Ansøgere inviteres til et ph.d.-stipendium ved Graduate School of Technical Sciences, Aarhus Universitet, Danmark, inden for uddannelsen i Elektroteknik og Computerteknik. Stillingen er ledig fra den 1. november 2026 eller senere. Ansøgning kan indsendes via linket under 'Sådan søger du'.
Forskningsområde og projektbeskrivelseDer inviteres til ansøgninger om en fuldt finansieret ph.d.-stilling ved Institut for Elektroteknik og Computerteknik på Aarhus Universitet. Den succesfulde kandidat vil blive integreret i A3 Lab – Adaptive & Agentic AI, som ledes af Dr. Behzad Bozorgtabar, der fungerer som hovedvejleder. Dette doktorale forskningsprojekt er medvejledt i tæt samarbejde med professor Qi Zhang, hvilket tilbyder et unikt tværfagligt forskningsmiljø i krydsfeltet mellem grundmodeller og edge-intelligens.
Forskningsvision: Implementering af modeller i edge-miljøer kræver, at man navigerer i en grundlæggende konflikt mellem modelkompleksitet og miljømæssig ustabilitet.
Realistiske edge-miljøer forbliver meget dynamiske. Datastrømme er kontinuerligt udsat for "domæneskift" forårsaget af svingende forhold, hardwaredegradering 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 realtids industriel overvågning. For at opretholde ydeevnen uden latenstidernes straf ved skybaseret rekalibrering skal edge AI-systemer blive "selvbevidste" og i stand til autonom udvikling.
Kerneforskningsmål: Hovedformålet med dette ph.d.-projekt er at udvikle en højtydende, lav-latens ramme for Test-Time Tilpasning (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 inkluderer:
- 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 kompromiser mellem tilpasningsnøjagtighed, energieffektivitet og hård realtidsudførelse.
Kandidaten vil blive en del af en banebrydende forskningsgruppe, der fokuserer på den næste generation af adaptiv AI. Der vil være mulighed for at publicere på top-tier maskinlæringssteder (f.eks. NeurIPS, ICLR, CVPR) og validere forskning på state-of-the-art edge computing testbed.
ProjektbeskrivelseAf tekniske årsager skal ansøgere uploade en projektbeskrivelse. Ansøgere bedes blot kopiere projektbeskrivelsen ovenfor og uploade den som PDF i ansøgningen.
Kvalifikationer og specifikke kompetencerAnsøgere 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 computer vision. Kandidaten bør have en specifik interesse i test-time adaptation, autonome AI-systemer og edge-intelligens.
- Avancerede Arkitekturer & Edge AI: Kendskab til moderne neurale netværk er påkrævet. Erfaring med edge-specifik modelkomprimering – såsom knowledge distillation, letvægtsdesign eller parametereffektiv finjustering – er en stor fordel.
- Egenskaber: En indstilling til reproducerbarhed, open source-bidrag og evnen til at arbejde på tværs af grænserne mellem algoritmisk AI og praktiske edge-systemer.
Ansøgningskrav (Sådan ansøger du): Ansøgere bedes sikre, at ansøgningen indeholder følgende dokumenter:
- Motiveret ansøgning (1 side): Detaljering af din baggrund inden for ML/CV, relevant erhvervserfaring (hvis relevant) og motivation for at deltage i A3 Lab.
- Curriculum Vitae: Inklusive en publikationsliste (hvis relevant) og en teknisk projektportefølje.
- Akademiske resultater: Karakterudskrifter og diplomer (Bachelor og Kandidat).
- Krav til projektbeskrivelse: Kandidaten er forpligtet til at bruge projektbeskrivelsen fra ph.d.-opslaget.
Ansættelsesstedet er Aarhus Universitet, og arbejdsstedet er Adaptive & Agentic AI (A3) Lab, Institut for Elektroteknik og Computerteknik (ECE), Det Tekniske Fakultet, Aarhus Universitet, Finlandsgade 22, 8200 Aarhus N., samt Denmark Research Centre Flakkebjerg, Forsøgsvej 1, DK-4200 Slagelse, Danmark.
KontakterAnsøgere, der søger yderligere information vedrørende ph.d.-stillingen, inviteres til at kontakte:
- Behzad Bozorgtabar, behzad@ece.au.dk (hovedvejleder)
- Qi Zhang, qz@ece.au.dk (medvejleder)
For information om ansøgningskrav og obligatoriske bilag bedes ansøgere se Aarhus Universitets ansøgningsguide. Hvis svar ikke kan findes der, bedes ansøgere kontakte:
Sådan ansøger duAnsøgere bedes følge dette link for at indsende ansøgningen.
Ansøgningsfristen er den 15. august 2026 kl. 23:59 CEST.
Foretrækkes, at stillingen tiltrædes den 1. november 2026.
Bemærk venligst:
- Kun dokumenter modtaget inden ansøgningsfristen vil blive evalueret. Dokumenter sendt efter fristen vil derfor 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 ser ligestilling og mangfoldighed som værdier, og Aarhus Universitet byder alle ansøgere velkommen. Alle interesserede kandidater opfordres til at søge, uanset personlig baggrund. Løn- og ansættelsesvilkår er i overensstemmelse med gældende kollektiv overenskomst.
