Doktorand i härdoptimering med maskininlärning

Vill du arbeta med maskininlärning, optimering och reaktorfysik, med stöd av kompetenta och trevliga kollegor i en internationell miljö? Vill du bidra till utvecklingen av avancerade beräkningsmetoder för framtidens kärnkraftssystem? Vill du ha en arbetsgivare som satsar på ett hållbart medarbetarskap och erbjuder trygga, förmånliga arbetsvillkor? Välkommen att söka anställning som doktorand vid Uppsala universitet.

Som doktorand kommer du att vara en del av en forskargrupp som arbetar med reaktorfysik, bränslecykelanalys och beräkningsmetoder för härd- och bränsleoptimering. Gruppen kombinerar fysikbaserade beräkningsmodeller med moderna optimerings- och dataanalysmetoder. Arbetsmiljön är internationell och tvärvetenskaplig, med nära koppling mellan grundläggande metodutveckling och tekniskt relevanta tillämpningar.

Projektet är en fortsättning på ett pågående doktorandprojekt om härd- och bränsleoptimering för små modulära reaktorer, SMR, inom kompetenscentrumet ANItA (Academic-industrial Nuclear technology Initiative to Achieve a sustainable energy future). Kompetenscentrumet samlar akademi och industri för att stärka svensk kärnteknisk kompetens och bidra till en hållbar energiomställning. Det tidigare doktorandprojektet har utvecklat metoder för optimering av jämviktscykler, där målet är att hitta återkommande bränslehanteringsstrategier som ger god bränsleekonomi samtidigt som reaktorfysikaliska säkerhetsmarginaler uppfylls. Särskilt fokus har legat på att kombinera avancerade optimeringsalgoritmer med maskininlärningsbaserade surrogatmodeller, inklusive grafbaserade representationer av härdladdningsmönster.

Du kommer att vidareutveckla denna forskningsinriktning. Projektet kan till exempel omfatta cykel-till-cykel-optimering, utveckling av nya maskininlärningsmodeller, förbättrade optimeringsstrategier, osäkerhetskvantifiering, effektivare hantering av fysikaliska begränsningar samt utökad analys av bränsledesign, laddningsmönster och säkerhetsrelaterade storheter. Målet är att ta fram metoder som gör det möjligt att snabbare och mer tillförlitligt utforska stora designrum inom härd- och bränsleoptimering.

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

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 för jobbannonser