博士研究生岗位：机器学习的数学基础

专注于人工智能学习算法数学理论的博士研究生岗位。寻求具有扎实数学背景且对人工智能原理有浓厚兴趣的申请者。涉及理论研究及可能的计算实验。

项目简介： 现代人工智能系统展现出卓越的性能，但其行为背后的数学机制仍仅被部分理解。 本项目旨在构建现代学习算法的严谨理论，并阐明其架构与动态特性如何决定其性能。 根据申请人的背景与兴趣，他们将运用分析学、概率论、随机过程、统计物理、动力系统、优化理论及最优传输等学科工具，在适当的抽象环境中证明描述现代学习算法行为的数学结果。 可能的研究方向包括深度神经网络中的训练动态与信号传播，包括 Transformer 架构；生成式建模；高维学习系统；采样算法；大规模模型中的集体现象；以及量子算法。 该研究将主要属于理论层面。根据申请人的兴趣，计算实验可用于启发猜想并展示理论结果。

申请者应持有或即将完成纯数学或应用数学、理论物理学、统计学或相关领域的硕士学位。我们寻求具有强烈数学背景的积极进取者（例如，在分析、概率论、随机过程、统计物理、最优传输、动力系统、优化或机器学习理论等至少一个领域方面），对现代人工智能背后的数学原理具有兴趣（或对相关问题有了解），能够独立及协作工作，并具备良好的书面和口语英语能力。无需掌握德语知识。 编程经验虽有益，但非必需。

申请材料应包含： • 动机信（最多一页）； • 个人简历（最多两页）； • 有效的学士/硕士学位证书或学业成绩单； • 一两位推荐人的姓名及联系方式；以及 • 可选：硕士论文摘要（最多两页） 申请审核将于2026年8月最后一周开始，直至该职位被填补为止。最早的可行入职日期为2026年10月。具体入职日期将与成功候选人协商确定。 申请流程：