Der inviteres ansøgere til et ph.d.-stipendium ved Graduate School of Technical Sciences, Aarhus Universitet, Danmark, inden for uddannelsen i Electrical and Computer Engineering. Stillingen er ledig fra 1. november 2026 eller senere. Ansøgningen kan indsendes via linket under 'how to apply'.
Forskningsområde og projektbeskrivelse
Der inviteres ansøgere til en fuldt finansieret ph.d.-stilling ved Institut for Electrical and Computer Engineering på Aarhus Universitet. Den succesfulde kandidat vil blive integreret i A3 Lab – Adaptive & Agentic AI, ledet af Dr. Behzad Bozorgtabar, som fungerer som primær vejleder. Dette doktorale forskningsprojekt er medvejledt i tæt samarbejde med professor Qi Zhang, hvilket tilbyder et unikt tværfagligt forskningsmiljø i krydsfeltet mellem Foundation Models og Edge Intelligence.
Forskningsvision. Implementering af modeller i edge-miljøer kræver, at man navigerer i en fundamental konflikt mellem modelkompleksitet og miljømæssig volatilitet. Reelle edge-miljøer forbliver yderst dynamiske: datastrømme er kontinuerligt udsat for "domæneskift" forårsaget af svingende forhold, hardwareforringelse eller skiftende fysiske omgivelser.
Traditionelle AI-modeller er ofte skrøbelige under disse distributionsskift, hvilket fører til upålidelige resultater, der kan kompromittere sikkerheden i missionskritiske applikationer – lige fra autonom robotik til industriel realtidsovervågning. For at opretholde ydeevnen uden latenstidernes straffe fra skybaseret rekalibrering, skal edge AI-systemer blive "selvbevidste" og i stand til autonom udvikling.
Hovedforskningsmål. Hovedformålet med denne ph.d. er at udvikle et højtydende framework med lav latenstid for Test-Time Adaptation (TTA). Dette involverer design af autonome arkitekturer, der er i stand til at overvåge og opretholde pålideligheden af unimodale og multimodale grundmodeller i realtid. Centrale forskningssøjler omfatter:
- Autonom Overvågning: Udvikling af mekanismer til at detektere distributionsskift og kvantificere modelusikkerhed på tværs af heterogene datatyper.
- On-the-Fly Tilpasning: Design af letvægts TTA-algoritmer, der kan rekalibrere modeller ved edge under strenge latens- og beregningsmæssige begrænsninger.
- Effektivitet og Pålidelighed: Afbalancering af afvejninger mellem tilpasningsnøjagtighed, energieffektivitet og hård realtidseksekvering.
Kandidaten vil blive en del af en banebrydende forskningsgruppe, der fokuserer på næste generation af adaptiv AI, med mulighed for at publicere på top-tier maskinlæringssteder (f.eks. NeurIPS, ICLR, CVPR) og validere forskning på avancerede edge computing testbeds.
Projektbeskrivelse
Af tekniske årsager skal en projektbeskrivelse uploades. Kopier venligst projektbeskrivelsen herover, og upload den som en PDF i ansøgningen.
Kvalifikationer og specifikke kompetencer
Ansøgere til ph.d.-stillingen skal have en kandidatgrad (120 ECTS) i Datalogi, Computer Engineering, Elektroteknik, Maskinlæring eller et beslægtet kvantitativt felt.
Yderligere kvalifikationer:
- Tekniske færdigheder: Avanceret kendskab til Python og deep learning frameworks (f.eks. PyTorch).
- Kerneviden: Et stærkt fundament inden for maskinlæring og/eller computersyn. Kandidaten bør have en specifik interesse i test-tids tilpasning, autonome AI-systemer og edge intelligence.
- Avancerede arkitekturer & Edge AI: Kendskab til moderne neurale netværk er påkrævet. Erfaring med edge-specifik modelkomprimering – såsom knowledge distillation, letvægtsdesign eller parametereffektiv finjustering – er yderst fordelagtigt.
- Egenskaber: En indstilling til reproducerbarhed, open-source bidrag og evnen til at arbejde på tværs af grænserne for algoritmisk AI og praktiske edge-systemer.
Ansøgningskrav (Sådan ansøger du)
Vær venlig at sikre, at din ansøgning indeholder følgende dokumenter:
- Interesseerklæring (1 side): Detaljeret beskrivelse af din baggrund inden for ML/CV, relevant erhvervserfaring til stillingen (hvis relevant) og din motivation for at tilslutte dig A3 Lab.
- Curriculum Vitae: Inkluderende en publikationsliste (hvis relevant) og teknisk projektportefølje.
- Akademiske resultater: Karakterudskrifter og diplomer (bachelor og kandidat).
- Krav til projektbeskrivelse: Kandidaten skal anvende projektbeskrivelsen fra ph.d.-opslaget.
Ansættelsessted og arbejdssted
Ansættelsesstedet er Aarhus Universitet, og arbejdsstedet er Adaptive & Agentic AI (A3) Lab, Institut for Electrical and Computer Engineering (ECE), Faculty of Technical Sciences, Aarhus Universitet, Finlandsgade 22, 8200 Aarhus N., og Denmark Research Centre Flakkebjerg, Forsøgsvej 1, DK-4200 Slagelse, Danmark.
Kontakter
Ansøgere, der søger yderligere information vedrørende ph.d.-stillingen, opfordres til at kontakte:
- Behzad Bozorgtabar, behzad@ece.au.dk (hovedvejleder)
- Qi Zhang, qz@ece.au.dk (medvejleder)
For information om ansøgningskrav og obligatoriske bilag, se venligst Aarhus Universitets ansøgningsguide. Hvis svar ikke kan findes der, bedes du kontakte:
Sådan ansøger du
Følg venligst dette link for at indsende din ansøgning.
Ansøgningsfristen er den 15. august 2026 kl. 23:59 CEST. Foretrukken startdato er den 1. november 2026.
Bemærk venligst:
- Kun dokumenter modtaget inden ansøgningsfristen vil blive evalueret. Dokumenter sendt efter fristen vil således ikke blive taget i betragtning.
- Programkomitéen kan anmode om yderligere information eller invitere ansøgeren til en samtale.
- Der vil blive anvendt shortlisting, hvilket betyder, at evalueringskomitéen kun vil evaluere de mest relevante ansøgninger.
Aarhus Universitets ambition er at være en attraktiv og inspirerende arbejdsplads for alle og at fremme en kultur, hvor hvert enkelt individ har mulighed for at trives, opnå og udvikle sig. Aarhus Universitet anser lighed og mangfoldighed som aktiver, og Aarhus Universitet byder alle ansøgere velkommen. Alle interesserede kandidater opfordres til at søge, uanset deres personlige baggrund. Løn- og ansættelsesvilkår er i overensstemmelse med gældende overenskomst.
