PhD scholarship in AI Agents in Electricity Markets: Equilibria, Dynamics, and Market Design - DTU Compute
Oversigt og nøgleindsigter
PhD-stipendiat inden for AI-agenter i elmarkeder med fokus på ligevægte, dynamikker og markedsdesign hos DTU Compute, hvor der arbejdes med multi-agent systemer og algoritmisk markedsdesign.
Højdepunkter
- Udvikling af matematiske og algoritmiske værktøjer til analyse af AI-agenters interaktioner i elmarkeder
- Design af markedsregler, der sikrer stabile, effektive og sikre resultater
- Kombination af teoretisk analyse med numeriske eksperimenter
Påkrævede kvalifikationer
- • Baggrund i systemer og kontrol, optimering eller operationsforskning
- • Kompetencer inden for spilteori og læring i spil, multi-agent systemer eller AI-algoritmer
- • Solid programmeringsfærdigheder i f.eks. Python eller Julia
Ønskværdige kvalifikationer
- • Erfaring med kraftsystemer eller elmarkeder
- • Fremragende engelskfærdigheder
Den ideale kandidat
Den ideelle kandidat har en stærk teoretisk baggrund i anvendt matematik og AI, er dygtig til programmering og interesseret i at udforske dynamiske systemer og optimering i kritisk infrastruktur. Kandidaten bør også være i stand til at kommunikere komplekse resultater effektivt.
Jobdetaljer
Jobbeskrivelse
Jobbeskrivelse
Are you interested in working at the intersection of optimal control, AI algorithms, and game theory, on problems that matter for real-world critical infrastructure?
This PhD position offers the opportunity to develop strong competencies in multi-agent systems, learning and optimization, while addressing a timely and high-impact challenge: the growing use of AI agents in electricity markets. By joining our group of Dynamical Systems at DTU – department of Applied Mathematics and Computer Science, you will build rigorous mathematical and algorithmic tools to analyze how strategic, learning-based agents interact, and to design market rules that steer their learning dynamics toward stable, efficient, and safe outcomes.
Project, Responsibilities and Qualifications
The purpose of this PhD position is to understand how AI-driven, profit-seeking agents interact in electricity markets and how these interactions shape market equilibria and dynamics. The project focuses on analyzing learning-based strategic behavior in multi-agent settings and on designing market rules that ensure stable, efficient, and safe operation of critical infrastructure. The work combines theory and computation, with a strong emphasis on multi-agent systems, optimal control, and algorithmic market design.
- Model AI-driven learning dynamics in electricity markets
- Analyze equilibria in terms of safety and learnability
- Develop algorithms to detect and characterize harmful market outcomes
- Design and test market rules that steer multi-agent learning dynamics
- Combine theoretical analysis with numerical experiments
- Communicate results through publications and presentations
You should have a background in one or more of the following areas:
- Systems and Control
- Optimization / Operations Research
- Game Theory and Learning in Games
- Multi-agent Systems, Reinforcement Learning, or AI
- Algorithms / Applied Mathematics
- Power Systems or Electricity Markets (an advantage, not required)
In addition, the candidate should have solid programming skills (e.g. Python, Julia) and an excellent command of English.
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
The assessment of the applicants will be made by Associate Professor Georgios Tsaousoglou.
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 preferred starting date is 1 May 2026 or according to mutual agreement. The position is a full-time position.
You can read more about career paths at DTU here.
Further information
Further information may be obtained from Associate Professor Georgios Tsaousoglou.
You can read more about DTU Compute at www.compute.dtu.dk/ and the section for Dynamical Systems at www.compute.dtu.dk/sections/dynsys.
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 6 March 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
Postdoc i AI og elmarkeder
Forskning og udvikling i energisektoren
Akademisk karriere som lektor eller professor
Vækstpotentiale
Denne PhD-stilling giver et stærkt fundament inden for multi-agent systemer og optimering, hvilket er centralt i fremtidens intelligente energimarkeder. Med stigende interesse for AI i kritisk infrastruktur er der vækstmuligheder i både akademiske og industrielle kontekster.
Overførbare færdigheder
Branchekontekst
Brugen af AI i elmarkeder er en voksende trend, der kræver avancerede løsninger for at sikre stabilitet og effektivitet. Denne stilling placerer sig i skæringspunktet mellem teknologi og energisektor, hvilket er afgørende for fremtidens bæredygtige energisystemer.
Færdighedsanalyse
Kritiske færdigheder
Forståelse af systemdynamik og kontrolteknikker, der er essentielle for at modellere og styre elektricitetsmarkeder med AI-agenter.
Evnen til at anvende optimeringsteknikker til at forbedre effektiviteten og sikkerheden i multi-agent systemer.
Kendskab til spilteori og læring i spil er afgørende for at forstå og analysere interaktionen mellem strategiske agenter.
Solid erfaring med programmering i sprog som Python eller Julia til implementering af algoritmer og simuleringer.
Fremragende beherskelse af engelsk til kommunikation af forskningsresultater og samarbejde i et internationalt miljø.
Vigtige færdigheder
Erfaring med design og analyse af systemer med flere agenter, der samarbejder eller konkurrerer i markeder.
Udvikling og anvendelse af AI-algoritmer til at forbedre agenters beslutningstagning i dynamiske miljøer.
Stærke matematiske færdigheder til at udføre teoretisk analyse og udvikle algoritmer.
Ønskværdige færdigheder
Forståelse af elmarkeders funktion og strukturer kan være en fordel, men er ikke påkrævet.
Mest kritiske færdigheder
Sådan fremhæver du din erfaring
For at fremhæve relevante erfaringer kan du beskrive tidligere projekter, hvor du har anvendt optimering og kontrolteknikker i komplekse systemer, samt hvordan du har brugt spilteori til at analysere multi-agent interaktioner. Angiv specifikke programmeringsopgaver, du har løst i Python eller Julia, og hvordan disse bidrog til projektmålene.
Interviewforberedelse
Sandsynlige spørgsmål
Kan du forklare, hvordan du vil anvende AI-algoritmer i elektricitetsmarkeder?
tekniskTip: Beskriv specifikke algoritmer og hvordan de kan modellere markedsdynamik. Inddrag eksempler på tidligere projekter, hvis muligt.
Hvordan vil du sikre stabilitet og sikkerhed i multi-agent systemer?
tekniskTip: Diskuter teoretiske metoder såsom spilteori og optimal kontrol, samt hvordan disse kan anvendes praktisk.
Fortæl om en udfordrende situation, hvor du arbejdede med et multi-agent system.
erfaringTip: Fokuser på din rolle, de udfordringer du mødte, og hvordan du løste dem. Brug STAR-metoden: Situation, Task, Action, Result.
Hvordan håndterer du samarbejde i et internationalt forskningsmiljø?
kulturTip: Vis forståelse for kulturelle forskelle og kommunikation i et diversificeret team. Giv eksempler på tidligere samarbejder.
Hvilke programmeringssprog er du mest fortrolig med, og hvordan har du brugt dem tidligere?
tekniskTip: Fremhæv erfaring med relevante sprog som Python eller Julia, og beskriv projekter hvor du har anvendt dem.
Spørgsmål du kan stille
- Hvordan integrerer DTU Compute tværfaglig forskning i deres projekter?
- Hvilke muligheder er der for at præsentere forskningsresultater internationalt?
- Hvordan understøtter DTU samarbejder mellem ph.d.-studerende og industrien?
Tale punkter
- Min erfaring med spilteori og multi-agent systemer.
- Succesfulde projekter hvor jeg anvendte reinforcement learning.
- Min interesse i at forme fremtidens elektricitetsmarkeder gennem AI.
Bekymringspunkter at være opmærksom på
- Manglende erfaring med AI eller spilteori.
- Begrænset evne til at arbejde i et internationalt team.
Ansøgningsstrategi
Ansøgningstips
- Fremhæv din erfaring med multi-agent systemer og AI algoritmer, da disse er centrale for projektet.
- Demonstrer din evne til at kombinere teori med praktiske eksperimenter, som er afgørende for denne PhD-stilling.
- Vis din interesse for energi- og el-markeder, selv hvis du ikke har direkte erfaring, for at understrege din motivation for projektet.
Nøgleord at inkludere
Fokus i ansøgningen
Fremhæv din akademiske baggrund inden for systemer og kontrol eller lignende områder samt dine programmeringsevner. Beskriv din motivation for at arbejde med AI i el-markeder og hvordan du kan bidrage til projektets mål om stabile og effektive markedsdynamikker.
Tilpasning af CV
Tilpas dit CV ved at inkludere specifikke akademiske projekter eller kurser inden for kontrolteori, spilteori eller AI, der understøtter din kvalifikation til stillingen. Fremhæv også eventuelle publikationer eller præsentationer, der viser din evne til at kommunikere komplekse emner effektivt.
Ofte stillede spørgsmål
Hvad indebærer stillingen som PhD stipendiat i AI-agenter i elmarkeder?
Stillingen indebærer forskning i multi-agent systemer, lærings- og optimeringsalgoritmer, samt markedsdesign for at forstå og styre AI-agenters interaktioner i elmarkeder.
Hvilke kvalifikationer kræves for denne PhD-stilling?
Kandidater skal have en kandidatgrad på 120 ECTS-point inden for områder som systemer og kontrol, optimering, spilteori, multi-agent systemer eller AI-algoritmer, samt stærke programmeringsfærdigheder.
Hvad tilbyder DTU Compute til PhD-studerende?
DTU Compute tilbyder en udfordrende og givende stilling i et internationalt miljø med fokus på forskning, uddannelse, innovation og videnskabelig rådgivning.
Hvordan er arbejdsmiljøet på DTU Compute?
Arbejdsmiljøet er præget af akademisk ekspertise, kollegial respekt og akademisk frihed, der fremmer et dynamisk og støttende forskningsmiljø.
Hvad er forventningerne til PhD-studerende i denne stilling?
PhD-studerende forventes at udvikle og anvende matematiske og algoritmiske værktøjer, udføre teoretiske og numeriske analyser, samt kommunikere deres resultater gennem publikationer og præsentationer.
Hvordan vurderes ansøgere til PhD-stillingen?
Ansøgere vurderes af Associate Professor Georgios Tsaousoglou baseret på deres akademiske baggrund og egnethed til projektets forskningsområder.
Hvilken rolle spiller læringsbaseret strategisk adfærd i projektet?
Projektet fokuserer på at analysere læringsbaseret strategisk adfærd i multi-agent indstillinger og designe markedsregler, der sikrer stabile og effektive markedsdynamikker.