Väitöskirjatutkija, koneoppiminen pintarakenteissa
Hakuaika päättyy
۰ö
ձääܱ
Aalto-yliopistossa tiede ja taide kohtaavat tekniikan ja talouden. Rakennamme kestävää tulevaisuutta saavuttamalla läpimurtoja avainalueillamme ja niiden yhtymäkohdissa. Samalla innostamme tulevaisuuden muutoksentekijöitä ja luomme ratkaisuja maailman suuriin haasteisiin. Yliopistoyhteisöömme kuuluu 14 000 opiskelijaa, 400 professoria ja yli 5000 työntekijää, jotka edustavat yhteensä yli 120 kansalaisuutta. Kampuksemme sijaitsee Espoon Otaniemessä. Monimuotoisuus on osa meitä, ja teemme jatkuvaa työtä yhteisömme monimuotoisuuden ja syrjimättömyyden varmistamiseksi. Siksi kannustammekin päteviä hakijoita taustasta riippumatta liittymään yhteisöömme.
Kemian tekniikan korkeakoulu (CHEM) on yksi Aalto-yliopiston kuudesta korkeakoulusta. Sen toiminnassa luonnontieteet ja tekniikka kohtaavat ainutlaatuisella tavalla. Haemme nyt:
äö쾱Ჹٳٰܳ쾱Ჹ,&Բ;DzԱDZ辱Ա&Բ;辱ԳٲԳٱ&Բ;
Aalto-yliopiston kemian ja materiaalitieteen laitoksen datapohjaisen atomistisen simuloinnin (DAS) ryhmä, jota johtaa professori Miguel Caro, hakee ryhmäänsä väitöskirjatutkijaa. Tehtävässä työskentelet Suomen Akatemian rahoittamassa projektissa, jossa rakennetaan koneoppimistyökalu pintojen atomirakenteen ennustamiseen. Työskentelet projektin johtajan, akatemiatutkija, tohtori Ondřej Krejčín, alaisuudessa ja teet yhteistyötä kansainvälisten materiaali- ja pintatieteen asiantuntijoiden kanssa. Edistät merkittävää tieteenalaa, joka vaikuttaa suoraan tärkeisiin teknologisiin ja yhteiskunnallisiin aiheisiin, kuten puolijohdekomponentit ja heterogeeninen katalyysi vihreiden polttoaineiden tuotannossa. Tulet integroitumaan DAS-ryhmään, elinvoimaiseen ja monipuoliseen tutkimusympäristöön, jonka ydinosaamista ovat koneoppimiseen perustuvien, nykytekniikkaa pidemmälle menevien atomististen mallinnustekniikoiden kehittäminen ja niiden soveltaminen kemian, fysiikan ja materiaalitieteen tärkeiden ongelmien tutkimisessa. Ryhmällä on pääsy huippuluokan supertietokoneisiin (kuten LUMI), ja se on erittäin hyvin integroitunut kansainväliseen tiedeyhteisöön. Lisätietoja toiminnastamme: . Tehtävä on täysin rahoitettu. Kysymykset tehtävästä voi osoittaa Ondřej Krejčílle (ondrej.krejci(a)aalto.fi). Lue alla oleva kuvaus kokonaan ennen kuin otat meihin suoraan yhteyttä sähköpostitse.
Tehtävä ja tavoitteet
Kehität datalähtöisiä ja koneoppimiseen perustuvia työnkulkuja atomien uudelleenjärjestäytymisen ennustamiseksi materiaalien, kuten metallioksidien ja puolijohteiden pinnalla. Atomirakenteen tarkka tuntemus on tärkeää elektronisten ja katalyyttisten ominaisuuksien ymmärtämiseksi ja ennustamiseksi ja siten materiaalipintojen suunnittelun parantamiseksi teknologista käyttöä varten. Koneoppimismallien kouluttamiseksi tuotat datajoukkoja elektronisen rakenteen teorian laskelmista. Hallitset laajamittaisia simulaatioita, joita suoritetaan maailmanluokan supertietokoneissa yhdessä tekoälyalgoritmien ja data-analytiikkatyökalujen kanssa. Keskustelet myös työkalujen kehittämisestä Aalto-yliopiston tekoäly- ja koneoppimisen asiantuntijoiden kanssa ja jaat tuloksiasi kokeellisten yhteistyökumppaneiden kanssa. Tehtävä on osa Suomen Akatemian projektia Towards Realistic Surface Structures (). Tehtävässä on mahdollisuus päästä työkomennukselle professori Gareth Parkinsonin ryhmään Wienin teknilliseen yliopistoon. Aalto-yliopiston akateemisten kurssien avulla, tuemme sinua kilpailukykyisen ja kansainvälisen uraprofiilin rakentamisessa.
Odotamme sinulta
Hakijalta odotamme maisterin tutkintoa (laskennallisesta) kemiasta, fysiikasta tai materiaalitieteestä sekä kiinnostusta sovelletusta koneoppimisesta luonnontieteissä. Aikaisempi kokemus koneoppimisesta tai Pythonista katsotaan eduksi, mutta ei pakolliseksi. Haemme kollegoita, jotka nauttivat koodaamisesta, skriptaamisesta sekä analytiikasta ja ovat innokkaita rikkomaan datapohjaisen materiaalitieteen ja koneoppimisen rajoja atomistisissa simulaatioissa. Tämä projekti vaatii luovaa ajattelua ja ohjelmointia sekä teknistä asiantuntemusta materiaalisimulaatioissa, koneoppimisessa ja laajaa ymmärrystä pinta- ja materiaalitieteestä. Arvostamme myös halukkuutta matkustaa, opettaa ja mentoroida sekä tehdä yhteistyötä ja viestiä tieteestä.
Menestyäksesi tässä tehtävässä sinulla tulee olla:
-
Maisterin tutkinto (tai vastaava*) kemiasta, fysiikasta, materiaalitieteestä, matematiikasta, tietojenkäsittelytieteestä tai vastaavalta alalta.
(*Sinulla tulee olla tutkinto, joka antaa hakukelpoisuuden tohtoriopintoihin, esim. 1st hons BSc Iso-Britanniassa on myös kelvollinen.)
-
Aiempaa ohjelmointikokemusta, erityisesti Pythonilla. Sinun ei tarvitse olla ohjelmoinnin asiantuntija, tarvitset kuitenkin jonkun verran käytännön kokemusta. Huomaa, että tohtoriopintojen aikana on täysin mahdollista kehittää edistyneempiä ohjelmointitaitoja.
-
Vahva kiinnostus atomistisiin simulaatioihin, koneoppimiseen sekä tieteellisiin menetelmiin ja ohjelmistokehitykseen.
-
Englannin kielen taito (kirjallisesti ja suullisesti).
(Toivottavaa) Kokemusta jostakin seuraavista:
-
Sähköisten rakenteiden ohjelmistot (esim. VASP, GPAW, FHI-aims).
-
Molekyylidynamiikan ohjelmistot (esim. LAMMPS, GROMACS).
-
Koneoppimisen atomien välisten potentiaalien analysointi (esim. GAP, MACE, ACE).
-
Koneoppimiskirjastot ja -kehykset, kuten Scikit-learn, TensorFlow tai PyTorch.
-
Jos sinulla on kokemusta muun tyyppisistä mallinnustyökaluista (esim. FEM), mainitse se saatekirjeessäsi.
Hakijoiden tulee täyttää Aalto-yliopiston kemian tekniikan tohtoriohjelman hakukelpoisuusehdot. Lisätietoa yleisistä vaatimuksista ja hakuprosessista tohtoriopintoihin on saatavilla osoitteessa: Kemian tekniikan tohtoriohjelma | Aalto-yliopisto
Jos koet olevasi kiinnostunut ja pätevä tehtävään, mutta et täytä kaikkia kriteerejä, voit silti hakea. Katso tämä .
Tarjoamme
Kemian ja materiaalitieteen laitos on johtava laskennallisen kemian ja materiaalitieteen tutkimusympäristö Suomessa. Laitoksella on neljä eri tutkimusaloille erikoistunutta ryhmää (pehmeiden materiaalien mallinnus, laskennallinen kemia, epäorgaanisten materiaalien mallinnus ja datalähtöinen atomistinen simulointi).
Määräaikainen työsopimus tehdään aluksi kahdeksi vuodeksi. Sopimusta voidaan jatkaa kahdella vuodella väliarvioinnin läpäisemisen jälkeen. Ensimmäisten kuuden kuukauden aikana sinun on haettava ja saatava opiskeluoikeus tohtoriohjelmaan. Aalto-yliopisto noudattaa yliopistojen palkkausjärjestelmää. Väitöskirjatutkijoiden aloituspalkka on 3075 €/kk. Sopimukseen sisältyy Aalto-yliopiston työterveyshuolto.
Paikka täytetään heti sopivan henkilön löydyttyä. Tehtävän aloitus on keväällä 2026, mutta tarkemmasta aloitusajankohdasta sovitaan erikseen valitun kandidaatin kanssa. Pääasiallinen työntekopaikka on Aalto-yliopiston Otaniemen kampus.
Hakeminen
Hae tehtävään viimeistään torstaina 8.1.2026 lähettämällä hakemuksesi ja alla mainitut liitteet yhtenä PDF-tiedostona englanniksi verkkosivun alareunassa olevan "Hae nyt" -linkin kautta.
Huomaa: Aalto-yliopiston nykyisten työntekijöiden tulee hakea tehtävään omalla työntekijäprofiilillaan Workday-järjestelmän kautta (internal jobs/sisäiset työpaikat). Aallon opiskelijat tai vierailijat hakevat henkilökohtaisella sähköpostiosoitteella (ei aalto.fi) ulkoisen Avoimet työpaikat -sivun Aalto-yliopiston avoimien työpaikkojen kautta.
-
Motivaatiokirje (enintään 1 sivu): Sisällytä nimesi ja sähköpostiosoitteesi. Perustele lyhyesti kiinnostuksesi tehtävään ja kerro, miten/missä määrin täytät vaatimukset. Mainitse lyhyesti mahdollinen aikaisempi tutkimuskokemuksesi. Älä käytä ChatGPT:tä tai vastaavia työkaluja saatekirjeen laatimiseen.
-
ԲDZܱٳٱ&Բ;ää&Բ;ܱ첹ܱܱٳٱDz (enintään 2 sivua): henkilökohtaiset ja akateemiset tiedot, luettelo taidoista, projekteista jne. Ansioluettelossa valehteleminen on välitön hylkäämisperuste. Jos sinut kutsutaan haastatteluun, sinulta kysytään liitteissä annetuista tiedoista. Jos sinulle lopulta tarjotaan tehtävää, sinulta pyydetään opintosuoritusote.
-
Vähintään kahden suosittelijan yhteystiedot (tai suosituskirjeet, jos ne ovat jo saatavilla)
äöDzپtse lähetettyjä hakemuksia ei käsitellä. Ainoastaan rekrytointijärjestelmämme kautta toimitetut hakemukset huomioidaan.
äپٴᲹ&Բ;ٱäää&Բ;Գٲ&Բ;Իř&Բ;čí&Բ;(DzԻ.᳦()ٴ.ھ).&Բ;