Institutionen för matematik och matematisk statistik erbjuder ett postdoktorsstipendium inom projektet ”Geometry-Aware Autoencoders for Reliable Anomaly Detection”. Stipendiet avser heltid under två år med tillträde 1 september 2026 eller enligt överenskommelse.
Institutionsspecifik information Vid institutionen för matematik och matematisk statistik bedriver vi forskning inom både ren och tillämpad matematik. Forskningsämnena sträcker sig från beräkningsmatematik till de matematiska grunderna för artificiell intelligens. Inom denna miljö fokuserar forskargruppen i geometrisk djupinlärning på att utveckla de teoretiska grunderna för modern maskininlärning. Vi gör detta genom att använda geometri för att förstå strukturerad data, symmetrier och träningsdynamik, och genom att utnyttja verktyg från t.ex. differentialgeometri för att skapa nya modeller och analysera deras egenskaper. Mer information om den forskning vi bedriver finns på https://www.umu.se/en/research/groups/geometric-deep-learning/.
Projektbeskrivning Autoencoders för anomalidetektering är centrala för modernt datadrivet upptäckande, men tenderar att prestera dåligt när problemet innehåller icke-triviala geometriska strukturer. Ett exempel på ett sådant problem är sökandet efter ny fysik bortom standardmodellen; strävan efter en mer fullständig förståelse av universum. Experimentella data är föremål för geometriska begränsningar som härrör från både fysikaliska lagar och design av partikeldetektorer, vilket resulterar i ett detekteringsproblem som är lika utmanande som det är vetenskapligt viktigt.
Det centrala målet med detta projekt är att använda neurala ordinära differentialekvationer (NODEs) på stratifierade rum för att skapa flödesbaserade autoencoders som klarar av att hantera både den topologi som ges av relativistisk partikelfysik och de geometriska begränsningarna som sätts av detektorsystem. Vi kommer att använda verktyg från differentialgeometri för att utveckla nya geometriska djupinlärningsmodeller och utforska deras egenskaper genom att träna dem på (simulerade) data från verkliga partikeldetektorer (t.ex. LHC).
Projektet ligger i skärningspunkten mellan matematik, fysik och datavetenskap, ett område som för närvarande är mycket aktivt på grund av anmärkningsvärda framsteg inom vetenskaplig maskininlärning. Postdoktorstipendiaten kommer att ges möjlighet att delta i forskning inom detta spännande område i nära samarbete med forskargruppen i geometrisk djupinlärning vid Umeå universitet. Stipendiaten kommer att kunna finslipa sina färdigheter genom tillgång till experter inom både differentialgeometri och partikelfysik och utveckla sin självständighet i en forskningsmiljö inom djupinlärning med utmärkta möjligheter till tvärvetenskapliga samarbeten.
Detta postdoktorala stipendium finansieras och administreras av Kempestiftelserna (JCSMK261-0037). Stipendiet är skattefritt och kommer vara 750 000 kr under två år, vilket innebär 375 000 kr per år.
Kvalifikationer För att vara behörig för ett postdoktoralt stipendium ska personen ha avlagt doktorsexamen eller utländsk examen som bedöms motsvara doktorsexamen. Detta behörighetskrav ska vara uppfyllt senast vid tidpunkten då beslut om stipendiatmottagare fattas.
För att vara aktuell som postdoktorstipendiat bör i första hand den komma i fråga som avlagt examen högst tre år sedan från sista ansökningsdag. Om det finns särskilda skäl kan den komma i fråga som avlagt doktorsexamen tidigare. Med särskilda skäl avses ledighet på grund av sjukdom, föräldraledighet, förtroendeuppdrag inom fackliga organisationer, tjänstgöring inom totalförsvaret, eller andra liknande omständigheter samt klinisk tjänstgöring eller för ämnesområdet relevant tjänstgöring/uppdrag.
Doktorsexamen skall vara i matematik, fysik eller datavetenskap, eller anses ge motsvarande akademisk kompetens. Goda kunskaper i engelska, både skriftligt och muntligt, krävs, liksom utmärkt kommunikations- och samarbetsförmåga.
Goda programmeringsfärdigheter och dokumenterad erfarenhet av implementering av maskininlärningsmodeller och -metoder krävs. Kunskap om differentialgeometri och differentialekvationer samt tidigare forskningserfarenhet inom geometrisk djupinlärning är meriterande.
Den framgångsrika kandidaten uppvisar ett engagemang för att kontinuerligt utveckla sina färdigheter och en ambition att bidra till de matematiska grunderna för geometrisk djupinlärning.
Ansökan En fullständig ansökan ska innehålla:
Personligt brev där du beskriver din forskningsbakgrund och dina forskningsplaner, samt hur dessa passar med det beskrivna projektet (maximalt tre sidor),
Curriculum vitae (CV), inklusive en publikationslista med en kortfattad redogörelse för ditt bidrag till varje publikation,
Styrkt kopia av doktorsexamensbevis eller dokumentation som tydliggör när doktorsexamen förväntas erhållas,
Styrkta kopior av andra examensbevis, akademiska kursintyg och/eller betyg,
Kopia av doktorsavhandling,
Övriga handlingar som den sökande önskar åberopa,
Kontaktinformation till två referenspersoner.
Ansökan ska vara skriven på engelska eller svenska och bifogade dokument ska vara i Word eller pdf-format. Ansökan ska registreras via Umeå universitets e-rekryteringssystem Varbi och vara inkommen senast 31 maj 2026.
Umeå universitet strävar efter att erbjuda en jämlik miljö där öppen dialog mellan människor med olika bakgrund och perspektiv lägger grunden för lärande, kreativitet och utveckling. Vi välkomnar personer med olika bakgrund och erfarenheter att söka det aktuella stipendiet och uppmuntrar särskilt kvinnliga sökande.
Övrigt och kontakt Närmare upplysningar lämnas av universitetslektor Fredrik Ohlsson, fredrik.ohlsson@umu.se.
