Lediga jobb som Doktorand 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 (18 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 (18 dagar kvar)

  Ansök här

  Visa mer

• 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 (18 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 (18 dagar kvar)

  Ansök här

  Visa mer

• 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 (18 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 (18 dagar kvar)

  Ansök här

  Visa mer

• 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 (18 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 (18 dagar kvar)

  Ansök här

  Visa mer

• 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 (18 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 (18 dagar kvar)

  Ansök här

  Visa mer

• 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 (18 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 (18 dagar kvar)

  Ansök här

  Visa mer

• 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 (18 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 (18 dagar kvar)

  Ansök här

  Visa mer

• 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 (18 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 (18 dagar kvar)

  Ansök här

  Visa mer

• 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 (18 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 (18 dagar kvar)

  Ansök här

  Visa mer

• Doktorandplats i mikrobiologi

  Arbetsgivare / Ort:UPPSALA UNIVERSITET / Uppsala

  Omfattning / Varaktighet:Vanlig anställning / 6 månader eller längre

  Lönetyp: Fast månads- vecko- eller timlön

  Ansök senast 21 september (28 dagar kvar)

  Publicerad: 2026-08-18

  Källa: Arbetsförmedlingen

  Ansök här

  Om jobbet

  Institutionen för medicinsk biokemi och mikrobiologi (IMBIM) vid Uppsala universitet utgör en bred internationell miljö för forskning och undervisning. Vid IMBIM bedrivs grundforskning inom biokemi, cell- och molekylärbiologi, tumörbiologi, jämförande genetik, funktionell genomik, immunologi, bakteriologi, och virologi. Institutionens forskning är huvudsakligen grundläggande, men har i sin tillämpning tydlig koppling och betydelse för hälsa och sjukdom hos såväl djur som människor. En närmare beskrivning finns på Forskning – Institutionen för medicinsk biokemi och mikrobiologi – Uppsala universitet

  Vi söker en mycket motiverad person med ett stort intresse av att doktorera inom medicinsk mikrobiologi. Förväntat startdatum är hösten 2026 eller enligt överenskommelse.

  Projektsammanfattning

  Forskargrupperna som kandidaten kommer att ansluta sig till fokuserar på mekanismer för plasmidkopievariation i bakterier, med ett starkt fokus på infektionsbiologi och evolution av antibiotikaresistens. Plasmider spelar en central roll i spridningen av antimikrobiell resistens mellan olika bakteriearter och miljöer. Projektet syftar till att fastställa hur variationer i plasmidkopietal påverkar resistensutveckling och horisontell genöverföring. För att nå dessa mål kommer den framgångsrika kandidaten att ha tillgång till en stor samling av genetiskt välkarakteriserade mikroorganismer, avancerade metoder och en interaktiv och stimulerande arbetsmiljö.

  Arbetsuppgifter

  Huvuduppgiften för en doktorand är att ägna sig åt sin forskarutbildning vilket innefattar såväl deltagande i forskningsprojekt som forskarutbildningskurser. I arbetsuppgifterna kan det även ingå undervisning och annat institutionsarbete, dock max 20% av arbetstiden.

  Kvalifikationskrav

  Behörig till utbildning på forskarnivå är den som har

  • avlagt examen på avancerad nivå med fokus på genetik, mikrobiologi, evolutionsbiologi eller ett relaterat fält 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.

  Vi letar efter en kandidat med laboratorieerfarenhet inom cell- och molekylärbiologi och mikrobiologi. Erfarenhet av bakteriell genetik är ett krav. Mycket god muntlig och skriftlig kommunikationsförmåga på engelska krävs. Kandidatens personliga egenskaper så som samverkan och kommunikationsförmåga samt analytisk förmåga kommer att beaktas. Kandidaten förväntas ta egna initiativ såväl som att samarbeta med nationella och internationella kollegor både inom och utanför gruppen.

  Önskvärt/meriterande i övrigt

  Erfarenhet av bioinformatik och statistik är starkt meriterande.

  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 snarast eller enligt överenskommelse. Placeringsort: Uppsala

  Upplysningar om anställningen lämnas av: Universitetslektor Helen Wang, helen.wang@imbim.uu.se, Professor Dan I Andersson, dan.andersson@imbim.uu.se

  Välkommen med din ansökan senast den 21 September 2026, UFV-PA 2026/2474.

  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

  Öppen för alla Vi fokuserar på din kompetens, inte dina övriga förutsättningar. Vi är öppna för att anpassa rollen eller arbetsplatsen efter dina behov.

  Arbetsgivare

  UPPSALA UNIVERSITET
  Box 256,
  75105 Uppsala

  Webbplats: http://www.uu.se/jobb/
  

  Ansökan

  Ansök senast 21 september (28 dagar kvar)

  Ansök här

  Visa mer

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8

Visa alla 704 lediga jobb som Doktorand