PhD scholarship in Research and Development of Intelligent CZT Detector Modules for High-Sensitivity Transient Gamma-Ray Mission - DTU Space

DTU Space
Kgs. Lyngby, 2800
DTU Space logo

Oversigt og nøgleindsigter

DTU Space søger en PhD-studerende til udvikling af intelligente CZT-detektor moduler til højfølsomme gamma-ray missioner. Projektet involverer machine learning og FPGA-implementering for at forbedre detektorens ydeevne under høje strålingsforhold.

Højdepunkter

  • Fokus på avancerede halvlederdetektorer til gamma-stråling
  • Samarbejde med industrien gennem praktikplads hos IDEAS
  • Mulighed for international træning og deltagelse i konferencer

Påkrævede kvalifikationer

  • MSc-grad i Elektroteknik, Ingeniørfysik eller beslægtet felt
  • Stærk baggrund inden for strålingsdetektion og målinger
  • Erfaring med FPGA-udvikling og digital hardwareimplementering

Ønskværdige kvalifikationer

  • Dokumenteret viden om halvlederfysik og detektorinstrumentation
  • Erfaring med maskinlæring og neurale netværk

Den ideale kandidat

Den ideelle kandidat har en solid teoretisk og praktisk forståelse af strålingsdetektorer og har erfaring med at anvende maskinlæring i signalbehandling. Desuden besidder kandidaten stærke programmeringsfærdigheder og evnen til at arbejde tværfagligt.

Jobdetaljer

Løn efter aftale
Fuldtid
37 timer/uge
Kun kontor
Kgs. Lyngby
2800

Jobbeskrivelse

Project Description

The project focuses on advanced semiconductor radiation detector modules for high-energy transient gamma-ray missions. Transient atmospheric gamma-ray phenomena generate extremely high count rates on microsecond timescales, challenging conventional detectors through pile-up, spectral distortion, and saturation.

The PhD project will develop and experimentally validate intelligent cadmium zinc telluride (CZT) detector modules with waveform-level readout and machine-learning-based signal processing. The objective is to improve energy resolution, three-dimensional interaction position reconstruction, timing performance, and radiation-type identification under high-flux conditions.

A central component of the project is the design, training, optimization, and FPGA implementation of neural network models for real-time detector signal processing. Trained models will be deployed on FPGA platforms to achieve low-latency and high-throughput embedded processing. The work integrates detector physics, semiconductor device understanding, experimental characterization, machine learning, and digital hardware implementation.

The project includes an industrial secondment at Integrated Detector Electronics AS (IDEAS), which will actively support ASIC readout integration and system-level validation.

Your Tasks

  • Develop theoretical and numerical models of CZT detector response
  • Design and characterize multi-electrode semiconductor detector modules
  • Perform radiation measurements and detector calibration
  • Develop and train machine learning models for waveform-level signal analysis
  • Optimize and implement trained neural networks on FPGA platforms
  • Benchmark detector and algorithm performance against established methods
  • Collaborate with IDEAS on readout electronics and system validation

Your Profile

  • MSc degree in Electrical Engineering, Engineering Physics, Applied Physics, or a related field
  • Strong background in radiation detection and measurements
  • Experience with semiconductor radiation detectors
  • Hands-on experience with experimental radiation measurements and detector data analysis
  • Solid knowledge of semiconductor physics
  • Proven experience with FPGA development and digital hardware implementation
  • Strong background in machine learning, including neural network training and deployment
  • Experience implementing trained neural networks or advanced signal processing on FPGA or embedded systems
  • Strong programming skills in relevant scientific and machine learning frameworks

Preference will be given to applicants with an MSc in Electrical Engineering with documented knowledge in semiconductor physics, detector instrumentation, digital design, and machine learning for signal processing.

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.

We offer

  • A position in an internationally recognized detector research laboratory at DTU Space
  • Participation in the European GRAIL Doctoral Network with international training and secondments
  • Close collaboration with industry through secondment at IDEAS
  • A structured doctoral training program under Horizon Europe MSCA rules
  • Funding for conferences and international research stays

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 position is funded under the Horizon Europe Marie Skłodowska-Curie Doctoral Network (MSCA-DN) GRAIL. Salary and employment conditions follow Danish regulations and the applicable MSCA rules.

In addition to the salary, the recruited candidate will receive a mobility allowance in accordance with MSCA regulations to support transnational mobility. A family allowance will be provided if the candidate fulfils the eligibility criteria defined by the European Commission at the time of recruitment.

The final remuneration is subject to Danish tax legislation and the correction coefficient applicable to Denmark.

Eligibility

Applicants must comply with the Horizon Europe MSCA mobility rule. The candidate must not have resided in Denmark for more than 12 months in the 3 years prior to recruitment and must be within the first four years of their research career at the time of recruitment.

The employment period is 36 months. Salary and employment conditions follow Danish regulations and Horizon Europe MSCA rules.

Working Environment

The project involves experimental work with radioactive calibration sources and activities in controlled laboratory and cleanroom facilities at DTU Space. Applicants are kindly requested to confidentially inform DTU of any medical conditions or physical limitations that may require workplace accommodation or that could affect work in radiation-controlled or cleanroom environments. DTU ensures equal opportunity and appropriate accommodation in accordance with Danish regulations.

Further information

Inquiries about the position can be made to Professor Irfan Kuvvetli at irku@dtu.dk. You can read more about DTU Space and Astrophysics and Atmospheric Physics at https://www.space.dtu.dk/english/. If you are applying from abroad, you may find useful information on working in Denmark and at DTU at DTU – Moving to Denmark. Furthermore, you have the option of joining our monthly free seminar “PhD relocation to Denmark and startup “Zoom” seminar” for all questions regarding the practical matters of moving to Denmark and working as a PhD at DTU.

Application procedure

Your complete online application must be submitted no later than 20 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

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.

All interested candidates irrespective of age, gender, disability, race, religion or ethnic background are encouraged to apply. As DTU works with research in critical technology, which is subject to special rules for security and export control, open-source background checks may be conducted on qualified candidates for the position.

Karrierevej

Typisk karriereforløb

1

Postdoc i Strålingsdetektion

2

Forskningsleder inden for semikonduktor teknologi

3

Senior Data Scientist med fokus på maskinlæring

Vækstpotentiale

Dette felt har et høj vækstpotentiale, især med den stigende efterspørgsel efter avancerede detekteringssystemer i rumforskning og medicinsk teknologi. Kombinationen af strålingsdetektion, FPGA-udvikling og maskinlæring gør kandidaten attraktiv for både akademiske og industrielle roller.

Overførbare færdigheder

Avanceret strålingsdetektionMaskinlæring og neural netværk træningDigital hardware implementering

Branchekontekst

Stillingen er centralt placeret i krydsfeltet mellem rumforskning og avanceret teknologiudvikling. Den adresserer kritiske udfordringer inden for detektionssystemer, som er essentielle for fremtidige missioner i både rumforskning og medicinsk billedbehandling.

Færdighedsanalyse

Kritiske færdigheder

Radiation detection and measurements

Solid erfaring med strålingsdetektion og målinger, herunder kalibrering af detektorer.

Semiconductor physics

Dybdegående viden om halvlederfysik, som er essentiel for udvikling af CZT detektormoduler.

FPGA development

Erfaring med udvikling og implementering af FPGA-platforme til realtids signalbehandling.

Vigtige færdigheder

Machine learning

Stærk baggrund i maskinlæring, herunder træning og implementering af neurale netværk.

Digital hardware implementation

Praktisk erfaring med digital hardware implementering og systemintegration.

Experimental characterization

Erfaring med eksperimentel karakterisering af detektorer og dataanalyse.

Ønskværdige færdigheder

Programming skills

Gode programmeringsevner i relevante videnskabelige og maskinlæringsrammer.

Collaboration with industry

Evne til at samarbejde med industrielle partnere, især inden for elektronik og systemvalidering.

Mest kritiske færdigheder

Radiation detection and measurementsSemiconductor physicsFPGA development

Sådan fremhæver du din erfaring

Fremhæv relevant erfaring ved at beskrive specifikke projekter, hvor du har arbejdet med strålingsdetektorer og FPGA-udvikling. Angiv resultater fra tidligere arbejde med maskinlæring og eksperimentel karakterisering, der understøtter dine færdigheder.

Interviewforberedelse

Sandsynlige spørgsmål

Hvordan vil du beskrive din erfaring med kvantefysik og stråledetektion?

erfaring

Tip: Giv konkrete eksempler på projekter, du har arbejdet med.

Hvilke metoder vil du bruge til at optimere neurale netværk på FPGA-platforme?

teknisk

Tip: Forklar din tilgang til optimering med fokus på specifikke teknikker.

Kan du beskrive en situation, hvor du blev udfordret i dit forskningsarbejde, og hvordan du overvandt det?

situation

Tip: Brug STAR-metoden (Situation, Task, Action, Result) til at strukturere dit svar.

Hvordan vil du sikre et godt samarbejde med IDEAS under dit projekt?

kultur

Tip: Tal om kommunikation, feedback og fælles mål.

Hvad er din tilgang til at håndtere fejl i eksperimentelle målinger?

situation

Tip: Del en konkret erfaring og hvordan du lærte af den.

Spørgsmål du kan stille

  • Hvilke ressourcer er tilgængelige for at støtte PhD-studerende i deres forskning?
  • Hvordan vurderer I succesen af PhD-projektet?
  • Er der muligheder for samarbejde med andre forskningsgrupper i DTU Space?

Tale punkter

  • Din erfaring med stråledetektion og relevante projekter.
  • Din viden om maskinlæring og hvordan du har anvendt det i tidligere projekter.
  • Dine evner til at arbejde i teams og hvordan du bidrager til et positivt arbejdsmiljø.

Bekymringspunkter at være opmærksom på

  • Manglende erfaring med praktiske eksperimenter.
  • Utilstrækkelig forståelse af FPGA-implementering.
  • Ingen opmærksomhed på samarbejde og kommunikation.

Ansøgningsstrategi

Ansøgningstips

  • Fremhæv din erfaring med både teoretiske og eksperimentelle aspekter af stråledetektorer.
  • Inkluder konkrete eksempler på tidligere projekter, hvor du har arbejdet med FPGA-udvikling og maskinlæring.
  • Vis din evne til at arbejde tværfagligt, især i samarbejde med industripartnere som IDEAS.

Nøgleord at inkludere

CZT detektormodulerFPGA implementeringmaskinlæringstråledetektionhalvlederfysik

Fokus i ansøgningen

Fremhæv din stærke baggrund inden for stråledetektion og din erfaring med udvikling af maskinlæringsmodeller til signalbehandling. Det er vigtigt at vise din passion for forskning og udvikling inden for dette felt.

Tilpasning af CV

Tilpas dit CV ved at fremhæve relevante kurser og projekter, der relaterer til halvlederfysik, FPGA-udvikling og maskinlæring. Sørg for at inkludere specifikke resultater fra tidligere erfaringer, der understøtter din egnethed til projektet.

Ofte stillede spørgsmål

Hvad indebærer stillingen?

Stillingen som PhD-stipendiat omhandler udviklingen af intelligente CZT-detektormoduler til højfølsom gamma-stråling. Du vil arbejde med teoretiske og eksperimentelle modeller, samt implementere maskinlæring til signalbehandling.

Hvilke kvalifikationer kræves?

Du skal have en MSc-grad i Elektrisk Ingeniørvidenskab, Ingeniørfysik eller et beslægtet område, samt solid erfaring med stråledetektion og målinger. Erfaring med FPGA-udvikling og maskinlæring er også nødvendigt.

Hvad tilbyder virksomheden?

DTU Space tilbyder en unik mulighed for at arbejde med banebrydende teknologi inden for stråledetektion i et innovativt forskningsmiljø. Du vil også have mulighed for at samarbejde med industripartnere som IDEAS.

Hvordan er arbejdsmiljøet?

Arbejdsmiljøet på DTU Space er dynamisk og samarbejdsorienteret, hvor du vil arbejde tæt sammen med eksperter inden for stråledetektion og maskinlæring. Der lægges vægt på faglig udvikling og innovation.

Hvad er forventningerne?

Forventningerne inkluderer aktiv deltagelse i forskningsprojekter, udvikling af nye teknologier og samarbejde med både akademiske og industrielle partnere. Du skal være proaktiv og villig til at lære.

Hvilke færdigheder er vigtige for denne stilling?

Vigtige færdigheder omfatter stærke programmeringsevner, erfaring med maskinlæring, samt forståelse for halvlederfysik og digital hardwareimplementering. Du skal også kunne arbejde med datanalyse og eksperimentelle målinger.

Er der mulighed for videreuddannelse?

Ja, som PhD-stipendiat vil du have mulighed for at deltage i relevante kurser og konferencer, der kan fremme din forskning og karriere. DTU støtter aktivt faglig udvikling.

Hvordan ansøger jeg om stillingen?

Du kan ansøge om stillingen via DTU's officielle hjemmeside, hvor du skal indsende dit CV, en motiveret ansøgning og relevante eksamensbeviser. Detaljerede ansøgningsprocedurer findes i jobopslaget.

Stillinger

PhDResearch and DevelopmentElectrical EngineeringEngineering PhysicsApplied Physics

Lignende jobs