Forskningsingenjör inom EEG-baserad detektion av dold kunskap

Beskrivning av arbetsplatsen
Anställningen är placerad vid Institutionen för psykologi vid Lunds universitet, i en forskningsmiljö med inriktning mot minnets kognitiva neurovetenskap. Gruppen kombinerar elektrofysiologiska metoder med hög tidsupplösning (EEG), eye tracking och avancerade beräkningsmetoder för att undersöka hur information kodas, integreras och hämtas från minnet.

Projektbeskrivning
Den person som anställs kommer att bidra till ett projekt som undersöker neural detektion av dold kunskap med hjälp av EEG och avancerade maskininlärningsmetoder. Projektet fokuserar på att identifiera neurala signaturer för igenkänning och minneshämtning på enskild försöksnivå, med särskild tonvikt på tidsupplöst avkodning och generalisering av kognitiva tillstånd.

En central del av projektet är utvecklingen av realtids- eller nära realtidsbaserade EEG-avkodningsmetoder, där klassificeringsmodeller tränas och uppdateras under pågående datainsamling. Arbetet innefattar att utforma pipelines som integrerar preprocessering, feature extraction och modellträning under tidsmässiga begränsningar, samtidigt som robusthet, generaliserbarhet och tolkningsbarhet säkerställs.

Arbetsuppgifter
Arbetsuppgifterna omfattar bland annat att:

• utforma, genomföra och analysera EEG-experiment relaterade till minne och detektion av dold kunskap
• utveckla och kritiskt utvärdera maskininlärningspipelines för single-trial-avkodning av EEG-data
• analysera tidsupplösta neurala data, exempelvis temporal generalization och cross-condition decoding
• implementera avancerade preprocesseringspipelines, såsom artefaktkorrigering och ICA
• bidra till utvecklingen av realtids- eller nära realtidsbaserade avkodningspipelines, inklusive online-preprocessering, feature extraction och modelluppdatering
• utvärdera avvägningar mellan latens, noggrannhet och generaliserbarhet i onlineklassificering
• genomföra statistiskt rigorösa analyser, exempelvis permutationstester och mixed-effects-modellering

Kvalifikationskrav
Vi söker en kandidat med doktorsexamen i psykologi och dokumenterad avancerad metodologisk kompetens inom EEG-analys och maskininlärning. Kandidaten ska ha en stark meritlista när det gäller att tillämpa och kritiskt utvärdera klassificerings- eller avkodningsmetoder på neurala data eller andra tidsseriedata, inklusive analyser på single-trial-nivå och rigorös modellvalidering.

Den ideala kandidaten kombinerar gedigen kunskap om elektrofysiologisk signalbehandling med stark programmeringskompetens (Python och/eller MATLAB, exempelvis MNE-Python, scikit-learn, FieldTrip eller EEGLAB) samt statistisk kompetens relevant för neuroimagingdata. Erfarenhet av att arbeta bortom traditionella ERP-baserade analyser mot multivariata och tidsupplösta angreppssätt är ett krav.

Särskilt meriterande är erfarenhet av tidsupplöst EEG-avkodning, exempelvis temporal generalization, samt en principiell förståelse för feature construction, dimensionsreduktion och modelltolkbarhet för neurala data. Kännedom om multivariata ramverk, såsom MVPA eller RSA, och/eller moderna metoder för tidsseriemodellering, inklusive deep learning där det är relevant, är en fördel. Erfarenhet av realtidsbearbetning av data, onlineklassificering eller maskininlärningspipelines med låg latens är mycket meriterande, liksom erfarenhet av att utveckla reproducerbara och väl dokumenterade analysarbetsflöden.

Sökande ska även kunna visa förmåga att bedriva självständig forskning på hög nivå, vilket ska styrkas genom relevanta refereegranskade publikationer.

Särskild vikt kommer att läggas vid:

• djup metodologisk kompetens inom EEG och modellering av neurala data
• dokumenterad förmåga att utveckla och utvärdera avkodnings- och klassificeringsmetoder
• vetenskaplig kvalitet, originalitet och relevans i tidigare forskning
• förmåga att arbeta självständigt och bidra till en samarbetsinriktad forskningsmiljö

Villkor
Särskild visstidsanställning på 20 % under 6 månader