PhD on Conditional Generative Modelling of Local High-Impact Events under Structured Scenarios — Universität Bern

Description complète

UniBE est ambitieux. Avec nous, vous offrez des performances supérieures et testez vos compétences contre les meilleurs.

Recherche et environnement collaboratif

Le doctorant sera accueilli à l'Institut de la statistique mathématique et des sciences actuarielles (IMSV) de l'Université de Berne, en rejoignant le groupe d'incertitude quantification et statistiques spatiales dirigé par le Prof. David Ginsbourger. IMSV est un institut engagé et ouvert d'esprit où les statistiques mathématiques et la théorie des probabilités répondent aux données et aux modèles découlant de divers défis scientifiques et sociétaux. Ce poste fait partie du programme CNCR CLIM+ sur les extrêmes climatiques et la société, financé par la Fondation nationale suisse de la science (SNSF). Plus précisément, le projet de doctorat contribuera à l'ensemble de travail "Risques locaux: impacts et adaptation" et implique la participation à des tâches couvrant des sujets tels que la réduction de l'échelle et la décomposition des données d'entrée pour les modèles hydrologiques. Des interactions régulières et des collaborations potentielles avec les équipes du Prof. Manuela Brunner (ETH Zurich, WSL), du Dr. Christian Grams (MeteoSwiss), du Prof. Michael Lehning (EPFL Valais Wallis, WSL) et du Prof. Olivia Romppainen-Martius (Université de Berne) sont prévues. Le NCCR CLIM+ soutient la Suisse dans sa transformation vers une société résiliente au climat. En collaboration avec les parties prenantes, la communauté de recherche interdisciplinaire NCCR CLIM+ s'attaque aux espaces de solutions inexplorés à la crise climatique et élabore un plan de recherche sur le climat à l'échelle mondiale. Le CCNR CLIM+ communique et partage largement ses connaissances et forme une nouvelle génération d'experts possédant les connaissances transdisciplinaires et de domaine nécessaires. Le CCNR CLIM+ s'efforce de mettre en oeuvre l'égalité des chances en matière d'embauche. Au CCNR CLIM+, nous croyons que la diversité de pensée, de contexte et d'expérience crée une meilleure recherche

Profil du candidat

• Diplôme de maîtrise en statistique ou domaine étroitement lié avec un solide bagage mathématique
• Fortes compétences en programmation (idéalement en Python et/ou en R)
• Connaissance et expérience idéalement pratique de l'apprentissage automatique génératif
• Expérience de travail avec de grands ensembles de données, idéalement des observations/simulations hydrologiques, météorologiques ou climatiques
• Très bonnes compétences en communication orale et écrite en anglais
• Motivation de travailler dans un environnement de travail interdisciplinaire et international et dans un esprit de collaboration

La réputation internationale Demande et contact Nous sommes impatients de recevoir votre candidature en ligne avec les éléments suivants:

• votre CV,
• une lettre de motivation,
• certificats et relevés de notes,
• un lien vers votre thèse de MSc (ébauche ou version finale),
• et les coordonnées de deux références professionnelles.

Les demandes présentées au plus tard le 1er octobre 2026 (inclus) sont pleinement prises en considération.

A propos du projet

Nous vous invitons à postuler à un poste de doctorat en statistique axé sur la modélisation génératrice conditionnelle d'événements locaux à impact élevé dans un climat changeant. Des modèles génériques sont de plus en plus utilisés dans les prévisions météorologiques et la recherche sur le climat, notamment pour réduire les prévisions mondiales et les projections à l'échelle locale. Leur utilisation pour étudier de futurs événements à impact élevé soulève des défis statistiques et informatiques fondamentaux, notamment l'intégration de sources de données hétérogènes, le conditionnement d'informations complexes et la généralisation aux conditions climatiques au-delà de celles représentées dans les données de formation. Dans le cadre de ce projet de doctorat, nous étudierons et développerons de nouvelles approches de modélisation génératrice conditionnelle pour étudier les futurs événements à impact élevé à l'échelle locale selon des scénarios de conditionnement structurés prescrits. Il peut s'agir d'histoires dynamiques à grande échelle et de régimes sujets à des événements. Le projet traitera des questions méthodologiques liées à la production conditionnelle, à la représentation et à l'intégration de l'information de conditionnement et à la production de résultats locaux plausibles dans des conditions climatiques changeantes et potentiellement sans précédent. Recherche et environnement collaboratif

Profil du candidat

Informations supplémentaires Emploi-Abo Processus de demande

Vos avantages

Forte infrastructure de recherche et réseau international Environnement collaboratif et équipe ambitieuse Soutien individuel aux carrières Autres prestations

Travaillant à l'Université de Berne

L'Université de Berne offre non seulement des tâches passionnantes, mais aussi un environnement qui favorise activement le développement, la diversité et l'égalité des chances. Découvrez ce qui nous distingue en tant qu'employeur et comment vous pouvez grandir avec nous. Page de carrière Ouvrir les positions