Nylige fremskridt inden for maskinlæring og dyb læring åbner nye muligheder for beregningsmæssig billeddannelse, herunder rekonstruktion af komplekse 3D-strukturer fra eksperimentelle billeddata. I dette fuldt finansierede ph.d.-projekt ved DTU Compute skal du udvikle nye læringsbaserede metoder til røntgen-nanotomografi. Efterhånden som avancerede synkrotron-billedsystemer presser sig mod stadig højere rumlig opløsning, bliver selv minimale positioneringsfejl, mekanisk drift og prøvedeformationer kilder til billedforringelse. Den centrale udfordring er at rekonstruere nøjagtige 3D- og 4D-repræsentationer af prøver, samtidig med at der tages højde for positionelle usikkerheder under billedoptagelse og ændringer i prøveform over tid.
Projektet vil samle neurale repræsentationer, inverse problemer, geometrisk modellering og beregningsmæssig billeddannelse for at løse grundlæggende udfordringer inden for nanotomografi. I stedet for at korrigere optagelsesfejl og prøvedeformationer som separate forbehandlingstrin, vil du undersøge, hvordan man modellerer og estimerer prøvestrukturen, optagelsesgeometrien og deformationen samlet ud fra de målte data.
Stillingen er baseret på DTU Compute og udføres i tæt samarbejde med EPFL og Paul Scherrer Institute (PSI) i Schweiz, som er et af de førende centre for synkrotron-røntgenbilleddannelse. Som ph.d.-studerende vil du arbejde i et internationalt forskningsmiljø, der spænder over DTU, EPFL og PSI, og kombinere ekspertise inden for både maskinlæring og beregningsmæssig billeddannelse med adgang til eksperimentelle data og avancerede billedfaciliteter. Forskningsbesøg i Schweiz er planlagt som en del af projektet.
Ansvar- Udvikle nye maskinlærings- og dyb læringsmetoder til røntgen-nanotomografi, som samlet rekonstruerer prøvestruktur, erhvervelsesgeometri og deformationsfelter fra inkonsistente projektionsdata.
- Undersøge neurale feltrepræsentationer for 3D- og 4D-billeddannelse, herunder modeller der fanger ændringer i prøvegeometri over tid, og udforske hybridtilgange, der kombinerer læringsbaserede metoder med fysiske modeller for billeddannelse og tomografisk rekonstruktion.
- Validere og evaluere de udviklede metoder ved hjælp af eksperimentelle nanotomografidata, med indledende fokus på integrerede kredsløb.
- Samarbejde med forskere på DTU, PSI og EPFL og deltage i internationale forskningsbesøg og videnskabelige aktiviteter.
- Publicere forskningsresultater i førende tidsskrifter og konferencer inden for maskinlæring, computersyn og beregningsmæssig billeddannelse.
- Bidrage til forskningsbaseret undervisning og vejledning af kandidat- og bachelorprojekter.
- Deltage i aktiviteter inden for Center for Kvantificering af Billeddata fra MAX IV (QIM), herunder workshops, kurser og tværfaglige forskningssamarbejder.
Du er nysgerrig og motiveret af at udvikle nye maskinlæringsmetoder til at løse udfordrende problemer inden for beregningsmæssig billeddannelse. En stærk baggrund inden for maskinlæring og dyb læring er særligt vigtig. DTU Compute byder velkommen til kandidater fra datalogi, anvendt matematik, fysik, ingeniørvidenskab og beslægtede discipliner, der er interesserede i at kombinere moderne læringsmetoder med matematisk modellering og virkelige eksperimentelle data. Kandidaten bør være i stand til at arbejde selvstændigt, bidrage effektivt til et tværfagligt forskningsteam og kommunikere videnskabelige ideer tydeligt på skrift og i tale på engelsk.
For at få succes i denne stilling forventes det, at du har:
- En kandidatgrad i datalogi, anvendt matematik, fysik, ingeniørvidenskab eller en beslægtet disciplin.
- En stærk baggrund inden for maskinlæring og dyb læring, herunder erfaring med at udvikle, implementere eller evaluere læringsbaserede modeller.
- Erfaring med videnskabelig programmering, helst i Python, og kendskab til relevante maskinlæringsrammer.
- En solid forståelse af matematisk modellering, optimering eller numeriske metoder.
Erfaring inden for et eller flere af følgende områder er en fordel:
- Neurale repræsentationer, implicitte neurale felter eller andre koordinatbaserede repræsentationer.
- Computersyn, 3D-syn, geometrisk modellering eller structure-from-motion.
- Inverse problemer, billedrekonstruktion eller fysikinformeret maskinlæring.
- Billedregistrering, bevægelsesestimering eller deformerbar modellering.
- Billedbehandling, billedanalyse eller tomografisk rekonstruktion.
- Kendskab til røntgenbilleddannelse og tomografi er en fordel, men ikke et krav.
Du skal have en toårig kandidatgrad (120 ECTS-point) eller en lignende grad med et akademisk niveau svarende til en toårig kandidatgrad.
Godkendelse og IndskrivningStipendiet til ph.d.-graden er betinget af faglig godkendelse, og kandidaten vil blive indskrevet på et af de generelle uddannelsesprogrammer på DTU. For information om DTU Computes indskrivningskrav og den generelle planlægning af ph.d.-uddannelsen, se venligst DTU's regler for ph.d.-uddannelsen.
DTU Compute tilbyderDTU er et førende teknisk universitet, globalt anerkendt for sin fremragende forskning, uddannelse, innovation og videnskabelige rådgivning. DTU Compute tilbyder et givende og udfordrende job i et internationalt miljø. DTU Compute stræber efter akademisk ekspertise i et miljø præget af kollegial respekt og akademisk frihed, tempereret af ansvar.
På DTU Compute er der stort fokus på at skabe et godt arbejdsmiljø. DTU Computes arbejde med mangfoldighed og inklusion er en væsentlig del heraf. DTU Compute mener, at et godt arbejdsmiljø er et nødvendigt grundlag for at levere fremragende forskning, undervisning, vejledning og innovation.
På DTU Compute er der omkring 140 ph.d.-studerende. DTU Compute tilbyder adskillige arrangementer og aktiviteter for alle DTU Computes ph.d.-studerende, såsom årlig ph.d.-bazar, introduktionskursus hvor du vil møde andre ph.d.-studerende, og du kan melde dig ind i DTU Computes ph.d.-klub, der arrangerer grillaftener, brætspilsarrangementer, frokoster mv.
Løn- og ansættelsesvilkårAnsættelsen sker i henhold til overenskomst med Akademikerne. Se venligst DTU’s lønstruktur for videnskabeligt personale: www.inside.dtu.dk/en/human-resources/during-employment/salary/salary-structures.
Ansættelsesperioden er 3 år. Startdatoen er 1. marts 2027 (eller efter gensidig aftale). Stillingen er en fuldtidsstilling.
Du kan læse mere om karriereveje på DTU her.
Yderligere informationYderligere information kan fås hos Hans Martin Kjer, hmkj@dtu.dk.
Du kan læse mere om DTU Compute på www.compute.dtu.dk.
Hvis du ansøger fra udlandet, kan du finde nyttig information om at arbejde i Danmark og på DTU på DTU – Flyt til Danmark. Desuden har du mulighed for at deltage i DTU Computes månedlige gratis seminar "Ph.d.-relokation til Danmark og opstarts-Zoom-seminar" for alle spørgsmål vedrørende de praktiske forhold ved at flytte til Danmark og arbejde som ph.d. på DTU.
AnsøgningsprocedureDin komplette online ansøgning skal indsendes senest 16. november 2026 (kl. 23:59 dansk tid). Ansøgninger skal indsendes som én PDF-fil, der indeholder alt materiale, der skal tages i betragtning. For at ansøge, åbn venligst linket "Søg nu", udfyld online ansøgningsformularen, og vedhæft alt dit materiale på engelsk i én PDF-fil. Filen skal inkludere:
- Et motiveret ansøgningsbrev (cover letter)
- Curriculum vitae
- Karakterudskrifter og bachelor/kandidatbevis (på engelsk) inklusive officiel beskrivelse af karakterskala
Du kan søge inden du har opnået din kandidatgrad, men du kan ikke starte, før du har modtaget den.
Ansøgninger modtaget efter fristen vil ikke blive behandlet.
Alle interesserede kandidater, uanset alder, køn, handicap, race, religion eller etnisk baggrund, opfordres til at søge. Da DTU arbejder med forskning inden for kritisk teknologi, der er underlagt særlige regler for sikkerhed og eksportkontrol, kan der udføres open-source baggrundstjek på kvalificerede kandidater til stillingen.
Om DTU ComputeDTU Compute – Institut for Anvendt Matematik og Computer Science – er et internationalt anerkendt akademisk miljø med over 400 medarbejdere og 10 forskningssektioner. DTU Compute dækker bredt digitale teknologier inden for matematik, datavidenskab, datalogi og computer engineering, herunder kunstig intelligens (AI), maskinlæring, internet of things (IoT), chipdesign, cybersikkerhed, menneske-computer-interaktion, sociale netværk, retfærdighed og dataetik.
DTU Computes forskning er forankret i grundforskning og centrerer sig om matematiske modeller af den fysiske og virtuelle verden som grundlag for analyse, design og implementering af komplekse systemer. DTU Compute fokuserer på at sikre, at DTU Computes forskningsresultater bidrager til at skabe et bedre samfund ved at understøtte områder som sundhed, grøn omstilling, energiforsyning og biovidenskab.
DTU Compute samarbejder med universiteter, offentlige og private organisationer og virksomheder i Danmark og i udlandet, og gennem DTU’s startup-økosystem opmuntrer DTU Compute til innovation og entreprenørskab. DTU Compute har en stærk etisk, menneskelig og bæredygtig tilgang, der sikrer integritet i DTU Computes arbejde.
Derfor stræber DTU Compute efter og tager ansvar for at drive demokratiseringen af digitale teknologier, så alle har mulighed for aktivt at deltage i udviklingen, og DTU Compute sikrer et fortsat åbent, demokratisk og inkluderende samfund til gavn for alle. På DTU Compute værdsætter DTU Compute mangfoldighed, inklusion og en fleksibel balance mellem arbejde og privatliv. Læs mere her: www.compute.dtu.dk.
DTU – Til gavn for samfundet siden 1829DTU er et af Europas førende elite tekniske universiteter. Gennem forskning og uddannelse på internationalt topniveau skaber DTU Compute løsninger på tidens store samfundsmæssige udfordringer og hjælper med at sikre Europas globale førerposition inden for bæredygtig teknologisk udvikling.
Siden Hans Christian Ørsted grundlagde DTU for næsten 200 år siden, har DTU Computes mission forblevet den samme: DTU Compute udvikler og skaber værdi gennem de natur- og tekniske videnskaber til gavn for samfundet. DTU har 13.800 studerende, 1.600 ph.d.-studerende og 6.500 ansatte. DTU Compute arbejder i et internationalt miljø og har en inkluderende, stimulerende og uformel arbejdskultur. DTU har campusser i alle dele af Danmark og i Grønland og samarbejder med de bedste universiteter rundt om i verden.
