Postdoctoral Researcher in Physics-Grounded Agentic AI for Power-System Resilience Across Timescales — EPFL

Vollständige Beschreibung

Allgemeine Informationen

Das Intelligent Maintenance and Operations Systems (IMOS) Lab der EPFL sucht einen motivierten und out-of-the-box denkenden Postdoktoranden in Physik-Grounded Agentic AI für Power-System Resilience Across Timescales (100%, in Lausanne, befristet) ab Dezember 2026 oder nach Vereinbarung.

PROJEKTBESCHREIBUNG

Ziel dieses Projekts ist es, KI-Methoden zu entwickeln, die die Widerstandsfähigkeit von Energiesystemen bei der langfristigen Infrastrukturplanung, der operativen Entscheidungsfindung und der Reaktion auf Störungen stärken. Die Forschung wird untersuchen, wie Infrastrukturinvestitionen und adaptive Betriebsstrategien kritische Dienste unter unsicheren Störungen, sich ändernden Betriebsbedingungen und Komponenten- oder Kommunikationsausfällen gemeinsam aufrechterhalten können.

Das Projekt wird agentische KI mit physikinformiertem Lernen, Graphen-Neuralnetzwerken (GNN) und Multiagenten-Verstärkungslernen (MARL) kombinieren. Physikgestützte Graphenmodelle werden Netzwerkinteraktionen darstellen und die Bewertung des Gitterverhaltens über sich verändernde Topologien und Betriebsbedingungen hinweg unterstützen. MARL wird die Koordination verteilter Ressourcen, einschließlich Speicherung, Erzeugung und flexibler Nachfrage, unter teilweisen Beobachtungs- und Kommunikationsbeschränkungen ermöglichen. Agentische KI-Systeme werden strukturiertes Denken unterstützen, indem sie Störungsszenarien formulieren und untersuchen, Simulations- und Optimierungswerkzeuge koordinieren und vorgeschlagene Interventionen bewerten.

Ein besonderer Schwerpunkt liegt auf der Verbindung von Planung und Betrieb: zu verstehen, wie adaptive operative Fähigkeiten den Wert von Investitionen in Netzwerkverstärkung, -härtung, -speicherung und -flexibilität beeinflussen und wie Planungsentscheidungen die verfügbaren Optionen bei Störungen bestimmen. Die Vertrauenswürdigkeit wird von zentraler Bedeutung sein, einschließlich der Unsicherheitsquantifizierung, der physischen Überprüfung der vorgeschlagenen Maßnahmen, der transparenten Entscheidungsunterstützung und der Robustheit gegenüber bisher unbekannten Bedingungen.

Der genaue Forschungsschwerpunkt wird gemeinsam mit dem erfolgreichen Kandidaten entwickelt, aufbauend auf dessen Expertise und den Forschungsstärken des Labors.

ARBEITSUMWELT

Die EPFL bietet ein außergewöhnliches internationales Forschungsumfeld mit wettbewerbsfähigen Gehältern. Das IMOS Lab (https://www.epfl.ch/labs/imos/ ) bietet ein höchst motivierendes, interdisziplinäres wissenschaftliches Umfeld mit Möglichkeiten zur Interaktion zwischen Projekten und Forschern und unterhält ein umfangreiches Netzwerk von Kooperationen mit industriellen Interessengruppen und führenden internationalen Universitäten.

Der erfolgreiche Kandidat hat die Möglichkeit, ein unabhängiges Forschungsprofil zu entwickeln, zur Promotionsaufsicht beizutragen und an methodischen Fortschritten und Power-System-Anwendungen zusammenzuarbeiten.

KANDIDATPROFIL

Wir suchen einen Kandidaten mit einem starken analytischen Hintergrund und einem PhD, abgeschlossen oder kurz vor dem Abschluss, in Elektrotechnik, Informatik, Steuerung, Angewandte Mathematik, Operations Research oder einem verwandten Bereich. Sie sollten eine solide Grundlage für maschinelles Lernen oder Optimierung, starke Programmierkenntnisse und eine nachgewiesene Fähigkeit haben, strenge, unabhängige Forschung durchzuführen.

Starkes Fachwissen im maschinellen Lernen ist erforderlich, mit nachgewiesener Forschungserfahrung in einem oder mehreren der folgenden Bereiche:

• Agentische KI, Grundlagenmodelle oder modellbasiertes Denken.
• Graph neuronale Netze, Physik-informiertes Lernen oder hybride Modellierung.
• Multiagenten verstärken Lernen, eingeschränktes Lernen oder lernbasierte Entscheidungsfindung unter Unsicherheit.

Erfahrung in der Stromsystemmodellierung, Planung, Betrieb oder Resilienz ist ein starker Vorteil. Kandidaten mit einem starken ML-Hintergrund und einer klaren Motivation, Methoden für Power-System-Anwendungen zu entwickeln, werden ermutigt, sich zu bewerben.

Wir erwarten, dass der Kandidat selbstgesteuert, kooperativ und kreativ ist, mit starken Problemlösungsfähigkeiten und Out-of-the-Box-Denken. Professionelle Englischkenntnisse, sowohl schriftlich als auch gesprochen, sind obligatorisch.

ANTRAGVERFAHREN

Formale Anträge sollten Folgendes umfassen

• ein Motivationsschreiben.
• einen Lebenslauf des Bewerbers, einschließlich einer Publikationsliste.
• Eine kurze Forschungserklärung (eine Seite), die Ihre Forschungsideen zur physikbasierten KI für die Widerstandsfähigkeit von Energiesystemen und ihre Verbindung zu Ihrer Erfahrung und relevanten Literatur umreißt.
• Transkripte aller erworbenen Abschlüsse (auf Englisch).
• Kontaktdaten für zwei oder drei Schiedsrichter.

Bewerbungen sollten über die Bewerbungsplattform eingereicht werden.

Weitere Informationen zum EPFL IMOS Lab finden Sie unter https://www.epfl.ch/labs/imos/.

Vertragsbeginn: 1. Dezember 2026

Aktivitätsrate: 100,00

Vertragsart: CDD

Laufzeit: 1 Jahr verlängerbar

Bezug: 2572

Fragen zu dieser Stellenanzeige