PhD scholarship in Statistical and AI-Driven Modelling for Microstructural Engineering of Additive Manufacturing - DTU Construct

Oversigt og nøgleindsigter
PhD-stillingen fokuserer på statistisk og AI-drevet modellering for mikrostrukturel ingeniørkunst inden for additive manufacturing. Projektet sigter mod at optimere mikrostrukturer i metal under og efter AM-processen.
Højdepunkter
- Del af Villum Investigator grant 'MicroAM'
- Fokus på mikrostrukturel ingeniørkunst af metaller
- Mulighed for international forskningserfaring
Påkrævede kvalifikationer
- • To-årig kandidatgrad (120 ECTS) eller tilsvarende
- • Kompetence i programmering med Python
- • Baggrund i Maskinteknik, Materialevidenskab eller Anvendt Fysik
Ønskværdige kvalifikationer
- • Erfaring med ingeniørsoftwareværktøjer som Abaqus eller OpenFoam
- • Erfaring med HPC-miljøer
Den ideale kandidat
Den ideelle kandidat har en stærk interesse for metalliske materialer og erfaring med statistisk og AI-drevet modellering. Kandidaten skal kunne arbejde selvstændigt og i samarbejde med erfarne forskere.
Jobdetaljer
Jobbeskrivelse
Jobbeskrivelse
If you want to pursue a research career at the intersection of additive manufacturing (AM), microstructural engineering and advanced statistical/machine-learning (ML) based modelling, then this PhD position is for you. DTU, Department of Civil and Mechanical Engineering, the Section for Manufacturing Engineering invites applications for a PhD position (3 years) on the topic of statistical/AI-driven modelling for microstructural engineering of AM.
The project is part of a Villum Investigator grant titled “Microstructural engineering of additive manufactured metals - MicroAM” funded by the VILLUM FONDEN. The overall aim of the project is to introduce microstructural engineering to the field of additive manufacturing (AM) of metals. This is to set the stage for optimizing metals microstructures in-situ during the AM process as well as ex-situ during post-AM treatments and enable predictions of the microstructural evolution, and thus changes in properties, while AM components are in use.
Responsibilities and qualifications
The PhD position will look towards establishing correlations and causal pathways for microstructure evolution during AM (as well as post-AM treatments), based on a combination of in-situ monitoring data, ex-situ characterization data and failure data from aggressive loading of AM samples. The activities will span across exploratory data analysis, mathematical model building with statistical/AI-tools, analysis for uncertainty quantification and subsequent design of experiments for further data collection.
The PhD project will involve multi-modal datasets (e.g. microstructure images, XCT scans, time-series from sensors during AM and/or vector/scalar datasets like XRD), with an initial focus on identification and deployment of techniques for proper data fusion/transformation. The project will also delve into generation and integration of synthetic data, via deployment of numerical simulations with existing advanced calibrated multiphysics models, with real data acquired through experimentation. The overarching goal is to create and demonstrate a set of tools that can be used for microstructural engineering of AM samples of the selected materials (SS316L, AlSi10Mg and possibly 17-4 PH).
To achieve the goals, you will work in close collaboration with a group of experienced scientists, as well as Postdocs and PhDs all engaged in the Villum Investigator project MicroAM. As a key integration sub-project, you will thus be expected to regularly align with colleagues involved in experimental investigations and spearhead the formulation of the experimental campaigns that can support the creation of better models for microstructural engineering. Further, a 3–6-month foreign stay at an international research group will be part of the PhD project, where advanced skills deemed necessary for the implementation of the PhD project can be acquired.
Qualifications
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. Demonstrated competence in programming with Python and working on Linux based platform is essential for this position, as is a background in either Mechanical Engineering, Material Science, Applied Physics and/or similar disciplines. Further, we are especially looking for a doctoral candidate who meets a majority of the following requirements:
- A background and strong interest in working with metallic materials.
- Experience with engineering software tools (e.g. FEA tools like Abaqus, Ansys, FENICS; OR CFD tools like OpenFoam, Flow3D; or material modelling tools like ThermoCALC, JMatPro, Micress, LAMMPS, etc.) commonly used in the involved fields.
- Experience in working with HPC environments. Any prior experience with use of ROCm tools will be considered positively.
- Demonstrated exposure to statistical modelling and/or AI-driven modelling through courses, short-projects, thesis projects and/or job experience.
We envision that:
- You have deep enthusiasm for conducting original research in an interdisciplinary and international team and strive for scientific excellence.
- You are interested in combining your physics-based understanding with data-driven analysis of experimental observations (or vice versa).
- You have an open mind and can think creatively in a computational and/or programming context.
- You have good communication abilities, social skills, and independent attitude paired with the ability to teamwork.
- You are fluent in English (oral and written).
- You are willing to participate with colleagues in relevant experimental investigations.
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 candidate will be made by a joint panel consisting of Professor Dorte Juul Jensen, Associate Professor Sankhya Mohanty and Senior Researcher Tianbo Yu. Successful candidates can expect at least two rounds of interviews before a selection is made.
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. Desired start date for employment is 1 August 2026 or according to mutual agreement.
Application procedure
Your complete online application must be submitted no later than 30 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
- A short 1-page description of each project you have worked on that you deem relevant to the PhD position. Please be brief, and mention clearly the objectives, the main achievements and the insights.
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 Researcher
Senior Researcher
Research Group Leader
Vækstpotentiale
Stillingen giver en fremragende mulighed for at udvikle ekspertise inden for et hurtigt voksende felt, hvor additive manufacturing og AI konvergerer. Med den stigende efterspørgsel efter avancerede materialer og produktionsteknikker er der gode muligheder for lederskab og innovation.
Overførbare færdigheder
Branchekontekst
PhD-stillingen er centralt placeret i krydsfeltet mellem forskningsverdenen og den industrielle produktion, især inden for additive manufacturing. Dette felt er i konstant udvikling, og dygtige forskere vil være eftertragtede i både akademiske og kommercielle sammenhænge.
Færdighedsanalyse
Kritiske færdigheder
Evnen til at anvende statistiske metoder til at skabe modeller, der kan beskrive og forudsige mikrostrukturel udvikling under additive manufacturing.
Færdigheder i at anvende maskinlæringsværktøjer til at analysere data og udvikle modeller, der kan håndtere komplekse datasæt.
Vigtige færdigheder
Kompetence i at udføre eksplorativ dataanalyse for at identificere mønstre og tendenser i data relateret til mikrostruktur.
Evnen til at designe og planlægge eksperimenter, der understøtter indsamling af data til forbedring af modeller.
Ønskværdige færdigheder
Kendskab til teknikker for datafusion og transformation af forskellige datatyper som billeder og tidsserier.
Færdigheder i at anvende numeriske simulationsmetoder for at generere syntetiske data og forbedre modeller.
Mest kritiske færdigheder
Sådan fremhæver du din erfaring
Fremhæv erfaring med statistisk modellering og maskinlæring ved at beskrive specifikke projekter, hvor disse færdigheder blev anvendt til at løse komplekse problemer. Nævn også eventuelle relevante kurser eller certificeringer.
Interviewforberedelse
Sandsynlige spørgsmål
Hvilke erfaringer har du med statistisk modellering og maskinlæring?
tekniskTip: Beskriv konkrete projekter, hvor du har anvendt disse værktøjer.
Kan du forklare, hvordan du ville gå til datafusion af multimodale datasæt?
tekniskTip: Giv eksempler på metoder og værktøjer, du kender til.
Hvordan vil du håndtere usikkerhed i dine modeller?
tekniskTip: Diskuter metoder til usikkerhedskvantificering og deres anvendelse.
Hvordan arbejder du i teams, især med forskere fra forskellige discipliner?
kulturTip: Giv eksempler på tidligere erfaringer med tværfagligt samarbejde.
Hvilke udfordringer forventer du at møde i dette PhD-projekt?
erfaringTip: Vær ærlig og vis, at du har overvejet potentielle vanskeligheder.
Kan du beskrive et projekt, hvor du har arbejdet med additive fremstillingsmetoder?
erfaringTip: Fokuser på dine resultater og hvad du lærte.
Hvad motiverer dig til at arbejde inden for mikrostrukturel engineering?
kulturTip: Del din passion for emnet og dets relevans.
Hvordan planlægger du at tilpasse dig, hvis du får mulighed for at arbejde i udlandet?
situationTip: Vis åbenhed over for nye kulturer og læringsmuligheder.
Spørgsmål du kan stille
- Hvordan ser samarbejdet mellem PhD-studerende og erfarne forskere ud i denne gruppe?
- Hvilke ressourcer og værktøjer vil være tilgængelige for mig i dette projekt?
- Kan du fortælle mere om den internationale forskningsgruppe, jeg vil arbejde med?
Tale punkter
- Min erfaring med at arbejde med multimodale datasæt og statistisk analyse.
- Hvordan jeg har anvendt maskinlæring i tidligere projekter.
- Mit engagement i at lære og udvikle mig gennem internationale opsigtsprojekter.
Bekymringspunkter at være opmærksom på
- Manglende konkret erfaring med de nævnte tekniske værktøjer.
- Uvillighed til at samarbejde med andre eller arbejde i teams.
Ansøgningsstrategi
Ansøgningstips
- Fremhæv din erfaring med statistisk modellering og maskinlæring i relation til additive manufacturing.
- Vis konkrete eksempler på tidligere projekter, hvor du har arbejdet med dataanalyse og eksperimentelle metoder.
- Beskriv din evne til at samarbejde med tværfaglige teams og hvordan du kan bidrage til det eksisterende forskningsmiljø.
Nøgleord at inkludere
Fokus i ansøgningen
Fremhæv din passion for forskning inden for additive manufacturing og mikrostrukturel ingeniørkunst, samt din erfaring med at arbejde med komplekse datasæt og modeller.
Tilpasning af CV
Tilpas dit CV ved at fremhæve relevante projekter og erfaringer, der involverer statistisk modellering, maskinlæring og eksperimentelle teknikker, samt eventuelle publikationer inden for området.
Ofte stillede spørgsmål
Hvad indebærer stillingen som PhD-stipendiat?
Stillingen fokuserer på statistisk og AI-drevet modellering for mikrostrukturel engineering inden for additive manufacturing. Du vil arbejde med dataanalyse, matematiske modeller og eksperimentelt design for at optimere metaller i AM-processen.
Hvilke kvalifikationer kræves for at ansøge?
Du skal have en toårig kandidatgrad (120 ECTS-point) eller en tilsvarende uddannelse inden for relevante områder som ingeniørvidenskab, matematik eller datalogi. Erfaring med statistisk analyse og maskinlæring er også en fordel.
Hvad tilbyder DTU i denne stilling?
DTU tilbyder en unik mulighed for at fordybe sig i forskning ved grænsen af additive manufacturing og mikrostrukturel engineering. Du får adgang til et dynamisk forskningsmiljø, samarbejde med erfarne forskere og muligheden for at deltage i internationale forskningsprojekter.
Hvordan er arbejdsmiljøet hos DTU?
Arbejdsmiljøet på DTU er præget af samarbejde og innovation, hvor forskere fra forskellige discipliner arbejder sammen. Du vil blive en del af et støttende team, der fremmer kreativitet og faglig udvikling.
Hvad er forventningerne til PhD-stipendiatens arbejde?
Du forventes at bidrage til projektet ved at udvikle og implementere modeller for mikrostrukturel engineering, samt at deltage aktivt i eksperimentelle kampagner og dataindsamling. Samarbejde med kolleger og opnåelse af forskningsmål er også centrale forventninger.
Er der muligheder for internationale samarbejder?
Ja, stillingen inkluderer en 3-6 måneders udenlandsophold hos en international forskningsgruppe, hvor du kan erhverve avancerede færdigheder til implementeringen af dit PhD-projekt.
Hvilke typer data vil jeg arbejde med i stillingen?
Du vil arbejde med multimodale datasæt, herunder mikrostrukturbilleder, XCT-scanninger og tidsseriedata fra sensorer under AM-processen, samt syntetiske data genereret gennem numeriske simuleringer.
Hvad er det overordnede mål med PhD-projektet?
Målet er at skabe værktøjer til mikrostrukturel engineering af AM-prøver af udvalgte materialer, hvilket vil optimere processerne og forbedre materialernes egenskaber under brug.