Postdoktor inom datadriven experimentdesign för det robotiserade batterilabbet - Under tillsättning eller tillsatt, ej sökbar

Vill du använda maskininlärning och optimering för att accelerera övergången till ett koldioxidneutralt samhälle? Vill du vara en del av ett samarbetsinriktat och tvärvetenskapligt forskningsteam i jakten på nästa generation gröna batterier? Vill du ha en arbetsgivare som satsar på ett hållbart medarbetarskap och erbjuder trygga, förmånliga arbetsvillkor? Välkommen att söka anställning som postdoktor på Uppsala universitet.

På avdelningen för systemteknik utvecklar vi både teori och konkreta verktyg för inlärning, resonerande och agerande utifrån data. Ett viktigt mål är att utveckla matematiska modeller som möjliggör för maskiner och människor att agera effektivt i den verkliga världen. Optimeringsmetoder är av central betydelse eftersom de är hörnstenar i båda våra kärnområden: maskininlärning och reglerteknik

Vi har ett brett nätverk av starka internationella samarbetspartners över hela världen, till exempel vid University of Cambridge, University of Oxford, Harvard University och Aalto University. Det finns också stora möjligheter till samarbeten med andra ledande maskininlärningsgrupper i Sverige och Europa, genom vårt deltagande i WASP och ELLIS.

Arbetsuppgifter
Du kommer att förstärka det befintliga samarbetet mellan forskningsgrupperna ledda av Jens Sjölund (Informationsteknologi) respektive Erik Berg (Kemi). Målet med samarbetet är att förverkliga ett autonomt batterilaboratorium som kombinerar robotik och AI för att göra automatiserade experiment och data-driven utforskning. Vi har redan ett robotsystem på plats som kan bygga och testa batterier. Din huvuduppgift kommer att vara att sluta feedbackloopen genom att förbättra systemet med datadriven beslutsfattande förmåga. Det långsiktiga målet är att göra det till ett helt autonomt system. Dina huvudsakliga uppgifter kommer därför att vara att bedriva forskning inom två områden: För det första, grundläggande modeller och metoder för dataeffektiv experimentdesign, såsom Bayesiansk optimering, och för det andra, implementeringen av dessa i vårt robotsystem.

Den exakta forskningsinriktningen kommer att fastställas i samråd mellan den kandidat som anställs och handledarna.

Tjänsten kan också inkludera undervisning i relaterade ämnen (högst 20%).

Kvalifikationskrav
Doktorsexamen i maskininlärning, reglerteknik, datorseende, signalbehandling, beräkningsinriktad statistik, beräkningsmatematik, eller annat närliggande relevant fält eller en utländsk examen som bedöms motsvara doktorsexamen i något av ovanstående fält. Den sökande måste ha en stark bakgrund inom metodutveckling.

Publikationer på ledande konferenser inom maskininlärning och/eller ledande konferenser eller tidskrifter inom beräkningsmatematik (exempelvis statistik eller optimering) är ett starkt plus.

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.

Utöver de tekniska färdigheterna söker vi också en person med förmåga att kommunicera och samarbeta väl med personer som har olika bakgrund, samt har förmåga att självständigt kunna identifiera och lösa problem.

Önskvärt/meriterande i övrigt
Erfarenhet av tvärvetenskaplig forskning, batterikemi eller kvalificerad mjukvaruutveckling är meriterande. 

Om anställningen 
Anställningen är tidsbegränsad i två år enligt centralt kollektivavtal. Omfattningen är heltid. Tillträde 231201 eller enligt överenskommelse. Placeringsort: Uppsala.

Upplysningar om anställningen lämnas av: Jens Sjölund, 018-471 7840, jens.sjolund@it.uu.se

Välkommen med din ansökan senast den 8 november 2023, UFV-PA 2023/3569.