Uppsala Universitet - Stage

0 lediga jobb som "Professor" hos "UPPSALA UNIVERSITET"

Doktorand i multimodal maskininlärning för energilagringsmaterial
Arbetsgivare / Ort:UPPSALA UNIVERSITET / Uppsala
Omfattning / Varaktighet:Vanlig anställning / 6 månader eller längre
Lönetyp: Fast månads- vecko- eller timlön
Ansök senast 11 september (12 dagar kvar)
Publicerad: 2026-08-11
Källa: Arbetsförmedlingen
Ansök här
Om jobbet
Institutionen för kemi - Ångström bedriver forskning och utbildning inom kemiämnet. Institutionen har 270 anställda och omsätter 300 miljoner kronor. Vid institutionens sex program bedrivs mycket framgångsrik forskning av hög internationell klass. Vi har ett stort antal externt finansierade forskningsprojekt, ofta med internationellt samarbete och vi ser en fortsatt god tillväxt inom vårt ämnesområde. Institutionen har utbildningsuppdrag inom ingenjörs- och civilingenjörsprogram samt masterprogram.
Projektbeskrivning
Utvecklingen av framtidens energilagringsmaterial vilar på en grundläggande förståelse för hur deras kemiska sammansättning och struktur förändras under drift i tillämpningarna. Ingen enskild metod kan fånga hela bilden. I stället får forskaren förlita sig på flera komplementära tekniker, som var för sig ger en ofullständig och indirekt bild av samma underliggande process och som traditionellt tolkas manuellt och var för sig. Multimodal maskininlärning erbjuder ett principiellt alternativ: att integrera heterogena dataströmmar från både experiment och simuleringar i en gemensam, fysikaliskt förankrad modell. Projektets fokus är att utveckla ett sådant ramverk och att tillämpa det specifikt på elektrod/elektrolytgränsskikt i batterier, där ytkänsliga röntgenspridningstekniker (röntgenreflektometri, GISAXS och GIWAXS) och elektrokemisk kvartskristallmikrovåg med dissipationsmätning (EQCM-D) kombineras i operando-experiment. Kärnan i metodiken är dataassimilering, där gränsskiktets underliggande egenskaper (massa, volym, densitet, porositet och morfologi) behandlas som ett latent tillstånd som utvecklas i tiden, och där varje mätteknik bidrar med en brusig och ofullständig observation via sin egen framåtmodell. Arbetet omfattar sekventiell Bayesiansk inferens, djupa tillståndsrumsmodeller och osäkerhetsmedvetna representationer som tränas på både experimentella data och simuleringar, exempelvis fasfältssimuleringar av metallnukleering och -tillväxt kopplade till lattice-Boltzmann-modellering av kvartskristallens akustiska respons. Maskininlärningsaccelererade surrogatmodeller gör dessa simuleringar tillräckligt snabba för att fungera som transitions- och observationsoperatorer i inferensmotorn. Slutligen analyseras det inlärda latenta rummet för att utvinna fysikalisk innebörd, och modellernas generativa förmåga utnyttjas för att översätta data mellan teknikerna. Målet är en tolkbar och osäkerhetskvantifierad modell av hur gränsskikt bildas och växer, som fördjupar förståelsen av metallutfällning och ytpassivering i Li-, Zn- och Cu-baserade system och som är överförbar till andra material och analystekniker.
Doktorandens uppgift är att utveckla och implementera detta ramverk i ett nära samarbete mellan kemi och datavetenskap vid Uppsala universitet samt tillsammans med våra tyska partners. I arbetet ingår att bygga och validera inferens- och simuleringspipelines, att aktivt delta i planering och genomförande av operando-experiment – inklusive mättillfällen vid synkrotronanläggningen PETRA III (DESY, Hamburg) – och att bygga djup expertis inom probabilistisk maskininlärning, dataassimilering, vetenskapliga beräkningar och analys av elektrokemiska gränsskikt.
Fokus för doktoranden är forskning. Visst undervisningsansvar kan tilldelas men kommer inte att överstiga 20 % av den totala arbetstiden. Doktoranden läser även forskarutbildningskurser som är nära kopplade till projektets forskningsteman. Vi letar efter en mycket motiverad person som kommer att bidra till högkvalitativt vetenskapligt arbete i en multidisciplinär forskarmiljö, som syftar till att publicera resultat i ledande vetenskapliga tidskrifter och presentera dem vid både nationella och internationella konferenser.
Kvalifikationskrav
Den sökande ska ha:
avlagt examen på avancerad nivå eller
fullgjort kursfordringar om minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå (varav 15 högskolepoäng utgör självständigt arbete), med innehåll som är relevant för forskarutbildningen eller
på något annat sätt inom eller utom landet förvärvat i huvudsak motsvarande kunskaper
mycket goda kunskaper i engelska, i tal och skrift.
examen på avancerad nivå eller motsvarande enligt ovan inom kemi, materialvetenskap, datavetenskap, tillämpad matematik, teknisk fysik eller ett relaterat område.
förmågan att uttrycka dig tydligt, dokumentera ditt arbete och bidra till det gemensamma i en forskningsmiljö.
Stor vikt kommer också att läggas vid personliga egenskaper såsom god samarbetsförmåga, driv och självständighet samt hur den sökande genom sin erfarenhet och kompetens bedöms ha den förmåga som behövs för att klara forskarutbildningen.
Önskvärt/meriterande i övrigt
Praktisk erfarenhet av probabilistisk maskininlärning, Bayesiansk inferens, generativa modeller, dataassimilering eller vetenskapliga beräkningar är meriterande, liksom goda programmeringskunskaper (t.ex. Python, PyTorch eller JAX). Erfarenhet av elektrokemi, batteriforskning, röntgenspridningstekniker eller analys av experimentella tidsseriedata är också en fördel.
Om anställningen
Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde 2026-10-01 eller enligt överenskommelse. Placeringsort: Kemi-Ångström
Bestämmelser för doktorander återfinns i Högskoleförordningen 5 kap §§ 1-7 samt i universitetets regler och riktlinjer.
Upplysningar om anställningen lämnas av: Prof. Erik Berg (erik.berg@kemi.uu.se)
Välkommen med din ansökan senast den 11 september 2026, UFV-PA 2026/2414.
Uppsala universitet är ett brett forskningsuniversitet med stark internationell ställning. Det yttersta målet är att bedriva utbildning och forskning av högsta kvalitet och relevans för att göra skillnad i samhället.
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 - saco-s@uu.se, Seko - seko@uadm.uu.se, ST (OFR/S) - ofr@uu.se
Arbetsgivare
UPPSALA UNIVERSITET
box 256
75200 Uppsala
Webbplats: http://www.uu.se/jobb/
Ansökan
Ansök senast 11 september (12 dagar kvar)
Ansök här
Doktorand i multimodal maskininlärning för energilagringsmaterial
Arbetsgivare / Ort:UPPSALA UNIVERSITET / Uppsala
Omfattning / Varaktighet:Vanlig anställning / 6 månader eller längre
Lönetyp: Fast månads- vecko- eller timlön
Ansök senast 11 september (12 dagar kvar)
Publicerad: 2026-08-11
Källa: Arbetsförmedlingen
Ansök här
Om jobbet
Institutionen för kemi - Ångström bedriver forskning och utbildning inom kemiämnet. Institutionen har 270 anställda och omsätter 300 miljoner kronor. Vid institutionens sex program bedrivs mycket framgångsrik forskning av hög internationell klass. Vi har ett stort antal externt finansierade forskningsprojekt, ofta med internationellt samarbete och vi ser en fortsatt god tillväxt inom vårt ämnesområde. Institutionen har utbildningsuppdrag inom ingenjörs- och civilingenjörsprogram samt masterprogram.
Projektbeskrivning
Utvecklingen av framtidens energilagringsmaterial vilar på en grundläggande förståelse för hur deras kemiska sammansättning och struktur förändras under drift i tillämpningarna. Ingen enskild metod kan fånga hela bilden. I stället får forskaren förlita sig på flera komplementära tekniker, som var för sig ger en ofullständig och indirekt bild av samma underliggande process och som traditionellt tolkas manuellt och var för sig. Multimodal maskininlärning erbjuder ett principiellt alternativ: att integrera heterogena dataströmmar från både experiment och simuleringar i en gemensam, fysikaliskt förankrad modell. Projektets fokus är att utveckla ett sådant ramverk och att tillämpa det specifikt på elektrod/elektrolytgränsskikt i batterier, där ytkänsliga röntgenspridningstekniker (röntgenreflektometri, GISAXS och GIWAXS) och elektrokemisk kvartskristallmikrovåg med dissipationsmätning (EQCM-D) kombineras i operando-experiment. Kärnan i metodiken är dataassimilering, där gränsskiktets underliggande egenskaper (massa, volym, densitet, porositet och morfologi) behandlas som ett latent tillstånd som utvecklas i tiden, och där varje mätteknik bidrar med en brusig och ofullständig observation via sin egen framåtmodell. Arbetet omfattar sekventiell Bayesiansk inferens, djupa tillståndsrumsmodeller och osäkerhetsmedvetna representationer som tränas på både experimentella data och simuleringar, exempelvis fasfältssimuleringar av metallnukleering och -tillväxt kopplade till lattice-Boltzmann-modellering av kvartskristallens akustiska respons. Maskininlärningsaccelererade surrogatmodeller gör dessa simuleringar tillräckligt snabba för att fungera som transitions- och observationsoperatorer i inferensmotorn. Slutligen analyseras det inlärda latenta rummet för att utvinna fysikalisk innebörd, och modellernas generativa förmåga utnyttjas för att översätta data mellan teknikerna. Målet är en tolkbar och osäkerhetskvantifierad modell av hur gränsskikt bildas och växer, som fördjupar förståelsen av metallutfällning och ytpassivering i Li-, Zn- och Cu-baserade system och som är överförbar till andra material och analystekniker.
Doktorandens uppgift är att utveckla och implementera detta ramverk i ett nära samarbete mellan kemi och datavetenskap vid Uppsala universitet samt tillsammans med våra tyska partners. I arbetet ingår att bygga och validera inferens- och simuleringspipelines, att aktivt delta i planering och genomförande av operando-experiment – inklusive mättillfällen vid synkrotronanläggningen PETRA III (DESY, Hamburg) – och att bygga djup expertis inom probabilistisk maskininlärning, dataassimilering, vetenskapliga beräkningar och analys av elektrokemiska gränsskikt.
Fokus för doktoranden är forskning. Visst undervisningsansvar kan tilldelas men kommer inte att överstiga 20 % av den totala arbetstiden. Doktoranden läser även forskarutbildningskurser som är nära kopplade till projektets forskningsteman. Vi letar efter en mycket motiverad person som kommer att bidra till högkvalitativt vetenskapligt arbete i en multidisciplinär forskarmiljö, som syftar till att publicera resultat i ledande vetenskapliga tidskrifter och presentera dem vid både nationella och internationella konferenser.
Kvalifikationskrav
Den sökande ska ha:
avlagt examen på avancerad nivå eller
fullgjort kursfordringar om minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå (varav 15 högskolepoäng utgör självständigt arbete), med innehåll som är relevant för forskarutbildningen eller
på något annat sätt inom eller utom landet förvärvat i huvudsak motsvarande kunskaper
mycket goda kunskaper i engelska, i tal och skrift.
examen på avancerad nivå eller motsvarande enligt ovan inom kemi, materialvetenskap, datavetenskap, tillämpad matematik, teknisk fysik eller ett relaterat område.
förmågan att uttrycka dig tydligt, dokumentera ditt arbete och bidra till det gemensamma i en forskningsmiljö.
Stor vikt kommer också att läggas vid personliga egenskaper såsom god samarbetsförmåga, driv och självständighet samt hur den sökande genom sin erfarenhet och kompetens bedöms ha den förmåga som behövs för att klara forskarutbildningen.
Önskvärt/meriterande i övrigt
Praktisk erfarenhet av probabilistisk maskininlärning, Bayesiansk inferens, generativa modeller, dataassimilering eller vetenskapliga beräkningar är meriterande, liksom goda programmeringskunskaper (t.ex. Python, PyTorch eller JAX). Erfarenhet av elektrokemi, batteriforskning, röntgenspridningstekniker eller analys av experimentella tidsseriedata är också en fördel.
Om anställningen
Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde 2026-10-01 eller enligt överenskommelse. Placeringsort: Kemi-Ångström
Bestämmelser för doktorander återfinns i Högskoleförordningen 5 kap §§ 1-7 samt i universitetets regler och riktlinjer.
Upplysningar om anställningen lämnas av: Prof. Erik Berg (erik.berg@kemi.uu.se)
Välkommen med din ansökan senast den 11 september 2026, UFV-PA 2026/2414.
Uppsala universitet är ett brett forskningsuniversitet med stark internationell ställning. Det yttersta målet är att bedriva utbildning och forskning av högsta kvalitet och relevans för att göra skillnad i samhället.
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 - saco-s@uu.se, Seko - seko@uadm.uu.se, ST (OFR/S) - ofr@uu.se
Arbetsgivare
UPPSALA UNIVERSITET
box 256
75200 Uppsala
Webbplats: http://www.uu.se/jobb/
Ansökan
Ansök senast 11 september (12 dagar kvar)
Ansök här
Doktorand i multimodal maskininlärning för energilagringsmaterial
Arbetsgivare / Ort:UPPSALA UNIVERSITET / Uppsala
Omfattning / Varaktighet:Vanlig anställning / 6 månader eller längre
Lönetyp: Fast månads- vecko- eller timlön
Ansök senast 11 september (12 dagar kvar)
Publicerad: 2026-08-11
Källa: Arbetsförmedlingen
Ansök här
Om jobbet
Institutionen för kemi - Ångström bedriver forskning och utbildning inom kemiämnet. Institutionen har 270 anställda och omsätter 300 miljoner kronor. Vid institutionens sex program bedrivs mycket framgångsrik forskning av hög internationell klass. Vi har ett stort antal externt finansierade forskningsprojekt, ofta med internationellt samarbete och vi ser en fortsatt god tillväxt inom vårt ämnesområde. Institutionen har utbildningsuppdrag inom ingenjörs- och civilingenjörsprogram samt masterprogram.
Projektbeskrivning
Utvecklingen av framtidens energilagringsmaterial vilar på en grundläggande förståelse för hur deras kemiska sammansättning och struktur förändras under drift i tillämpningarna. Ingen enskild metod kan fånga hela bilden. I stället får forskaren förlita sig på flera komplementära tekniker, som var för sig ger en ofullständig och indirekt bild av samma underliggande process och som traditionellt tolkas manuellt och var för sig. Multimodal maskininlärning erbjuder ett principiellt alternativ: att integrera heterogena dataströmmar från både experiment och simuleringar i en gemensam, fysikaliskt förankrad modell. Projektets fokus är att utveckla ett sådant ramverk och att tillämpa det specifikt på elektrod/elektrolytgränsskikt i batterier, där ytkänsliga röntgenspridningstekniker (röntgenreflektometri, GISAXS och GIWAXS) och elektrokemisk kvartskristallmikrovåg med dissipationsmätning (EQCM-D) kombineras i operando-experiment. Kärnan i metodiken är dataassimilering, där gränsskiktets underliggande egenskaper (massa, volym, densitet, porositet och morfologi) behandlas som ett latent tillstånd som utvecklas i tiden, och där varje mätteknik bidrar med en brusig och ofullständig observation via sin egen framåtmodell. Arbetet omfattar sekventiell Bayesiansk inferens, djupa tillståndsrumsmodeller och osäkerhetsmedvetna representationer som tränas på både experimentella data och simuleringar, exempelvis fasfältssimuleringar av metallnukleering och -tillväxt kopplade till lattice-Boltzmann-modellering av kvartskristallens akustiska respons. Maskininlärningsaccelererade surrogatmodeller gör dessa simuleringar tillräckligt snabba för att fungera som transitions- och observationsoperatorer i inferensmotorn. Slutligen analyseras det inlärda latenta rummet för att utvinna fysikalisk innebörd, och modellernas generativa förmåga utnyttjas för att översätta data mellan teknikerna. Målet är en tolkbar och osäkerhetskvantifierad modell av hur gränsskikt bildas och växer, som fördjupar förståelsen av metallutfällning och ytpassivering i Li-, Zn- och Cu-baserade system och som är överförbar till andra material och analystekniker.
Doktorandens uppgift är att utveckla och implementera detta ramverk i ett nära samarbete mellan kemi och datavetenskap vid Uppsala universitet samt tillsammans med våra tyska partners. I arbetet ingår att bygga och validera inferens- och simuleringspipelines, att aktivt delta i planering och genomförande av operando-experiment – inklusive mättillfällen vid synkrotronanläggningen PETRA III (DESY, Hamburg) – och att bygga djup expertis inom probabilistisk maskininlärning, dataassimilering, vetenskapliga beräkningar och analys av elektrokemiska gränsskikt.
Fokus för doktoranden är forskning. Visst undervisningsansvar kan tilldelas men kommer inte att överstiga 20 % av den totala arbetstiden. Doktoranden läser även forskarutbildningskurser som är nära kopplade till projektets forskningsteman. Vi letar efter en mycket motiverad person som kommer att bidra till högkvalitativt vetenskapligt arbete i en multidisciplinär forskarmiljö, som syftar till att publicera resultat i ledande vetenskapliga tidskrifter och presentera dem vid både nationella och internationella konferenser.
Kvalifikationskrav
Den sökande ska ha:
avlagt examen på avancerad nivå eller
fullgjort kursfordringar om minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå (varav 15 högskolepoäng utgör självständigt arbete), med innehåll som är relevant för forskarutbildningen eller
på något annat sätt inom eller utom landet förvärvat i huvudsak motsvarande kunskaper
mycket goda kunskaper i engelska, i tal och skrift.
examen på avancerad nivå eller motsvarande enligt ovan inom kemi, materialvetenskap, datavetenskap, tillämpad matematik, teknisk fysik eller ett relaterat område.
förmågan att uttrycka dig tydligt, dokumentera ditt arbete och bidra till det gemensamma i en forskningsmiljö.
Stor vikt kommer också att läggas vid personliga egenskaper såsom god samarbetsförmåga, driv och självständighet samt hur den sökande genom sin erfarenhet och kompetens bedöms ha den förmåga som behövs för att klara forskarutbildningen.
Önskvärt/meriterande i övrigt
Praktisk erfarenhet av probabilistisk maskininlärning, Bayesiansk inferens, generativa modeller, dataassimilering eller vetenskapliga beräkningar är meriterande, liksom goda programmeringskunskaper (t.ex. Python, PyTorch eller JAX). Erfarenhet av elektrokemi, batteriforskning, röntgenspridningstekniker eller analys av experimentella tidsseriedata är också en fördel.
Om anställningen
Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde 2026-10-01 eller enligt överenskommelse. Placeringsort: Kemi-Ångström
Bestämmelser för doktorander återfinns i Högskoleförordningen 5 kap §§ 1-7 samt i universitetets regler och riktlinjer.
Upplysningar om anställningen lämnas av: Prof. Erik Berg (erik.berg@kemi.uu.se)
Välkommen med din ansökan senast den 11 september 2026, UFV-PA 2026/2414.
Uppsala universitet är ett brett forskningsuniversitet med stark internationell ställning. Det yttersta målet är att bedriva utbildning och forskning av högsta kvalitet och relevans för att göra skillnad i samhället.
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 - saco-s@uu.se, Seko - seko@uadm.uu.se, ST (OFR/S) - ofr@uu.se
Arbetsgivare
UPPSALA UNIVERSITET
box 256
75200 Uppsala
Webbplats: http://www.uu.se/jobb/
Ansökan
Ansök senast 11 september (12 dagar kvar)
Ansök här
Doktorand i multimodal maskininlärning för energilagringsmaterial
Arbetsgivare / Ort:UPPSALA UNIVERSITET / Uppsala
Omfattning / Varaktighet:Vanlig anställning / 6 månader eller längre
Lönetyp: Fast månads- vecko- eller timlön
Ansök senast 11 september (12 dagar kvar)
Publicerad: 2026-08-11
Källa: Arbetsförmedlingen
Ansök här
Om jobbet
Institutionen för kemi - Ångström bedriver forskning och utbildning inom kemiämnet. Institutionen har 270 anställda och omsätter 300 miljoner kronor. Vid institutionens sex program bedrivs mycket framgångsrik forskning av hög internationell klass. Vi har ett stort antal externt finansierade forskningsprojekt, ofta med internationellt samarbete och vi ser en fortsatt god tillväxt inom vårt ämnesområde. Institutionen har utbildningsuppdrag inom ingenjörs- och civilingenjörsprogram samt masterprogram.
Projektbeskrivning
Utvecklingen av framtidens energilagringsmaterial vilar på en grundläggande förståelse för hur deras kemiska sammansättning och struktur förändras under drift i tillämpningarna. Ingen enskild metod kan fånga hela bilden. I stället får forskaren förlita sig på flera komplementära tekniker, som var för sig ger en ofullständig och indirekt bild av samma underliggande process och som traditionellt tolkas manuellt och var för sig. Multimodal maskininlärning erbjuder ett principiellt alternativ: att integrera heterogena dataströmmar från både experiment och simuleringar i en gemensam, fysikaliskt förankrad modell. Projektets fokus är att utveckla ett sådant ramverk och att tillämpa det specifikt på elektrod/elektrolytgränsskikt i batterier, där ytkänsliga röntgenspridningstekniker (röntgenreflektometri, GISAXS och GIWAXS) och elektrokemisk kvartskristallmikrovåg med dissipationsmätning (EQCM-D) kombineras i operando-experiment. Kärnan i metodiken är dataassimilering, där gränsskiktets underliggande egenskaper (massa, volym, densitet, porositet och morfologi) behandlas som ett latent tillstånd som utvecklas i tiden, och där varje mätteknik bidrar med en brusig och ofullständig observation via sin egen framåtmodell. Arbetet omfattar sekventiell Bayesiansk inferens, djupa tillståndsrumsmodeller och osäkerhetsmedvetna representationer som tränas på både experimentella data och simuleringar, exempelvis fasfältssimuleringar av metallnukleering och -tillväxt kopplade till lattice-Boltzmann-modellering av kvartskristallens akustiska respons. Maskininlärningsaccelererade surrogatmodeller gör dessa simuleringar tillräckligt snabba för att fungera som transitions- och observationsoperatorer i inferensmotorn. Slutligen analyseras det inlärda latenta rummet för att utvinna fysikalisk innebörd, och modellernas generativa förmåga utnyttjas för att översätta data mellan teknikerna. Målet är en tolkbar och osäkerhetskvantifierad modell av hur gränsskikt bildas och växer, som fördjupar förståelsen av metallutfällning och ytpassivering i Li-, Zn- och Cu-baserade system och som är överförbar till andra material och analystekniker.
Doktorandens uppgift är att utveckla och implementera detta ramverk i ett nära samarbete mellan kemi och datavetenskap vid Uppsala universitet samt tillsammans med våra tyska partners. I arbetet ingår att bygga och validera inferens- och simuleringspipelines, att aktivt delta i planering och genomförande av operando-experiment – inklusive mättillfällen vid synkrotronanläggningen PETRA III (DESY, Hamburg) – och att bygga djup expertis inom probabilistisk maskininlärning, dataassimilering, vetenskapliga beräkningar och analys av elektrokemiska gränsskikt.
Fokus för doktoranden är forskning. Visst undervisningsansvar kan tilldelas men kommer inte att överstiga 20 % av den totala arbetstiden. Doktoranden läser även forskarutbildningskurser som är nära kopplade till projektets forskningsteman. Vi letar efter en mycket motiverad person som kommer att bidra till högkvalitativt vetenskapligt arbete i en multidisciplinär forskarmiljö, som syftar till att publicera resultat i ledande vetenskapliga tidskrifter och presentera dem vid både nationella och internationella konferenser.
Kvalifikationskrav
Den sökande ska ha:
avlagt examen på avancerad nivå eller
fullgjort kursfordringar om minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå (varav 15 högskolepoäng utgör självständigt arbete), med innehåll som är relevant för forskarutbildningen eller
på något annat sätt inom eller utom landet förvärvat i huvudsak motsvarande kunskaper
mycket goda kunskaper i engelska, i tal och skrift.
examen på avancerad nivå eller motsvarande enligt ovan inom kemi, materialvetenskap, datavetenskap, tillämpad matematik, teknisk fysik eller ett relaterat område.
förmågan att uttrycka dig tydligt, dokumentera ditt arbete och bidra till det gemensamma i en forskningsmiljö.
Stor vikt kommer också att läggas vid personliga egenskaper såsom god samarbetsförmåga, driv och självständighet samt hur den sökande genom sin erfarenhet och kompetens bedöms ha den förmåga som behövs för att klara forskarutbildningen.
Önskvärt/meriterande i övrigt
Praktisk erfarenhet av probabilistisk maskininlärning, Bayesiansk inferens, generativa modeller, dataassimilering eller vetenskapliga beräkningar är meriterande, liksom goda programmeringskunskaper (t.ex. Python, PyTorch eller JAX). Erfarenhet av elektrokemi, batteriforskning, röntgenspridningstekniker eller analys av experimentella tidsseriedata är också en fördel.
Om anställningen
Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde 2026-10-01 eller enligt överenskommelse. Placeringsort: Kemi-Ångström
Bestämmelser för doktorander återfinns i Högskoleförordningen 5 kap §§ 1-7 samt i universitetets regler och riktlinjer.
Upplysningar om anställningen lämnas av: Prof. Erik Berg (erik.berg@kemi.uu.se)
Välkommen med din ansökan senast den 11 september 2026, UFV-PA 2026/2414.
Uppsala universitet är ett brett forskningsuniversitet med stark internationell ställning. Det yttersta målet är att bedriva utbildning och forskning av högsta kvalitet och relevans för att göra skillnad i samhället.
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 - saco-s@uu.se, Seko - seko@uadm.uu.se, ST (OFR/S) - ofr@uu.se
Arbetsgivare
UPPSALA UNIVERSITET
box 256
75200 Uppsala
Webbplats: http://www.uu.se/jobb/
Ansökan
Ansök senast 11 september (12 dagar kvar)
Ansök här
Doktorand i multimodal maskininlärning för energilagringsmaterial
Arbetsgivare / Ort:UPPSALA UNIVERSITET / Uppsala
Omfattning / Varaktighet:Vanlig anställning / 6 månader eller längre
Lönetyp: Fast månads- vecko- eller timlön
Ansök senast 11 september (12 dagar kvar)
Publicerad: 2026-08-11
Källa: Arbetsförmedlingen
Ansök här
Om jobbet
Institutionen för kemi - Ångström bedriver forskning och utbildning inom kemiämnet. Institutionen har 270 anställda och omsätter 300 miljoner kronor. Vid institutionens sex program bedrivs mycket framgångsrik forskning av hög internationell klass. Vi har ett stort antal externt finansierade forskningsprojekt, ofta med internationellt samarbete och vi ser en fortsatt god tillväxt inom vårt ämnesområde. Institutionen har utbildningsuppdrag inom ingenjörs- och civilingenjörsprogram samt masterprogram.
Projektbeskrivning
Utvecklingen av framtidens energilagringsmaterial vilar på en grundläggande förståelse för hur deras kemiska sammansättning och struktur förändras under drift i tillämpningarna. Ingen enskild metod kan fånga hela bilden. I stället får forskaren förlita sig på flera komplementära tekniker, som var för sig ger en ofullständig och indirekt bild av samma underliggande process och som traditionellt tolkas manuellt och var för sig. Multimodal maskininlärning erbjuder ett principiellt alternativ: att integrera heterogena dataströmmar från både experiment och simuleringar i en gemensam, fysikaliskt förankrad modell. Projektets fokus är att utveckla ett sådant ramverk och att tillämpa det specifikt på elektrod/elektrolytgränsskikt i batterier, där ytkänsliga röntgenspridningstekniker (röntgenreflektometri, GISAXS och GIWAXS) och elektrokemisk kvartskristallmikrovåg med dissipationsmätning (EQCM-D) kombineras i operando-experiment. Kärnan i metodiken är dataassimilering, där gränsskiktets underliggande egenskaper (massa, volym, densitet, porositet och morfologi) behandlas som ett latent tillstånd som utvecklas i tiden, och där varje mätteknik bidrar med en brusig och ofullständig observation via sin egen framåtmodell. Arbetet omfattar sekventiell Bayesiansk inferens, djupa tillståndsrumsmodeller och osäkerhetsmedvetna representationer som tränas på både experimentella data och simuleringar, exempelvis fasfältssimuleringar av metallnukleering och -tillväxt kopplade till lattice-Boltzmann-modellering av kvartskristallens akustiska respons. Maskininlärningsaccelererade surrogatmodeller gör dessa simuleringar tillräckligt snabba för att fungera som transitions- och observationsoperatorer i inferensmotorn. Slutligen analyseras det inlärda latenta rummet för att utvinna fysikalisk innebörd, och modellernas generativa förmåga utnyttjas för att översätta data mellan teknikerna. Målet är en tolkbar och osäkerhetskvantifierad modell av hur gränsskikt bildas och växer, som fördjupar förståelsen av metallutfällning och ytpassivering i Li-, Zn- och Cu-baserade system och som är överförbar till andra material och analystekniker.
Doktorandens uppgift är att utveckla och implementera detta ramverk i ett nära samarbete mellan kemi och datavetenskap vid Uppsala universitet samt tillsammans med våra tyska partners. I arbetet ingår att bygga och validera inferens- och simuleringspipelines, att aktivt delta i planering och genomförande av operando-experiment – inklusive mättillfällen vid synkrotronanläggningen PETRA III (DESY, Hamburg) – och att bygga djup expertis inom probabilistisk maskininlärning, dataassimilering, vetenskapliga beräkningar och analys av elektrokemiska gränsskikt.
Fokus för doktoranden är forskning. Visst undervisningsansvar kan tilldelas men kommer inte att överstiga 20 % av den totala arbetstiden. Doktoranden läser även forskarutbildningskurser som är nära kopplade till projektets forskningsteman. Vi letar efter en mycket motiverad person som kommer att bidra till högkvalitativt vetenskapligt arbete i en multidisciplinär forskarmiljö, som syftar till att publicera resultat i ledande vetenskapliga tidskrifter och presentera dem vid både nationella och internationella konferenser.
Kvalifikationskrav
Den sökande ska ha:
avlagt examen på avancerad nivå eller
fullgjort kursfordringar om minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå (varav 15 högskolepoäng utgör självständigt arbete), med innehåll som är relevant för forskarutbildningen eller
på något annat sätt inom eller utom landet förvärvat i huvudsak motsvarande kunskaper
mycket goda kunskaper i engelska, i tal och skrift.
examen på avancerad nivå eller motsvarande enligt ovan inom kemi, materialvetenskap, datavetenskap, tillämpad matematik, teknisk fysik eller ett relaterat område.
förmågan att uttrycka dig tydligt, dokumentera ditt arbete och bidra till det gemensamma i en forskningsmiljö.
Stor vikt kommer också att läggas vid personliga egenskaper såsom god samarbetsförmåga, driv och självständighet samt hur den sökande genom sin erfarenhet och kompetens bedöms ha den förmåga som behövs för att klara forskarutbildningen.
Önskvärt/meriterande i övrigt
Praktisk erfarenhet av probabilistisk maskininlärning, Bayesiansk inferens, generativa modeller, dataassimilering eller vetenskapliga beräkningar är meriterande, liksom goda programmeringskunskaper (t.ex. Python, PyTorch eller JAX). Erfarenhet av elektrokemi, batteriforskning, röntgenspridningstekniker eller analys av experimentella tidsseriedata är också en fördel.
Om anställningen
Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde 2026-10-01 eller enligt överenskommelse. Placeringsort: Kemi-Ångström
Bestämmelser för doktorander återfinns i Högskoleförordningen 5 kap §§ 1-7 samt i universitetets regler och riktlinjer.
Upplysningar om anställningen lämnas av: Prof. Erik Berg (erik.berg@kemi.uu.se)
Välkommen med din ansökan senast den 11 september 2026, UFV-PA 2026/2414.
Uppsala universitet är ett brett forskningsuniversitet med stark internationell ställning. Det yttersta målet är att bedriva utbildning och forskning av högsta kvalitet och relevans för att göra skillnad i samhället.
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 - saco-s@uu.se, Seko - seko@uadm.uu.se, ST (OFR/S) - ofr@uu.se
Arbetsgivare
UPPSALA UNIVERSITET
box 256
75200 Uppsala
Webbplats: http://www.uu.se/jobb/
Ansökan
Ansök senast 11 september (12 dagar kvar)
Ansök här
Doktorand i multimodal maskininlärning för energilagringsmaterial
Arbetsgivare / Ort:UPPSALA UNIVERSITET / Uppsala
Omfattning / Varaktighet:Vanlig anställning / 6 månader eller längre
Lönetyp: Fast månads- vecko- eller timlön
Ansök senast 11 september (12 dagar kvar)
Publicerad: 2026-08-11
Källa: Arbetsförmedlingen
Ansök här
Om jobbet
Institutionen för kemi - Ångström bedriver forskning och utbildning inom kemiämnet. Institutionen har 270 anställda och omsätter 300 miljoner kronor. Vid institutionens sex program bedrivs mycket framgångsrik forskning av hög internationell klass. Vi har ett stort antal externt finansierade forskningsprojekt, ofta med internationellt samarbete och vi ser en fortsatt god tillväxt inom vårt ämnesområde. Institutionen har utbildningsuppdrag inom ingenjörs- och civilingenjörsprogram samt masterprogram.
Projektbeskrivning
Utvecklingen av framtidens energilagringsmaterial vilar på en grundläggande förståelse för hur deras kemiska sammansättning och struktur förändras under drift i tillämpningarna. Ingen enskild metod kan fånga hela bilden. I stället får forskaren förlita sig på flera komplementära tekniker, som var för sig ger en ofullständig och indirekt bild av samma underliggande process och som traditionellt tolkas manuellt och var för sig. Multimodal maskininlärning erbjuder ett principiellt alternativ: att integrera heterogena dataströmmar från både experiment och simuleringar i en gemensam, fysikaliskt förankrad modell. Projektets fokus är att utveckla ett sådant ramverk och att tillämpa det specifikt på elektrod/elektrolytgränsskikt i batterier, där ytkänsliga röntgenspridningstekniker (röntgenreflektometri, GISAXS och GIWAXS) och elektrokemisk kvartskristallmikrovåg med dissipationsmätning (EQCM-D) kombineras i operando-experiment. Kärnan i metodiken är dataassimilering, där gränsskiktets underliggande egenskaper (massa, volym, densitet, porositet och morfologi) behandlas som ett latent tillstånd som utvecklas i tiden, och där varje mätteknik bidrar med en brusig och ofullständig observation via sin egen framåtmodell. Arbetet omfattar sekventiell Bayesiansk inferens, djupa tillståndsrumsmodeller och osäkerhetsmedvetna representationer som tränas på både experimentella data och simuleringar, exempelvis fasfältssimuleringar av metallnukleering och -tillväxt kopplade till lattice-Boltzmann-modellering av kvartskristallens akustiska respons. Maskininlärningsaccelererade surrogatmodeller gör dessa simuleringar tillräckligt snabba för att fungera som transitions- och observationsoperatorer i inferensmotorn. Slutligen analyseras det inlärda latenta rummet för att utvinna fysikalisk innebörd, och modellernas generativa förmåga utnyttjas för att översätta data mellan teknikerna. Målet är en tolkbar och osäkerhetskvantifierad modell av hur gränsskikt bildas och växer, som fördjupar förståelsen av metallutfällning och ytpassivering i Li-, Zn- och Cu-baserade system och som är överförbar till andra material och analystekniker.
Doktorandens uppgift är att utveckla och implementera detta ramverk i ett nära samarbete mellan kemi och datavetenskap vid Uppsala universitet samt tillsammans med våra tyska partners. I arbetet ingår att bygga och validera inferens- och simuleringspipelines, att aktivt delta i planering och genomförande av operando-experiment – inklusive mättillfällen vid synkrotronanläggningen PETRA III (DESY, Hamburg) – och att bygga djup expertis inom probabilistisk maskininlärning, dataassimilering, vetenskapliga beräkningar och analys av elektrokemiska gränsskikt.
Fokus för doktoranden är forskning. Visst undervisningsansvar kan tilldelas men kommer inte att överstiga 20 % av den totala arbetstiden. Doktoranden läser även forskarutbildningskurser som är nära kopplade till projektets forskningsteman. Vi letar efter en mycket motiverad person som kommer att bidra till högkvalitativt vetenskapligt arbete i en multidisciplinär forskarmiljö, som syftar till att publicera resultat i ledande vetenskapliga tidskrifter och presentera dem vid både nationella och internationella konferenser.
Kvalifikationskrav
Den sökande ska ha:
avlagt examen på avancerad nivå eller
fullgjort kursfordringar om minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå (varav 15 högskolepoäng utgör självständigt arbete), med innehåll som är relevant för forskarutbildningen eller
på något annat sätt inom eller utom landet förvärvat i huvudsak motsvarande kunskaper
mycket goda kunskaper i engelska, i tal och skrift.
examen på avancerad nivå eller motsvarande enligt ovan inom kemi, materialvetenskap, datavetenskap, tillämpad matematik, teknisk fysik eller ett relaterat område.
förmågan att uttrycka dig tydligt, dokumentera ditt arbete och bidra till det gemensamma i en forskningsmiljö.
Stor vikt kommer också att läggas vid personliga egenskaper såsom god samarbetsförmåga, driv och självständighet samt hur den sökande genom sin erfarenhet och kompetens bedöms ha den förmåga som behövs för att klara forskarutbildningen.
Önskvärt/meriterande i övrigt
Praktisk erfarenhet av probabilistisk maskininlärning, Bayesiansk inferens, generativa modeller, dataassimilering eller vetenskapliga beräkningar är meriterande, liksom goda programmeringskunskaper (t.ex. Python, PyTorch eller JAX). Erfarenhet av elektrokemi, batteriforskning, röntgenspridningstekniker eller analys av experimentella tidsseriedata är också en fördel.
Om anställningen
Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde 2026-10-01 eller enligt överenskommelse. Placeringsort: Kemi-Ångström
Bestämmelser för doktorander återfinns i Högskoleförordningen 5 kap §§ 1-7 samt i universitetets regler och riktlinjer.
Upplysningar om anställningen lämnas av: Prof. Erik Berg (erik.berg@kemi.uu.se)
Välkommen med din ansökan senast den 11 september 2026, UFV-PA 2026/2414.
Uppsala universitet är ett brett forskningsuniversitet med stark internationell ställning. Det yttersta målet är att bedriva utbildning och forskning av högsta kvalitet och relevans för att göra skillnad i samhället.
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 - saco-s@uu.se, Seko - seko@uadm.uu.se, ST (OFR/S) - ofr@uu.se
Arbetsgivare
UPPSALA UNIVERSITET
box 256
75200 Uppsala
Webbplats: http://www.uu.se/jobb/
Ansökan
Ansök senast 11 september (12 dagar kvar)
Ansök här
Doktorand i multimodal maskininlärning för energilagringsmaterial
Arbetsgivare / Ort:UPPSALA UNIVERSITET / Uppsala
Omfattning / Varaktighet:Vanlig anställning / 6 månader eller längre
Lönetyp: Fast månads- vecko- eller timlön
Ansök senast 11 september (12 dagar kvar)
Publicerad: 2026-08-11
Källa: Arbetsförmedlingen
Ansök här
Om jobbet
Institutionen för kemi - Ångström bedriver forskning och utbildning inom kemiämnet. Institutionen har 270 anställda och omsätter 300 miljoner kronor. Vid institutionens sex program bedrivs mycket framgångsrik forskning av hög internationell klass. Vi har ett stort antal externt finansierade forskningsprojekt, ofta med internationellt samarbete och vi ser en fortsatt god tillväxt inom vårt ämnesområde. Institutionen har utbildningsuppdrag inom ingenjörs- och civilingenjörsprogram samt masterprogram.
Projektbeskrivning
Utvecklingen av framtidens energilagringsmaterial vilar på en grundläggande förståelse för hur deras kemiska sammansättning och struktur förändras under drift i tillämpningarna. Ingen enskild metod kan fånga hela bilden. I stället får forskaren förlita sig på flera komplementära tekniker, som var för sig ger en ofullständig och indirekt bild av samma underliggande process och som traditionellt tolkas manuellt och var för sig. Multimodal maskininlärning erbjuder ett principiellt alternativ: att integrera heterogena dataströmmar från både experiment och simuleringar i en gemensam, fysikaliskt förankrad modell. Projektets fokus är att utveckla ett sådant ramverk och att tillämpa det specifikt på elektrod/elektrolytgränsskikt i batterier, där ytkänsliga röntgenspridningstekniker (röntgenreflektometri, GISAXS och GIWAXS) och elektrokemisk kvartskristallmikrovåg med dissipationsmätning (EQCM-D) kombineras i operando-experiment. Kärnan i metodiken är dataassimilering, där gränsskiktets underliggande egenskaper (massa, volym, densitet, porositet och morfologi) behandlas som ett latent tillstånd som utvecklas i tiden, och där varje mätteknik bidrar med en brusig och ofullständig observation via sin egen framåtmodell. Arbetet omfattar sekventiell Bayesiansk inferens, djupa tillståndsrumsmodeller och osäkerhetsmedvetna representationer som tränas på både experimentella data och simuleringar, exempelvis fasfältssimuleringar av metallnukleering och -tillväxt kopplade till lattice-Boltzmann-modellering av kvartskristallens akustiska respons. Maskininlärningsaccelererade surrogatmodeller gör dessa simuleringar tillräckligt snabba för att fungera som transitions- och observationsoperatorer i inferensmotorn. Slutligen analyseras det inlärda latenta rummet för att utvinna fysikalisk innebörd, och modellernas generativa förmåga utnyttjas för att översätta data mellan teknikerna. Målet är en tolkbar och osäkerhetskvantifierad modell av hur gränsskikt bildas och växer, som fördjupar förståelsen av metallutfällning och ytpassivering i Li-, Zn- och Cu-baserade system och som är överförbar till andra material och analystekniker.
Doktorandens uppgift är att utveckla och implementera detta ramverk i ett nära samarbete mellan kemi och datavetenskap vid Uppsala universitet samt tillsammans med våra tyska partners. I arbetet ingår att bygga och validera inferens- och simuleringspipelines, att aktivt delta i planering och genomförande av operando-experiment – inklusive mättillfällen vid synkrotronanläggningen PETRA III (DESY, Hamburg) – och att bygga djup expertis inom probabilistisk maskininlärning, dataassimilering, vetenskapliga beräkningar och analys av elektrokemiska gränsskikt.
Fokus för doktoranden är forskning. Visst undervisningsansvar kan tilldelas men kommer inte att överstiga 20 % av den totala arbetstiden. Doktoranden läser även forskarutbildningskurser som är nära kopplade till projektets forskningsteman. Vi letar efter en mycket motiverad person som kommer att bidra till högkvalitativt vetenskapligt arbete i en multidisciplinär forskarmiljö, som syftar till att publicera resultat i ledande vetenskapliga tidskrifter och presentera dem vid både nationella och internationella konferenser.
Kvalifikationskrav
Den sökande ska ha:
avlagt examen på avancerad nivå eller
fullgjort kursfordringar om minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå (varav 15 högskolepoäng utgör självständigt arbete), med innehåll som är relevant för forskarutbildningen eller
på något annat sätt inom eller utom landet förvärvat i huvudsak motsvarande kunskaper
mycket goda kunskaper i engelska, i tal och skrift.
examen på avancerad nivå eller motsvarande enligt ovan inom kemi, materialvetenskap, datavetenskap, tillämpad matematik, teknisk fysik eller ett relaterat område.
förmågan att uttrycka dig tydligt, dokumentera ditt arbete och bidra till det gemensamma i en forskningsmiljö.
Stor vikt kommer också att läggas vid personliga egenskaper såsom god samarbetsförmåga, driv och självständighet samt hur den sökande genom sin erfarenhet och kompetens bedöms ha den förmåga som behövs för att klara forskarutbildningen.
Önskvärt/meriterande i övrigt
Praktisk erfarenhet av probabilistisk maskininlärning, Bayesiansk inferens, generativa modeller, dataassimilering eller vetenskapliga beräkningar är meriterande, liksom goda programmeringskunskaper (t.ex. Python, PyTorch eller JAX). Erfarenhet av elektrokemi, batteriforskning, röntgenspridningstekniker eller analys av experimentella tidsseriedata är också en fördel.
Om anställningen
Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde 2026-10-01 eller enligt överenskommelse. Placeringsort: Kemi-Ångström
Bestämmelser för doktorander återfinns i Högskoleförordningen 5 kap §§ 1-7 samt i universitetets regler och riktlinjer.
Upplysningar om anställningen lämnas av: Prof. Erik Berg (erik.berg@kemi.uu.se)
Välkommen med din ansökan senast den 11 september 2026, UFV-PA 2026/2414.
Uppsala universitet är ett brett forskningsuniversitet med stark internationell ställning. Det yttersta målet är att bedriva utbildning och forskning av högsta kvalitet och relevans för att göra skillnad i samhället.
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 - saco-s@uu.se, Seko - seko@uadm.uu.se, ST (OFR/S) - ofr@uu.se
Arbetsgivare
UPPSALA UNIVERSITET
box 256
75200 Uppsala
Webbplats: http://www.uu.se/jobb/
Ansökan
Ansök senast 11 september (12 dagar kvar)
Ansök här
Doktorand i multimodal maskininlärning för energilagringsmaterial
Arbetsgivare / Ort:UPPSALA UNIVERSITET / Uppsala
Omfattning / Varaktighet:Vanlig anställning / 6 månader eller längre
Lönetyp: Fast månads- vecko- eller timlön
Ansök senast 11 september (12 dagar kvar)
Publicerad: 2026-08-11
Källa: Arbetsförmedlingen
Ansök här
Om jobbet
Institutionen för kemi - Ångström bedriver forskning och utbildning inom kemiämnet. Institutionen har 270 anställda och omsätter 300 miljoner kronor. Vid institutionens sex program bedrivs mycket framgångsrik forskning av hög internationell klass. Vi har ett stort antal externt finansierade forskningsprojekt, ofta med internationellt samarbete och vi ser en fortsatt god tillväxt inom vårt ämnesområde. Institutionen har utbildningsuppdrag inom ingenjörs- och civilingenjörsprogram samt masterprogram.
Projektbeskrivning
Utvecklingen av framtidens energilagringsmaterial vilar på en grundläggande förståelse för hur deras kemiska sammansättning och struktur förändras under drift i tillämpningarna. Ingen enskild metod kan fånga hela bilden. I stället får forskaren förlita sig på flera komplementära tekniker, som var för sig ger en ofullständig och indirekt bild av samma underliggande process och som traditionellt tolkas manuellt och var för sig. Multimodal maskininlärning erbjuder ett principiellt alternativ: att integrera heterogena dataströmmar från både experiment och simuleringar i en gemensam, fysikaliskt förankrad modell. Projektets fokus är att utveckla ett sådant ramverk och att tillämpa det specifikt på elektrod/elektrolytgränsskikt i batterier, där ytkänsliga röntgenspridningstekniker (röntgenreflektometri, GISAXS och GIWAXS) och elektrokemisk kvartskristallmikrovåg med dissipationsmätning (EQCM-D) kombineras i operando-experiment. Kärnan i metodiken är dataassimilering, där gränsskiktets underliggande egenskaper (massa, volym, densitet, porositet och morfologi) behandlas som ett latent tillstånd som utvecklas i tiden, och där varje mätteknik bidrar med en brusig och ofullständig observation via sin egen framåtmodell. Arbetet omfattar sekventiell Bayesiansk inferens, djupa tillståndsrumsmodeller och osäkerhetsmedvetna representationer som tränas på både experimentella data och simuleringar, exempelvis fasfältssimuleringar av metallnukleering och -tillväxt kopplade till lattice-Boltzmann-modellering av kvartskristallens akustiska respons. Maskininlärningsaccelererade surrogatmodeller gör dessa simuleringar tillräckligt snabba för att fungera som transitions- och observationsoperatorer i inferensmotorn. Slutligen analyseras det inlärda latenta rummet för att utvinna fysikalisk innebörd, och modellernas generativa förmåga utnyttjas för att översätta data mellan teknikerna. Målet är en tolkbar och osäkerhetskvantifierad modell av hur gränsskikt bildas och växer, som fördjupar förståelsen av metallutfällning och ytpassivering i Li-, Zn- och Cu-baserade system och som är överförbar till andra material och analystekniker.
Doktorandens uppgift är att utveckla och implementera detta ramverk i ett nära samarbete mellan kemi och datavetenskap vid Uppsala universitet samt tillsammans med våra tyska partners. I arbetet ingår att bygga och validera inferens- och simuleringspipelines, att aktivt delta i planering och genomförande av operando-experiment – inklusive mättillfällen vid synkrotronanläggningen PETRA III (DESY, Hamburg) – och att bygga djup expertis inom probabilistisk maskininlärning, dataassimilering, vetenskapliga beräkningar och analys av elektrokemiska gränsskikt.
Fokus för doktoranden är forskning. Visst undervisningsansvar kan tilldelas men kommer inte att överstiga 20 % av den totala arbetstiden. Doktoranden läser även forskarutbildningskurser som är nära kopplade till projektets forskningsteman. Vi letar efter en mycket motiverad person som kommer att bidra till högkvalitativt vetenskapligt arbete i en multidisciplinär forskarmiljö, som syftar till att publicera resultat i ledande vetenskapliga tidskrifter och presentera dem vid både nationella och internationella konferenser.
Kvalifikationskrav
Den sökande ska ha:
avlagt examen på avancerad nivå eller
fullgjort kursfordringar om minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå (varav 15 högskolepoäng utgör självständigt arbete), med innehåll som är relevant för forskarutbildningen eller
på något annat sätt inom eller utom landet förvärvat i huvudsak motsvarande kunskaper
mycket goda kunskaper i engelska, i tal och skrift.
examen på avancerad nivå eller motsvarande enligt ovan inom kemi, materialvetenskap, datavetenskap, tillämpad matematik, teknisk fysik eller ett relaterat område.
förmågan att uttrycka dig tydligt, dokumentera ditt arbete och bidra till det gemensamma i en forskningsmiljö.
Stor vikt kommer också att läggas vid personliga egenskaper såsom god samarbetsförmåga, driv och självständighet samt hur den sökande genom sin erfarenhet och kompetens bedöms ha den förmåga som behövs för att klara forskarutbildningen.
Önskvärt/meriterande i övrigt
Praktisk erfarenhet av probabilistisk maskininlärning, Bayesiansk inferens, generativa modeller, dataassimilering eller vetenskapliga beräkningar är meriterande, liksom goda programmeringskunskaper (t.ex. Python, PyTorch eller JAX). Erfarenhet av elektrokemi, batteriforskning, röntgenspridningstekniker eller analys av experimentella tidsseriedata är också en fördel.
Om anställningen
Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde 2026-10-01 eller enligt överenskommelse. Placeringsort: Kemi-Ångström
Bestämmelser för doktorander återfinns i Högskoleförordningen 5 kap §§ 1-7 samt i universitetets regler och riktlinjer.
Upplysningar om anställningen lämnas av: Prof. Erik Berg (erik.berg@kemi.uu.se)
Välkommen med din ansökan senast den 11 september 2026, UFV-PA 2026/2414.
Uppsala universitet är ett brett forskningsuniversitet med stark internationell ställning. Det yttersta målet är att bedriva utbildning och forskning av högsta kvalitet och relevans för att göra skillnad i samhället.
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 - saco-s@uu.se, Seko - seko@uadm.uu.se, ST (OFR/S) - ofr@uu.se
Arbetsgivare
UPPSALA UNIVERSITET
box 256
75200 Uppsala
Webbplats: http://www.uu.se/jobb/
Ansökan
Ansök senast 11 september (12 dagar kvar)
Ansök här
Doktorand i multimodal maskininlärning för energilagringsmaterial
Arbetsgivare / Ort:UPPSALA UNIVERSITET / Uppsala
Omfattning / Varaktighet:Vanlig anställning / 6 månader eller längre
Lönetyp: Fast månads- vecko- eller timlön
Ansök senast 11 september (12 dagar kvar)
Publicerad: 2026-08-11
Källa: Arbetsförmedlingen
Ansök här
Om jobbet
Institutionen för kemi - Ångström bedriver forskning och utbildning inom kemiämnet. Institutionen har 270 anställda och omsätter 300 miljoner kronor. Vid institutionens sex program bedrivs mycket framgångsrik forskning av hög internationell klass. Vi har ett stort antal externt finansierade forskningsprojekt, ofta med internationellt samarbete och vi ser en fortsatt god tillväxt inom vårt ämnesområde. Institutionen har utbildningsuppdrag inom ingenjörs- och civilingenjörsprogram samt masterprogram.
Projektbeskrivning
Utvecklingen av framtidens energilagringsmaterial vilar på en grundläggande förståelse för hur deras kemiska sammansättning och struktur förändras under drift i tillämpningarna. Ingen enskild metod kan fånga hela bilden. I stället får forskaren förlita sig på flera komplementära tekniker, som var för sig ger en ofullständig och indirekt bild av samma underliggande process och som traditionellt tolkas manuellt och var för sig. Multimodal maskininlärning erbjuder ett principiellt alternativ: att integrera heterogena dataströmmar från både experiment och simuleringar i en gemensam, fysikaliskt förankrad modell. Projektets fokus är att utveckla ett sådant ramverk och att tillämpa det specifikt på elektrod/elektrolytgränsskikt i batterier, där ytkänsliga röntgenspridningstekniker (röntgenreflektometri, GISAXS och GIWAXS) och elektrokemisk kvartskristallmikrovåg med dissipationsmätning (EQCM-D) kombineras i operando-experiment. Kärnan i metodiken är dataassimilering, där gränsskiktets underliggande egenskaper (massa, volym, densitet, porositet och morfologi) behandlas som ett latent tillstånd som utvecklas i tiden, och där varje mätteknik bidrar med en brusig och ofullständig observation via sin egen framåtmodell. Arbetet omfattar sekventiell Bayesiansk inferens, djupa tillståndsrumsmodeller och osäkerhetsmedvetna representationer som tränas på både experimentella data och simuleringar, exempelvis fasfältssimuleringar av metallnukleering och -tillväxt kopplade till lattice-Boltzmann-modellering av kvartskristallens akustiska respons. Maskininlärningsaccelererade surrogatmodeller gör dessa simuleringar tillräckligt snabba för att fungera som transitions- och observationsoperatorer i inferensmotorn. Slutligen analyseras det inlärda latenta rummet för att utvinna fysikalisk innebörd, och modellernas generativa förmåga utnyttjas för att översätta data mellan teknikerna. Målet är en tolkbar och osäkerhetskvantifierad modell av hur gränsskikt bildas och växer, som fördjupar förståelsen av metallutfällning och ytpassivering i Li-, Zn- och Cu-baserade system och som är överförbar till andra material och analystekniker.
Doktorandens uppgift är att utveckla och implementera detta ramverk i ett nära samarbete mellan kemi och datavetenskap vid Uppsala universitet samt tillsammans med våra tyska partners. I arbetet ingår att bygga och validera inferens- och simuleringspipelines, att aktivt delta i planering och genomförande av operando-experiment – inklusive mättillfällen vid synkrotronanläggningen PETRA III (DESY, Hamburg) – och att bygga djup expertis inom probabilistisk maskininlärning, dataassimilering, vetenskapliga beräkningar och analys av elektrokemiska gränsskikt.
Fokus för doktoranden är forskning. Visst undervisningsansvar kan tilldelas men kommer inte att överstiga 20 % av den totala arbetstiden. Doktoranden läser även forskarutbildningskurser som är nära kopplade till projektets forskningsteman. Vi letar efter en mycket motiverad person som kommer att bidra till högkvalitativt vetenskapligt arbete i en multidisciplinär forskarmiljö, som syftar till att publicera resultat i ledande vetenskapliga tidskrifter och presentera dem vid både nationella och internationella konferenser.
Kvalifikationskrav
Den sökande ska ha:
avlagt examen på avancerad nivå eller
fullgjort kursfordringar om minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå (varav 15 högskolepoäng utgör självständigt arbete), med innehåll som är relevant för forskarutbildningen eller
på något annat sätt inom eller utom landet förvärvat i huvudsak motsvarande kunskaper
mycket goda kunskaper i engelska, i tal och skrift.
examen på avancerad nivå eller motsvarande enligt ovan inom kemi, materialvetenskap, datavetenskap, tillämpad matematik, teknisk fysik eller ett relaterat område.
förmågan att uttrycka dig tydligt, dokumentera ditt arbete och bidra till det gemensamma i en forskningsmiljö.
Stor vikt kommer också att läggas vid personliga egenskaper såsom god samarbetsförmåga, driv och självständighet samt hur den sökande genom sin erfarenhet och kompetens bedöms ha den förmåga som behövs för att klara forskarutbildningen.
Önskvärt/meriterande i övrigt
Praktisk erfarenhet av probabilistisk maskininlärning, Bayesiansk inferens, generativa modeller, dataassimilering eller vetenskapliga beräkningar är meriterande, liksom goda programmeringskunskaper (t.ex. Python, PyTorch eller JAX). Erfarenhet av elektrokemi, batteriforskning, röntgenspridningstekniker eller analys av experimentella tidsseriedata är också en fördel.
Om anställningen
Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde 2026-10-01 eller enligt överenskommelse. Placeringsort: Kemi-Ångström
Bestämmelser för doktorander återfinns i Högskoleförordningen 5 kap §§ 1-7 samt i universitetets regler och riktlinjer.
Upplysningar om anställningen lämnas av: Prof. Erik Berg (erik.berg@kemi.uu.se)
Välkommen med din ansökan senast den 11 september 2026, UFV-PA 2026/2414.
Uppsala universitet är ett brett forskningsuniversitet med stark internationell ställning. Det yttersta målet är att bedriva utbildning och forskning av högsta kvalitet och relevans för att göra skillnad i samhället.
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 - saco-s@uu.se, Seko - seko@uadm.uu.se, ST (OFR/S) - ofr@uu.se
Arbetsgivare
UPPSALA UNIVERSITET
box 256
75200 Uppsala
Webbplats: http://www.uu.se/jobb/
Ansökan
Ansök senast 11 september (12 dagar kvar)
Ansök här
Lektor i socialt arbete förenad med anställning som kurator
Arbetsgivare / Ort:UPPSALA UNIVERSITET / Uppsala
Omfattning / Varaktighet:Vanlig anställning / Tills vidare
Lönetyp: Fast månads- vecko- eller timlön
Ansök senast 14 september (15 dagar kvar)
Publicerad: 2026-08-17
Källa: Arbetsförmedlingen
Ansök här
Om jobbet
Universitetslektor i socialt arbete förenad med tjänstgöring som kurator på Akademiska sjukhuset

Uppsala universitet, Institutionen för socialt arbete

Universitetslektor i socialt arbete förenad med tjänstgöring som kurator på Akademiska sjukhuset
Institutionen för socialt arbete finns vid Samhällsvetenskapliga fakulteten, Uppsala universitet. Vid institutionen arbetar ca 41 personer, varav merparten utgörs av professorer, lektorer och doktorander. Institutionen ansvarar för socionomprogrammet, masterprogram, forskarutbildning och forskning i socialt arbete. Institution kommer även undervisa i socialt arbete på polisprogrammet som startar vid Uppsala universitet VT 2027. Institutionen befinner sig i en expansiv fas och behöver därför rekrytera ytterligare lektorer.
Denna anställning avser placering i Uppsala. Socialt arbete är både en professionell praktik och den vetenskapliga disciplin som utgör socionomers kunskapsbas. Socionomprogrammet är en generalistutbildning som ger breda kunskaper inom socialt arbete samt vetenskaplig teori och metod. Studierna syftar till att utbilda socionomer med de kunskaper, färdigheter och förhållningssätt som behövs för att arbeta inom det sociala arbetets praktikfält. Begrepp som människa, välbefinnande, social välfärd, hjälp och stöd, samt livssammanhang är centrala i utbildningen och en helhetssyn på människan betonas. Detta universitetslektorat är en så kallad förenad anställning mellan Uppsala universitet och Akademiska sjukhuset.

Arbetsuppgifter vid institutionen
Den akademiska tjänstgöringen som utgör 2/3 av den totala tjänsten inkluderar i huvudsak undervisning, examination, forskning och administration. Undervisningen är främst förlagd till grund- och avancerad nivå men undervisning på forskarnivå samt uppdragsutbildningar kan förekomma. Till undervisning räknas kursansvar, kursadministration och kursutveckling samt handledning. Inriktning på anställningen avser socialt arbete, med särskilt fokus på sociala perspektiv som har en direkt koppling till socionomprofessionen och dess praktik. Undervisningen kommer även att omfatta andra moment inom institutionens utbildningsområden på grund- och avancerad nivå utifrån sökandes kompetens och institutionens behov.
Till arbetsuppgifterna hör också att aktivt ansöka om externa forskningsmedel och att följa utvecklingen inom det egna ämnesområdet och den samhällsutveckling i övrigt som har betydelse för lärarens arbete vid universitetet och institutionen för socialt arbete. Innehavaren av lektoratet förväntas aktivt bidra till institutionens utveckling både gällande utbildning och forskning samt samverkan med det sociala arbetets fält.

Kliniska arbetsuppgifter
Den kliniska tjänstgöringen som utgör 1/3 av den totala tjänsten är förlagd till Akademiska sjukhuset vid verksamhetsområdet Geriatrik Rehabiliteringsmedicin och Smärtcentrum. I arbetsuppgifterna ingår, förutom patientarbete, att integrera evidensbaserad kunskap i kuratorsverksamheten samt i den verksamhetsförlagda utbildningen för socionomstudenter och studenter som läser hälso- och sjukvårdskuratorsprogrammet. Arbetsuppgifterna innebär även att stödja och motivera kollegor till kliniskt utvecklingsarbete samt övriga uppdrag som har betydelse för kuratorers arbete på sjukhuset. Ett särskilt fokus för det kliniska arbetet kommer att vara riktad mot cancer samt cancerrehabilitering.

Behörighetskrav
Behörig att anställas som universitetslektor är den som har avlagt doktorsexamen eller har motsvarande vetenskapliga kompetens, visat pedagogisk skicklighet, har förmåga att samarbeta och i övrigt uppfyller de krav på lämplighet som behövs för att fullgöra arbetsuppgifterna väl. Vidare ska sökande ha erfarenhet av klinisk tjänstgöring som kurator.
För denna anställning är socionomexamen ett behörighetskrav.
Det krävs att den pedagogiska skickligheten, den vetenskapliga kompetensen och yrkesskickligheten är relevant för anställningens ämnesinnehåll, socialt arbete med fokus på socionomprofessionen och dess praktik och de arbetsuppgifter som ska ingå i anställningen.
För behörighet krävs dokumenterad förmåga att undervisa på svenska. Meriterande: erfarenhet av undervisning på engelska.

Observera att detta är en förkortad version av annonsen. För att se den fullständiga annonsen vänligen klicka på ”Ansök här” eller se Uppsala universitets hemsida: https://uu.se/jobb/.
Välkommen med din ansökan senast 14 september 2026. UFV-PA 2026/1130

Uppsala universitet är ett brett forskningsuniversitet med stark internationell ställning. Det yttersta målet är att bedriva utbildning och forskning av högsta kvalitet och relevans för att göra skillnad i samhället. Vår viktigaste tillgång är alla 7 500 anställda och 53 000 studenter som med nyfikenhet och engagemang gör Uppsala universitet till en av landets mest spännande arbetsplatser.
Läs mer om våra förmåner och hur det är att jobba inom Uppsala universitet
https://uu.se/om-uu/jobba-hos-oss/
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 - saco-s@uu.se, Seko - seko@uadm.uu.se, ST (OFR/S) - ofr@uu.se
Arbetsgivare
UPPSALA UNIVERSITET
Box 256
75105 Uppsala
Webbplats: http://www.uu.se/jobb/
Ansökan
Ansök senast 14 september (15 dagar kvar)
Ansök här

Visa alla 1574 lediga jobb som Professor

Lediga jobb som Professor hos UPPSALA UNIVERSITET

Om jobbet

Arbetsgivare

Ansökan

Om jobbet

Arbetsgivare

Ansökan

Om jobbet

Arbetsgivare

Ansökan

Om jobbet

Arbetsgivare

Ansökan

Om jobbet

Arbetsgivare

Ansökan

Om jobbet

Arbetsgivare

Ansökan

Om jobbet

Arbetsgivare

Ansökan

Om jobbet

Arbetsgivare

Ansökan

Om jobbet

Arbetsgivare

Ansökan

Om jobbet

Arbetsgivare

Ansökan