Doktorand i fysik med inriktning mot Acceleratorfysik - Under tillsättning eller tillsatt, ej sökbar

Avdelningen för synkrotronljusfysik (www.sljus.lu.se) har under de senaste åren varit den snabbast växande delen av fysiska institutionen, med för närvarande mer än 50 anställda. Tyngdpunkten i forskningen är experimentella studier av elektroniska, strukturella och kemiska egenskaper hos material, särskilt på ytor och gränssnitt eller fria molekyler och kluster. Avdelningen har många anknytningar till det nationella MAX IV-laboratoriet (www.maxiv.lu.se/) med en fjärde generation synkrotron och till Lund Lasercentrum (www.llc.lu.se) som erbjuder avancerade laserkällor.  Avdelningen har dessutom Sveriges största anläggning för svepprobmikroskopi.

Arbetsuppgifter

Maskininlärningsverktyg tillämpade på linac och frielektronlasrar

Maskininlärning, machine learning (ML) kommer att bli ett viktigt verktyg i acceleratoranläggningar för att hjälpa acceleratorfysikerna att ställa in maskinerna, styra driften och förbättra befintlig diagnostik via virtuella verktyg. Frielektronlasrar (FEL) drivs av linjäracceleratorer med hög briljans och kräver en hög grad av kontroll, vilket ibland inte ens är möjligt med dagens bästa tillgängliga diagnostik. Vid MAX IV förbereds linjäracceleratorn för att driva en föreslagen mjuk röntgen-FEL.  Inom projektet kommer verktyg för ML att implementeras i befintlig acceleratordiagnostik, algoritmerna tränas och deras upplösning förbättras. Målet är att också sätta upp icke-destruktiva parasitiska mätningar som kan användas som on-line verktyg. Projektet omfattar alltså ML, AI-algoritmer, acceleratorsimuleringar och insamling av data från befintlig diagnostik vid acceleratorer i drift. Mätningar för att producera träningsdatauppsättningar kan göras antingen på MAX IV och/eller, genom samarbeten, i andra europeiska anläggningar. Dessa kommer att kombineras med simuleringar. Därför kommer forskningsprojektet innehålla både experimentella och numeriska modelleringsaspekter. Det kommer att finnas möjligheter att delta i experimentella kampanjer vid till exempel FLASH/DESY i Hamburg och/eller FERMI/Sincrotrone Trieste i Italien.

De metoder som projektet ämnar ta fram kommer att vara väsentliga i framtida FEL-anläggningar och andra acceleratorbaserade ljuskällor för att nå en effektiv och snabb uppstart, en pålitlig arbetspunkt och snabb växling mellan driftlägen. Projektet kan också komma att innehålla applikationer för de två ringarna på MAX IV. Dessutom börjar ML bli ett verktyg för att upptäcka fel och inom maskinskydd. Slutligen, även om det inte är huvudmålet med detta projekt, kommer synergier att etableras med andra grupper på MAX IV-anläggningen och i andra laboratorier, såsom ESS.

Huvuduppgiften för en doktorand är att ägna sig åt sin forskarutbildning vilket innefattar såväl deltagande i forskningsprojekt som forskarutbildningskurser. I arbetsuppgifterna kan det även ingå medverkan i undervisning och annat institutionsarbete, dock max 20 % av arbetstiden.

Behörighet

Grundläggande behörighet till utbildning på forskarnivå har den som:

• avlagt examen på avancerad nivå, eller
• fullgjort kursfordringar om minst 240 högskolepoäng, varav minst 60 högskolepoäng på avancerad nivå, eller
• på något annat sätt inom eller utom landet förvärvat i huvudsak motsvarande kunskaper.

Kraven på särskild behörighet för forskarutbildningsämnet fysik uppfyller den som har:

• avklarat ett självständigt arbete (t.ex. examensarbete) i relevant ämne omfattande minst 30 högskolepoäng

Den särskilda behörigheten kan också ha erhållits genom annan motsvarande utbildning, vilket prövas i varje enskilt fall. För att möjliggöra tvärvetenskapliga initiativ samt väsentliga fördjupningar inom vissa områden kan andra kvalifikationer än sökandens ämnesspecifika kompetens inom fysiktas i beaktande.

Slutligen krävs att studenten bedöms ha den förmåga som behövs för att tillgodogöra sig utbildningen.

Övriga krav

• Grundläggande kunskaper i acceleratorns fysik
• Goda kunskaper i Python, Matlab eller andra programmeringskoder
• Mycket goda kunskaper i engelska, i tal och skrift, är ett krav
• Flexibilitet och öppenhet i arbetet i forskargruppen

Önskvärda meriter

• Erfarenhet av machine learning algoritmer är meriterande
• Erfarenhet av acceleratordrift är meriterande

Bedömningsgrunder

Urval till utbildning på forskarnivå sker efter bedömd förmåga att tillgodogöra sig forskarutbildningen. Bedömningen av förmågan sker främst utifrån studieresultaten på grundnivå och avancerad nivå.

Följande beaktas:

• Kunskaper och färdigheter relevanta för avhandlingsarbetet och utbildningsämnet, se Arbetsuppgifter. Dessa kan visas genom bilagda handlingar.
• Bedömd förmåga till självständigt arbete och förmåga att formulera och angripa vetenskapliga problem. Bedömningen kan exempelvis ske utifrån examensarbetet och en diskussion kring detta vid en eventuell intervju.
• Förmåga till skriftlig och muntlig kommunikation.
• Övriga erfarenheter relevanta för utbildningen på forskarnivå, t.ex. yrkeserfarenhet.

Hänsyn kommer också att tas till god samarbetsförmåga, framåtanda, självständighet och personlig lämplighet, samt hur den sökande genom sin erfarenhet och kompetens bedöms ha den förmåga som behövs för att klara forskarutbildningen.

Villkor

Endast den som är antagen till forskarutbildning får anställas som doktorand. Forskarutbildningen är fyra år vid heltidsstudier. Vid undervisning och annat institutionsarbete förlängs anställningen i motsvarande grad, dock längst till 5 år (dvs. max 20 %). Bestämmelser gällande anställning som doktorand finns i Högskoleförordningen (1993:100), 5 kap 1-7 §§.

Ansökningsförfarande

Ansökan ska skrivas på engelska. Ansökan ska innehålla personligt brev med motivering till varför du är intresserad av anställningen och på vilket sätt forskningsprojektet matchar dina intressen och din utbildningsbakgrund. An-sökan ska även innehålla CV, examensbevis eller motsvarande, en kopia av examensarbete eller motsvarande alternativt en sammanfattning i fall arbetet inte är avslutat, samt övrigt som du önskar åberopa (kopior av betyg, uppgifter till referenser, rekommendationsbrev etc.).