🎓🇩🇰 بورسیه فول فاند مقطع پسادکتری مهندسی کامپوزیت در دانمارک

🔬 Postdoctoral Researcher in Fibre Reinforced Polymer Composites

دانشگاه Aalborg University در دانمارک برای یک موقعیت پژوهشی پسادکتری تمام‌وقت و دوساله در حوزه کامپوزیت‌های پلیمری تقویت‌شده با الیاف (FRP Composites) از پژوهشگران واجد شرایط دعوت به درخواست می‌کند.

این موقعیت در Department of Materials and Production در پردیس Aalborg ارائه شده و از ۱ ژانویه ۲۰۲۷ آغاز می‌شود.

📍 محل: Aalborg، دانمارک 🇩🇰
🏛️ دانشگاه: Aalborg University
🏫 دانشکده: Department of Materials and Production
🔬 گروه پژوهشی: Cracks in Composite Structures (CraCS)
💼 نوع همکاری: تمام‌وقت
⏳ مدت: ۲ سال
📅 شروع: ۱ ژانویه ۲۰۲۷ یا در اولین زمان ممکن پس از آن
🔖 شماره مرجع: 2026/1149
📅 تاریخ اتمام اپلای: ۱۶ اکتبر ۲۰۲۶

⸻

🧩 موضوع اصلی پژوهش

هدف این پروژه، توسعه درک عمیق‌تر از شکست، آسیب و تحمل آسیب در کامپوزیت‌های پلیمری تقویت‌شده با الیاف و ایجاد رویکردهای مدل‌سازی نوین در مرز میان:

⚙️ مکانیک
🧮 مدل‌سازی عددی
🤖 یادگیری ماشین
🧱 علم و مهندسی مواد

است.

پژوهش بر کامپوزیت‌های لایه‌ای تقویت‌شده با الیاف و به‌طور ویژه بر مکانیک شکست و Damage Tolerance تمرکز دارد.

⸻

🔬 محورهای اصلی پژوهش

پژوهشگر در زمینه‌های زیر فعالیت خواهد کرد:

🔹 مدل‌سازی چندمقیاسی Mixed-Mode Delamination

🔹 بررسی مکانیزم‌های افزایش چقرمگی خارج از صفحه (Extrinsic Toughening)

🔹 Fibre Bridging و پدیده‌های مرتبط

🔹 مدل‌سازی آسیب پیش‌رونده در کامپوزیت‌های لایه‌ای

🔹 تحلیل فرآیندهای شکست در مقیاس‌های میکرو و مزو

🔹 انتقال مکانیزم‌های شکست به مدل‌های قابل استفاده در مقیاس مهندسی

🔹 توسعه مدل‌های عددی پیشرفته

🔹 ترکیب مدل‌های آسیب مبتنی بر فیزیک با Machine Learning

🔹 توسعه شبیه‌سازی‌های عددی تقویت‌شده با یادگیری ماشین

🔹 کاربرد مدل‌ها در طراحی و ارزیابی سازه‌های کامپوزیتی مقاوم در برابر آسیب

⸻

🧠 مسئولیت‌های پژوهشی

پژوهشگر مسئولیت توسعه و تحلیل مدل‌های عددی برای توصیف آسیب پیشرونده در کامپوزیت‌های لایه‌ای را بر عهده خواهد داشت.

فرآیند پژوهش از:

📌 تعریف مسئله
📌 توسعه مدل
📌 اجرای شبیه‌سازی
📌 تحلیل نتایج
📌 تفسیر علمی
📌 انتشار نتایج در مجلات و کنفرانس‌های بین‌المللی

ادامه خواهد داشت.

⸻

🤖 ارتباط مکانیک و هوش مصنوعی

یکی از بخش‌های کلیدی این موقعیت، توسعه رویکردهای Hybrid Modelling است که مدل‌های مبتنی بر فیزیک را با روش‌های یادگیری ماشین ترکیب می‌کنند.

هدف، ایجاد مدل‌هایی است که بتوانند مکانیسم‌های پیچیده شکست در مقیاس‌های مختلف را با کارایی محاسباتی مناسب به مدل‌های قابل استفاده در طراحی و ارزیابی مهندسی تبدیل کنند.

⸻

🎯 مناسب برای چه رشته‌هایی هست؟

این فرصت به‌طور ویژه برای فارغ‌التحصیلان رشته‌های زیر مناسب است:

⚙️ مهندسی مکانیک
🧱 مهندسی مواد
🔬 علم و مهندسی مواد
✈️ مهندسی هوافضا
🏗️ مهندسی سازه
🧮 مکانیک محاسباتی
🖥️ مهندسی محاسباتی
🤖 یادگیری ماشین در مهندسی
🧩 مهندسی کامپوزیت‌ها
🔬 مکانیک شکست و آسیب

⸻

🎓 شرایط علمی موردنیاز

برای این موقعیت، داشتن مدرک PhD در مهندسی مکانیک یا یک رشته بسیار نزدیک ضروری است.

متقاضی باید دارای دانش و تجربه قابل توجه در زمینه‌های زیر باشد:

🔹 مکانیک مواد و تحلیل سازه‌ها
🔹 مدل‌سازی چندمقیاسی
🔹 Mixed-Mode Delamination در کامپوزیت‌های لایه‌ای
🔹 مکانیزم‌های Extrinsic Toughening
🔹 Fibre Bridging
🔹 مدل‌سازی آسیب پیش‌رونده
🔹 شبیه‌سازی عددی
🔹 مدل‌های پیشرفته آسیب
🔹 ترکیب مدل‌های مبتنی بر فیزیک و یادگیری ماشین

همچنین داشتن سابقه انتشار مقاله در مجلات معتبر بین‌المللی در حوزه مکانیک، مواد یا رشته‌های مرتبط اهمیت دارد.

🌟 تجربه در تهیه و ارائه Grant Application نیز مزیت محسوب می‌شود.

⸻

👨‍🏫 تدریس و راهنمایی دانشجویان

این موقعیت علاوه بر فعالیت پژوهشی، شامل مسئولیت‌های آموزشی نیز خواهد بود.

پژوهشگر در موارد زیر مشارکت می‌کند:

📚 تدریس در برنامه‌های مهندسی مکانیک یا رشته‌های مرتبط
🎓 راهنمایی پروژه‌های دانشجویان BSc و MSc
🔬 احتمال مشارکت در راهنمایی دانشجویان PhD
🧑‍🏫 پیوند دادن فعالیت‌های پژوهشی پیشرفته با آموزش دانشگاهی

⸻

🏛️ گروه پژوهشی CraCS

پژوهشگر به گروه Cracks in Composite Structures (CraCS) در Department of Materials and Production ملحق خواهد شد.

این گروه بر:

🔹 مدل‌سازی پیش‌بینانه تخریب سازه‌ای
🔹 مشخصه‌یابی مواد کامپوزیتی
🔹 تحلیل کمی آسیب در سازه‌های کامپوزیتی لایه‌ای
🔹 روش‌های پیشرفته اجزای محدود (FEM)
🔹 مدل‌سازی Cohesive Zone
🔹 شروع و گسترش ترک‌های چندمحوره
🔹 آسیب پیش‌رونده
🔹 رفتار خستگی وابسته به زمان