PhD student in nuclear fuel performance modelling using machine learning

Uppsala Universitet; Uppsala kommun; On-site; SEK 335,000 - 402,000; Full time

Job summary

Uppsala universitet söker en doktorand i modellering av kärnbränsleprestanda med maskininlärning inom Institutionen för fysik och astronomi, Avdelningen för tillämpad kärnfysik. Du kommer att arbeta i ett nära samarbete mellan akademi och industri och utveckla snabba, robusta beräkningsmetoder för kärnbränsleprestanda.

Arbetsuppgifterna omfattar forskning och kurser i doktorsutbildningen, med fokus på kalibrering, osäkerhetskvantifiering och tidsberoende ML-modeller för olika bränslledesigner

Qualifications

• Doktorandanställningen kräver avlagt examensarbete på avancerad nivå inom relevant område eller motsvarande kunskap.
• Goda kunskaper i fysik, numeriska metoder, statistik och/eller maskininlärning.
• God programmeringsförmåga, exempelvis i Python, Julia, C++ eller motsvarande.

Responsibilities

• Forskarutbildning inom projektet och kursavslutande forskning inom kärnbränsleprestanda.
• Utveckling, implementering och utvärdering av statistiska och maskininlärningsbaserade kalibrerings- och simuleringmetoder.
• Arbeta upp emot 20 procent undervisning/institutionstjänstgöring.
• Generera och analysera tränings- och valideringsdata för breda effekthistorier och driftförhållanden.
• Sammanställa, publicera och presentera forskningsresultat samt delta i seminarier.

Skills

Fysik

Numeriska metoder

Statistik

Maskininlärning

Python

Julia

C++

Education

Avancerad nivå inom teknisk fysik / kärnteknik

240 högskolepoäng varav 60 på avancerad nivå

Tools

Python

Julia

C++

Job description

Doktorand i modellering av kärnbränsleprestanda med maskininlärning

Uppsala universitet, Institutionen för fysik och astronomi

Vill du arbeta med modellering av kärnbränsle, maskininlärning och statistiska metoder inom ett nära samarbete mellan Uppsala universitet, Westinghouse och Vattenfall? Vill du bidra till utvecklingen av snabba, robusta och tillförlitliga beräkningsmetoder för dagens och framtidens kärnenergisystem, med stöd av kompetenta och trevliga kollegor i en internationell miljö? Vill du ha en arbetsgivare som satsar på ett hållbart medarbetarskap och erbjuder trygga och förmånliga arbetsvillkor? Välkommen att söka anställning som doktorand vid Uppsala universitet.

Institutionen för fysik och astronomi, Avdelningen för tillämpad kärnfysik vid Uppsala universitet bedriver forskning och utbildning inom tillämpad kärnfysik och kärnteknik. Forskningen omfattar bland annat modellering och simulering av kärnbränslets beteende i reaktorer, med särskilt fokus på statistiska metoder, osäkerhetskvantifiering och maskininlärning för att förbättra noggrannheten och beräkningseffektiviteten i bränsleprestandaanalyser. Arbetet bidrar till utvecklingen av säkra, tillförlitliga och konkurrenskraftiga kärnenergisystem för både befintliga och framtida reaktorer, inklusive små modulära reaktorer.

Som doktorand kommer du att vara en del av en forskargrupp som arbetar med kärnbränsleprestanda, osäkerhetskvantifiering och avancerade beräkningsmetoder för kärntekniska tillämpningar. Gruppen kombinerar fysikbaserade bränsleprestandakoder med statistisk modellkalibrering, maskininlärning och dataanalys. Arbetsmiljön är internationell och tvärvetenskaplig, med nära koppling mellan grundläggande metodutveckling och tekniskt relevanta tillämpningar.

Projektet genomförs inom kompetenscentrumet ANItA (Academic-industrial Nuclear technology Initiative to Achieve a sustainable energy future). Du kommer att ingå i en gemensam akademisk och industriell forskningsmiljö med handledning från både Uppsala universitet och industripartner. Genom det nära samarbetet med industrin får du möjlighet att utveckla forskningsmetoder med tydlig industriell relevans och bidra till kunskapsutbyte mellan akademi och industri.

Tillförlitliga och snabba bränsleprestandaberäkningar är viktiga för såväl dagens reaktorer som framtida konstruktioner, inklusive små modulära reaktorer (SMR). Projektet bygger vidare på den forskning som har bedrivits inom CaNel – Calibration of Fuel Performance Codes, där metoder baserade på statistisk kalibrering, osäkerhetskvantifiering och maskininlärningsbaserad surrogatmodellering har utvecklats för simulering av kärnbränsleprestanda. Du kommer att vidareutveckla dessa metoder för att möjliggöra snabbare och mer precisa förutsägelser med väl kvantifierade osäkerheter.

Projektet omfattar bland annat kalibrering mot tidsberoende och axiellt upplösta mätdata, överföring av osäkerheter mellan kopplade delmodeller samt utveckling av tidsberoende maskininlärningsbaserade surrogatmodeller. Modellerna ska kunna hantera variationer i exempelvis bränsletyp, anrikning och gadoliniuminnehåll, utvärderas även utanför träningsområdet och tillämpas på ett bredare urval av bränsledesigner och driftförhållanden. De ska även demonstreras i industriellt relevanta tillämpningar, såsom prediktion av kapslingens tangentialspänning och bedömning av risken för PCI-relaterade bränsleskador.

Arbetsuppgifterna består huvudsakligen av forskarutbildning, där du bedriver forskning inom projektet och följer kurser inom forskarutbildningen. Arbetet innefattar utveckling, implementering och utvärdering av statistiska och maskininlärningsbaserade metoder för kalibrering och simulering av kärnbränsleprestanda.

I arbetsuppgifterna ingår att:

• vidareutveckla kalibreringsmetoder så att tidsberoende och axiellt upplösta mätdata kan användas,
• utveckla metoder för att propagera osäkerheter mellan kalibrerade och kopplade delmodeller och därmed undvika dubbelräkning av effekter
• utveckla och utvärdera tidsberoende maskininlärningsmodeller för sekvens-till-sekvens-prediktion av bränslebeteende,
• utöka surrogatmodeller så att de kan hantera flera bränsletyper, anrikningsgrader och halter av gadolinia samt, om möjligt, prediktera osäkerheter,
• generera och analysera tränings- och valideringsdata för ett brett spektrum av effekthistorier och driftförhållanden samt undersöka modellernas generaliserbarhet utanför träningsområdet,
• demonstrera surrogatmodellernas användbarhet i industriellt relevanta tillämpningar, exempelvis för prediktion av kapslingens tangentialspänning och bedömning av PCI-risk,
• implementera, testa och dokumentera beräkningsverktyg, exempelvis i Python, och bidra till reproducerbara beräkningsflöden,
• sammanställa, publicera och presentera forskningsresultat samt delta i forskargruppens seminarier, projektmöten och övriga vetenskapliga aktiviteter.

Undervisning och annan institutionstjänstgöring kan komma att ingå med högst 20 procent av heltid.

Kvalifikationskrav

• avlagt examen på avancerad nivå inom teknisk fysik, kärnteknik, tillämpad fysik, energiteknik, beräkningsvetenskap, tillämpad matematik, statistik, maskininlärning eller annat för projektet relevant område, eller
• fullgjort minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå inklusive ett självständigt arbete om minst 15 högskolepoäng, eller
• på något annat sätt förvärvat i huvudsak motsvarande kunskaper.

För anställningen krävs dessutom:

• goda kunskaper i fysik, numeriska metoder, statistik och/eller maskininlärning,
• god programmeringsförmåga, exempelvis i Python, Julia, C++ eller motsvarande,
• god förmåga att arbeta självständigt och strukturerat,
• god samarbetsförmåga,
• god förmåga att uttrycka sig i tal och skrift på engelska.

Önskvärt/meriterande i övrigt

• kärnbränsle, bränsleprestandamodellering, reaktorfysik eller kärnteknik,
• numerisk modellering av värmeöverföring, materialbeteende eller solidmekanik,
• osäkerhetskvantifiering, statistisk modellering eller gaussiska processer,
• maskininlärning för tidsserier, sekvens-till-sekvens-modeller eller surrogatmodellering,
• arbete med vetenskapliga beräkningsprogram, stora simulerings- eller mätdata och högpresterande beräkningar,
• erfarenhet av versionshantering och reproducerbara beräkningar.

Stor vikt kommer att läggas vid personliga egenskaper såsom analytisk förmåga, initiativförmåga, noggrannhet och motivation att bedriva forskarstudier i nära samverkan mellan akademi och industri.

Fackliga företrädare

Saco-S - [e-mail], Seko - [e-mail], ST (OFR/S) - [e-mail]

Anställningsform Tidsbegränsad anställning

Anställningens omfattning

Tillträde

Tillträde 1 januari 2027 eller enligt överenskommelse

Om anställningen

Anställningen är tidsbegränsad, enligt HF 5 kap § 7. Omfattningen är heltid. Tillträde 1 januari 2027, eller enligt överenskommelse. Placeringsort: Uppsala, Sverige.

Upplysningar om anställningen lämnas av: Henrik Sjöstrand, 073-3130466, [e-mail].

Uppsala universitet är ett brett forskningsuniversitet med stark internationell ställning. Det yttersta målet är att bedriva utbildning och forskning av högsta kvalitet och relevans för att göra skillnad i samhället. Vår viktigaste tillgång är alla 7 500 anställda och 53 000 studenter som med nyfikenhet och engagemang gör Uppsala universitet till en av landets mest spännande arbetsplatser.

Anställningen kan komma att säkerhetsprövas. Vid säkerhetsprövning är en förutsättning för anställning att sökande blir godkänd.

Vi undanber oss erbjudanden om rekryterings- och annonseringshjälp.

Läs mer om våra förmåner och hur det är att jobba inom Uppsala universitet https://uu.se/om-uu/jobba-hos-oss/