets slut kan en ytterligare löneutbetalning ske om den genomsnittliga växelkursen under hela projektet är högre än den beräknade växelkursen.

  Under återstående tid av studierna kommer du att vara anställd på ett vanligt doktorandkontrakt, med lön enligt den överenskomna lönestegen för doktorander plus ett lönetillägg på 1800 kr/månad. Följ den här länken för att läsa mer om finansiering för doktorander och ett lokalt kollektivavtal för löner för doktorander.

  Upplysningar om anställningen lämnas av: Universitetslektor André Teixeira (telefon: +46 18-471 5414, email: andre.teixeira@it.uu.se)

  Välkommen med din ansökan senast den 17 augusti 2026, UFV-PA 2026/2342.

  Arbetsgivare

  UPPSALA UNIVERSITET
  Regementsvägen 10
  75237 Uppsala

  Webbplats: http://www.uu.se/jobb/
  

  Ansökan

  Ansök senast 11 september (4 dagar kvar)

  Ansök här

  Visa mer

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9

Visa alla 1078 lediga jobb som Doktorand