Postdoktor inom probabilistiska metoder för foundation och world modeller

2026-09-17

Vill du arbeta med probabilistisk maskininlärning för nästa generations AI-modeller – osäkerhetsmedvetna foundation-modeller, generativa modeller och world models – med stöd av kompetenta och trevliga kollegor i en internationell miljö? Vill du ha en arbetsgivare som satsar på ett hållbart medarbetarskap och erbjuder trygga, förmånliga arbetsvillkor? Välkommen att söka anställning som postdoktor på Uppsala universitet.

Institutionen för informationsteknologi har en ledande position inom såväl forskning som utbildning på alla nivåer. Vi är idag Uppsala universitets tredje största institution och har i dag drygt 350 anställda varav 120 lärare och 120 doktorander. C:a 5000 grundutbildningsstudenter läser en eller flera kurser vid institutionen varje år.Institutionen deltar också i Wallenberg AI, Autonomous Systems and Software Program (WASP).Mer information om oss hittar du på institutionen för informationsteknologis webbplats.

Anställningen är placerad vid avdelningen för beräkningsvetenskap (TDB), en av världens största forskningsmiljöer inom beräkningsvetenskap med omfattande verksamhet inom bl.a. maskininlärning, optimering, vetenskaplig mjukvaruutveckling och högprestandaberäkningar. Avdelningen är en viktig del av e-vetenskapssamarbetet eSSENCE och av Science for Life Laboratory (SciLifeLab), en nationell forskningsinfrastruktur med uppdrag att möjliggöra spjutspetsforskning inom livsvetenskaperna i Sverige.

Den som anställs kommer att ingå i forskargruppen Scientific Machine Learning vid TDB och SciLifeLab. Gruppen utvecklar teori, metoder och programvara för datadriven vetenskap, med aktuellt fokus på osäkerhetskvantifiering i stora förtränade modeller (vision-language-modeller), generativa modeller (flow matching, diffusion), simuleringsbaserad inferens samt robust och aktiv inlärning. Gruppen har ett brett nätverk av samarbetspartners och god tillgång till beräkningsresurser via nationella GPU-system (NAISS, t.ex. Berzelius och Arrhenius) och lokal GPU-infrastruktur.

Projektbeskrivning

Anställningen erbjuder betydande vetenskaplig frihet inom det centrala temat probabilistiska metoder för foundation-modeller och world models: att göra dem osäkerhetsmedvetna, kalibrerade, robusta och användbara för vetenskapligt beslutsfattande, genom att angripa de utmanande, öppna problem som är mest relevanta för hur sådana modeller används i dag. Du kan föreslå ett eget ämne inom temat eller utgå från något av följande:

Osäkerhetskvantifiering, kalibrering och tillförlitlighet i stora förtränade modellerProbabilistiska generativa modeller och world modelsProbabilistisk maskininlärning för vetenskaplig upptäcktSer du inte din exakta idé listad? Vi uppmuntrar egna förslag, beskriv din forskningsinriktning (max 2 sidor) inom temat ovan.

Våra motiverande tillämpningar finns inom livsvetenskaperna, där gruppen via SciLifeLab samarbetar inom bl.a. mikroskopi och cellavbildning, läkemedelsutveckling och precisionsmedicin, med tillgång till verkliga, storskaliga och multimodala data. Tyngdpunkten ligger på grundläggande AI/ML-metodbidrag av hög kvalitet, som tillämpningarna kan dra nytta av.

Forskning, publicering och presentation av resultat vid internationella konferenser, bidrag till gruppens öppna programvara samt medverkan i handledning av studenter. En begränsad andel undervisning kan ingå (högst 20 %).

Kvalifikationskrav

Doktorsexamen i maskininlärning, datavetenskap, beräkningsvetenskap, matematik, statistik eller ett närliggande område, eller en utländsk examen som bedöms motsvara doktorsexamen i maskininlärning, datavetenskap, beräkningsvetenskap, matematik, statistik eller ett närliggande område. Examen ska vara uppfyllt senast vid tidpunkten då anställningsbeslutet fattas. Främst bör den komma ifråga som har avlagt examen för högst tre år sedan. Vid beräkning av ramtiden om tre år är utgångspunkten sista ansökningsdag. Om det finns särskilda skäl kan sådan examen ha avlagts tidigare. Med särskilda skäl avses ledighet på grund av sjukdom, föräldraledighet, förtroendeuppdrag inom fackliga organisationer, etc.

Dokumenterad forskningserfarenhet av modern djupinlärning – t.ex. generativa modeller, Bayesiansk djupinlärning eller stora förtränade modeller – samt mycket goda programmeringskunskaper i Python och ett modernt ramverk för djupinlärning (t.ex. PyTorch eller JAX) krävs. Goda kunskaper i engelska i tal och skrift krävs. Kandidaten ska tydligt dokumentera en hög grad av självmotivation i ansökan. Stor vikt läggs vid personliga egenskaper såsom kreativitet, noggrannhet, ett strukturerat arbetssätt samt förmåga att arbeta både självständigt och i team.

Önskvärt/meriterande i övrigt

Publikationer vid ledande maskininlärnings- eller datorseendekonferenser (NeurIPS, ICML, ICLR, CVPR, AISTATS etc.) är starkt meriterande. Expertis inom Bayesianska metoder, generativa modeller, multimodala modeller, world models eller simuleringsbaserad inferens är meriterande, liksom erfarenhet av storskalig träning på GPU-kluster, öppen programvaruutveckling och tillämpningar inom livsvetenskaperna.

Undervisningserfarenhet är meriterande men inte ett krav. Undervisningserfarenhet kan omfatta t.ex. undervisning, handledning, mentorskap, arbete som hjälplärare, internutbildning eller andra pedagogiska aktiviteter, inom eller utanför högre utbildning. Särskild vikt läggs vid aktiviteter som stödjer studenters lärande inom datavetenskap, informationsteknologi eller närliggande ämnen.

Ansökan

Ansökan Måste Innehålla

Ett curriculum vitae (CV),En kopia av relevanta betygsdokument (översatta till svenska eller engelska),En publikationslista,Upp till fem utvalda publikationer i elektroniskt format,En forskningsbeskrivning som beskriver din tidigare och nuvarande forskning (max 1 sida) och ett förslag till framtida aktiviteter (max 1 sida),Kontaktinformation för två referenser,

Om anställningen

Anställningen är tidsbegränsad i två år enligt centralt kollektivavtal. Omfattningen är heltid. Tillträde 1 november 2026 eller enligt överenskommelse. Placeringsort: Uppsala

Upplysningar om anställningen lämnas av: Universitetslektor Prashant Singh, prashant.singh@scilifelab.uu.se; Avdelningsföreståndare Elisabeth Larsson, elisabeth.larsson@it.uu.se.

I denna rekrytering har vi ersatt det personliga brevet med frågor som du besvarar i samband med din ansökan. Svaren kommer att användas som en del i urvalsprocessen.

Välkommen med din ansökan senast torsdagen 15 oktober 2026, UFV-PA 2026/2764

Uppsala universitet är ett brett forskningsuniversitet med stark internationell ställning. Det yttersta målet är att bedriva utbildning och forskning av högsta kvalitet och relevans för att göra skillnad i samhället. Vår viktigaste tillgång är alla 7 500 anställda och 53 000 studenter som med nyfikenhet och engagemang gör Uppsala universitet till en av landets mest spännande arbetsplatser.

Läs mer om våra förmåner och hur det är att jobba inom Uppsala universitet

https://uu.se/om-uu/jobba-hos-oss/

Anställningen kan komma att säkerhetsprövas. Vid säkerhetsprövning är en förutsättning för anställning att sökande blir godkänd.

Vi undanber oss erbjudanden om rekryterings- och annonseringshjälp.

Ansökan tas emot i Uppsala universitets rekryteringssystem.

Fackliga företrädare: Saco-S - saco-s@uu.se, Seko - seko@uadm.uu.se, ST (OFR/S) - ofr@uu.se

Placering: Uppsala universitet,Institutionen för informationsteknologi Omfattning: Heltid Sysselsättningsgrad: 100 % Anställningsform: Tidsbegränsad anställning Lön: Individuell lönesättning Antal lediga befattningar: 1 Ort: Uppsala Facklig företrädare:

Referensnummer: UFV-PA 2026/2764 Sista dag för ansökan: 15 oktober 2026 Sök jobbet