PhD scholarship in data-driven modelling for catalytic organometallic reactions - DTU Chemistry
Oversigt og nøgleindsigter
DTU Chemistry søger en PhD-studerende til et projekt om data-drevet modellering af katalytiske organometalliske reaktioner. Stillingen involverer at udvikle og optimere modeller, der kombinerer eksperimentelle og teoretiske data.
Højdepunkter
- Interdisciplinært projekt med fokus på organometallisk kemi og maskinlæring
- Mulighed for at deltage i eksperimentelt arbejde og præsentere resultater
- Ansættelse i et internationalt og akademisk miljø på DTU
Påkrævede kvalifikationer
- • MSc i Kemi, Kemiteknik, Data Science eller beslægtet disciplin
- • Programmeringsfærdigheder (ideelt i Julia, Python eller MATLAB)
- • Fremragende kommunikationsevner på engelsk
Ønskværdige kvalifikationer
- • Dokumenterede videnskabelige præstationer inden for relevante områder
- • Kendskab til kemisk reaktionskinetik eller overgangsmetalkatalyse
Den ideale kandidat
Den ideelle kandidat er motiveret, kreativ og villig til at lære. Vedkommende har en solid akademisk baggrund og interesse for at kombinere flere tilgange til modellering af kemiske reaktioner.
Jobdetaljer
Jobbeskrivelse
Jobbeskrivelse
Are you interested in using data science to make chemical reactions more general, flexible, and efficient? Do you want to start your scientific career developing new models at the interface between organometallic chemistry, computational chemistry, and reaction engineering? Join us at DTU Chemistry for an interdisciplinary and internationally collaborative project to integrate different modelling and machine learning approaches into a cohesive data-driven computational technique for homogeneous transition metal catalysis. We’re seeking a highly motivated PhD student willing to learn and combine multiple approaches for modelling and designing chemical catalysis to join a new research group led by Assistant Professor Jakob Dahl with co-supervision by Professor Søren Kegnæs.
Responsibilities and qualifications
This PhD project aims to build new composite models that allow integration of different types of data, such as computational transition state calculations, in-situ observations of reaction dynamics, and reaction yield datasets across chemical species from literature or high-throughput synthesis. Your role will be to connect kinetic models of reaction mechanisms with models of changes in reactivity between different chemical species and train and optimize this combined model on a combination of experimental and theoretical results. You will also be involved in generating some of the required theoretical results using established quantum chemistry methods for the calculation of transition state energies. If desired, there is an opportunity for some experimental work observing reactions in-situ as well. You will also statistically validate these models, predict and suggest experiments for experimental collaborators and draft publications and present your results.
Here's what the ideal candidate will bring to the project:
- MSc in Chemistry, Chemical Engineering, Data Science, or a related discipline
- Enthusiasm, creativity, and a can-do attitude
- Programming skills (Ideally Julia, Python / MATLAB or others acceptable)
- Excellent communication skills in English (both spoken and written)
- Familiarity with one or more of the following areas: chemical reaction kinetics, transition metal catalysis, machine learning/data science in chemistry, computational chemistry
- Documented scientific achievements and experience in the above areas will be considered an advantage, but are not a prerequisite.
You must have a two-year master's degree (120 ECTS points) or a similar degree with an academic level equivalent to a two-year master's degree.
Approval and Enrolment
The scholarship for the PhD degree is subject to academic approval, and the candidate will be enrolled in one of the general degree programmes at DTU. For information about our enrolment requirements and the general planning of the PhD study programme, please see DTU's rules for the PhD education.
Assessment
Professor Søren Kegnæs and Assistant Professor Jakob Dahl will assess the applicants.
We offer
DTU is a leading technical university globally recognized for the excellence of its research, education, innovation and scientific advice. We offer a rewarding and challenging job in an international environment. We strive for academic excellence in an environment characterized by collegial respect and academic freedom tempered by responsibility.
Salary and appointment terms
The appointment will be based on the collective agreement with the Danish Confederation of Professional Associations. The allowance will be agreed upon with the relevant union. The period of employment is 3 years. The starting date is 1 July 2026, or by mutual agreement. The position is a full-time position.
Application procedure
Your complete online application must be submitted no later than 1 April 2026 (23:59 Danish time). Applications must be submitted as one PDF file containing all materials to be given consideration. To apply, please open the link "Apply now", fill out the online application form, and attach all your materials in English in one PDF file. The file must include:
- A letter motivating the application (cover letter)
- Curriculum vitae
- Grade transcripts and BSc/MSc diploma (in English) including official description of grading scale
- Contact details of two individuals that can provide a letter of reference.
- Description of scientific contributions, if any. DO NOT upload scientific articles
- A brief video (or link to video) of max. 2 minutes introducing yourself.
You may apply prior to obtaining your master's degree but cannot begin before having received it. Applications received after the deadline will not be considered.
Karrierevej
Typisk karriereforløb
Postdoc i computervidenskab eller kemisk ingeniørkunst
Forsker i industri eller akademia
Professor eller leder af forskningsgruppe
Vækstpotentiale
Denne stilling tilbyder en solid grundlag for videre forskning og udvikling inden for både akademiske og industrielle miljøer. Der er mulighed for at specialisere sig i avancerede teknikker inden for datadrevet modellering og katalyse, hvilket kan åbne døre til lederpositioner i fremtiden.
Overførbare færdigheder
Branchekontekst
Stillingen er relevant i en tid, hvor data-drevne metoder vinder frem i kemisk forskning og udvikling. Det er en del af en voksende tendens inden for interdisciplinær forskning, der kombinerer kemi med datavidenskab for at optimere kemiske processer.
Færdighedsanalyse
Kritiske færdigheder
En relevant kandidatgrad er en forudsætning for at ansøge om PhD-stipendiet.
Færdigheder i programmering er nødvendige for at udvikle modeller og analysere data.
Vigtige færdigheder
Evnen til at kommunikere effektivt både skriftligt og mundtligt på engelsk er essentiel for samarbejde og præsentation af resultater.
Ønskværdige færdigheder
Kendskab til kemisk reaktionskinetik er nyttigt for at forbinde kinetiske modeller med reaktivitetsmodeller.
Familiaritet med maskinlæring og data science vil styrke evnen til at udvikle datadrevne modeller.
Kendskab til kvantekemiske metoder er nyttigt for beregning af overgangstilstande.
Mest kritiske færdigheder
Sådan fremhæver du din erfaring
Fremhæv relevante projekter fra din kandidatuddannelse, hvor du har anvendt programmering til dataanalyse eller modellering. Beskriv kort eventuelle samarbejder, hvor du har præsenteret resultater på engelsk.
Interviewforberedelse
Sandsynlige spørgsmål
Hvordan har din baggrund i kemi eller datavidenskab forberedt dig til dette projekt?
erfaringTip: Fokusér på relevante kurser, projekter og erfaringer.
Kan du beskrive et projekt, hvor du har anvendt maskinlæring i kemisk kontekst?
erfaringTip: Brug STAR-metoden (Situation, Task, Action, Result) til at strukturere dit svar.
Hvilke programmeringssprog er du fortrolig med, og hvordan har du anvendt dem i tidligere projekter?
tekniskTip: Giv konkrete eksempler på projekter, hvor du har brugt disse færdigheder.
Hvordan håndterer du udfordringer i forskning, når resultaterne ikke er som forventet?
situationTip: Vis din evne til at tilpasse dig og lære af fejl.
Hvilken betydning mener du, at datadrevet modellering vil have for fremtiden inden for katalyse?
kulturTip: Diskutér din vision for feltet og hvordan det kan udvikle sig.
Spørgsmål du kan stille
- Hvad er de vigtigste mål for forskningsgruppen i det kommende år?
- Hvordan vil min rolle i projektet se ud i dagligdagen?
- Er der muligheder for samarbejde med andre forskningsgrupper eller institutioner?
Tale punkter
- Min passion for at kombinere kemi med datavidenskab.
- Min erfaring med at arbejde i tværfaglige teams.
- Min evne til at kommunikere komplekse emner klart og præcist.
Bekymringspunkter at være opmærksom på
- Manglende erfaring med relevante teknologier eller metoder.
- Usikkerhed omkring grundlæggende kemiske principper.
Ansøgningsstrategi
Ansøgningstips
- Fremhæv din erfaring med programmering i Python eller Julia, da det er centralt for denne stilling.
- Vis din interesse for og erfaring med kemisk reaktionskinetik og overgangsmetalkatalyse i din ansøgning.
- Inkluder konkrete eksempler på tidligere projekter, hvor du har anvendt data science i kemiske sammenhænge.
Nøgleord at inkludere
Fokus i ansøgningen
Fremhæv din motivation for at kombinere data science med kemiske reaktioner, samt din evne til at arbejde interdisciplinært.
Tilpasning af CV
Tilpas dit CV ved at fremhæve relevante kurser og projekter fra din kandidatuddannelse, der relaterer sig til de specifikke krav i stillingen.
Ofte stillede spørgsmål
Hvad indebærer stillingen?
Stillingen som PhD-studerende indebærer udvikling af data-drevne modeller til katalytiske organometalliske reaktioner. Du vil arbejde med at integrere forskellige modelleringsmetoder og maskinlæring til at forbedre forståelsen af kemiske reaktioner.
Hvilke kvalifikationer kræves?
Kandidater skal have en kandidatgrad i Kemi, Kemiteknik, Datascience eller et beslægtet område. Programmeringsevner i sprog som Julia, Python eller MATLAB er også nødvendige, samt gode kommunikationsevner på engelsk.
Hvad tilbyder virksomheden?
DTU Chemistry tilbyder en tværfaglig forskningsmulighed i et internationalt miljø, hvor du kan udvikle dine færdigheder inden for datadrevet modellering og katalyse. Der er også muligheder for publikationer og præsentation af dine resultater.
Hvordan er arbejdsmiljøet?
Arbejdsmiljøet hos DTU Chemistry er innovativt og støttende, med mulighed for samarbejde med anerkendte forskere og eksperter inden for feltet. Der lægges vægt på kreativitet og vidensdeling.
Hvad er forventningerne til den ansøgende?
Den ideelle kandidat forventes at være motiveret, kreativ og villig til at lære nye metoder. Du skal kunne arbejde selvstændigt, men også bidrage til teamet ved at dele dine ideer og resultater.
Er der mulighed for eksperimentelt arbejde?
Ja, der er mulighed for at deltage i eksperimentelt arbejde, hvor du kan observere reaktioner in-situ, hvis det ønskes. Dette vil supplere dit teoretiske arbejde med praktiske erfaringer.
Hvad er vurderingskriterierne for ansøgere?
Ansøgninger vil blive vurderet af Professor Søren Kegnæs og Assistant Professor Jakob Dahl baseret på kvalifikationer, erfaring og dokumenterede videnskabelige præstationer. Det er vigtigt at demonstrere evner inden for relevante områder.
Hvordan ansøger jeg om stipendiet?
Du kan ansøge om stipendiet ved at følge DTU's retningslinjer for PhD-uddannelse og indsend din ansøgning online. Sørg for at inkludere alle relevante dokumenter og oplysninger om din akademiske baggrund.