Postdoktorstilling i intelligente beregningsarkitekturer

Institute of Mechanical and Electrical Engineering ved University of Southern Denmark (SDU) indbyder til ansøgninger om en etårig postdoc-stilling inden for Intelligent Computing Architectures med fokus på Hardware-aware quantum machine learning. Beskæftigelsen løber over et år fra 1. marts 2027, med mulighed for forlængelse afhængigt af tilgængelig finansiering.

Vi søger en højt motiveret kandidat til at designe, optimere og evaluere hybride kvante-klassiske læringssystemer under realistiske hardware-begrænsninger. Projektet er platform-uafhængigt og vil undersøge hvordan støj, begrænsede kvante-ressourcer, enhedsforbindelser og klassiske beregningsomkostninger påvirker læringsydelse og praktisk implementering.

Mulige forskningsretninger inkluderer hardware-vejledt modeldesign og træning, kvante-klassisk ensemble-læring og ekspert-mix, ressource-effektive læringsmetoder og automatiseret arkitektursøgning. Den specifikke forskningsprogram vil fastlægges i samråd med den erfolgreiche ansøger ud fra deres ekspertise og projektets mål med et fokuseret og gennemførligt omfang for det første år. Evaluering vil inkludere passende klassiske baselines og eksplicit vurdering af beregningsressource-behov.

Den succesfulde kandidat vil arbejde med modeldesign, kvanteprogrammering, simulering, træning og eksperimentel evaluering af hybride kvante-klassiske læringssystemer. Stillingen indebærer samarbejde med akademiske, industrielle og teknologisk udviklingspartnere, identificering af relevante forsknings- og implementeringsmuligheder, samt støtte til fælles aktiviteter.

Kandidaten vil også bidrage til forskningsforslag og finansieringsansøgninger relateret til kvante-maschinelæring, intelligente beregningsarkitekturer og ressource-venlig beregning, samt til publikationer, teknisk dokumentation og projekt-rapportering. Forskningen vil blive vejledt af førstelektant Alberto Marchisio.

Som postdoc i Hardware-aware kvante-maskinlæring vil dine centrale ansvarsområder være

• Designe, implementere og simulere hybride kvante-klassiske læringsmodeller, undersøge effekterne af støj, tilslutning, begrænset sampling, ressourcebegrænsninger og træningsforhold. Undersøg relevante metoder såsom hardware-aware træning, ensemble-læring, mixture-of-experts eller arkitektursøgning inden for det aftalte forskningsprogram.
• Gennemføre reproducerbare eksperimentelle evalueringer af læringsydelse, trænbarehed, støj-robusthed og beregningsressource-behov ved hjælp af kvanteprogrammeringsrammer og maskinlæringsværktøjer. Sammenlign resultater med passende klassiske baselines og korreler observeret adfærd med modeldesign og hardware-begrænsninger.
• Understøtte samarbejde med danske og internationale akademiske, industrielle og teknologiske udviklingspartnere inden for kvante maskinlæring og intelligente beregningsarkitekturer, identificere relevante forsknings- og implementeringsmuligheder, bidrage til fælles aktiviteter og forberede forskningsforslag, finansieringsansøgninger, publikationer, teknisk dokumentation og projektrapporter.

Hvad vi tilbyder

• Et stimulerende forskningsmiljø inden for SDU Microelectronics , en voksende sektion, der integrerer ekspertise inden for analog/digital IC-design, spintronik, avanceret beregning, halvlederteknologier og energibesparende systemarkitekturer.
• En mulighed for at udvikle et platform-uafhængigt forskningsprogram inden for hardware-aware kvante-maschinelæring, der kombinerer kvanteprogrammering, simulering og maskinlæringsmetoder med ressource-bevidnet evaluering.
• Muligheder for samarbejde på tværs af SDU og med nationale og internationale akademiske og industrielle partnere inden for kvante maskinlæring, mikroelektronik, AI-acceleratorer og avanceret beregning.
• Stærk støtte til professionel udvikling gennem Læreruddannelsesprogrammet og mentoring, samt muligheder for at opbygge erfaring i research proposal-skrivning, projektudvikling og samarbejde med danske og europæiske teknologipartnere.
• En åben og samarbejdende forskningskultur inden for SDU’s Fakultet for Ingeniørvidenskab (TEK), ved Institut for Mekanisk og Elektrisk Ingeniørvidenskab (IME), der understøtter tværfaglig forskning på tværs af elektronik, beregningsarkitekturer, kvanteberegning og kunstig intelligens.

Hvad vi forventer

Søgende bør have en ph.d. i Computer Science, Computer Engineering, Electrical Engineering, Quantum Computing, Machine Learning eller et nært beslægtet felt (ock for nylig opnået inden for højst 6 år):

• Dokumenteret erfaring med kvanteprogrammering ved brug af rammer som Qiskit, PennyLane eller tilsvarende værktøjer, herunder implementering og simulering af kvantekredsløb.
• Dokumenteret erfaring med maskinlæring, inklusiv modelimplementering, træning og evaluering, med stærke programmeringsfærdigheder. Erfaring inden for kvante-maskinlæring, hybride kvante-klassiske modeller, støj-bevidst optimering, ensemble-metoder eller automatiseret arkitektursøgning er en fordel.
• En stærk forsknings-Track-record demonstreret gennem peer-reviewed publikationer og evnen til at arbejde effektivt i samarbejdsbaserede forskningsmiljøer. Erfaring med skrivning af forskningsforslag, finansieringsansøgninger eller projektplaner er højt ønskeligt.
• Team-player med stærke samarbejdsevner og evnen til at arbejde effektivt sammen med akademiske, industrielle og teknologiske udviklingspartnere i Danmark og i Europa.

Alle kandidater skal demonstrere fremragende mundlige og skriftlige engelskkundskaber samt meget gode kommunikationsevner og evnen til at formidle tekniske resultater til tværfaglige og internationale partnere.

Arbejdsmiljøbeskrivelse

Den succesfulde kandidat vil tilslutte sig SDU Microelectronics , en dynamisk og ekspanderende sektion ved Instituttet for Mekanisk og Elektrisk Ingeniørvidenskab (IME). Sektionen driver internationalt anerkendt forskning inden for integrerede kredsløb, halvleder-teknologier, spintronik, fotonik og avanceret beregning og spiller en central rolle i SDU’s ambition om at være en national og europæisk hub for halvleder- og chip-innovation.

Postdocen vil arbejde sammen med Assistant Professor Alberto Marchisio om hardware-aware kvante-maskinlæring, med muligheder for at koble denne forskning til sektionens ekspertise inden for AI-acceleratorer og energibesparende beregningsarkitekturer.

Få et indblik i (arbejds)livet gennem øjnene af nogle af vores mange fremragende forskere ved SDU i Odense .

Yderligere information

For yderligere information om forskningen og stillingen, bedes du kontakte lektor Alberto Marchisio ( [email protected] ), forskningskontakt og vejleder. Yderligere henvendelser kan rettes til professor Farshad Moradi ( [email protected] ), chef for SDU Microelectronics-sektionen.

Hvis du oplever tekniske problemer, kontakt venligst vores e-mailsupport på [email protected] .

Ansøgning

Ansøgere opfordres til at læse SDU-informationen om, hvordan man ansøger ( SDU information on how to apply ).

Vurdering af kandidaterne sker på baggrund af ansøgningsmaterialet, og ansøgningen skal indeholde:

• Motiveret ansøgning.
• Kursus- og CV.
• Master- og PhD-beviser eller tilsvarende (original og en officiel engelsk oversættelse).
• Fuldt publikation‑liste.
• Publikationer, der er mest relevante for stillingen.
• Resumé og dokumentation af undervisningserfaring, hvis relevant for stillingen.
• En forskningsudtalelse kan inkluderes.
• References/reference‑breve kan også inkluderes.
• En erklæring/dokumentation af andre relevante kvalifikationer kan også inkluderes.

Alle dokumenter skal være på engelsk og i PDF-format. CPR-nummer skal være overstreget. Alle PDF-filer skal være låsefri, bind te og må ikke være password-beskyttede.

INNSENDELSESVEJLEDNING: Motiveret ansøgning uploades under ‘Cover letter’ (maks. 5 MB), Curriculum Vitae uploades under ‘Resume’ (maks. 5 MB). Alle øvrige dokumenter uploades under ‘Miscellaneous documents’ (maks. 10 filer med maks. 50 MB per fil).

Ansøgningsfristen er den 15. december 2026, kl. 23:59 (CET/CEST)

Vurderings- og udvælgelsesproces

Ansøgninger bliver vurderet af en vurderingskomité. Udvælgelse kan blive anvendt, og kun udvalgte kandidater vil få en skriftlig vurdering. Læs om kortlægning ved SDU. Interviews og tests kan være en del af den samlede evaluering. Læs om den Vurderings- og udvælgelsesprocessen .

Ansættelsesvilkår

Anmodning som postdoc er midlertidig for en indledende periode på et år, og den foretrukne startdato er fra 1. marts 2027. Forlængelse kan være muligt afhængig af tilgængelig finansiering.

Ansættelse som postdoc kræver akademiske kvalifikationer på ph.d.-niveau på ansættelsestidspunktet. Ansættelsen vil ske i overensstemmelse med overenskomsten mellem Finansministeriet og Akademikernes Centralorganisation for akademikere i staten inklusive den tilknyttede citate om protokol for stillingsstrukturen for akademiske medarbejdere ved danske universiteter og bestemmelserne for postdoc som beskrevet deri.

Løn bestemmes i overensstemmelse med den gældende overenskomst og på grundlag af objektive og kønsneutrale kriterier, herunder indholdet af stillingen, ansvarsområder og kvalifikationskrav. Som ansøger har du ret til oplysninger om startløn og lønudbetaling for stillingen. Disse oplysninger vil blive givet under rekrutteringsprocessen. SDU indsamler ikke oplysninger om ansøgeres tidligere løn. Yderligere information om løn og beskatning.

Personer ansat i stillingen kan, baseret på en specifik individuel ledelsesmæssig vurdering, være undtaget fra tidsregistrering, også kendt som en “self-organizer”.

Universitetet i Sønderjylland ønsker, at dets personale afspejler det omkringliggende samfund og opfordrer derfor alle, uanset personlige baggrund, til at ansøge om stillingen. SDU udfører forskning i kritiske teknologier, som på grund af risiko for uønsket vidensoverførsel er underlagt en række sikkerhedsforanstaltninger. Derfor kan baseret på oplysninger fra åbne kilder baggrundstjek udføres på kandidaterne til stillingen(e).

Yderligere information for internationale ansøgere om at komme ind og arbejde i Danmark. Du kan også besøge WorkinDenmark for yderligere information.

Yderligere information om Fakultetet for Ingeniørvidenskab.