机器学习领域非平稳与非静态纳米断层成像博士学位奖学金——丹麦技术大学计算学院

丹麦技术大学计算系博士奖学金项目专注于开发创新的机器学习方法用于X射线纳米断层扫描，旨在重建三维和四维图像，同时考虑位置不确定性和样本变形因素。优先录取在机器学习和深度学习方面具有扎实背景的申请人。

Job description: Recent advances in machine learning and deep learning are opening new possibilities for computational imaging, including the reconstruction of complex 3D structures from experimental imaging data. In this fully funded PhD project at DTU Compute, you will develop novel learning-based methods for X-ray nano-tomography. As state-of-the-art synchrotron imaging systems push towards ever higher spatial resolution, even minute positioning errors, mechanical drift, and sample deformations become sources of image degradation. The central challenge is to reconstruct accurate 3D and 4D representations of samples while accounting for positional uncertainties during image acquisition and changes in sample shape over time. The project will bring together neural representations, inverse problems, geometric modeling, and computational imaging to address fundamental challenges in nano-tomography. Rather than correcting acquisition errors and sample deformations as separate preprocessing steps, you will investigate how to model and estimate the sample structure, acquisition geometry, and deformation jointly from the measured data. The position is based at DTU Compute and conducted in close collaboration with EPFL and the Paul Scherrer Institute (PSI) in Switzerland, one of the leading centers for synchrotron X-ray imaging. As a PhD student, you will work in an international research environment spanning DTU, EPFL, and PSI, combining expertise in both machine learning and computational imaging with access to experimental data and advanced imaging facilities. Research visits to Switzerland are planned as part of the project. Responsibilities Develop novel machine learning and deep learning methods for X-ray nano-tomography, which jointly reconstruct sample structure, acquisition geometry, and deformation fields from inconsistent projection data. Investigate neural field representations for 3D and 4D imaging, including models that capture changes in sample geometry over time, and explore hybrid approaches combining learning-based methods with physical models of image formation and tomographic reconstruction. Validate and evaluate the developed methods using experimental nano-tomography data, initially focusing on integrated circuits. Collaborate with researchers at DTU, PSI, and EPFL, and participate in international research visits and scientific activities. Publish research results in leading journals and conferences in machine learning, computer vision, and computational imaging. Contribute to research-based teaching and supervision of MSc and BSc student projects. Participate in activities within the Center for Quantification of Imaging Data from MAX IV (QIM), including workshops, training courses, and interdisciplinary research collaborations.

资格要求： 您对开发新的机器学习方法以解决计算成像领域的复杂问题充满好奇心与动力。具备扎实的机器学习和深度学习背景尤为重要。我们欢迎来自计算机科学、应用数学、物理、工程及相关学科领域的申请者，他们希望将现代学习方法与数学建模及实际实验数据相结合。申请人应能够独立工作，有效为跨学科研究团队做出贡献，并能用英语书面和口头清晰表达科学理念。 为了胜任此职位，您需具备以下条件： 计算机科学、应用数学、物理学、工程学或相关领域的硕士学位。 具备扎实的机器学习和深度学习背景，包括开发、实施或评估基于学习的模型的相关经验。 具备科学编程经验，优选使用 Python，并熟悉相关的机器学习框架。 对数学建模、优化或数值方法有扎实的理解。 在以下一个或多个领域具有相关经验将被视为优势： 神经表示、隐式神经场或其他基于坐标的表示方式。 计算机视觉、三维视觉、几何建模或运动结构分析。 逆问题求解、图像重建或物理信息机器学习。 图像配准、运动估计或可变形建模。 图像处理、图像分析或断层成像重建。 对X射线成像与断层扫描的了解是有益的，但并非必需。 您必须拥有为期两年的理学硕士学位（相当于120 ECTS学分），或具有与两年制理学硕士相当的学术水平的相关学位。 批准与注册： 该博士奖学金需经学术审批，申请者将被录取至丹麦技术大学 olan普通学位项目之一。关于我们的录取要求及博士课程整体规划的相关信息，请参阅丹麦技术大学关于博士教育的规定。

我们提供： 丹麦技术大学是一所在研究、教育、创新及科学咨询方面享有盛誉的顶尖技术大学，在全球范围内具有广泛认可度。我们提供在国际环境中具有挑战性与意义的就业机会。我们致力于在一种以同事间相互尊重以及由责任所约束的学术自由为特征的氛围中追求学术卓越。 在丹麦技术大学计算学院，我们高度重视营造良好的工作环境。关于多样性与包容性的工作举措也是其中不可或缺的一部分。我们认为，良好的工作环境是开展卓越研究、教学、指导及创新活动的重要基础。 在丹麦技术大学计算学院，我们有约 140 名博士学生。我们为所有博士学生提供多种活动与项目，例如年度博士集市、让你们结识其他博士学生的入职课程，以及可以加入我们的博士俱乐部，该俱乐部会组织野餐、桌游活动、午餐等。 薪资及聘用期限： 该职位安排将依据丹麦职业协会联合会制定的协议进行。关于科学人员的薪资结构，请参考丹麦技术大学的[会员链接]。 聘用期为3年。开始日期为2027年3月1日（或根据双方协议确定）。该职位为全职职位。 您可以在此处进一步了解丹麦技术大学的发展前景与职业路径。

申请程序： 您的完整在线申请文件必须最迟于 2026 年 11 月 16 日（丹麦时间 23:59）提交。申请文件必须以一个 PDF 文件的形式提交，其中包含所有材料，以便获得审核。如需申请，请打开“立即申请”链接，填写在线申请表格，并将所有材料以英文格式整理成一个 PDF 文件附加提交。该文件必须包含： 申请动机信（封面信） 个人简历 成绩证明及理学硕士/工学硕士文凭（英文版），包含评分标准的官方说明 您可以在获得硕士学位之前申请，但必须在取得学位后才能开始工作。超过截止日期收到的申请将不予考虑。所有符合条件的候选人，无论年龄、性别、残疾状况、种族、宗教或民族背景如何，均被鼓励申请。由于丹麦技术大学专注于关键技术研究，且涉及安全和出口管制规定，可能会对符合要求的候选人进行开源背景调查。丹麦技术大学计算学系——应用数学与计算机科学系——是一个国际认可的学术环境，拥有超过 400 名员工和 10 个研究小组。 我们广泛涵盖数学、数据科学、计算机科学与计算机工程领域的数字技术，包括人工智能（AI）、机器学习、物联网（IoT）、芯片设计、网络安全、人机交互、社交网络、公平性以及数据伦理。 我们的研究以基础研究为根基，重点研究物理世界与虚拟世界的数学模型，以此作为分析、设计及实现复杂系统的基础。我们致力于确保研究成果能够推动社会进步，特别是在健康、绿色转型、能源供应和生命科学等领域发挥积极作用。 我们与丹麦及国外的大学、公共与私人机构以及企业开展合作，并通过丹麦技术大学的创业生态系统促进创新与创业精神发展。我们秉持强烈的伦理、人文与可持续理念，确保工作的诚信性。因此，我们致力于并承担推动数字技术普及化的责任，使每个人都有机会积极参与发展过程，同时保障一个持续开放、民主且包容的社会，造福所有人。在丹麦技术大学计算学院，我们重视多样性、包容性以及灵活的工作生活平衡。更多内容请参见：[会员链接] 。 "[会员信息]" 自1829年起，丹麦技术大学就是欧洲领先的精英技术大学之一。通过国际顶尖水平的研究与教育，我们致力于解决当代重要的社会挑战，并助力欧洲在可持续技术发展领域保持全球领先地位。自近200年前Christian Ørsted创立丹麦技术大学以来，我们的使命始终未变：通过自然与技术科学领域的发展与创造，为社会发展创造价值。丹麦技术大学拥有13,800名学生、1,600名博士生和6,500名员工。我们在国际环境中工作，拥有包容、激励且非正式的职场文化。 丹麦技术大学在丹麦各地及格陵兰岛均设有校区，并与全球顶尖大学开展合作。