PhD Student in (multi-agent) reinforcement learning for health-aware control — EPFL

Descrizione completa

IMOS L'Intelligent Maintenance and Operations Systems (IMOS) Lab di EPFL è alla ricerca di un ricercatore di PhD motivato e fuori dal campo, (100%, a Losanna, a tempo determinato) a partire da settembre o su accordo. Descrizione del progetto L'obiettivo di questo progetto è quello di sviluppare nuove metodologie basate sull'apprendimento di rinforzo (multi-agent) per il controllo sanitario dei sistemi di ingegneria complessi. La ricerca si concentrerà sull'integrazione delle dinamiche di salute e degrado del sistema nelle strategie di controllo, consentendo il processo decisionale che ottimizza congiuntamente le prestazioni e l'affidabilità degli asset a lungo termine. Il progetto esplorerà il modo in cui gli agenti di apprendimento del rinforzo possono imparare le politiche di controllo che rappresentano gli obiettivi operativi, i vincoli fisici e l'invecchiamento del sistema, con una particolare enfasi sulle impostazioni multi-agenti in cui interagiscono più sottosistemi. Modelli informativi e approcci basati sui dati saranno combinati per garantire che le politiche apprese siano efficienti e coerenti con le dinamiche di sistema sottostanti. Le applicazioni includono complessi sistemi industriali ed energetici (ad esempio, turbine eoliche o altre infrastrutture su larga scala), dove le decisioni di controllo hanno un impatto diretto sulla durata del sistema. Questa posizione del PhD fa parte di un ERC Consolidator Grant, supportando la ricerca all'avanguardia sul controllo sanitario e la manutenzione intelligente di sistemi complessi. Ambiente di lavoro EPFL è uno dei campus universitari più dinamici d'Europa, si trova tra le prime 20 università in tutto il mondo e offre un ambiente di lavoro eccezionale con stipendi molto competitivi. Il Laboratorio IMOS (https://www.epfl.ch/labs/imos/ ) offre un ambiente scientifico altamente motivante e interdisciplinare con molte opportunità di interagire tra progetti e ricercatori, e mantiene un'eccellente rete di collaborazioni con gli stakeholder industriali e le principali università internazionali. Profilo Siamo alla ricerca di un candidato di dottorato con un forte background analitico, e un eccezionale laurea in Ingegneria, Controllo, Scienza informatica, Fisica, Matematica applicata, o un campo correlato. Si dovrebbe avere una solida base nel machine learning e il controllo, idealmente con esperienza nell'apprendimento di rinforzo, ottimizzazione, o sistemi dinamici. La conoscenza dell'apprendimento profondo, dell'elaborazione dei segnali o della modellazione in forma fisica è considerata un bene forte. Ci aspettiamo che il candidato sia auto-guidato, con forti capacità di problem solving e pensiero out-of-the-box. Il comando professionale dell'inglese (sia scritto che parlato) è obbligatorio. Processo di applicazione Applicazioni formali tra cui:

• una lettera di motivazione,
• un CV del candidato,
• breve dichiarazione di ricerca (una pagina) che descrive la vostra idea di progetto nel campo dell'apprendimento di rinforzo e del controllo di salute-consapevole, rendendo le connessioni alla vostra esperienza e il lavoro correlato dalla letteratura,
• trascrizioni di tutti i gradi ottenuti (in inglese),
• una pubblicazione (ad esempio tesi o preferibilmente una pubblicazione di conferenze o riviste, un link è sufficiente) deve essere presentata tramite la piattaforma di applicazione. Ulteriori informazioni sull'EPFL IMOS Lab sono disponibili sotto: https://www.epfl.ch/labs/imos/ I candidati selezionati saranno invitati a candidarsi ad una delle scuole di dottorato EPFL (ad esempio EDRS, EDCE o EDEE). Questo processo di applicazione parallela è necessario essere idonei per un dottorato in EPFL. Informazioni
• Tasso di attività: 100.00
• Tipo di contratto: CDD
• Durata: 1 anno contratto rinnovabile (max. 6 anni)
• Riferimento: 2152