Velg regionen som passer best for din plassering eller dine preferanser.
Denne innstillingen kontrollerer språket for brukergrensesnittet, inkludert knapper, menyer og all tekst på nettstedet. Velg ditt foretrukne språk for best brukeropplevelse.
Velg språkene for stillingsannonser du vil se. Denne innstillingen bestemmer hvilke stillingsannonser som vises for deg.
Forskarutbildningsämne: Elektro- och systemteknik
Vi har sett spektakulära framgångar inklusive Nobelpriset i att utveckla artificiell intelligens (AI) metoder för att uppskatta komplexa biologiska strukturer som proteinstrukturer. Detta uppnås genom att utnyttja kraften från djupa neurala nätverk (DNN) och generativ AI (GenAI). AI-metoderna använder vanligtvis övervakad inlärning som kräver en stor mängd märkt data. Till exempel använde AlphaFold proteinsekvens-och-struktur som märkt data som lagras i Protein Data Bank. Dessutom är proteinsekvensen en (relativt) ren data utan mycket brus.
Det finns rikligt med omärkta och bullriga data inom forskningsområdena inom modern biologi och medicinsk vetenskap. Att uppskatta biologiska strukturer och nätverk från omärkta och bullriga data med hjälp av oövervakad och halvövervakad inlärning vidgar naturligtvis omfattningen av framtida AI-baserad forskning inom biologi. Detta har direkt verkningsbara effekter inom medicinsk vetenskap. Den stora tekniska utmaningen är utvecklingen av robusta AI-metoder som kan använda information gömd i omärkt och brusig data. En lovande väg att ta itu med utmaningen är att inkludera a-priori biologisk kunskap i att utveckla modeller för signaler och system, och samla in data och sedan reglera inlärningen av AI-metoder.
I det här projektet kommer vi att utveckla biologiskt informerade robusta AI och generativa AI-metoder som kan använda den rikliga omärkta och bullriga informationen. Vi kommer att fokusera på slutledning av genreglerande nätverk (GRN) från deras bullriga genuttrycksnivådata - ett utmanande omvänt problem inom biologi. Projektet är utmanande och en del av Digital Futures Flagship-projekt "Biology-informed Robust AI Methods for Inferring Complex Gene Regulatory Networks". Doktoranden kommer att arbeta självständigt och i samarbete med prof. Erik Sonnhammer’s grupp vid SciLife Lab and Assist. Prof. Martina Scolamiero’s grupp vid KTH Matematikavdelning.
Handledning: Associate Professor Saikat Chatterjee föreslås handleda doktoranden, Beslut tas vid antagning.
För att bli antagen till forskarutbildning (kap 7 39 § högskoleförordningen) krävs att den sökande har grundläggande behörighet:
Utöver ovanstående finns också ett obligatoriskt krav på engelska motsvarande Engelska B/6.
För att lyckas med dina doktorandstudier på KTH behöver du vara målinriktad och ihärdig i ditt arbete. Vid urval av de sökande bedöms förmågan att:
Sökande bör kunna uppvisa tidigare kunskaper på masternivå inom linjär algebra, sannolikhetsteori, djupinlärning, maskininlärning, generativ AI och deras praktiska implementeringar. Vidare så ser vi gärna tillagda kunskaper i matematiska ämnen som grafer och topologier vilket kommer att vara till hjälp.
Kandidaten bör ha ett intresse att lära sig biovetenskaplig dataanalys och deras användning inom medicinsk vetenskap.
Kunskaper i relevanta kodningsmjukvaror som Python / Matlab, och intresse för att utföra praktiska kodningsexperiment är viktigt.
Efter behörighetskraven kommer stor vikt läggas vid personliga egenskaper.
Målexamen: Doktorsexamen
Endast den som antagits till forskarutbildning får anställas som doktorand. Den sammanlagda anställningstiden får inte vara längre än vad som motsvarar utbildning på forskarnivå på heltid under fyra år. En anställd doktorand kan i begränsad omfattning (högst 20 %) utföra vissa arbetsuppgifter inom t.ex. utbildning och administration. En ny anställning som doktorand gäller för högst ett år, anställningen får därefter förnyas med högst två år i taget.
Kontaktuppgifter till fackliga representanter.
Kontaktuppgifter till doktorandsektionen.
Du ansöker via KTH:s rekryteringssystem. Du som sökande har huvudansvaret för att din ansökan är komplett när den skickas in.
Ansökan ska vara KTH tillhanda senast sista ansökningsdagen vid midnatt, CET/CEST (Central European Time/Central European Summer Time).
Ansökan ska ha följande innehåll
Strävan efter jämställdhet, mångfald och lika villkor är både en kvalitetsfråga och en självklar del av KTH:s värdegrund
För information om behandling av personuppgifter i samband med rekrytering.
Det kan förekomma att en anställning hos KTH är placerad i säkerhetsklass. Om så är fallet för just denna anställning görs en säkerhetsprövning av sökande i enlighet med säkerhetsskyddslagen (2018:585) efter samtycke. I dessa fall är en förutsättning för anställning att sökande blir godkänd efter säkerhetsprövning.
Vi undanber oss direktkontakt med bemannings- och rekryteringsföretag samt försäljare av platsannonser.
KTH är ett av Europas ledande tekniska universitet och en viktig arena för kunskapsutveckling. Som Sveriges största universitet för teknisk forskning och utbildning samlar vi studenter, forskare och fakultet från hela världen. Vår forskning och utbildning omfattar såväl naturvetenskap som alla grenar inom teknik samt arkitektur, industriell ekonomi, samhällsplanering, historia och filosofi. Läs mer här
Anställningsform: Tidsbegränsad anställningSince its founding in 1827, KTH Royal Institute of Technology in Stockholm has grown to become one of Europe’s leading technical and engineering un...
Besøk arbeidsgiverens side