Doktorand i fysikstyrda, datadrivna grundmodeller för multivariata tidsserier

Gå med oss för att utveckla fysikstyrda, datadrivna grundmodeller för multivariata tidsserier i säkerhetskritiska system, med ett primärt fokus på fordonsapplikationer. Du kommer att designa prediktiva och generativa modeller, skala träning på verkliga data och validera i simulering och med industripartners för att främja säker, pålitlig automation.

Om oss

Institutionen för datavetenskap och teknik, en gemensam institution mellan Chalmers och Göteborgs universitet. Vår internationellt synliga forskning, starka industrikopplingar och mångsidiga miljö skapar en samarbetsinriktad miljö där idéer växer till verklig påverkan.

Vid avdelningen för datavetenskap avancerar vi säker och pålitlig programvara och system, som spänner över grunder, programmeringsspråk, verktyg och praktiska metoder som hjälper till att forma pålitliga digitala infrastrukturer.

Detta projekt är ett samarbete mellan AIXLab@Chalmers och Volvo Group. Du kommer att ansluta dig till oss på AIXLab, där vi fokuserar på att utveckla användbara AI-lösningar som är tillämpliga i verkliga miljöer. Du kommer att arbeta nära ingenjörer och forskare på Volvo Group, med direkt tillgång till industriella dataset, simuleringsmiljöer och verkliga valideringsarbetsflöden.

Om forskningsprojektet

Detta projekt främjar fysikmedvetna grundmodeller för tidsseriedata. Här refererar grundmodeller till återanvändbara, förtränade tidsseriemodeller som kan anpassas över fordon, körförhållanden och uppgifter. Den primära användningsfallet är fordonssektorn: att förutsäga fordonsbeteende, simulera sällsynta säkerhetskritiska scenarier och generera testfall för att stärka valideringen och minska fysiska försök. Teknikerna är utformade för att överföras till andra säkerhetskritiska domäner, såsom hälso- och sjukvård.

Konkreta forskningen kommer att fokusera på multivariata fordons tidsserier såsom CAN-signaler, sensorsströmmar och simulerade tillståndsbanor, med modeller som integrerar fysisk struktur (t.ex. dynamik, begränsningar, bevarande lagar) i stora neurala arkitekturer. Fysikvägledning kan inkludera explicita systembegränsningar, induktiva biaser i modellarkitekturer, hybrid simuleringsinlärningsloopar eller förlustformuleringar som kodar fysisk konsistens. Arbetet kombinerar prognoser, representationsinlärning och scenariogenerering under säkerhets- och tillförlitlighetsbegränsningar. Resultaten kommer att stödja säkrare automation, färre felmodeller, mer effektiv testning och lägre energiförbrukning.

Vem vi söker

Vi är särskilt intresserade av kandidater som tycker om att arbeta i skärningspunkten mellan teori, data och verkliga system, och som är bekväma med ofullkomliga, bullriga och säkerhetsbegränsade data.

Följande krav är obligatoriska:

• För att kvalificera dig som doktorand måste du ha en masterexamen (masterexamen) om 120 högskolepoäng eller en magisterexamen (magisterexamen) om 60 högskolepoäng* i datavetenskap, elektroteknik eller motsvarande
• Starka skriftliga och muntliga kommunikationsfärdigheter på engelska
• Starka grunder i maskininlärning (sannolikhet, statistik, optimering) och starkt intresse för tidsseriemodellering och fysikstyrd maskininlärning
• Färdigheter i Python och moderna djupinlärningsramverk (t.ex. PyTorch)
• Stark ingenjörsmognad, inklusive erfarenhet av storskalig GPU- eller klusterbaserad träning, reproducerbara experimentpipelines, versionerade dataset och systematisk utvärdering
• Förmåga att formulera forskningsfrågor, genomföra empiriska studier i stor skala

*För studenter med utbildning som erhållits utanför Sverige accepteras en 4-årig kandidatexamen.

Följande erfarenhet kommer att stärka din ansökan:

• Fysik-informerad maskininlärning
• Bakgrund inom grundmodeller för tidsserier (prognoser, representationsinlärning)
• Exponering för säkerhetskritiska system, scenariogenerering eller testtäckning för kantfall
• Akademisk forskning och publikationer

Vad du kommer att göra

• Ta avancerade kurser inom forskarskolan för datavetenskap och teknik
• Utveckla dina egna vetenskapliga koncept och kommunicera resultaten av din forskning muntligt och skriftligt
• Vid slutet av doktorandstudierna förväntas kandidaten ha utvecklat återanvändbara modelleringsramar för säkerhetskritiska tidsseriedata. Arbetet bör resultera i publikationer i topp-tier maskininlärning eller tillämpad AI-arenor och bidrag som påverkar industriella valideringspipelines

Kontraktvillkor

• Doktorandpositionerna är fullt finansierade från start
• Positionen är begränsad till fyra år, med möjlighet att undervisa upp till 20%, vilket förlänger positionen till fem år
• En startlön på 34,550 SEK per månad (gäller från 25 maj 2025)
• Doktorandstudier kräver fysisk närvaro under hela studieperioden. Ett giltigt uppehållstillstånd måste uppvisas senast vid studiestart; annars kan antagningen dras tillbaka

Vad vi erbjuder

Chalmers är engagerat i att förbättra könsbalansen och arbetar aktivt med jämlikhetsprojekt, såsom GENIE-initiativet för jämställdhet och excellens. Vi firar mångfald och ser jämlikhet och inkludering som grundläggande aspekter av all vår verksamhet.

Om svenska inte är ditt modersmål erbjuder Chalmers svenska kurser för att hjälpa dig att bosätta dig.

Hitta mer allmän information om att arbeta på Chalmers, förmåner för anställda, Sveriges generösa föräldraledighet, subventionerad barnomsorg, gratis skolor, sjukvård etc. på Move To Gothenburg och doktorandstudier vid Chalmers här.

Ansökningsförfarande

Ansökan ska skrivas på engelska och bifogas som PDF-filer.

• CV
• Personligt brev
• En kort introduktion om dig själv
• En kort motivation till varför du är intresserad av denna position
• Kandidatexamen och, om tillgänglig, masteruppsats tillsammans med betygsutdrag.

Använd knappen längst ner på sidan för att nå ansökningsformuläret.

Observera: Sökande är ansvarig för att säkerställa att ansökan är komplett. Ofullständiga ansökningar och ansökningar som skickas via e-post kommer inte att beaktas. Kontaktuppgifter till referenser kommer att begäras efter intervjun.

Vi välkomnar din ansökan senast den 3 mars 2026.

För frågor, vänligen kontakta:

Yinan Yu (om forskningsprojektet)
[email protected]

Carl-Johan Seger (om ansökningsprocessen)
[email protected]

Vi ser fram emot din ansökan!

Chalmers avböjer att överväga alla erbjudanden om ytterligare annonsering eller andra typer av stöd för rekryteringsprocessen i samband med denna position.