Upp till tre doktorander i Reglerteknik - Under tillsättning eller tillsatt, ej sökbar

Institutionen för informationsteknologi har en ledande position inom såväl forskning som utbildning på alla nivåer. Institutionen har i dag ca 300 anställda varav 120 lärare och 110 doktorander. Drygt 4000 studenter läser en eller flera kurser vid institutionen varje år och ett 30-tal forskargrupper är kopplade hit. Mer info finns via länken till institutionens hemsida.

Vid avdelningen för Systemteknik utvecklar vi teori för och tillämpningar av reglerteknik, systemidentifiering och maskininlärning. Ett viktigt mål är att utveckla matematiska modeller som kan beskriva verkliga dynamiska fenomen så att maskiner och människor mer effektivt kan agera i världen runt oss. Optimeringsmetoder är centrala i fältet eftersom de utnyttjas såväl inom reglerteknik som maskininlärning och systemidentifiering. För beskrivning av dynamiska system och scenarion är kvantifiering av osäkerhet viktig och möjliggör design av algoritmer med garanterad prestanda.

Vid avdelningen har vi ett brett nätverk av starka internationella samarbeten runt om i världen, till exempel vid Delft University of Technology, University of Cambridge, University of Oxford, Imperial College, University of British Columbia, University of Sydney, University of Newcastle och Alto University. Vi strävar efter att alla doktorander ska få en gedigen internationell erfarenhet under sin doktorandtid.

Tre konkreta exempel på föreslagna forskningsprojekt anges kort nedan. Som sökande uppmuntrar vi att du anger ditt önskade projekt i din ansökan, men det önskemålet är inte bindande. Den exakta inriktningen för varje doktorand avgörs i en dialog mellan studenten och handledaren. De tre problemformuleringar som är mest relevanta för denna öppning är följande:

Projekt 1: Säkra inlärning- och styrsystem
Den antagna doktoranden kommer att ingå i Secure Learning and Control Laboratory vid Institutionen för informationsteknologi, Uppsala universitet. Laboratoriet bedriver interdisciplinär forskning av både teoretisk och tillämpad art inom ett gränsområde mellan cybersäkerhet, reglerteori och maskininlärning. Visionen är att utveckla en metodologisk bas för dimensionering av intelligenta autonoma beslutsfattande system som är säkra och kan motstå illvilliga attacker.

Tjänsten finansieras av ett forskningsanslag inom SSF:s program Framtidens forskningsledare för projektet “Secure and Resilient Control Systems”. Projektet syftar till att utveckla metoder för att hantera, under osäkerhet, de cybersäkerhetsutmaningar som uppstår i beslutsfattande system för styrning och maskininlärning. Den metodologiska frågeställningen är att föreslå och analysera nya probabilistiska riskmått och optimeringsbaserade dimensioneringsmetoder som betraktar konsekvenser och detekterbarhet hos attacker såväl som modellosäkerhet och förhandsinformation om angriparens strategi. Genom att kombinera relevanta metoder inhämtade från reglerteori, förstärkningsinlärning, optimeringslära och spelteori ämnar projektet att föra fram forskningsfronten inom säkra reglersystem och maskininlärning.

Mer information finns via länken till projektets hemsida.

Projekt 2: e-Vetenskap och Miljöbaserad Epidemiologi
Det här projektet kommer att ta sig an de utmaningar som uppkommer vid beräkningsmodellering syftande till att estimera och förutsäga tillståndet i en pågående epidemi. Projektet kommer särskilt att beakta nya tekniker för övervakning baserade på icketraditionella datakällor. Ickelinjära prediktionsfilter designade specifikt med epidemiologiska modeller och svåra mätförhållanden i åtanke kommer att utvecklas. Verktygen kommer att utvecklas i samarbete med SciLifeLab’s Swedish Environmental Epidemiology Center (SEEC), ett centrum med forskning, kompetens, och teknologiutveckling för pandemisk beredskap.

Denna tjänst är en del av eSSENCE-SciLifeLabs forskarskola inom dataintensiv vetenskap. Forskarskolan inriktar sig på utmaningar inom dataintensiv vetenskap både från ett metodologiskt perspektiv och från tillämpningsperspektivet. Skolan är en arena där experter inom beräkningsvetenskap, datavetenskap, och datasystem & -metodologi arbetar tätt med forskare inom datadrivna vetenskaper, industri och samhälle för att accelerera dataintensiva vetenskapliga upptäckter.

Mer information finns via länken till projektbeskrivningen.

Projekt 3: Gränssnitt till nervsystemet på cellnivå för nästa generations artificiella retina
Neurostimulerande enheter tillåter behandling av flera olika neurologiska sjukdomar. Tyvärr råder det brist på metodologier och verktyg för att uppnå deras fulla potential. Det här projektet syftar till att samla koncept från fysik, matematik, och dynamiska/reglersystem för att få nya insikter inom neurofysiologiska system. Vi kommer att bygga på dessa för att utveckla beslutsmekanismer som reglerar neurofysiologiska system mot ett önskat beteende. Det överliggande målet är att öppna upp för effektiva och tillförlitliga neurostimulerande enheter. Vi är särskilt intresserade av att utveckla de nödvändiga mekanismerna för nästa generations artificiella retina som kan hjälpa blinda att återfå synen.

Mer information finns via länken till projektbeskrivningen.

Läs mer om våra förmåner och hur det är att jobba inom Uppsala universitet

Arbetsuppgifter
Doktoranden ska främst ägna sig åt den egna forskarutbildningen. Övrig tjänstgöring vid institutionen, som avser undervisning och administrativt arbete, ingår inom ramen för anställningen (max 20%).

Kvalifikationskrav

• en färdig (eller nästan färdig) magisterexamen eller motsvarande inom ett fält som är relevant för projektet
• goda kommunikationsfärdigheter inom talad och skriven engelska, samt överlag goda studieresultat
• personliga färdigheter inkluderande kreativitet, noggrannhet, och god analytisk förmåga

Specifika krav för den första tjänsten inkluderar programmering (föredragningsvis Matlab eller Python), samt bra kunskap inom Reglerteknik.

Specifika krav för den andra tjänsten anses programmering (Matlab eller Python), samt kunskap inom ett eller flera av Beräkningsvetenskap, Systemidentifiering, eller Maskininlärning vara prioriterat.

Slutligen, för den tredje tjänsten är specifika kraven liknande de andra två och inkluderar programmering i Matlab eller Python, samt kunskap inom Optimering, Maskininlärning, Dynamiska- och Reglersystem.

Önskvärt/meriterande i övrigt
För den första tjänsten, erfarenheter och kurser inom Cybersäkerhet och Integritet, Maskininlärning eller Statistiska beräkningsmetoder, och Optimering är meriterande.

För den andra tjänsten, erfarenheter inom följande ämnen är meriterande: Tillämpad matematik, Statistik, Dynamiska system.

Ansökan
Ansökan ska innehålla ett personlig brev (max 2 sidor) där den sökande beskriver sig själv, sina forskningsintressen, anledningen till varför du söker denna tjänst, samt tidigare erfarenheter av relevans för anställningen. Ansökan ska också innehålla en meritförteckning (CV), relevanta betygshandlingar, examensarbete (eller ett utkast till detta och/eller annan egenproducerad teknisk text), relevanta publikationer och övriga dokument (t.ex. förteckning över referenspersoner). Det är inget krav att den sökande har relevant grundexamen vid ansökans inlämnande, men samtliga sökande skall ange tidigaste möjliga datum för anställning. 

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

Om anställningen 
Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde enligt överenskommelse. Placeringsort: Uppsala.

Upplysningar om anställningen lämnas av: 
Associate Professor André Teixeira (phone: +46  18-471 5414, email: andre.teixeira@it.uu.se), or Prof. Stefan Engblom (phone: +46 18-471 2754,  email: stefan.engblom@it.uu.se) or Associate Professor Sérgio Pequito, email: sergio.pequito@it.uu.se.

Välkommen med din ansökan senast den 20 juni 2022, UFV-PA 2022/1728.