PhD Position in Machine Learning in Biomechanics

Polytechnicpositions; München; Vor Ort; EUR 65.000 - 75.000; Vollzeit

Zusammenfassung

Eine führende Universität in Deutschland sucht einen Doktoranden für das Projekt zur Entwicklung effizienter Lösungen in der diagnostischen Biomechanik. Der zukünftige Mitarbeiter wird Methoden für hochdimensionale Elastographie-Probleme erforschen und benutzerfreundliche Frameworks entwickeln. Ein relevanter Master-Abschluss und Erfahrung in maschinellem Lernen sind erforderlich. Die Position ist vor Ort in München.

Qualifikationen

• Erforderlich ist ein Master-Abschluss in einem relevanten Fachgebiet.
• Erfahrung in maschinellem Lernen, insbesondere in der Biomechanik ist von Vorteil.
• Kenntnisse in der Entwicklung robuster Softwarelösungen sind wünschenswert.

Aufgaben

• Entwicklung effizienter, überprüfbarer und praxisnaher Lösungen.
• Erweiterung der Methoden auf hochdimensionale und dreidimensionale Elastographie-Probleme.
• Entwicklung benutzerfreundlicher Frameworks für multimodale Elastographie.

Kenntnisse

Scalability

Computational efficiency

Practical usability

Ausbildung

Master's degree in relevant field

Jobbeschreibung

PhD Position in Machine Learning in Biomechanics

Technical University of Munich

Germany

(For English see below)

In unserer Professur ist eine Ph.D.-Position zu besetzen, um zur Entwicklung effizienter, überprüfbarer und praxisnaher Lösungen für inverse Probleme in der diagnostischen Biomechanik beizutragen, mit besonderem Schwerpunkt auf Elastographie. Das Projekt baut auf unserem kürzlich entwickelten Weak Neural Variational Inference (WNVI)-Framework auf und zielt darauf ab, dessen Fähigkeiten in folgenden Bereichen zu erweitern:

• Scalability: Erweiterung der Methoden auf hochdimensionale und dreidimensionale Elastographie-Probleme unter Verwendung neuronaler Operatoren.
• Recheneffizienz: Entwicklung adaptiver und physikbewusster Strategien (z.B. optimierte Residuen-Auswahl, physikbasierte Zoom-Techniken) für Echtzeit-Inferenz.
• Praktische Anwendbarkeit: Aufbau robuster, benutzerfreundlicher Frameworks für multimodale Elastographie und Ermöglichung der Nutzung auf tragbaren Geräten (z.B. Smartphones) für Echtzeit-Diagnostik.

A Ph.D. position is available in our group to contribute to the development of efficient, certifiable, and practical solutions for inverse problems in diagnostic biomechanics, with a particular focus on elastography. The project builds on our recently developed Weak Neural Variational Inference (WNVI) framework and aims to advance its capabilities in the following directions:

• Scalability: Extending methods to high‑dimensional and three‑dimensional elastography problems using neural operator representations.
• Computational efficiency: Designing adaptive and physics‑aware strategies (e.g., optimized residual selection, physics‑based zooming) for real‑time inference.
• Practical usability: Developing robust, user‑friendly frameworks for multimodal elastography and enabling deployment on portable devices (e.g., smartphones) for real‑time diagnostics.

Kontakt: [e-mail]

https://www.epc.ed.tum.de/fileadmin/w00cgc/ddmm/pdf/PhD_DFG_Inverse_Bio_2025.pdf

In your application, please refer to Polytechnicpositions.com