Arbetsbeskrivning

Dina arbetsuppgifter

Fysikaliska processer utvecklas ofta över både tid och rum, vilket gör spatio-temporala modeller och data centrala inom stora delar av vetenskapen och teknikutvecklingen, med tillämpningar som sträcker sig från väderprognoser till hjärt-kärl-medicin. Att utveckla maskininlärningsmetoder som kan modellera dessa på ett träffsäkert sätt är fortfarande ett öppet och aktivt forskningsområde. Det här doktorandprojektet handlar i grunden om att bidra till den utvecklingen genom nya metoder för generativ modellering, dataassimilering och flerskaliga neuronnätsmodeller för spatio-temporala data.

Metodutvecklingen motiveras av en konkret och viktig tillämpning: att modellera gastransport och spridning i stadsmiljöer. Det är ett sammanhang som är både vetenskapligt utmanande och praktiskt relevant, med kopplingar till luftkvalitetsövervakning, räddningstjänstens arbete vid farliga utsläpp och uppskattning av växthusgasflöden för effektiva utsläppsminskningar. Dagens metoder har svårt att hantera data från heterogena sensornätverk, är för beräkningstunga för realtidsanvändning och ger ingen tillförlitlig kvantifiering av osäkerhet.

Att ta itu med dessa brister är en forskningsmässig utmaning både inom maskininlärning och inom tillämpningsområdet. Projektet angriper båda delarna i nära samarbete med klimatforskare.

Som doktorand ägnar du dig åt din forskarutbildning och forskningsprojekt där du ingår. I ditt arbete kan även ingå att undervisa eller att delta i andra institutionsuppdrag, upp till 20% av heltid. I arbetsuppgifterna ingår även att aktivt bidra till det samarbete inom vilket projektet kommer genomföras (läs mer under "Din arbetsplats" nedan).

OBS! När du söker tjänsten vill vi att du skickar ett personligt brev (första fältet i ansökningsformuläret). Detta brev bör innehålla ett stycke där du kortfattat förklarar/listar de kvalifikationer som du anser är särskilt relevanta för det forskningsämne som beskrivs ovan. Detta stycke ska börja med orden "Suitability for research topic:".

Dina kvalifikationer

Du har avlagt examen på avancerad nivå inom maskininlärning, statistik, datavetenskap, strömningsmekanik eller ett relaterat område som bedöms vara relevant för projektets forskningsinriktning, eller slutfört kurser om minst 240 högskolepoäng varav minst 60 högskolepoäng på avancerad nivå inom ovan nämnda områden eller på något annat sätt förvärvat i huvudsak motsvarande kunskaper.

Utmärkta studieresultat och en stark bakgrund inom matematik är ett krav för anställningen. Den sökande ska vara skicklig på att implementera nya modeller och algoritmer i en lämplig mjukvarumiljö, med dokumenterad erfarenhet. Den sökande ska dessutom ha en stark drivkraft för att utföra grundforskning; förmåga och intresse för att samarbeta inom forskning; och stark kommunikationsförmåga. Den sökande ska kunna kommunicera obehindrat på engelska i tal och skrift.

Din arbetsplats

Linköpings universitet är en av de ledande AI-institutionerna i Sverige.

Anställningen är formellt placerad vid avdelningen för statistik och maskininlärning (STIMA) på Institutionen för datavetenskap (IDA), Linköpings universitet. På STIMA bedriver vi forskning och utbildning inom både statistik och maskininlärning, på grund-, avancerad och forskarnivå. Vi publicerar regelbundet gedigna bidrag på de bästa maskininlärningskonferenserna. STIMA kännetecknas av en modern syn på det statistiska ämnet, där probabilistiska modeller kombineras med beräkningsalgoritmer för att lösa utmanande komplexa problem, samt en statistisk syn på maskininlärning som tydligt integrerar de två ämnesområdena inom avdelningen. För mer information om STIMA, se https://liu.se/en/organisation/liu/ida/stima

Projektet kommer att genomföras i ett samarbete mellan STIMA (huvudhandledare: professor Fredrik Lindsten) och Centre for Environmental and Climate Science, Lunds universitet (bihandledare: professor Natascha Kljun) genom ett samarbetsprojekt inom ELLIIT. Projektet kommer även att anställa en doktorand vid Lunds universitet, med fokus på de tillämpade aspekterna av projektet, medan fokus för den utlysta tjänsten är på utveckling av maskininlärningsmetoder. Vi kommer att sträva efter ett nära samarbete mellan grupperna, inklusive regelbundna möten och forskningsvistelser. Som doktorand i projektet förväntas du aktivt delta i och bidra till detta samarbete.

Om anställningen

I samband med tillträde till anställningen kommer du att antas till forskarutbildningen. Läs mer om respektive fakultets forskarutbildning https://liu.se/forskning/forskarutbildning

Anställningen är tidsbegränsad till normalt fyra år heltid. Förlängning av anställning upp till fem år sker utifrån grad av undervisnings- och institutionsuppdrag. Vid särskilda skäl kan ytterligare förlängning ske. Du anställs till en början på ett år, och därefter förnyas anställningen med högst två år i taget, utifrån uppnådd studieplan. 

Tillträde enligt överenskommelse.

Lön och förmåner

Doktorandlönen regleras utifrån en lokalt avtalad lönestege. Läs mer om förmåner för anställda https://liu.se/jobba-pa-liu/formaner.

Fackliga kontaktpersoner

Information om fackliga kontaktpersoner, se https://liu.se/jobba-pa-liu/hjalp-for-sokande.

Ansökan

Du söker denna anställning genom att klicka på knappen ”Ansök” nedan. Din ansökan ska vara Linköpings universitet tillhanda senast den 24 april 2026. Ansökan som inkommer efter sista ansökningsdag beaktas inte.