Arbetsbeskrivning

Institutionen för informationsteknologi har en ledande position inom såväl forskning som utbildning på alla nivåer. Vi är idag Uppsala universitets tredje största institution och har i dag drygt 350 anställda varav 120 lärare och 120 doktorander. C:a 5000 grundutbildningsstudenter läser en eller flera kurser vid institutionen varje år. Mer information om oss hittar du på institutionen för informationsteknologis webbplats.

Denna position finansieras av COMPEL (COMPetitiveness for the ELectrification of the Transport System), ett strategiskt initiativ från den svenska regeringen för att säkerställa Sveriges långsiktiga konkurrenskraft inom batteriutveckling och elektrifiering av transportsektorn. Forskning och utbildning inom plattformen täcker hela batterivärdekedjan och erbjuder ett tvärvetenskapligt nätverk för samarbete. Det är inom denna kontext som COMPEL nu rekryterar ett flertal unga forskare med olika kompetenser inom batterivärdekedjan, med ambitionen att bygga en unik tvärvetenskaplig forsknings- och utbildningsmiljö. Detta initiativ bygger på ett starkt partnerskap mellan akademi och industri för att driva forskning och utveckling framåt.

Projektbeskrivning

Projektet syftar till att utveckla oövervakade maskininlärningsmetoder för att extrahera dynamiska modeller av batteridegradering från multimodala tidsseriedata, med särskild tonvikt på förklarbarhet. Datan som ligger till grund för detta högfrekventa akustiska emissionsmätningar (AE), i kombination med elektrokemiska mätningar, från batterier under drift. Sådana data innehåller värdefull information om komplexa elektro-kemo-mekaniska processer – såsom brott, interfasdelaminering och gasevolution – men är svåra att analysera. Projektet avser att gå bortom svartlådeprediktion genom att lära sig lågdimensionella latenta representationer som fångar dessa underliggande fysiska fenomen. Exempel på relevant metodik innefattar självövervakad temporal representationsinlärning för stora mängder omärkta AE- och elektrokemiska tidsseriedata, tillståndsrymdsmodeller med switchning som beskriver övergångar mellan fysikaliska mekanismer, samt neurala ODE-modeller för latenta dynamiker som kopplar samman multimodala signaler uppmätta med olika frekvenser. Tillsammans bildar dessa verktyg ett integrerat ramverk som både extraherar mekanistisk insikt ur komplexa batteritidsserier och möjliggör tolkbara metoder för batteridiagnostik och prognostik.

De exakta detaljerna i forskningsprojektet fastställs i dialog mellan postdoktoranden och handledarna Jens Sjölund (maskininlärning) och Leiting Zhang (batterisensorik). Förväntat resultat är metodik och modelleringsverktyg för tolkbar och generaliserbar analys av storskaliga tidsseriedata, med tillämpning på att fördjupa den grundläggande förståelsen av batteriåldrande och möjliggöra nya diagnostiska förmågor för realtidsövervakning av batterier.

Arbetsuppgifter

En postdoktors huvudsakliga arbetsuppgift är forskning. Undervisning upp till 20% är möjlig.

Kvalifikationskrav

Doktorsexamen i maskininlärning, reglerteknik, systemidentifiering, signalbehandling, tillämpad matematik, batterisystem, eller liknande, alternativt en utländsk examen som bedöms motsvara doktorsexamen i sagda ämnen. Examen ska vara uppfyllt senast vid tidpunkten då anställningsbeslutet fattas. Främst bör den komma ifråga som har avlagt examen för högst tre år sedan. Vid beräkning av ramtiden om tre år är utgångspunkten sista ansökningsdag. Om det finns särskilda skäl kan sådan examen ha avlagts tidigare. Med särskilda skäl avses ledighet på grund av sjukdom, föräldraledighet, förtroendeuppdrag inom fackliga organisationer, etc.

• Den sökande måste ha en stark teknisk bakgrund, närmare bestämt är erfarenhet inom något av följande ämnen meriterande: maskininlärning, reglerteknik, systemidentifiering, optimering, signalbehandling, filtrering och utjämning, probabilistisk modellering, dynamiska system, elektrokemi.
• Kandidaten förväntas ha publicerat i de ledande forumen för sitt fält, exempelvis ledande tidsskrifter inom reglerteknik och tillämpad matematik och/eller toppkonferenser i maskininlärning.
• Intresse av tvärvetenskapligt samarbete.
• Kunskaper i programmering krävs.
• Utmärkta kunskaper i talad och skriftlig engelska är ett krav. Du förväntas kunna undervisa på engelska.

Önskvärt/meriterande i övrigt

Som person är du kreativ, noggrann och har ett strukturerat arbetssätt. Vid urval bland sökande kommer vi att bedöma deras förmåga att självständigt driva sitt arbete framåt, att samarbeta med andra, att ha ett professionellt förhållningssätt och att analysera samt arbeta med komplexa problem. Stor vikt kommer att läggas vid personliga egenskaper och personlig lämplighet.

Ansökan

Ansökan måste innehålla:

• Ett curriculum vitae (CV),
• En kopia av relevanta betygsdokument (översatta till svenska eller engelska),
• En publikationslista,
• Upp till fem utvalda publikationer i elektroniskt format,
• En forskningsbeskrivning som beskriver din tidigare och nuvarande forskning (max 1 sida) och ett förslag till framtida aktiviteter (max 1 sida),
• Kontaktinformation för två referenser,

Alla sökande bör ange det tidigaste möjliga startdatum för anställningen.

Om anställningen

Anställningen är tidsbegränsad i två år enligt centralt kollektivavtal. Omfattningen är heltid. Tillträde enligt överenskommelse. Placeringsort: Uppsala

Upplysningar om anställningen lämnas av: Biträdande lektor Jens Sjölund, [email protected], och biträdande lektor Leiting Zhang, [email protected].

Välkommen med din ansökan senast den 11 maj 2026, UFV-PA 2026/1172.

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 - [email protected], Seko - [email protected], ST (OFR/S) - [email protected]