Postdoc in Computational discovery of disordered crystalline materials

Oversigt og nøgleindsigter
Aalborg Universitet søger en postdoc til at arbejde med beregningsmæssig opdagelse af uordnede krystallinske materialer med fokus på bæredygtige energimaterialer. Stillingen indebærer udvikling af accelererede beregningsmetoder og samarbejde med internationale forskere.
Højdepunkter
- To-årig postdoc-stilling med fokus på uordnede materialer til solid-state elektrolytter
- Samarbejde med Imperial College London og mulighed for udveksling
- Adgang til avanceret beregnings- og eksperimentel infrastruktur
Påkrævede kvalifikationer
- • PhD-grad i kemi, materialvidenskab, fysik, nanovidenskab eller beslægtet område
- • Stærk publikationserfaring inden for beregningsmaterialeforskning
- • Erfaring med densitetsfunktionel teori og videnskabelig programmering (f.eks. Python)
Ønskværdige kvalifikationer
- • Erfaring med modellering af uordnede materialer
- • Kendskab til automatiserede beregningsarbejdsgange
Den ideale kandidat
Den ideelle kandidat har en stærk baggrund i beregningsmaterialeforskning og evnen til at arbejde tværfagligt. Kandidaten skal kunne kommunikere effektivt og have en samarbejdsvillig personlighed.
Jobdetaljer
Jobbeskrivelse
Do you want to be part of a young, dynamic research group working on designing the next generation of sustainable energy materials using computational chemistry and machine learning? And do you see yourself as a team player with strong collaborative skills? If yes, we look forward to reading your application to our Postdoc position.
At the Faculty of Engineering and Science, Department of Chemistry and Bioscience, a two-year position as Postdoc in computational discovery of disordered crystalline materials is open for appointment from 1 July 2026 or soon hereafter.
Your work tasks
A two-year postdoc position in computational discovery of disordered crystalline materials is available to design sustainable materials with tailored disorder using computational chemistry and machine learning. Disorder in crystalline materials is often responsible for improved materials performance, but it is commonly overlooked in computational materials design. In this project, we will focus on developing accelerated computational methods to predict novel, disordered materials with application, e.g., for solid electrolytes in next-generation batteries.
The position is part of the Villum Young Investigator project titled “Entropy in materials design: Accelerated discovery of disordered solid electrolytes”, which focuses on developing computational predictions of disordered crystalline materials and applying these to discover novel solid-state electrolytes for batteries. Thus, the prospective candidate should have an interest in working in a collaborative team towards a common goal.
The postdoc will focus on developing computational datasets of disordered materials based on density functional theory calculations and training machine learning models to accelerate the predictions. This work will involve collaboration with Assoc. Prof. Alex Ganose at Imperial College London with the possibility of a 1-2 month exchange stay to develop automated computational workflows for disordered crystals. The developed models will then be applied to predict disordered solid electrolytes in collaboration with other group members.
The prospective candidate will be responsible for planning, conducting, and disseminating high-quality computational research in collaboration with other team members, and is expected to take a role in providing guidance to PhD, masters, and bachelor students. The postdoc will be part of the computational materials chemistry group led by Tenure-Track Assistant Professor, Kasper Tolborg, within the Section of Disordered Materials, which offers state-of-the-art computational and experimental infrastructure and facilitates a dynamic work environment and interdisciplinary collaborations.
All interested candidates are encouraged to apply, regardless of their personal background. We value diversity and see it as a strength.
Your competencies
The applicant is expected to demonstrate the following competencies and qualifications:
- Hold a PhD degree in chemistry, materials science, physics, nanoscience or a closely related subject
- Have a strong publication record in computational materials science
- Experience in density functional theory calculations of materials, and machine learning applied to chemistry or materials science
- Experience with scientific programming (e.g. in python)
- Experience with modelling of disordered materials is seen as an advantage
- Experience with automated computational workflows is seen as an advantage
- Demonstrate complex problem-solving skills and critical thinking
- Have an interest in and ability to work interdisciplinary
- Show an integrative and cooperative personality with good communication and interpersonal skills
- Have excellent oral and written English language skills
Qualification requirements
Appointment as postdoc requires academic qualifications at PhD level.
How to apply
Your application must include the following:
- Application, stating reasons for applying, qualifications in relation to the position, and intentions and visions for the position
- Curriculum Vitae (CV)
- Diplomas (master's degree diploma and PhD diploma)
- Documentation of teaching qualifications if relevant.
- Dissemination qualifications, including participation on committees or boards, participation in organisations etc.
- Additional qualifications in relation to the position
- References/recommendations
You can read more about the requirements for your application here.
The application must be submitted via Aalborg University’s recruitment system, which can be accessed under the job advertisement on Aalborg University's website.
Aalborg University wants to reflect the surrounding society and has diversity as a core value. Therefore, everyone, regardless of personal background and orientation, is encouraged to apply for the position.
Do you have any questions?
If you have any questions about the position, you are more than welcome to contact us. You will find contact persons at the bottom of the job post.
Further information
Read more about our recruitment process here.
The appointment process at Aalborg University involves a shortlisting process. You can read more about the shortlisting and appointment process here.
The hiring process at Aalborg University may include a risk assessment as a tool to identify potential risks associated with new hires, ensuring the safety, compliance, and integrity of the workplace.
Karrierevej
Typisk karriereforløb
Senior Researcher
Lead Research Scientist
Professor
Vækstpotentiale
Stillingen som postdoc tilbyder en solid basis for videre karriereudvikling inden for akademia eller industri. Gennem samarbejde og udvikling af innovative metoder kan kandidaten opbygge et netværk og styrke deres forskningsprofil, hvilket åbner op for ledende stillinger i fremtiden.
Overførbare færdigheder
Branchekontekst
Postdoc-stillingen er en vigtig del af den voksende forskning inden for bæredygtige energimaterialer og beskæftiger sig med relevante udfordringer i den moderne materialeforskning. Den understøtter innovation og udvikling af nye teknologier, hvilket er afgørende for at nå globale bæredygtighedsmål.
Færdighedsanalyse
Kritiske færdigheder
Færdighed i at udføre beregninger og simuleringer ved hjælp af densitetsfunktionalsteori.
Evne til at udvikle og træne modeller til at forudsige materialer baseret på data.
Vigtige færdigheder
Stærke evner til at arbejde i et team og samarbejde med andre forskere.
Færdigheder i at planlægge, gennemføre og formidle forskning.
Ønskværdige færdigheder
Evne til at vejlede og undervise studerende på forskellige niveauer.
Evne til at arbejde sammen med forskere fra forskellige fagområder.
Mest kritiske færdigheder
Sådan fremhæver du din erfaring
Fremhæv tidligere projekter, hvor du har anvendt computational chemistry og machine learning. Beskriv konkrete resultater, du har opnået gennem samarbejde med andre forskere.
Interviewforberedelse
Sandsynlige spørgsmål
Kan du beskrive din erfaring med computermodellering og maskinlæring?
tekniskTip: Fokusér på specifikke projekter, hvor du har anvendt disse teknologier.
Hvordan håndterer du samarbejde i et forskerteam?
kulturTip: Giv eksempler på tidligere samarbejder og hvordan du har bidraget til teamets mål.
Hvilken rolle har du haft i tidligere forskningsprojekter, og hvordan har du bidraget til deres succes?
erfaringTip: Fremhæv din ansvarlighed og hvordan dine bidrag har haft en positiv indflydelse.
Kan du give et eksempel på en udfordrende situation i et projekt, og hvordan du løste den?
situationTip: Beskriv situationen klart og fremhæv din problemløsningsevne.
Hvad motiverer dig til at arbejde med uordnede krystallinske materialer?
kulturTip: Vis din passion for emnet og relater det til bæredygtighed og energi.
Spørgsmål du kan stille
- Hvordan ser et typisk projektforløb ud i jeres forskergruppe?
- Hvilke samarbejdsmuligheder er der med andre institutioner eller forskningsgrupper?
- Hvordan understøtter universitetet karriereudvikling for postdocs?
Tale punkter
- Min passion for bæredygtige energimaterialer og hvordan computermodellering kan bidrage.
- Min erfaring med at vejlede studerende og samarbejde i tværfaglige teams.
- Mit ønske om at udvikle innovative løsninger i materialeforskning.
Bekymringspunkter at være opmærksom på
- Manglende erfaring med samarbejde i forskergrupper.
- Uklare mål med hensyn til forskning og karriere.
Ansøgningsstrategi
Ansøgningstips
- Fremhæv din erfaring med beregningskemiske metoder og maskinlæring.
- Beskriv specifikke projekter, hvor du har arbejdet med uordnede materialer eller relaterede emner.
- Vis din evne til samarbejde ved at nævne tidligere erfaringer med tværfaglige teams.
Nøgleord at inkludere
Fokus i ansøgningen
Fremhæv din passion for bæredygtige energimaterialer og din erfaring med at udvikle computational workflows samt din vilje til at samarbejde med internationale forskere.
Tilpasning af CV
Sørg for at inkludere relevante publikationer og projekter, der demonstrerer dine færdigheder inden for beregningsmetoder og maskinlæring, og tilpas din erfaring til at matche de specifikke krav i stillingen.
Ofte stillede spørgsmål
Hvad indebærer stillingen som postdoc?
Stillingen som postdoc fokuserer på at designe bæredygtige materialer ved hjælp af computational chemistry og machine learning. Du vil arbejde med at udvikle accelererede metoder til at forudsige nye disordered materialer til anvendelse i solid-state elektrolytter.
Hvilke kvalifikationer kræves for stillingen?
Ansøgeren skal have en PhD-grad i kemi, materialeforskning eller et relateret felt. Derudover er erfaring med density functional theory og machine learning en fordel.
Hvad tilbyder Aalborg Universitet i denne stilling?
Aalborg Universitet tilbyder et dynamisk arbejdsmiljø med adgang til state-of-the-art infrastruktur og mulighed for at samarbejde med internationale forskere, herunder et udvekslingsophold ved Imperial College London.
Hvordan er arbejdsmiljøet i forskningsgruppen?
Arbejdsmiljøet er ungt og dynamisk, præget af samarbejde og interdisciplinære projekter. Gruppen lægger vægt på at skabe et inkluderende miljø, hvor alle bidrag værdsættes.
Hvad er forventningerne til postdoc'en?
Postdoc'en forventes at planlægge, udføre og formidle høj kvalitet computational forskning samt vejlede PhD, master- og bachelorstuderende. Samarbejde med teammedlemmer er også en vigtig del af rollen.
Hvordan kan jeg ansøge om stillingen?
Du kan ansøge om stillingen ved at sende din ansøgning og CV til Aalborg Universitet via deres officielle hjemmeside. Det anbefales at inkludere relevante oplysninger om din erfaring og motivation.
Hvilke muligheder er der for faglig udvikling?
Stillingen inkluderer muligheder for faglig udvikling gennem samarbejde med andre forskere, deltagelse i workshops og konferencer samt vejledning af studerende, hvilket styrker din egen forskningsprofil.
Er der muligheder for at arbejde med internationale samarbejdspartnere?
Ja, stillingen inkluderer samarbejde med Assoc. Prof. Alex Ganose ved Imperial College London, hvilket giver mulighed for at udvikle automatiserede workflows og udveksle erfaringer med internationale eksperter.