Aarhus Universitet inviterer dig til en toårig postdoc-stilling ved Institut for Ingeniørvidenskab med fokus på fysikdrevet maskinlæring til jordbaserede, luftbårne og dronebaserede transient elektromagnetiske (TEM) data.
Projektet bygger på anEMone, Aarhus Universitet's fuldt differentierbare TEM forlæns-modelleringsramme implementeret i PyTorch, for at udvikle superviserede og selv-superviserede dybdelæringsmodeller, der direkte inkorporerer elektromagnetisk fysik. Aarhus Universitet søger en motiveret postdoc til at lede banebrydende forskning, der kombinerer metodologisk udvikling med praktisk implementering inden for et stort Innovationsfonden Grand Solutions projekt.
Forventet startdato og ansættelsesvarighed
Dette er en 2-årig stilling fra den 1. januar 2027 eller snarest muligt.
Stillingen er tidsbegrænset og udløber 24 måneder efter startdatoen.
Stillingsbeskrivelse
Postdoc-stillingen fokuserer på fysikdrevne maskinlæringsmetoder til jordbaserede, luftbårne og dronebaserede transient elektromagnetiske (TEM) data. Arbejdet vil bygge på anEMone, Aarhus Universitet's fuldt differentierbare TEM forlæns-modelleringsramme implementeret i PyTorch. Det vil bruge den elektromagnetiske fysik til at udvikle superviserede og selv-superviserede dybdelæringsmodeller til TEM-modellering og inversion.
Dine hovedansvar vil omfatte:
- Udvikling af superviserede og selv-superviserede dybdelæringsmodeller til TEM-inversion, der inkorporerer Aarhus Universitet's fuldt differentierbare TEM forlæns-operator.
- Design af fysikbaserede tabsfunkioner og træningsstrategier, der sikrer konsistens mellem målte data, forudsagte undergrundsmodeller og simulerede TEM-respons.
- Inkorporering af systemgeometri, transmitterbølgeformer, målingsusikkerheder og bevægelsesrelateret information i læringsrammerne.
- Træning og validering af de udviklede metoder ved brug af syntetiske og felt-TEM-datasæt.
- Udvikling af beregningseffektive implementeringer egnet til nær-realtids- eller realtidsapplikationer.
- Publicering af forskning med stor indflydelse og bidrag til udadvendte og formidlingsaktiviteter.
Postdoc'en vil have betydelig frihed til at forme den metodologiske retning for forskningen. Samtidig bidrager stillingen til projektets overordnede mål om at udvikle robuste og implementerbare fysikdrevne maskinlæringsløsninger til TEM-data.
Udover kollegerne ved Institut for Ingeniørvidenskab vil du samarbejde tæt med geofysikere fra Hydrogeofysikgruppen (HGG) ved Institut for Geoscience på Aarhus Universitet. Du vil også samarbejde med TEMcompany, Aarhus Universitet's industrielle projektpartner. Du vil desuden have mulighed for at vejlede bachelor- og kandidatstuderende.
Din profil
Aarhus Universitet søger en yderst motiveret kandidat med en stærk baggrund inden for dyb læring, videnskabelig maskinlæring eller inverse problemer. Den ideelle kandidat trives i tværfaglige miljøer og er interesseret i at udvikle metoder, der kombinerer fysisk modellering med virkelige geofysiske applikationer.
Nødvendige kvalifikationer omfatter:
- Ph.d. i elektroteknik, computer engineering, datalogi, anvendt matematik, geofysik, fysik eller et relateret felt.
- Dokumenteret erfaring med udvikling af dybdelæringsmodeller (f.eks. CNNs, UNets, Transformers).
- Stærke programmeringsevner i Python og praktisk erfaring med dybdelæringsrammer i PyTorch.
- Erfaring med videnskabelig computing, numerisk modellering eller inverse problemer.
- Stærk publikationshistorik i forhold til karrierestadiet.
- Fremragende skriftlige og mundtlige engelske kommunikationsevner.
Følgende kvalifikationer vil blive betragtet som en fordel:
- Erfaring med fysik-informeret eller fysikdrevet maskinlæring.
- Kendskab til elektromagnetiske metoder, især TEM-modellering eller inversion.
- Erfaring med geofysiske eller andre videnskabelige datasæt.
- Erfaring med at udvikle beregningseffektive modeller til nær-realtids- eller realtidsapplikationer.
- Erfaring med at arbejde i kollaborative og tværfaglige forskningsmiljøer.
Hvem Aarhus Universitet er
Du vil blive ansat ved Institut for Ingeniørvidenskab (ECE) på Aarhus Universitet, et dynamisk og voksende institut, der er forpligtet til excellence inden for forskning, uddannelse og innovation. Aarhus Universitet's forskning spænder over signalbehandling, maskinlæring, digitale tvillinger og intelligente systemer — alt sammen med en stærk vægt på virkelighedens indvirkning og samfundsmæssig relevans.
Denne stilling er forankret i sektionen for Signalbehandling og Maskinlæring ved ECE. Stillingen vil blive vejledt af adjunkt Muhammad Rizwan Asif, hvis forskning fokuserer på udvikling af avancerede dybdelæringsmetoder til geovidenskabelige og miljømæssige applikationer. Nuværende forskning omfatter maskinlæring til transient elektromagnetisk data, grundvandskortlægning, fjernmåling og integration af fysisk modellering med datadrevne metoder.
Dit daglige arbejde vil være tæt forbundet med forskere i Hydrogeofysikgruppen (HGG) ved Institut for Geoscience. Denne gruppe er en internationalt anerkendt leder inden for udvikling og anvendelse af transient elektromagnetiske metoder til undergrundskortlægning. Du vil også samarbejde tæt med TEMcompany, den industrielle projektpartner, som giver direkte adgang til jordbaserede og dronebaserede TEM-systemer, feltdatasæt og operationelle behandlingsworkflows.
Hvad Aarhus Universitet tilbyder
Aarhus Universitet tilbyder et levende og inkluderende forskningsmiljø med et stærkt tværfagligt fundament og en klar forpligtelse til reel indvirkning på verden. Danmark er konsekvent rangeret blandt de bedste lande i verden for balance mellem arbejde og privatliv samt livskvalitet. Familievenlige politikker inkluderer generøs forældreorlov, subsidieret børnepasning og adgang til fremragende offentlig sundhedspleje og uddannelse. Som postdoc ved Aarhus Universitet vil du nyde godt af et støttende og fleksibelt miljø.
