申请截止日期：2026年9月15日 23:59 CET 专业领域：计算机科学 / 机器学习 / 生成式AI / 科学计算 / 计算生物学 / 计算机视觉 / 模拟监督学习 工资：29520 ~ 47695 丹麦克朗/月 哥本哈根大学 （英文: University of Copenhagen; 丹麦文: Københavns Universitet；简称：UCPH / KU）坐落于丹麦王国首都哥本哈根，是丹麦最高学府。哥本哈根大学科研经费为全欧第4，仅次于剑桥大学、牛津大学和苏黎世联邦理工学院。截至2018年底，共有39位校友曾获得诺贝尔奖。2026QS全球排名101。
一、职位介绍 ⭐️ 哥本哈根大学计算机科学系（DIKU）招聘一名计算机科学方向博士后。该职位是诺和诺德基金会资助的"来自AI和建模的可微现实主义（DREAM）"项目的一部分。预计开始日期为2027年1月1日或此后尽快开始，为期1年或2年。该博士后项目将开发通用的自监督和无监督机器学习方法，用于可靠标签稀缺、昂贵或不可能获得的生物数据。目标是构建使用无标签实验数据与可微模拟来生成逼真的合成数据集、可迁移表征和稳健下游模型的方法，而不依赖大规模人工标注数据集。项目方向有自由度，将与候选人协商确定。方法论方向可能包括生成式分布匹配、域自适应、扩散或基于分数的模型、对比和掩码自监督学习、不确定性感知学习和少样本自适应。
二、任务 ⭐️ 开发通用的自监督和无监督机器学习方法，用于生物数据。
⭐️ 利用无标签实验数据与可微模拟构建生成逼真合成数据集的方法。
⭐️ 开发可迁移表征和稳健下游模型。
⭐️ 开展独立研究，形成通用方法论问题。
⭐️ 编写和维护研究软件。
⭐️ 与从事应用特定项目和实验验证数据的研究人员合作。
三、资格 ⭐️ 拥有计算机科学、机器学习、科学计算、物理学、应用数学、工程学、计算生物学或密切相关领域的博士学位或同等研究经验。
⭐️ 相关经验可能包括以下一项或多项：生成式AI（扩散模型/流匹配、GANs、VAEs、归一化流或基于能量的模型）。
⭐️ 自监督、无监督或半监督学习及表征学习。
⭐️ 对比学习、掩码建模、域自适应或非配对转换。
⭐️ 合成到真实学习、仿真到现实方法或少样本自适应。
⭐️ 可微编程、自动微分和JAX、PyTorch或类似框架中的优化。
⭐️ 科学机器学习、逆问题、可微模拟或基于物理的建模。
⭐️ 计算机视觉、生物图像分析、显微镜数据或其他嘈杂的高维科学数据。
⭐️ 能够独立开展研究，编写和维护研究软件，并与他人合作。
| 
发表于