PhD Student in Fisica-Informato Graph Neural Networks per il monitoraggio della salute delle turbine eoliche — EPFL

CHF 60'500 - 91'500
EPFL · Lausanne (VD)
Categoria: Ricerca Contratto: full-time Salario: CHF 60'500 - 91'500
Vai alla candidatura
Località
Lausanne
Contratto
full-time
Pubblicato
48 giorni fa
SalarioCHF 60'500 - 91'500

Panoramica

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.

del progetto L'obiettivo di questo progetto è quello di sviluppare nuove metodologie basate sulle reti neurali a grafi in forma fisica (PI-GNN) per comprendere e modellare l'impatto dei carichi operativi sul degrado del sistema a livello convincente nei complessi sistemi di ingegneria, con particolare attenzione alle turbine eoliche.

La ricerca si concentrerà sull'integrazione esplicita delle leggi fisiche, delle dinamiche di carico e dei meccanismi di degradazione nei modelli basati sui grafici, consentendo una comprensione di principio di come le condizioni operative spingono l'evoluzione della salute del sistema nel tempo.

Requisiti principali

  • Siamo alla ricerca di un candidato di dottorato con un forte background analitico e un eccezionale laurea in Ingegneria Meccanica, Meccanica computazionale, Scienza dell'ingegneria, Fisica, Matematica applicata, o un campo strettamente correlato.
  • Si dovrebbe avere una solida base nel machine learning (ad esempio, deep learning) e nella modellazione matematica, tra cui l'esperienza con sistemi dinamici o equazioni differenziali.
  • Si prevede un forte interesse nella modellazione di sistemi fisici e processi di degrado (ad esempio, stanchezza, accumulo di danni).
  • L'esperienza con reti neurali grafiche o modelli spatiotemporali è altamente auspicabile, così come la familiarità con approcci informati della fisica che incorporano pregiudizi induttivi fisici nei modelli di apprendimento.
  • La conoscenza di una o più delle seguenti aree è considerata un bene forte:
  • Approfondimenti per l'apprendimento automatico e la modellazione ibrida
  • Meccanica computazionale, dinamica strutturale o modellazione di stanchezza e danni
  • Elaborazione dei segnali e analisi dei dati di misura dai sistemi fisici
  • Apprendimento scientifico o metodi numerici per sistemi fisici Sono previste forti competenze di programmazione e la capacità di lavorare all'interfaccia di machine learning e modellazione fisica dei sistemi di ingegneria.
  • 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.

Cosa offre l’azienda

  • 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 netw

Dettagli ulteriori

  • Descrizione del progetto L'obiettivo di questo progetto è quello di sviluppare nuove metodologie basate sulle reti neurali a grafi in forma fisica (PI-GNN) per comprendere e modellare l'impatto dei carichi operativi sul degrado del sistema a livello convincente nei complessi sistemi di ingegneria, con particolare attenzione alle turbine eoliche.
  • Profilo Siamo alla ricerca di un candidato di dottorato con un forte background analitico e un eccezionale laurea in Ingegneria Meccanica, Meccanica computazionale, Scienza dell'ingegneria, Fisica, Matematica applicata, o un campo strettamente correlato.
Vai alla candidatura
Logo EPFL
Azienda
EPFL · Lausanne
Frontaliere Ticino ha scovato questa opportunità nel monitoraggio aziende.

Tutte le offerte EPFL Lausanne →