Strategic PhD scholarship in Physics-Informed Artificial Intelligence for Thermal Energy Storage - DTU Construct

Oversigt og nøgleindsigter
DTU tilbyder et fuldt finansieret PhD-stipendium inden for fysik-informeret kunstig intelligens til termisk energilagring. Stillingen fokuserer på udvikling af avancerede modeller og metoder til forbedring af design og drift af energilagringssystemer.
Højdepunkter
- Forskning i termisk energilagring og AI
- Samarbejde med nationale og internationale forskere
- Mulighed for at arbejde med avancerede programmeringsværktøjer som Python og Matlab
Påkrævede kvalifikationer
- • To-årig kandidatgrad (120 ECTS) eller tilsvarende
- • Solid baggrund i termo-fluids/termodynamisk modellering
- • Gode præsentationsevner og vilje til at arbejde i team
Ønskværdige kvalifikationer
- • Erfaring med optimeringsteknikker
- • Kendskab til maskinlæringsteknikker som Pytorch
Den ideale kandidat
Den ideelle kandidat er en selv-motiveret og samarbejdsvillig forsker med kreative tankegang i ingeniør, matematik og programmering. De skal være i stand til at bidrage til forskning og udvikle innovative løsninger inden for energilagring.
Jobdetaljer
Jobbeskrivelse
Jobbeskrivelse
Are you ready to launch your scientific career by addressing the urgent need of renewable energy integration? At DTU Construct you will break new ground at the absolute forefront of what is possible in the field of energy storage.
We invite applications for a fully funded PhD position within the fields of Thermal Energy Storage (TES) and Artificial Intelligence at the Department of Civil and Mechanical Engineering, Technical University of Denmark (Thermal Energy Section).
We seek a talented, self-motivated, and collaborative researcher to develop physics-informed AI methods and transform decision-making in the design and operation of next-generation thermal energy storage systems, including latent heat TES and thermochemical TES.
Supervision: Professor Adriano Sciacovelli, Thermal Energy Section, DTU Construct.
Your work will advance a paradigm shift in TES system design, modelling, and control by developing adaptive, physics-informed models integrating thermo-fluid dynamics, deep learning neural networks, and experimental data. A key objective is to overcome limitations of traditional thermo-fluid dynamic approaches in design discovery and TES performance evaluation.
Responsibilities and qualifications
The project involves conducting high-quality research at the intersection of thermo-fluids science, physics-based modelling and AI.
We envision that:
- You have an open mind and can think creatively in engineering, mathematical and programming contexts
- Your research will include extending and contributing to models and codes, including both high- and low-level programming languages, e.g. Python/Matlab to the development of physics-based models and machine learning frameworks
- You are eager to elaborate on the newest research results, improve ideas, and test/validate by engagement with national and international collaborators
- You will have a solid background in thermo-fluids/thermodynamic modelling:
- Thermodynamic analysis and simulation of energy technologies/thermo-fluid processes
- Programming tools such as Python, Matlab, Modelica etc, or CFD codes (e.g.OpenFOAM)
- Energy conversion and storage systems
- It is also beneficial if you have previous exposure/experience in one more of the following areas:
- Optimization techniques (e.g. gradient-based, stochastic, evolutionary)
- Machine learning techniques (e.g. Pytorch)
- High-performance computing (HPC)
Furthermore, successful candidate has:
- Excellent use of the English language
- Good ability to present results in oral presentations and prepare scientific papers
- willingness to work in a team-oriented environment
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
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.
Further information
Further information may be obtained from Professor Adriano Sciacovelli adrsc@dtu.dk.
Application procedure
Your complete online application must be submitted no later than 8 May 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
- A short PhD project proposal (maximum 2 pages plus references) describing a possible research objective, theoretical framework and intended methodological approach and references.
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.
Karrierevej
Typisk karriereforløb
Postdoc i Energiteknologi
Forsker i AI og Energilagring
Projektleder inden for vedvarende energisystemer
Vækstpotentiale
Dette felt har stort vækstpotentiale, da efterspørgslen efter bæredygtige energiløsninger stiger. Kandidater med ekspertise i AI og energilagring vil være eftertragtede i både akademiske og industrielle sammenhænge.
Overførbare færdigheder
Branchekontekst
Stillingens fokus på energiopbevaring og kunstig intelligens placerer den i krydsfeltet mellem teknologi og bæredygtighed. Dette er et hastigt voksende område, der er centralt for den globale overgang til vedvarende energikilder.
Færdighedsanalyse
Kritiske færdigheder
Solid baggrund i termodynamisk analyse og simulering af energiteknologier og termofluidiske processer.
Erfaring med både høj- og lavniveau programmeringssprog til udvikling af fysikbaserede modeller og maskinlæringsrammer.
Vigtige færdigheder
Kendskab til maskinlæringsteknikker som f.eks. Pytorch.
God evne til at præsentere resultater i mundtlige præsentationer og forberede videnskabelige artikler.
Villighed til at arbejde i et teamorienteret miljø og samarbejde med nationale og internationale samarbejdspartnere.
Ønskværdige færdigheder
Forståelse af optimeringsteknikker som gradientbaseret, stokastisk og evolutionær.
Erfaring med højtydende computing for at optimere beregningsopgaver.
Mest kritiske færdigheder
Sådan fremhæver du din erfaring
Fremhæv erfaringer med termodynamisk modellering og programmering ved at nævne specifikke projekter eller opgaver, hvor du har anvendt disse færdigheder. Beskriv også eventuelle samarbejder med andre forskere eller institutioner, hvor du har bidraget til udviklingen af modeller eller maskinlæringsløsninger.
Interviewforberedelse
Sandsynlige spørgsmål
Hvordan har du anvendt programmeringssprog som Python eller Matlab i tidligere projekter?
tekniskTip: Giv konkrete eksempler på projekter, hvor du har brugt disse værktøjer.
Kan du beskrive din erfaring med termodynamisk modellering?
erfaringTip: Fokuser på specifikke metoder og resultater fra tidligere arbejde.
Hvordan ville du tilgå udviklingen af en fysik-informeret AI-model?
tekniskTip: Vis din forståelse af integrationen mellem fysik og AI.
Hvad motiverer dig til at arbejde inden for vedvarende energikilder?
kulturTip: Del din passion for bæredygtighed og innovation.
Hvordan vil du håndtere samarbejde med internationale forskere?
situationTip: Giv eksempler på din evne til at arbejde i teams og kommunikere effektivt.
Hvilke optimeringsteknikker har du erfaring med, og hvordan har du anvendt dem?
tekniskTip: Diskuter specifikke tilfælde, hvor disse teknikker har givet resultater.
Spørgsmål du kan stille
- Hvilke forskningsområder vil jeg kunne samarbejde med andre forskere om?
- Hvordan ser det typiske samarbejde ud mellem PhD-studerende og vejledere?
- Hvilke ressourcer er tilgængelige for at støtte udviklingen af mine forskningsprojekter?
Tale punkter
- Min passion for vedvarende energi og bæredygtige teknologier.
- Min erfaring med programmering og modellering i relevante projekter.
- Mit engagement i samarbejdsprojekter og tværfagligt arbejde.
Bekymringspunkter at være opmærksom på
- Manglende erfaring med de nødvendige programmeringssprog.
- Uklare mål for, hvad de ønsker at opnå med deres PhD.
- Svag kommunikationsevne i engelsk.
Ansøgningsstrategi
Ansøgningstips
- Fremhæv din erfaring med termodynamisk modellering og programmering i Python eller Matlab.
- Beskriv konkrete projekter, hvor du har anvendt maskinlæringsteknikker og samarbejdet med andre forskere.
- Vis din evne til at tænke kreativt og løse komplekse problemer inden for energilagring.
Nøgleord at inkludere
Fokus i ansøgningen
Fremhæv din motivation for at bidrage til forskning inden for vedvarende energilagring samt din evne til at arbejde tværfagligt med både teoretiske og praktiske aspekter af projektet.
Tilpasning af CV
Tilpas CV'et ved at fremhæve relevante kurser og projekter, der relaterer til termodynamik, AI og programmering, samt eventuelle publikationer eller præsentationer inden for disse områder.
Ofte stillede spørgsmål
Hvad indebærer stillingen?
Stillingen som PhD-stipendiat indebærer forskning inden for termisk energilagring og AI. Du vil udvikle fysik-informerede AI-metoder for at forbedre design og drift af næste generations energilagringssystemer.
Hvilke kvalifikationer kræves?
Kandidaten skal have en toårig kandidatgrad eller en tilsvarende akademisk grad. Derudover kræves en solid baggrund inden for termodynamik, programmering (f.eks. Python, Matlab) og erfaring med energiteknologier.
Hvad tilbyder virksomheden?
DTU tilbyder en fuldt finansieret PhD-stilling med adgang til avancerede forskningsfaciliteter og samarbejdsmuligheder på nationalt og internationalt niveau. Du vil få supervision af eksperter i feltet og mulighed for at bidrage til banebrydende forskning.
Hvordan er arbejdsmiljøet?
Arbejdsmiljøet er samarbejdsorienteret og innovativt, hvor du vil arbejde tæt sammen med andre forskere og studerende. DTU Construct fremmer en kultur af åbenhed, kreativitet og vidensdeling.
Hvad er forventningerne?
Forventningerne inkluderer at udføre højtkvalitetsforskning, udvikle og validere modeller samt præsentere resultater både mundtligt og skriftligt. Du skal også være villig til at engagere dig i samarbejde og deltage i internationale projekter.
Hvilke programmeringsværktøjer skal jeg kende?
Det er vigtigt at have erfaring med programmeringsværktøjer som Python og Matlab. Kendskab til CFD-koder som OpenFOAM og machine learning frameworks som Pytorch vil også være en fordel.
Hvad er fokusområderne for forskningen?
Forskningen fokuserer på thermo-fluids science, fysikbaseret modellering og AI-teknikker. Du vil arbejde med at udvikle adaptive modeller, der integrerer termodynamik og maskinlæring for at forbedre energilagringssystemer.