Doktorand i härdoptimering med maskininlärning

Arbetsuppgifter** Arbetsuppgifterna består huvudsakligen av forskarutbildning, där du bedriver forskning inom projektet och följer kurser inom forskarutbildningen. Arbetet innefattar utveckling, implementering och utvärdering av beräkningsmetoder för härd- och bränsleoptimering med hjälp av maskininlärning och optimeringsalgoritmer. I arbetsuppgifterna ingår att: - utveckla och tillämpa maskininlärningsbaserade surrogatmodeller för reaktorfysikaliska beräkningar, - utveckla och utvärdera optimeringsmetoder för bränsleladdningsmönster och bränslesammansättning, - analysera säkerhetsrelaterade parametrar såsom reaktivitet, effektfördelningar, bränsleutnyttjande och marginaler till tekniska begränsningar, - arbeta med stora datamängder från reaktorfysikaliska simuleringar, - implementera och dokumentera beräkningsverktyg, exempelvis i Python, - sammanställa och publicera forskningsresultat i vetenskapliga artiklar, - presentera resultat vid nationella och internationella konferenser, - delta i forskargruppens seminarier, projektmöten och övriga vetenskapliga aktiviteter. Undervisning och annan institutionstjänstgöring kan komma att ingå med högst 20 procent av heltid. **Kvalifikationskrav** Behörig till utbildning på forskarnivå är den som har - avlagt examen på avancerad nivå inom teknisk fysik, kärnteknik, energiteknik, maskininlärning, datavetenskap, tillämpad matematik eller annat för projektet relevant område, eller - fullgjort minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå inklusive ett självständigt arbete om minst 15 högskolepoäng, eller - på något annat sätt förvärvat i huvudsak motsvarande kunskaper. För anställningen krävs dessutom: - goda kunskaper i fysik, numeriska metoder och/eller maskininlärning, - god programmeringsförmåga, exempelvis i Python, Julia, C++ eller motsvarande, - god förmåga att arbeta självständigt och strukturerat, - god samarbetsförmåga, - god förmåga att uttrycka sig i tal och skrift på engelska. Stor vikt kommer att läggas vid personliga egenskaper såsom analytisk förmåga, initiativförmåga, noggrannhet och motivation att bedriva forskarstudier inom ett tvärvetenskapligt område. **Önskvärt/meriterande i övrigt** Det är meriterande med erfarenhet av ett eller flera av följande områden: - reaktorfysik, kärnteknik eller neutrontransport, - härdoptimering, bränslecykelanalys eller bränslehantering, - maskininlärning, särskilt neurala nätverk, grafneurala nätverk eller surrogatmodellering, - optimeringsalgoritmer, exempelvis evolutionära algoritmer, stokastisk optimering eller flermålsoptimering, - osäkerhetskvantifiering eller statistisk modellering, - arbete med vetenskapliga beräkningsprogram och högpresterande beräkningar, - erfarenhet av versionshantering och reproducerbara beräkningsflöden. Bestämmelser för doktorander återfinns i Högskoleförordningen 5 kap §§ 1–7 samt i universitetets regler och riktlinjer. **Om ansökan** Vänligen bifoga betygsutdrag, kopia av examensarbete samt eventuella övriga handlingar som du vill åberopa. **Om anställningen** Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde 1 januari 2027, eller enligt överenskommelse. Placeringsort: Uppsala. **Upplysningar om anställningen lämnas av:** Andreas Solders, 018-471 26 31, andreas.solders@physics.uu.se I denna rekrytering har vi ersatt det personliga brevet med frågor som du besvarar i samband med din ansökan. Svaren kommer att användas som en del i urvalsprocessen. **Välkommen med din ansökan senast den 30 september 2026, UFV-PA 2026/2129** | Anställningsform | Tidsbegränsad anställning | | Anställningens omfattning | Heltid | | Tillträde | 1 januari eller enligt överenskommelse | | Löneform | Fast lön | | Antal lediga befattningar | 1 | | Sysselsättningsgrad | 100 | | Ort | Uppsala | | Län | Uppsala län | | Land | Sverige | | Referensnummer | UFV-PA 2026/2129 | | Publicerat | 2026-06-17 | | Sista ansökningsdag | 2026-09-30 | [Logga in och sök jobbet](https://uu.varbi.com/se/what:login/jobID:947191/type:job/apply:1/) ### Dela länkar [ Facebook](https://www.facebook.com/sharer/sharer.php?u=https://uu.varbi.com/what:job/jobID:947191/) [ X](https://x.com/share?url=https://uu.varbi.com/what:job/jobID:947191/&text=) [ LinkedIn](https://www.linkedin.com/sharing/share-offsite/?url=https://uu.varbi.com/what:job/jobID:947191/) [Dela med WhatsApp](whatsapp://send?text=https://uu.varbi.com/what:job/jobID:947191/) [Tillbaka till lediga jobb](http://www.uu.se/jobb/)