Lediga jobb som Filosof hos UPPSALA UNIVERSITET

• Doktorand i härdoptimering 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 (24 dagar kvar)

  Publicerad: 2026-06-17

  Källa: Arbetsförmedlingen

  Ansök här

  Om jobbet

  Vill du arbeta med maskininlärning, optimering och reaktorfysik, med stöd av kompetenta och trevliga kollegor i en internationell miljö? Vill du bidra till utvecklingen av avancerade beräkningsmetoder för framtidens kärnkraftssystem? Vill du ha en arbetsgivare som satsar på ett hållbart medarbetarskap och erbjuder trygga, förmånliga arbetsvillkor? Välkommen att söka anställning som doktorand vid Uppsala universitet.

  Som doktorand kommer du att vara en del av en forskargrupp som arbetar med reaktorfysik, bränslecykelanalys och beräkningsmetoder för härd- och bränsleoptimering. Gruppen kombinerar fysikbaserade beräkningsmodeller med moderna optimerings- och dataanalysmetoder. Arbetsmiljön är internationell och tvärvetenskaplig, med nära koppling mellan grundläggande metodutveckling och tekniskt relevanta tillämpningar.

  Projektet är en fortsättning på ett pågående doktorandprojekt om härd- och bränsleoptimering för små modulära reaktorer, SMR, inom kompetenscentrumet ANItA (Academic-industrial Nuclear technology Initiative to Achieve a sustainable energy future). Kompetenscentrumet samlar akademi och industri för att stärka svensk kärnteknisk kompetens och bidra till en hållbar energiomställning. Det tidigare doktorandprojektet har utvecklat metoder för optimering av jämviktscykler, där målet är att hitta återkommande bränslehanteringsstrategier som ger god bränsleekonomi samtidigt som reaktorfysikaliska säkerhetsmarginaler uppfylls. Särskilt fokus har legat på att kombinera avancerade optimeringsalgoritmer med maskininlärningsbaserade surrogatmodeller, inklusive grafbaserade representationer av härdladdningsmönster.

  Du kommer att vidareutveckla denna forskningsinriktning. Projektet kan till exempel omfatta cykel-till-cykel-optimering, utveckling av nya maskininlärningsmodeller, förbättrade optimeringsstrategier, osäkerhetskvantifiering, effektivare hantering av fysikaliska begränsningar samt utökad analys av bränsledesign, laddningsmönster och säkerhetsrelaterade storheter. Målet är att ta fram metoder som gör det möjligt att snabbare och mer tillförlitligt utforska stora designrum inom härd- och bränsleoptimering.

  Arbetsuppgifter

  Arbetsuppgifterna består huvudsakligen av forskarutbildning, där du bedriver forskning inom projektet och följer kurser inom forskarutbildningen. Arbetet innefattar utveckling, implementering och utvärdering av beräkningsmetoder för härd- och bränsleoptimering med hjälp av maskininlärning och optimeringsalgoritmer.

  I arbetsuppgifterna ingår att:

  • utveckla och tillämpa maskininlärningsbaserade surrogatmodeller för reaktorfysikaliska beräkningar,
  • utveckla och utvärdera optimeringsmetoder för bränsleladdningsmönster och bränslesammansättning,
  • analysera säkerhetsrelaterade parametrar såsom reaktivitet, effektfördelningar, bränsleutnyttjande och marginaler till tekniska begränsningar,
  • arbeta med stora datamängder från reaktorfysikaliska simuleringar,
  • implementera och dokumentera beräkningsverktyg, exempelvis i Python,
  • sammanställa och publicera forskningsresultat i vetenskapliga artiklar,
  • presentera resultat vid nationella och internationella konferenser,
  • 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, energiteknik, maskininlärning, datavetenskap, tillämpad matematik 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 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.

  Stor vikt kommer att läggas vid personliga egenskaper såsom analytisk förmåga, initiativförmåga, noggrannhet och motivation att bedriva forskarstudier inom ett tvärvetenskapligt område.

  Önskvärt/meriterande i övrigt

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

  • reaktorfysik, kärnteknik eller neutrontransport,
  • härdoptimering, bränslecykelanalys eller bränslehantering,
  • maskininlärning, särskilt neurala nätverk, grafneurala nätverk eller surrogatmodellering,
  • optimeringsalgoritmer, exempelvis evolutionära algoritmer, stokastisk optimering eller flermålsoptimering,
  • osäkerhetskvantifiering eller statistisk modellering,
  • arbete med vetenskapliga beräkningsprogram och högpresterande beräkningar,
  • erfarenhet av versionshantering och reproducerbara beräkningsflöden.

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

  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.

  Upplysningar om anställningen lämnas av: Andreas Solders, 018-471 26 31, andreas.solders@physics.uu.se

  I denna rekrytering har vi ersatt det personliga brevet med frågor som du besvarar i samband med din ansökan. Svaren kommer att användas som en del i urvalsprocessen.

  Välkommen med din ansökan senast den 30 september 2026, UFV-PA 2026/2129

  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

  Arbetslivserfarenhet

  • Doktorand (meriterande)

  Arbetsgivare

  UPPSALA UNIVERSITET
  Box 256
  75105 Uppsala

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

  Ansökan

  Ansök senast 30 september (24 dagar kvar)

  Ansök här

  Visa mer

• Doktorand i multimodal maskininlärning för energilagringsmaterial

  Arbetsgivare / Ort:UPPSALA UNIVERSITET / Uppsala

  Omfattning / Varaktighet:Vanlig anställning / 6 månader eller längre

  Lönetyp: Fast månads- vecko- eller timlön

  Ansök senast 11 september (5 dagar kvar)

  Publicerad: 2026-08-11

  Källa: Arbetsförmedlingen

  Ansök här

  Om jobbet

  Institutionen för kemi - Ångström bedriver forskning och utbildning inom kemiämnet. Institutionen har 270 anställda och omsätter 300 miljoner kronor. Vid institutionens sex program bedrivs mycket framgångsrik forskning av hög internationell klass. Vi har ett stort antal externt finansierade forskningsprojekt, ofta med internationellt samarbete och vi ser en fortsatt god tillväxt inom vårt ämnesområde. Institutionen har utbildningsuppdrag inom ingenjörs- och civilingenjörsprogram samt masterprogram. 

  Projektbeskrivning 

  Utvecklingen av framtidens energilagringsmaterial vilar på en grundläggande förståelse för hur deras kemiska sammansättning och struktur förändras under drift i tillämpningarna. Ingen enskild metod kan fånga hela bilden. I stället får forskaren förlita sig på flera komplementära tekniker, som var för sig ger en ofullständig och indirekt bild av samma underliggande process och som traditionellt tolkas manuellt och var för sig. Multimodal maskininlärning erbjuder ett principiellt alternativ: att integrera heterogena dataströmmar från både experiment och simuleringar i en gemensam, fysikaliskt förankrad modell. Projektets fokus är att utveckla ett sådant ramverk och att tillämpa det specifikt på elektrod/elektrolytgränsskikt i batterier, där ytkänsliga röntgenspridningstekniker (röntgenreflektometri, GISAXS och GIWAXS) och elektrokemisk kvartskristallmikrovåg med dissipationsmätning (EQCM-D) kombineras i operando-experiment. Kärnan i metodiken är dataassimilering, där gränsskiktets underliggande egenskaper (massa, volym, densitet, porositet och morfologi) behandlas som ett latent tillstånd som utvecklas i tiden, och där varje mätteknik bidrar med en brusig och ofullständig observation via sin egen framåtmodell. Arbetet omfattar sekventiell Bayesiansk inferens, djupa tillståndsrumsmodeller och osäkerhetsmedvetna representationer som tränas på både experimentella data och simuleringar, exempelvis fasfältssimuleringar av metallnukleering och -tillväxt kopplade till lattice-Boltzmann-modellering av kvartskristallens akustiska respons. Maskininlärningsaccelererade surrogatmodeller gör dessa simuleringar tillräckligt snabba för att fungera som transitions- och observationsoperatorer i inferensmotorn. Slutligen analyseras det inlärda latenta rummet för att utvinna fysikalisk innebörd, och modellernas generativa förmåga utnyttjas för att översätta data mellan teknikerna. Målet är en tolkbar och osäkerhetskvantifierad modell av hur gränsskikt bildas och växer, som fördjupar förståelsen av metallutfällning och ytpassivering i Li-, Zn- och Cu-baserade system och som är överförbar till andra material och analystekniker.

  Doktorandens uppgift är att utveckla och implementera detta ramverk i ett nära samarbete mellan kemi och datavetenskap vid Uppsala universitet samt tillsammans med våra tyska partners. I arbetet ingår att bygga och validera inferens- och simuleringspipelines, att aktivt delta i planering och genomförande av operando-experiment – inklusive mättillfällen vid synkrotronanläggningen PETRA III (DESY, Hamburg) – och att bygga djup expertis inom probabilistisk maskininlärning, dataassimilering, vetenskapliga beräkningar och analys av elektrokemiska gränsskikt.

  Fokus för doktoranden är forskning. Visst undervisningsansvar kan tilldelas men kommer inte att överstiga 20 % av den totala arbetstiden. Doktoranden läser även forskarutbildningskurser som är nära kopplade till projektets forskningsteman. Vi letar efter en mycket motiverad person som kommer att bidra till högkvalitativt vetenskapligt arbete i en multidisciplinär forskarmiljö, som syftar till att publicera resultat i ledande vetenskapliga tidskrifter och presentera dem vid både nationella och internationella konferenser.

  Kvalifikationskrav  

  Den sökande ska ha: 

  • avlagt examen på avancerad nivå eller 
  • fullgjort kursfordringar om minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå (varav 15 högskolepoäng utgör självständigt arbete), med innehåll som är relevant för forskarutbildningen eller 
  • på något annat sätt inom eller utom landet förvärvat i huvudsak motsvarande kunskaper 
  • mycket goda kunskaper i engelska, i tal och skrift.
  • examen på avancerad nivå eller motsvarande enligt ovan inom kemi, materialvetenskap, datavetenskap, tillämpad matematik, teknisk fysik eller ett relaterat område.
  • förmågan att uttrycka dig tydligt, dokumentera ditt arbete och bidra till det gemensamma i en forskningsmiljö.

  Stor vikt kommer också att läggas vid personliga egenskaper såsom god samarbetsförmåga, driv och självständighet samt hur den sökande genom sin erfarenhet och kompetens bedöms ha den förmåga som behövs för att klara forskarutbildningen.

  Önskvärt/meriterande i övrigt

  Praktisk erfarenhet av probabilistisk maskininlärning, Bayesiansk inferens, generativa modeller, dataassimilering eller vetenskapliga beräkningar är meriterande, liksom goda programmeringskunskaper (t.ex. Python, PyTorch eller JAX). Erfarenhet av elektrokemi, batteriforskning, röntgenspridningstekniker eller analys av experimentella tidsseriedata är också en fördel.

  Om anställningen 

  Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde 2026-10-01 eller enligt överenskommelse. Placeringsort: Kemi-Ångström

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

  Upplysningar om anställningen lämnas av: Prof. Erik Berg (erik.berg@kemi.uu.se)

  Välkommen med din ansökan senast den 11 september 2026, UFV-PA 2026/2414.

  Uppsala universitet är ett brett forskningsuniversitet med stark internationell ställning. Det yttersta målet är att bedriva utbildning och forskning av högsta kvalitet och relevans för att göra skillnad i samhället. 

  Anställningen kan komma att säkerhetsprövas. Vid säkerhetsprövning är en förutsättning för anställning att sökande blir godkänd.

  Vi undanber oss erbjudanden om rekryterings- och annonseringshjälp.

  Ansökan tas emot i Uppsala universitets rekryteringssystem.

  Fackliga företrädare: Saco-S - saco-s@uu.se, Seko - seko@uadm.uu.se, ST (OFR/S) - ofr@uu.se

  Arbetsgivare

  UPPSALA UNIVERSITET
  box 256
  75200 Uppsala

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

  Ansökan

  Ansök senast 11 september (5 dagar kvar)

  Ansök här

  Visa mer

• Doktorand i multimodal maskininlärning för energilagringsmaterial

  Arbetsgivare / Ort:UPPSALA UNIVERSITET / Uppsala

  Omfattning / Varaktighet:Vanlig anställning / 6 månader eller längre

  Lönetyp: Fast månads- vecko- eller timlön

  Ansök senast 11 september (5 dagar kvar)

  Publicerad: 2026-08-11

  Källa: Arbetsförmedlingen

  Ansök här

  Om jobbet

  Institutionen för kemi - Ångström bedriver forskning och utbildning inom kemiämnet. Institutionen har 270 anställda och omsätter 300 miljoner kronor. Vid institutionens sex program bedrivs mycket framgångsrik forskning av hög internationell klass. Vi har ett stort antal externt finansierade forskningsprojekt, ofta med internationellt samarbete och vi ser en fortsatt god tillväxt inom vårt ämnesområde. Institutionen har utbildningsuppdrag inom ingenjörs- och civilingenjörsprogram samt masterprogram. 

  Projektbeskrivning 

  Utvecklingen av framtidens energilagringsmaterial vilar på en grundläggande förståelse för hur deras kemiska sammansättning och struktur förändras under drift i tillämpningarna. Ingen enskild metod kan fånga hela bilden. I stället får forskaren förlita sig på flera komplementära tekniker, som var för sig ger en ofullständig och indirekt bild av samma underliggande process och som traditionellt tolkas manuellt och var för sig. Multimodal maskininlärning erbjuder ett principiellt alternativ: att integrera heterogena dataströmmar från både experiment och simuleringar i en gemensam, fysikaliskt förankrad modell. Projektets fokus är att utveckla ett sådant ramverk och att tillämpa det specifikt på elektrod/elektrolytgränsskikt i batterier, där ytkänsliga röntgenspridningstekniker (röntgenreflektometri, GISAXS och GIWAXS) och elektrokemisk kvartskristallmikrovåg med dissipationsmätning (EQCM-D) kombineras i operando-experiment. Kärnan i metodiken är dataassimilering, där gränsskiktets underliggande egenskaper (massa, volym, densitet, porositet och morfologi) behandlas som ett latent tillstånd som utvecklas i tiden, och där varje mätteknik bidrar med en brusig och ofullständig observation via sin egen framåtmodell. Arbetet omfattar sekventiell Bayesiansk inferens, djupa tillståndsrumsmodeller och osäkerhetsmedvetna representationer som tränas på både experimentella data och simuleringar, exempelvis fasfältssimuleringar av metallnukleering och -tillväxt kopplade till lattice-Boltzmann-modellering av kvartskristallens akustiska respons. Maskininlärningsaccelererade surrogatmodeller gör dessa simuleringar tillräckligt snabba för att fungera som transitions- och observationsoperatorer i inferensmotorn. Slutligen analyseras det inlärda latenta rummet för att utvinna fysikalisk innebörd, och modellernas generativa förmåga utnyttjas för att översätta data mellan teknikerna. Målet är en tolkbar och osäkerhetskvantifierad modell av hur gränsskikt bildas och växer, som fördjupar förståelsen av metallutfällning och ytpassivering i Li-, Zn- och Cu-baserade system och som är överförbar till andra material och analystekniker.

  Doktorandens uppgift är att utveckla och implementera detta ramverk i ett nära samarbete mellan kemi och datavetenskap vid Uppsala universitet samt tillsammans med våra tyska partners. I arbetet ingår att bygga och validera inferens- och simuleringspipelines, att aktivt delta i planering och genomförande av operando-experiment – inklusive mättillfällen vid synkrotronanläggningen PETRA III (DESY, Hamburg) – och att bygga djup expertis inom probabilistisk maskininlärning, dataassimilering, vetenskapliga beräkningar och analys av elektrokemiska gränsskikt.

  Fokus för doktoranden är forskning. Visst undervisningsansvar kan tilldelas men kommer inte att överstiga 20 % av den totala arbetstiden. Doktoranden läser även forskarutbildningskurser som är nära kopplade till projektets forskningsteman. Vi letar efter en mycket motiverad person som kommer att bidra till högkvalitativt vetenskapligt arbete i en multidisciplinär forskarmiljö, som syftar till att publicera resultat i ledande vetenskapliga tidskrifter och presentera dem vid både nationella och internationella konferenser.

  Kvalifikationskrav  

  Den sökande ska ha: 

  • avlagt examen på avancerad nivå eller 
  • fullgjort kursfordringar om minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå (varav 15 högskolepoäng utgör självständigt arbete), med innehåll som är relevant för forskarutbildningen eller 
  • på något annat sätt inom eller utom landet förvärvat i huvudsak motsvarande kunskaper 
  • mycket goda kunskaper i engelska, i tal och skrift.
  • examen på avancerad nivå eller motsvarande enligt ovan inom kemi, materialvetenskap, datavetenskap, tillämpad matematik, teknisk fysik eller ett relaterat område.
  • förmågan att uttrycka dig tydligt, dokumentera ditt arbete och bidra till det gemensamma i en forskningsmiljö.

  Stor vikt kommer också att läggas vid personliga egenskaper såsom god samarbetsförmåga, driv och självständighet samt hur den sökande genom sin erfarenhet och kompetens bedöms ha den förmåga som behövs för att klara forskarutbildningen.

  Önskvärt/meriterande i övrigt

  Praktisk erfarenhet av probabilistisk maskininlärning, Bayesiansk inferens, generativa modeller, dataassimilering eller vetenskapliga beräkningar är meriterande, liksom goda programmeringskunskaper (t.ex. Python, PyTorch eller JAX). Erfarenhet av elektrokemi, batteriforskning, röntgenspridningstekniker eller analys av experimentella tidsseriedata är också en fördel.

  Om anställningen 

  Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde 2026-10-01 eller enligt överenskommelse. Placeringsort: Kemi-Ångström

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

  Upplysningar om anställningen lämnas av: Prof. Erik Berg (erik.berg@kemi.uu.se)

  Välkommen med din ansökan senast den 11 september 2026, UFV-PA 2026/2414.

  Uppsala universitet är ett brett forskningsuniversitet med stark internationell ställning. Det yttersta målet är att bedriva utbildning och forskning av högsta kvalitet och relevans för att göra skillnad i samhället. 

  Anställningen kan komma att säkerhetsprövas. Vid säkerhetsprövning är en förutsättning för anställning att sökande blir godkänd.

  Vi undanber oss erbjudanden om rekryterings- och annonseringshjälp.

  Ansökan tas emot i Uppsala universitets rekryteringssystem.

  Fackliga företrädare: Saco-S - saco-s@uu.se, Seko - seko@uadm.uu.se, ST (OFR/S) - ofr@uu.se

  Arbetsgivare

  UPPSALA UNIVERSITET
  box 256
  75200 Uppsala

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

  Ansökan

  Ansök senast 11 september (5 dagar kvar)

  Ansök här

  Visa mer

• Doktorand i multimodal maskininlärning för energilagringsmaterial

  Arbetsgivare / Ort:UPPSALA UNIVERSITET / Uppsala

  Omfattning / Varaktighet:Vanlig anställning / 6 månader eller längre

  Lönetyp: Fast månads- vecko- eller timlön

  Ansök senast 11 september (5 dagar kvar)

  Publicerad: 2026-08-11

  Källa: Arbetsförmedlingen

  Ansök här

  Om jobbet

  Institutionen för kemi - Ångström bedriver forskning och utbildning inom kemiämnet. Institutionen har 270 anställda och omsätter 300 miljoner kronor. Vid institutionens sex program bedrivs mycket framgångsrik forskning av hög internationell klass. Vi har ett stort antal externt finansierade forskningsprojekt, ofta med internationellt samarbete och vi ser en fortsatt god tillväxt inom vårt ämnesområde. Institutionen har utbildningsuppdrag inom ingenjörs- och civilingenjörsprogram samt masterprogram. 

  Projektbeskrivning 

  Utvecklingen av framtidens energilagringsmaterial vilar på en grundläggande förståelse för hur deras kemiska sammansättning och struktur förändras under drift i tillämpningarna. Ingen enskild metod kan fånga hela bilden. I stället får forskaren förlita sig på flera komplementära tekniker, som var för sig ger en ofullständig och indirekt bild av samma underliggande process och som traditionellt tolkas manuellt och var för sig. Multimodal maskininlärning erbjuder ett principiellt alternativ: att integrera heterogena dataströmmar från både experiment och simuleringar i en gemensam, fysikaliskt förankrad modell. Projektets fokus är att utveckla ett sådant ramverk och att tillämpa det specifikt på elektrod/elektrolytgränsskikt i batterier, där ytkänsliga röntgenspridningstekniker (röntgenreflektometri, GISAXS och GIWAXS) och elektrokemisk kvartskristallmikrovåg med dissipationsmätning (EQCM-D) kombineras i operando-experiment. Kärnan i metodiken är dataassimilering, där gränsskiktets underliggande egenskaper (massa, volym, densitet, porositet och morfologi) behandlas som ett latent tillstånd som utvecklas i tiden, och där varje mätteknik bidrar med en brusig och ofullständig observation via sin egen framåtmodell. Arbetet omfattar sekventiell Bayesiansk inferens, djupa tillståndsrumsmodeller och osäkerhetsmedvetna representationer som tränas på både experimentella data och simuleringar, exempelvis fasfältssimuleringar av metallnukleering och -tillväxt kopplade till lattice-Boltzmann-modellering av kvartskristallens akustiska respons. Maskininlärningsaccelererade surrogatmodeller gör dessa simuleringar tillräckligt snabba för att fungera som transitions- och observationsoperatorer i inferensmotorn. Slutligen analyseras det inlärda latenta rummet för att utvinna fysikalisk innebörd, och modellernas generativa förmåga utnyttjas för att översätta data mellan teknikerna. Målet är en tolkbar och osäkerhetskvantifierad modell av hur gränsskikt bildas och växer, som fördjupar förståelsen av metallutfällning och ytpassivering i Li-, Zn- och Cu-baserade system och som är överförbar till andra material och analystekniker.

  Doktorandens uppgift är att utveckla och implementera detta ramverk i ett nära samarbete mellan kemi och datavetenskap vid Uppsala universitet samt tillsammans med våra tyska partners. I arbetet ingår att bygga och validera inferens- och simuleringspipelines, att aktivt delta i planering och genomförande av operando-experiment – inklusive mättillfällen vid synkrotronanläggningen PETRA III (DESY, Hamburg) – och att bygga djup expertis inom probabilistisk maskininlärning, dataassimilering, vetenskapliga beräkningar och analys av elektrokemiska gränsskikt.

  Fokus för doktoranden är forskning. Visst undervisningsansvar kan tilldelas men kommer inte att överstiga 20 % av den totala arbetstiden. Doktoranden läser även forskarutbildningskurser som är nära kopplade till projektets forskningsteman. Vi letar efter en mycket motiverad person som kommer att bidra till högkvalitativt vetenskapligt arbete i en multidisciplinär forskarmiljö, som syftar till att publicera resultat i ledande vetenskapliga tidskrifter och presentera dem vid både nationella och internationella konferenser.

  Kvalifikationskrav  

  Den sökande ska ha: 

  • avlagt examen på avancerad nivå eller 
  • fullgjort kursfordringar om minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå (varav 15 högskolepoäng utgör självständigt arbete), med innehåll som är relevant för forskarutbildningen eller 
  • på något annat sätt inom eller utom landet förvärvat i huvudsak motsvarande kunskaper 
  • mycket goda kunskaper i engelska, i tal och skrift.
  • examen på avancerad nivå eller motsvarande enligt ovan inom kemi, materialvetenskap, datavetenskap, tillämpad matematik, teknisk fysik eller ett relaterat område.
  • förmågan att uttrycka dig tydligt, dokumentera ditt arbete och bidra till det gemensamma i en forskningsmiljö.

  Stor vikt kommer också att läggas vid personliga egenskaper såsom god samarbetsförmåga, driv och självständighet samt hur den sökande genom sin erfarenhet och kompetens bedöms ha den förmåga som behövs för att klara forskarutbildningen.

  Önskvärt/meriterande i övrigt

  Praktisk erfarenhet av probabilistisk maskininlärning, Bayesiansk inferens, generativa modeller, dataassimilering eller vetenskapliga beräkningar är meriterande, liksom goda programmeringskunskaper (t.ex. Python, PyTorch eller JAX). Erfarenhet av elektrokemi, batteriforskning, röntgenspridningstekniker eller analys av experimentella tidsseriedata är också en fördel.

  Om anställningen 

  Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde 2026-10-01 eller enligt överenskommelse. Placeringsort: Kemi-Ångström

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

  Upplysningar om anställningen lämnas av: Prof. Erik Berg (erik.berg@kemi.uu.se)

  Välkommen med din ansökan senast den 11 september 2026, UFV-PA 2026/2414.

  Uppsala universitet är ett brett forskningsuniversitet med stark internationell ställning. Det yttersta målet är att bedriva utbildning och forskning av högsta kvalitet och relevans för att göra skillnad i samhället. 

  Anställningen kan komma att säkerhetsprövas. Vid säkerhetsprövning är en förutsättning för anställning att sökande blir godkänd.

  Vi undanber oss erbjudanden om rekryterings- och annonseringshjälp.

  Ansökan tas emot i Uppsala universitets rekryteringssystem.

  Fackliga företrädare: Saco-S - saco-s@uu.se, Seko - seko@uadm.uu.se, ST (OFR/S) - ofr@uu.se

  Arbetsgivare

  UPPSALA UNIVERSITET
  box 256
  75200 Uppsala

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

  Ansökan

  Ansök senast 11 september (5 dagar kvar)

  Ansök här

  Visa mer

• Doktorand i multimodal maskininlärning för energilagringsmaterial

  Arbetsgivare / Ort:UPPSALA UNIVERSITET / Uppsala

  Omfattning / Varaktighet:Vanlig anställning / 6 månader eller längre

  Lönetyp: Fast månads- vecko- eller timlön

  Ansök senast 11 september (5 dagar kvar)

  Publicerad: 2026-08-11

  Källa: Arbetsförmedlingen

  Ansök här

  Om jobbet

  Institutionen för kemi - Ångström bedriver forskning och utbildning inom kemiämnet. Institutionen har 270 anställda och omsätter 300 miljoner kronor. Vid institutionens sex program bedrivs mycket framgångsrik forskning av hög internationell klass. Vi har ett stort antal externt finansierade forskningsprojekt, ofta med internationellt samarbete och vi ser en fortsatt god tillväxt inom vårt ämnesområde. Institutionen har utbildningsuppdrag inom ingenjörs- och civilingenjörsprogram samt masterprogram. 

  Projektbeskrivning 

  Utvecklingen av framtidens energilagringsmaterial vilar på en grundläggande förståelse för hur deras kemiska sammansättning och struktur förändras under drift i tillämpningarna. Ingen enskild metod kan fånga hela bilden. I stället får forskaren förlita sig på flera komplementära tekniker, som var för sig ger en ofullständig och indirekt bild av samma underliggande process och som traditionellt tolkas manuellt och var för sig. Multimodal maskininlärning erbjuder ett principiellt alternativ: att integrera heterogena dataströmmar från både experiment och simuleringar i en gemensam, fysikaliskt förankrad modell. Projektets fokus är att utveckla ett sådant ramverk och att tillämpa det specifikt på elektrod/elektrolytgränsskikt i batterier, där ytkänsliga röntgenspridningstekniker (röntgenreflektometri, GISAXS och GIWAXS) och elektrokemisk kvartskristallmikrovåg med dissipationsmätning (EQCM-D) kombineras i operando-experiment. Kärnan i metodiken är dataassimilering, där gränsskiktets underliggande egenskaper (massa, volym, densitet, porositet och morfologi) behandlas som ett latent tillstånd som utvecklas i tiden, och där varje mätteknik bidrar med en brusig och ofullständig observation via sin egen framåtmodell. Arbetet omfattar sekventiell Bayesiansk inferens, djupa tillståndsrumsmodeller och osäkerhetsmedvetna representationer som tränas på både experimentella data och simuleringar, exempelvis fasfältssimuleringar av metallnukleering och -tillväxt kopplade till lattice-Boltzmann-modellering av kvartskristallens akustiska respons. Maskininlärningsaccelererade surrogatmodeller gör dessa simuleringar tillräckligt snabba för att fungera som transitions- och observationsoperatorer i inferensmotorn. Slutligen analyseras det inlärda latenta rummet för att utvinna fysikalisk innebörd, och modellernas generativa förmåga utnyttjas för att översätta data mellan teknikerna. Målet är en tolkbar och osäkerhetskvantifierad modell av hur gränsskikt bildas och växer, som fördjupar förståelsen av metallutfällning och ytpassivering i Li-, Zn- och Cu-baserade system och som är överförbar till andra material och analystekniker.

  Doktorandens uppgift är att utveckla och implementera detta ramverk i ett nära samarbete mellan kemi och datavetenskap vid Uppsala universitet samt tillsammans med våra tyska partners. I arbetet ingår att bygga och validera inferens- och simuleringspipelines, att aktivt delta i planering och genomförande av operando-experiment – inklusive mättillfällen vid synkrotronanläggningen PETRA III (DESY, Hamburg) – och att bygga djup expertis inom probabilistisk maskininlärning, dataassimilering, vetenskapliga beräkningar och analys av elektrokemiska gränsskikt.

  Fokus för doktoranden är forskning. Visst undervisningsansvar kan tilldelas men kommer inte att överstiga 20 % av den totala arbetstiden. Doktoranden läser även forskarutbildningskurser som är nära kopplade till projektets forskningsteman. Vi letar efter en mycket motiverad person som kommer att bidra till högkvalitativt vetenskapligt arbete i en multidisciplinär forskarmiljö, som syftar till att publicera resultat i ledande vetenskapliga tidskrifter och presentera dem vid både nationella och internationella konferenser.

  Kvalifikationskrav  

  Den sökande ska ha: 

  • avlagt examen på avancerad nivå eller 
  • fullgjort kursfordringar om minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå (varav 15 högskolepoäng utgör självständigt arbete), med innehåll som är relevant för forskarutbildningen eller 
  • på något annat sätt inom eller utom landet förvärvat i huvudsak motsvarande kunskaper 
  • mycket goda kunskaper i engelska, i tal och skrift.
  • examen på avancerad nivå eller motsvarande enligt ovan inom kemi, materialvetenskap, datavetenskap, tillämpad matematik, teknisk fysik eller ett relaterat område.
  • förmågan att uttrycka dig tydligt, dokumentera ditt arbete och bidra till det gemensamma i en forskningsmiljö.

  Stor vikt kommer också att läggas vid personliga egenskaper såsom god samarbetsförmåga, driv och självständighet samt hur den sökande genom sin erfarenhet och kompetens bedöms ha den förmåga som behövs för att klara forskarutbildningen.

  Önskvärt/meriterande i övrigt

  Praktisk erfarenhet av probabilistisk maskininlärning, Bayesiansk inferens, generativa modeller, dataassimilering eller vetenskapliga beräkningar är meriterande, liksom goda programmeringskunskaper (t.ex. Python, PyTorch eller JAX). Erfarenhet av elektrokemi, batteriforskning, röntgenspridningstekniker eller analys av experimentella tidsseriedata är också en fördel.

  Om anställningen 

  Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde 2026-10-01 eller enligt överenskommelse. Placeringsort: Kemi-Ångström

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

  Upplysningar om anställningen lämnas av: Prof. Erik Berg (erik.berg@kemi.uu.se)

  Välkommen med din ansökan senast den 11 september 2026, UFV-PA 2026/2414.

  Uppsala universitet är ett brett forskningsuniversitet med stark internationell ställning. Det yttersta målet är att bedriva utbildning och forskning av högsta kvalitet och relevans för att göra skillnad i samhället. 

  Anställningen kan komma att säkerhetsprövas. Vid säkerhetsprövning är en förutsättning för anställning att sökande blir godkänd.

  Vi undanber oss erbjudanden om rekryterings- och annonseringshjälp.

  Ansökan tas emot i Uppsala universitets rekryteringssystem.

  Fackliga företrädare: Saco-S - saco-s@uu.se, Seko - seko@uadm.uu.se, ST (OFR/S) - ofr@uu.se

  Arbetsgivare

  UPPSALA UNIVERSITET
  box 256
  75200 Uppsala

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

  Ansökan

  Ansök senast 11 september (5 dagar kvar)

  Ansök här

  Visa mer

• Doktorand i multimodal maskininlärning för energilagringsmaterial

  Arbetsgivare / Ort:UPPSALA UNIVERSITET / Uppsala

  Omfattning / Varaktighet:Vanlig anställning / 6 månader eller längre

  Lönetyp: Fast månads- vecko- eller timlön

  Ansök senast 11 september (5 dagar kvar)

  Publicerad: 2026-08-11

  Källa: Arbetsförmedlingen

  Ansök här

  Om jobbet

  Institutionen för kemi - Ångström bedriver forskning och utbildning inom kemiämnet. Institutionen har 270 anställda och omsätter 300 miljoner kronor. Vid institutionens sex program bedrivs mycket framgångsrik forskning av hög internationell klass. Vi har ett stort antal externt finansierade forskningsprojekt, ofta med internationellt samarbete och vi ser en fortsatt god tillväxt inom vårt ämnesområde. Institutionen har utbildningsuppdrag inom ingenjörs- och civilingenjörsprogram samt masterprogram. 

  Projektbeskrivning 

  Utvecklingen av framtidens energilagringsmaterial vilar på en grundläggande förståelse för hur deras kemiska sammansättning och struktur förändras under drift i tillämpningarna. Ingen enskild metod kan fånga hela bilden. I stället får forskaren förlita sig på flera komplementära tekniker, som var för sig ger en ofullständig och indirekt bild av samma underliggande process och som traditionellt tolkas manuellt och var för sig. Multimodal maskininlärning erbjuder ett principiellt alternativ: att integrera heterogena dataströmmar från både experiment och simuleringar i en gemensam, fysikaliskt förankrad modell. Projektets fokus är att utveckla ett sådant ramverk och att tillämpa det specifikt på elektrod/elektrolytgränsskikt i batterier, där ytkänsliga röntgenspridningstekniker (röntgenreflektometri, GISAXS och GIWAXS) och elektrokemisk kvartskristallmikrovåg med dissipationsmätning (EQCM-D) kombineras i operando-experiment. Kärnan i metodiken är dataassimilering, där gränsskiktets underliggande egenskaper (massa, volym, densitet, porositet och morfologi) behandlas som ett latent tillstånd som utvecklas i tiden, och där varje mätteknik bidrar med en brusig och ofullständig observation via sin egen framåtmodell. Arbetet omfattar sekventiell Bayesiansk inferens, djupa tillståndsrumsmodeller och osäkerhetsmedvetna representationer som tränas på både experimentella data och simuleringar, exempelvis fasfältssimuleringar av metallnukleering och -tillväxt kopplade till lattice-Boltzmann-modellering av kvartskristallens akustiska respons. Maskininlärningsaccelererade surrogatmodeller gör dessa simuleringar tillräckligt snabba för att fungera som transitions- och observationsoperatorer i inferensmotorn. Slutligen analyseras det inlärda latenta rummet för att utvinna fysikalisk innebörd, och modellernas generativa förmåga utnyttjas för att översätta data mellan teknikerna. Målet är en tolkbar och osäkerhetskvantifierad modell av hur gränsskikt bildas och växer, som fördjupar förståelsen av metallutfällning och ytpassivering i Li-, Zn- och Cu-baserade system och som är överförbar till andra material och analystekniker.

  Doktorandens uppgift är att utveckla och implementera detta ramverk i ett nära samarbete mellan kemi och datavetenskap vid Uppsala universitet samt tillsammans med våra tyska partners. I arbetet ingår att bygga och validera inferens- och simuleringspipelines, att aktivt delta i planering och genomförande av operando-experiment – inklusive mättillfällen vid synkrotronanläggningen PETRA III (DESY, Hamburg) – och att bygga djup expertis inom probabilistisk maskininlärning, dataassimilering, vetenskapliga beräkningar och analys av elektrokemiska gränsskikt.

  Fokus för doktoranden är forskning. Visst undervisningsansvar kan tilldelas men kommer inte att överstiga 20 % av den totala arbetstiden. Doktoranden läser även forskarutbildningskurser som är nära kopplade till projektets forskningsteman. Vi letar efter en mycket motiverad person som kommer att bidra till högkvalitativt vetenskapligt arbete i en multidisciplinär forskarmiljö, som syftar till att publicera resultat i ledande vetenskapliga tidskrifter och presentera dem vid både nationella och internationella konferenser.

  Kvalifikationskrav  

  Den sökande ska ha: 

  • avlagt examen på avancerad nivå eller 
  • fullgjort kursfordringar om minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå (varav 15 högskolepoäng utgör självständigt arbete), med innehåll som är relevant för forskarutbildningen eller 
  • på något annat sätt inom eller utom landet förvärvat i huvudsak motsvarande kunskaper 
  • mycket goda kunskaper i engelska, i tal och skrift.
  • examen på avancerad nivå eller motsvarande enligt ovan inom kemi, materialvetenskap, datavetenskap, tillämpad matematik, teknisk fysik eller ett relaterat område.
  • förmågan att uttrycka dig tydligt, dokumentera ditt arbete och bidra till det gemensamma i en forskningsmiljö.

  Stor vikt kommer också att läggas vid personliga egenskaper såsom god samarbetsförmåga, driv och självständighet samt hur den sökande genom sin erfarenhet och kompetens bedöms ha den förmåga som behövs för att klara forskarutbildningen.

  Önskvärt/meriterande i övrigt

  Praktisk erfarenhet av probabilistisk maskininlärning, Bayesiansk inferens, generativa modeller, dataassimilering eller vetenskapliga beräkningar är meriterande, liksom goda programmeringskunskaper (t.ex. Python, PyTorch eller JAX). Erfarenhet av elektrokemi, batteriforskning, röntgenspridningstekniker eller analys av experimentella tidsseriedata är också en fördel.

  Om anställningen 

  Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde 2026-10-01 eller enligt överenskommelse. Placeringsort: Kemi-Ångström

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

  Upplysningar om anställningen lämnas av: Prof. Erik Berg (erik.berg@kemi.uu.se)

  Välkommen med din ansökan senast den 11 september 2026, UFV-PA 2026/2414.

  Uppsala universitet är ett brett forskningsuniversitet med stark internationell ställning. Det yttersta målet är att bedriva utbildning och forskning av högsta kvalitet och relevans för att göra skillnad i samhället. 

  Anställningen kan komma att säkerhetsprövas. Vid säkerhetsprövning är en förutsättning för anställning att sökande blir godkänd.

  Vi undanber oss erbjudanden om rekryterings- och annonseringshjälp.

  Ansökan tas emot i Uppsala universitets rekryteringssystem.

  Fackliga företrädare: Saco-S - saco-s@uu.se, Seko - seko@uadm.uu.se, ST (OFR/S) - ofr@uu.se

  Arbetsgivare

  UPPSALA UNIVERSITET
  box 256
  75200 Uppsala

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

  Ansökan

  Ansök senast 11 september (5 dagar kvar)

  Ansök här

  Visa mer

• Doktorand i multimodal maskininlärning för energilagringsmaterial

  Arbetsgivare / Ort:UPPSALA UNIVERSITET / Uppsala

  Omfattning / Varaktighet:Vanlig anställning / 6 månader eller längre

  Lönetyp: Fast månads- vecko- eller timlön

  Ansök senast 11 september (5 dagar kvar)

  Publicerad: 2026-08-11

  Källa: Arbetsförmedlingen

  Ansök här

  Om jobbet

  Institutionen för kemi - Ångström bedriver forskning och utbildning inom kemiämnet. Institutionen har 270 anställda och omsätter 300 miljoner kronor. Vid institutionens sex program bedrivs mycket framgångsrik forskning av hög internationell klass. Vi har ett stort antal externt finansierade forskningsprojekt, ofta med internationellt samarbete och vi ser en fortsatt god tillväxt inom vårt ämnesområde. Institutionen har utbildningsuppdrag inom ingenjörs- och civilingenjörsprogram samt masterprogram. 

  Projektbeskrivning 

  Utvecklingen av framtidens energilagringsmaterial vilar på en grundläggande förståelse för hur deras kemiska sammansättning och struktur förändras under drift i tillämpningarna. Ingen enskild metod kan fånga hela bilden. I stället får forskaren förlita sig på flera komplementära tekniker, som var för sig ger en ofullständig och indirekt bild av samma underliggande process och som traditionellt tolkas manuellt och var för sig. Multimodal maskininlärning erbjuder ett principiellt alternativ: att integrera heterogena dataströmmar från både experiment och simuleringar i en gemensam, fysikaliskt förankrad modell. Projektets fokus är att utveckla ett sådant ramverk och att tillämpa det specifikt på elektrod/elektrolytgränsskikt i batterier, där ytkänsliga röntgenspridningstekniker (röntgenreflektometri, GISAXS och GIWAXS) och elektrokemisk kvartskristallmikrovåg med dissipationsmätning (EQCM-D) kombineras i operando-experiment. Kärnan i metodiken är dataassimilering, där gränsskiktets underliggande egenskaper (massa, volym, densitet, porositet och morfologi) behandlas som ett latent tillstånd som utvecklas i tiden, och där varje mätteknik bidrar med en brusig och ofullständig observation via sin egen framåtmodell. Arbetet omfattar sekventiell Bayesiansk inferens, djupa tillståndsrumsmodeller och osäkerhetsmedvetna representationer som tränas på både experimentella data och simuleringar, exempelvis fasfältssimuleringar av metallnukleering och -tillväxt kopplade till lattice-Boltzmann-modellering av kvartskristallens akustiska respons. Maskininlärningsaccelererade surrogatmodeller gör dessa simuleringar tillräckligt snabba för att fungera som transitions- och observationsoperatorer i inferensmotorn. Slutligen analyseras det inlärda latenta rummet för att utvinna fysikalisk innebörd, och modellernas generativa förmåga utnyttjas för att översätta data mellan teknikerna. Målet är en tolkbar och osäkerhetskvantifierad modell av hur gränsskikt bildas och växer, som fördjupar förståelsen av metallutfällning och ytpassivering i Li-, Zn- och Cu-baserade system och som är överförbar till andra material och analystekniker.

  Doktorandens uppgift är att utveckla och implementera detta ramverk i ett nära samarbete mellan kemi och datavetenskap vid Uppsala universitet samt tillsammans med våra tyska partners. I arbetet ingår att bygga och validera inferens- och simuleringspipelines, att aktivt delta i planering och genomförande av operando-experiment – inklusive mättillfällen vid synkrotronanläggningen PETRA III (DESY, Hamburg) – och att bygga djup expertis inom probabilistisk maskininlärning, dataassimilering, vetenskapliga beräkningar och analys av elektrokemiska gränsskikt.

  Fokus för doktoranden är forskning. Visst undervisningsansvar kan tilldelas men kommer inte att överstiga 20 % av den totala arbetstiden. Doktoranden läser även forskarutbildningskurser som är nära kopplade till projektets forskningsteman. Vi letar efter en mycket motiverad person som kommer att bidra till högkvalitativt vetenskapligt arbete i en multidisciplinär forskarmiljö, som syftar till att publicera resultat i ledande vetenskapliga tidskrifter och presentera dem vid både nationella och internationella konferenser.

  Kvalifikationskrav  

  Den sökande ska ha: 

  • avlagt examen på avancerad nivå eller 
  • fullgjort kursfordringar om minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå (varav 15 högskolepoäng utgör självständigt arbete), med innehåll som är relevant för forskarutbildningen eller 
  • på något annat sätt inom eller utom landet förvärvat i huvudsak motsvarande kunskaper 
  • mycket goda kunskaper i engelska, i tal och skrift.
  • examen på avancerad nivå eller motsvarande enligt ovan inom kemi, materialvetenskap, datavetenskap, tillämpad matematik, teknisk fysik eller ett relaterat område.
  • förmågan att uttrycka dig tydligt, dokumentera ditt arbete och bidra till det gemensamma i en forskningsmiljö.

  Stor vikt kommer också att läggas vid personliga egenskaper såsom god samarbetsförmåga, driv och självständighet samt hur den sökande genom sin erfarenhet och kompetens bedöms ha den förmåga som behövs för att klara forskarutbildningen.

  Önskvärt/meriterande i övrigt

  Praktisk erfarenhet av probabilistisk maskininlärning, Bayesiansk inferens, generativa modeller, dataassimilering eller vetenskapliga beräkningar är meriterande, liksom goda programmeringskunskaper (t.ex. Python, PyTorch eller JAX). Erfarenhet av elektrokemi, batteriforskning, röntgenspridningstekniker eller analys av experimentella tidsseriedata är också en fördel.

  Om anställningen 

  Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde 2026-10-01 eller enligt överenskommelse. Placeringsort: Kemi-Ångström

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

  Upplysningar om anställningen lämnas av: Prof. Erik Berg (erik.berg@kemi.uu.se)

  Välkommen med din ansökan senast den 11 september 2026, UFV-PA 2026/2414.

  Uppsala universitet är ett brett forskningsuniversitet med stark internationell ställning. Det yttersta målet är att bedriva utbildning och forskning av högsta kvalitet och relevans för att göra skillnad i samhället. 

  Anställningen kan komma att säkerhetsprövas. Vid säkerhetsprövning är en förutsättning för anställning att sökande blir godkänd.

  Vi undanber oss erbjudanden om rekryterings- och annonseringshjälp.

  Ansökan tas emot i Uppsala universitets rekryteringssystem.

  Fackliga företrädare: Saco-S - saco-s@uu.se, Seko - seko@uadm.uu.se, ST (OFR/S) - ofr@uu.se

  Arbetsgivare

  UPPSALA UNIVERSITET
  box 256
  75200 Uppsala

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

  Ansökan

  Ansök senast 11 september (5 dagar kvar)

  Ansök här

  Visa mer

• Doktorand i multimodal maskininlärning för energilagringsmaterial

  Arbetsgivare / Ort:UPPSALA UNIVERSITET / Uppsala

  Omfattning / Varaktighet:Vanlig anställning / 6 månader eller längre

  Lönetyp: Fast månads- vecko- eller timlön

  Ansök senast 11 september (5 dagar kvar)

  Publicerad: 2026-08-11

  Källa: Arbetsförmedlingen

  Ansök här

  Om jobbet

  Institutionen för kemi - Ångström bedriver forskning och utbildning inom kemiämnet. Institutionen har 270 anställda och omsätter 300 miljoner kronor. Vid institutionens sex program bedrivs mycket framgångsrik forskning av hög internationell klass. Vi har ett stort antal externt finansierade forskningsprojekt, ofta med internationellt samarbete och vi ser en fortsatt god tillväxt inom vårt ämnesområde. Institutionen har utbildningsuppdrag inom ingenjörs- och civilingenjörsprogram samt masterprogram. 

  Projektbeskrivning 

  Utvecklingen av framtidens energilagringsmaterial vilar på en grundläggande förståelse för hur deras kemiska sammansättning och struktur förändras under drift i tillämpningarna. Ingen enskild metod kan fånga hela bilden. I stället får forskaren förlita sig på flera komplementära tekniker, som var för sig ger en ofullständig och indirekt bild av samma underliggande process och som traditionellt tolkas manuellt och var för sig. Multimodal maskininlärning erbjuder ett principiellt alternativ: att integrera heterogena dataströmmar från både experiment och simuleringar i en gemensam, fysikaliskt förankrad modell. Projektets fokus är att utveckla ett sådant ramverk och att tillämpa det specifikt på elektrod/elektrolytgränsskikt i batterier, där ytkänsliga röntgenspridningstekniker (röntgenreflektometri, GISAXS och GIWAXS) och elektrokemisk kvartskristallmikrovåg med dissipationsmätning (EQCM-D) kombineras i operando-experiment. Kärnan i metodiken är dataassimilering, där gränsskiktets underliggande egenskaper (massa, volym, densitet, porositet och morfologi) behandlas som ett latent tillstånd som utvecklas i tiden, och där varje mätteknik bidrar med en brusig och ofullständig observation via sin egen framåtmodell. Arbetet omfattar sekventiell Bayesiansk inferens, djupa tillståndsrumsmodeller och osäkerhetsmedvetna representationer som tränas på både experimentella data och simuleringar, exempelvis fasfältssimuleringar av metallnukleering och -tillväxt kopplade till lattice-Boltzmann-modellering av kvartskristallens akustiska respons. Maskininlärningsaccelererade surrogatmodeller gör dessa simuleringar tillräckligt snabba för att fungera som transitions- och observationsoperatorer i inferensmotorn. Slutligen analyseras det inlärda latenta rummet för att utvinna fysikalisk innebörd, och modellernas generativa förmåga utnyttjas för att översätta data mellan teknikerna. Målet är en tolkbar och osäkerhetskvantifierad modell av hur gränsskikt bildas och växer, som fördjupar förståelsen av metallutfällning och ytpassivering i Li-, Zn- och Cu-baserade system och som är överförbar till andra material och analystekniker.

  Doktorandens uppgift är att utveckla och implementera detta ramverk i ett nära samarbete mellan kemi och datavetenskap vid Uppsala universitet samt tillsammans med våra tyska partners. I arbetet ingår att bygga och validera inferens- och simuleringspipelines, att aktivt delta i planering och genomförande av operando-experiment – inklusive mättillfällen vid synkrotronanläggningen PETRA III (DESY, Hamburg) – och att bygga djup expertis inom probabilistisk maskininlärning, dataassimilering, vetenskapliga beräkningar och analys av elektrokemiska gränsskikt.

  Fokus för doktoranden är forskning. Visst undervisningsansvar kan tilldelas men kommer inte att överstiga 20 % av den totala arbetstiden. Doktoranden läser även forskarutbildningskurser som är nära kopplade till projektets forskningsteman. Vi letar efter en mycket motiverad person som kommer att bidra till högkvalitativt vetenskapligt arbete i en multidisciplinär forskarmiljö, som syftar till att publicera resultat i ledande vetenskapliga tidskrifter och presentera dem vid både nationella och internationella konferenser.

  Kvalifikationskrav  

  Den sökande ska ha: 

  • avlagt examen på avancerad nivå eller 
  • fullgjort kursfordringar om minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå (varav 15 högskolepoäng utgör självständigt arbete), med innehåll som är relevant för forskarutbildningen eller 
  • på något annat sätt inom eller utom landet förvärvat i huvudsak motsvarande kunskaper 
  • mycket goda kunskaper i engelska, i tal och skrift.
  • examen på avancerad nivå eller motsvarande enligt ovan inom kemi, materialvetenskap, datavetenskap, tillämpad matematik, teknisk fysik eller ett relaterat område.
  • förmågan att uttrycka dig tydligt, dokumentera ditt arbete och bidra till det gemensamma i en forskningsmiljö.

  Stor vikt kommer också att läggas vid personliga egenskaper såsom god samarbetsförmåga, driv och självständighet samt hur den sökande genom sin erfarenhet och kompetens bedöms ha den förmåga som behövs för att klara forskarutbildningen.

  Önskvärt/meriterande i övrigt

  Praktisk erfarenhet av probabilistisk maskininlärning, Bayesiansk inferens, generativa modeller, dataassimilering eller vetenskapliga beräkningar är meriterande, liksom goda programmeringskunskaper (t.ex. Python, PyTorch eller JAX). Erfarenhet av elektrokemi, batteriforskning, röntgenspridningstekniker eller analys av experimentella tidsseriedata är också en fördel.

  Om anställningen 

  Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde 2026-10-01 eller enligt överenskommelse. Placeringsort: Kemi-Ångström

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

  Upplysningar om anställningen lämnas av: Prof. Erik Berg (erik.berg@kemi.uu.se)

  Välkommen med din ansökan senast den 11 september 2026, UFV-PA 2026/2414.

  Uppsala universitet är ett brett forskningsuniversitet med stark internationell ställning. Det yttersta målet är att bedriva utbildning och forskning av högsta kvalitet och relevans för att göra skillnad i samhället. 

  Anställningen kan komma att säkerhetsprövas. Vid säkerhetsprövning är en förutsättning för anställning att sökande blir godkänd.

  Vi undanber oss erbjudanden om rekryterings- och annonseringshjälp.

  Ansökan tas emot i Uppsala universitets rekryteringssystem.

  Fackliga företrädare: Saco-S - saco-s@uu.se, Seko - seko@uadm.uu.se, ST (OFR/S) - ofr@uu.se

  Arbetsgivare

  UPPSALA UNIVERSITET
  box 256
  75200 Uppsala

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

  Ansökan

  Ansök senast 11 september (5 dagar kvar)

  Ansök här

  Visa mer

• Doktorand i multimodal maskininlärning för energilagringsmaterial

  Arbetsgivare / Ort:UPPSALA UNIVERSITET / Uppsala

  Omfattning / Varaktighet:Vanlig anställning / 6 månader eller längre

  Lönetyp: Fast månads- vecko- eller timlön

  Ansök senast 11 september (5 dagar kvar)

  Publicerad: 2026-08-11

  Källa: Arbetsförmedlingen

  Ansök här

  Om jobbet

  Institutionen för kemi - Ångström bedriver forskning och utbildning inom kemiämnet. Institutionen har 270 anställda och omsätter 300 miljoner kronor. Vid institutionens sex program bedrivs mycket framgångsrik forskning av hög internationell klass. Vi har ett stort antal externt finansierade forskningsprojekt, ofta med internationellt samarbete och vi ser en fortsatt god tillväxt inom vårt ämnesområde. Institutionen har utbildningsuppdrag inom ingenjörs- och civilingenjörsprogram samt masterprogram. 

  Projektbeskrivning 

  Utvecklingen av framtidens energilagringsmaterial vilar på en grundläggande förståelse för hur deras kemiska sammansättning och struktur förändras under drift i tillämpningarna. Ingen enskild metod kan fånga hela bilden. I stället får forskaren förlita sig på flera komplementära tekniker, som var för sig ger en ofullständig och indirekt bild av samma underliggande process och som traditionellt tolkas manuellt och var för sig. Multimodal maskininlärning erbjuder ett principiellt alternativ: att integrera heterogena dataströmmar från både experiment och simuleringar i en gemensam, fysikaliskt förankrad modell. Projektets fokus är att utveckla ett sådant ramverk och att tillämpa det specifikt på elektrod/elektrolytgränsskikt i batterier, där ytkänsliga röntgenspridningstekniker (röntgenreflektometri, GISAXS och GIWAXS) och elektrokemisk kvartskristallmikrovåg med dissipationsmätning (EQCM-D) kombineras i operando-experiment. Kärnan i metodiken är dataassimilering, där gränsskiktets underliggande egenskaper (massa, volym, densitet, porositet och morfologi) behandlas som ett latent tillstånd som utvecklas i tiden, och där varje mätteknik bidrar med en brusig och ofullständig observation via sin egen framåtmodell. Arbetet omfattar sekventiell Bayesiansk inferens, djupa tillståndsrumsmodeller och osäkerhetsmedvetna representationer som tränas på både experimentella data och simuleringar, exempelvis fasfältssimuleringar av metallnukleering och -tillväxt kopplade till lattice-Boltzmann-modellering av kvartskristallens akustiska respons. Maskininlärningsaccelererade surrogatmodeller gör dessa simuleringar tillräckligt snabba för att fungera som transitions- och observationsoperatorer i inferensmotorn. Slutligen analyseras det inlärda latenta rummet för att utvinna fysikalisk innebörd, och modellernas generativa förmåga utnyttjas för att översätta data mellan teknikerna. Målet är en tolkbar och osäkerhetskvantifierad modell av hur gränsskikt bildas och växer, som fördjupar förståelsen av metallutfällning och ytpassivering i Li-, Zn- och Cu-baserade system och som är överförbar till andra material och analystekniker.

  Doktorandens uppgift är att utveckla och implementera detta ramverk i ett nära samarbete mellan kemi och datavetenskap vid Uppsala universitet samt tillsammans med våra tyska partners. I arbetet ingår att bygga och validera inferens- och simuleringspipelines, att aktivt delta i planering och genomförande av operando-experiment – inklusive mättillfällen vid synkrotronanläggningen PETRA III (DESY, Hamburg) – och att bygga djup expertis inom probabilistisk maskininlärning, dataassimilering, vetenskapliga beräkningar och analys av elektrokemiska gränsskikt.

  Fokus för doktoranden är forskning. Visst undervisningsansvar kan tilldelas men kommer inte att överstiga 20 % av den totala arbetstiden. Doktoranden läser även forskarutbildningskurser som är nära kopplade till projektets forskningsteman. Vi letar efter en mycket motiverad person som kommer att bidra till högkvalitativt vetenskapligt arbete i en multidisciplinär forskarmiljö, som syftar till att publicera resultat i ledande vetenskapliga tidskrifter och presentera dem vid både nationella och internationella konferenser.

  Kvalifikationskrav  

  Den sökande ska ha: 

  • avlagt examen på avancerad nivå eller 
  • fullgjort kursfordringar om minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå (varav 15 högskolepoäng utgör självständigt arbete), med innehåll som är relevant för forskarutbildningen eller 
  • på något annat sätt inom eller utom landet förvärvat i huvudsak motsvarande kunskaper 
  • mycket goda kunskaper i engelska, i tal och skrift.
  • examen på avancerad nivå eller motsvarande enligt ovan inom kemi, materialvetenskap, datavetenskap, tillämpad matematik, teknisk fysik eller ett relaterat område.
  • förmågan att uttrycka dig tydligt, dokumentera ditt arbete och bidra till det gemensamma i en forskningsmiljö.

  Stor vikt kommer också att läggas vid personliga egenskaper såsom god samarbetsförmåga, driv och självständighet samt hur den sökande genom sin erfarenhet och kompetens bedöms ha den förmåga som behövs för att klara forskarutbildningen.

  Önskvärt/meriterande i övrigt

  Praktisk erfarenhet av probabilistisk maskininlärning, Bayesiansk inferens, generativa modeller, dataassimilering eller vetenskapliga beräkningar är meriterande, liksom goda programmeringskunskaper (t.ex. Python, PyTorch eller JAX). Erfarenhet av elektrokemi, batteriforskning, röntgenspridningstekniker eller analys av experimentella tidsseriedata är också en fördel.

  Om anställningen 

  Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde 2026-10-01 eller enligt överenskommelse. Placeringsort: Kemi-Ångström

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

  Upplysningar om anställningen lämnas av: Prof. Erik Berg (erik.berg@kemi.uu.se)

  Välkommen med din ansökan senast den 11 september 2026, UFV-PA 2026/2414.

  Uppsala universitet är ett brett forskningsuniversitet med stark internationell ställning. Det yttersta målet är att bedriva utbildning och forskning av högsta kvalitet och relevans för att göra skillnad i samhället. 

  Anställningen kan komma att säkerhetsprövas. Vid säkerhetsprövning är en förutsättning för anställning att sökande blir godkänd.

  Vi undanber oss erbjudanden om rekryterings- och annonseringshjälp.

  Ansökan tas emot i Uppsala universitets rekryteringssystem.

  Fackliga företrädare: Saco-S - saco-s@uu.se, Seko - seko@uadm.uu.se, ST (OFR/S) - ofr@uu.se

  Arbetsgivare

  UPPSALA UNIVERSITET
  box 256
  75200 Uppsala

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

  Ansökan

  Ansök senast 11 september (5 dagar kvar)

  Ansök här

  Visa mer

• Doktorand i multimodal maskininlärning för energilagringsmaterial

  Arbetsgivare / Ort:UPPSALA UNIVERSITET / Uppsala

  Omfattning / Varaktighet:Vanlig anställning / 6 månader eller längre

  Lönetyp: Fast månads- vecko- eller timlön

  Ansök senast 11 september (5 dagar kvar)

  Publicerad: 2026-08-11

  Källa: Arbetsförmedlingen

  Ansök här

  Om jobbet

  Institutionen för kemi - Ångström bedriver forskning och utbildning inom kemiämnet. Institutionen har 270 anställda och omsätter 300 miljoner kronor. Vid institutionens sex program bedrivs mycket framgångsrik forskning av hög internationell klass. Vi har ett stort antal externt finansierade forskningsprojekt, ofta med internationellt samarbete och vi ser en fortsatt god tillväxt inom vårt ämnesområde. Institutionen har utbildningsuppdrag inom ingenjörs- och civilingenjörsprogram samt masterprogram. 

  Projektbeskrivning 

  Utvecklingen av framtidens energilagringsmaterial vilar på en grundläggande förståelse för hur deras kemiska sammansättning och struktur förändras under drift i tillämpningarna. Ingen enskild metod kan fånga hela bilden. I stället får forskaren förlita sig på flera komplementära tekniker, som var för sig ger en ofullständig och indirekt bild av samma underliggande process och som traditionellt tolkas manuellt och var för sig. Multimodal maskininlärning erbjuder ett principiellt alternativ: att integrera heterogena dataströmmar från både experiment och simuleringar i en gemensam, fysikaliskt förankrad modell. Projektets fokus är att utveckla ett sådant ramverk och att tillämpa det specifikt på elektrod/elektrolytgränsskikt i batterier, där ytkänsliga röntgenspridningstekniker (röntgenreflektometri, GISAXS och GIWAXS) och elektrokemisk kvartskristallmikrovåg med dissipationsmätning (EQCM-D) kombineras i operando-experiment. Kärnan i metodiken är dataassimilering, där gränsskiktets underliggande egenskaper (massa, volym, densitet, porositet och morfologi) behandlas som ett latent tillstånd som utvecklas i tiden, och där varje mätteknik bidrar med en brusig och ofullständig observation via sin egen framåtmodell. Arbetet omfattar sekventiell Bayesiansk inferens, djupa tillståndsrumsmodeller och osäkerhetsmedvetna representationer som tränas på både experimentella data och simuleringar, exempelvis fasfältssimuleringar av metallnukleering och -tillväxt kopplade till lattice-Boltzmann-modellering av kvartskristallens akustiska respons. Maskininlärningsaccelererade surrogatmodeller gör dessa simuleringar tillräckligt snabba för att fungera som transitions- och observationsoperatorer i inferensmotorn. Slutligen analyseras det inlärda latenta rummet för att utvinna fysikalisk innebörd, och modellernas generativa förmåga utnyttjas för att översätta data mellan teknikerna. Målet är en tolkbar och osäkerhetskvantifierad modell av hur gränsskikt bildas och växer, som fördjupar förståelsen av metallutfällning och ytpassivering i Li-, Zn- och Cu-baserade system och som är överförbar till andra material och analystekniker.

  Doktorandens uppgift är att utveckla och implementera detta ramverk i ett nära samarbete mellan kemi och datavetenskap vid Uppsala universitet samt tillsammans med våra tyska partners. I arbetet ingår att bygga och validera inferens- och simuleringspipelines, att aktivt delta i planering och genomförande av operando-experiment – inklusive mättillfällen vid synkrotronanläggningen PETRA III (DESY, Hamburg) – och att bygga djup expertis inom probabilistisk maskininlärning, dataassimilering, vetenskapliga beräkningar och analys av elektrokemiska gränsskikt.

  Fokus för doktoranden är forskning. Visst undervisningsansvar kan tilldelas men kommer inte att överstiga 20 % av den totala arbetstiden. Doktoranden läser även forskarutbildningskurser som är nära kopplade till projektets forskningsteman. Vi letar efter en mycket motiverad person som kommer att bidra till högkvalitativt vetenskapligt arbete i en multidisciplinär forskarmiljö, som syftar till att publicera resultat i ledande vetenskapliga tidskrifter och presentera dem vid både nationella och internationella konferenser.

  Kvalifikationskrav  

  Den sökande ska ha: 

  • avlagt examen på avancerad nivå eller 
  • fullgjort kursfordringar om minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå (varav 15 högskolepoäng utgör självständigt arbete), med innehåll som är relevant för forskarutbildningen eller 
  • på något annat sätt inom eller utom landet förvärvat i huvudsak motsvarande kunskaper 
  • mycket goda kunskaper i engelska, i tal och skrift.
  • examen på avancerad nivå eller motsvarande enligt ovan inom kemi, materialvetenskap, datavetenskap, tillämpad matematik, teknisk fysik eller ett relaterat område.
  • förmågan att uttrycka dig tydligt, dokumentera ditt arbete och bidra till det gemensamma i en forskningsmiljö.

  Stor vikt kommer också att läggas vid personliga egenskaper såsom god samarbetsförmåga, driv och självständighet samt hur den sökande genom sin erfarenhet och kompetens bedöms ha den förmåga som behövs för att klara forskarutbildningen.

  Önskvärt/meriterande i övrigt

  Praktisk erfarenhet av probabilistisk maskininlärning, Bayesiansk inferens, generativa modeller, dataassimilering eller vetenskapliga beräkningar är meriterande, liksom goda programmeringskunskaper (t.ex. Python, PyTorch eller JAX). Erfarenhet av elektrokemi, batteriforskning, röntgenspridningstekniker eller analys av experimentella tidsseriedata är också en fördel.

  Om anställningen 

  Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde 2026-10-01 eller enligt överenskommelse. Placeringsort: Kemi-Ångström

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

  Upplysningar om anställningen lämnas av: Prof. Erik Berg (erik.berg@kemi.uu.se)

  Välkommen med din ansökan senast den 11 september 2026, UFV-PA 2026/2414.

  Uppsala universitet är ett brett forskningsuniversitet med stark internationell ställning. Det yttersta målet är att bedriva utbildning och forskning av högsta kvalitet och relevans för att göra skillnad i samhället. 

  Anställningen kan komma att säkerhetsprövas. Vid säkerhetsprövning är en förutsättning för anställning att sökande blir godkänd.

  Vi undanber oss erbjudanden om rekryterings- och annonseringshjälp.

  Ansökan tas emot i Uppsala universitets rekryteringssystem.

  Fackliga företrädare: Saco-S - saco-s@uu.se, Seko - seko@uadm.uu.se, ST (OFR/S) - ofr@uu.se

  Arbetsgivare

  UPPSALA UNIVERSITET
  box 256
  75200 Uppsala

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

  Ansökan

  Ansök senast 11 september (5 dagar kvar)

  Ansök här

  Visa mer

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10

Visa alla 1068 lediga jobb som Filosof