🎓 بورسیه فول فاند مقطع دکتری در هوش مصنوعی و مدل‌سازی داده‌های انرژی | دانشگاه رادبود هلند 🇳🇱

🔬 عنوان موقعیت: Physics-Informed Generative AI for Synthetic Energy Data
🏛 دانشگاه: Radboud University
📍 کشور و محل تحصیل: هلند، شهر نیمیخن (Nijmegen)
🏢 دانشکده: Faculty of Science
💰 حقوق ناخالص ماهانه: ۳٬۲۰۴ تا ۴٬۰۵۱ یورو
🕒 نوع همکاری: تمام‌وقت، معادل ۱۰۰ درصد (1.0 FTE)
⏳ مدت قرارداد: چهار سال، مشروط به ارزیابی عملکرد پس از ۱۸ ماه
📅 تاریخ اتمام اپلای: ۲۵ اکتبر ۲۰۲۶
🗓 تاریخ شروع ترجیحی: ۱ ژانویه ۲۰۲۷

⸻

🧠 معرفی فرصت پژوهشی

دانشگاه رادبود هلند برای جذب پژوهشگر دکتری در پروژه تأمین‌شده از سوی سازمان پژوهش‌های علمی هلند (NWO)، با عنوان SHARE، فراخوان داده است. هدف این پروژه توسعه مدل‌های هوش مصنوعی مولد آگاه از قوانین فیزیکی برای تولید داده‌های مصنوعی واقع‌گرایانه و حافظ حریم خصوصی در حوزه انرژی است.

گذار به انرژی‌های پاک به داده‌های دقیق و با وضوح زمانی بالا درباره شبکه برق و میزان مصرف انرژی نیاز دارد. بااین‌حال، محدودیت‌های حریم خصوصی، مقررات حفاظت از داده‌ها (GDPR) و محرمانگی تجاری، دسترسی به بسیاری از داده‌های واقعی را دشوار می‌کنند.

داده‌های مصنوعی می‌توانند راهکاری برای این مسئله باشند؛ زیرا امکان تولید مجموعه‌داده‌هایی مشابه داده‌های واقعی را فراهم می‌کنند، بدون آنکه اطلاعات قابل‌شناسایی افراد یا شرکت‌ها افشا شود. بااین‌حال، داده‌های انرژی علاوه بر ساختار آماری و زمانی، باید از قوانین فیزیکی شبکه برق نیز پیروی کنند.

در این پروژه، پژوهشگر دکتری مدل‌های مولد هوش مصنوعی را توسعه خواهد داد که ضمن تولید داده‌های معتبر، محدودیت‌های فیزیکی شبکه‌های انرژی را نیز رعایت کنند. نتایج این پژوهش می‌تواند در برنامه‌ریزی شبکه برق، پیش‌بینی ازدحام شبکه، مدیریت مصرف و توسعه زیرساخت‌های انرژی در هلند به کار گرفته شود.

🔬 محورهای اصلی پژوهش

🔹 طراحی و مقایسه مدل‌های مولد عمیق برای تولید داده‌های مصرف برق، تولید انرژی و ولتاژ شبکه.

🔹 بررسی روش‌هایی مانند مدل‌های خودرمزگذار تغییرپذیر (VAEs)، شبکه‌های مولد تخاصمی (GANs)، مدل‌های انتشار (Diffusion Models)، روش Flow Matching و فرایندهای گاوسی (Gaussian Processes).

🔹 اعمال محدودیت‌های فیزیکی در مدل‌های مولد، از جمله قوانین کیرشهف، محدودیت ولتاژ، ظرفیت شبکه و تعادل فازها.

🔹 استفاده از شبکه‌های عصبی گرافی (Graph Neural Networks) برای مدل‌سازی توپولوژی شبکه برق.

🔹 ایجاد مجموعه‌داده‌های معیار و چارچوب ارزیابی برای سنجش کیفیت آماری، ساختار زمانی و مکانی، سازگاری فیزیکی و عملکرد داده‌های مصنوعی در کاربردهای واقعی.

🔹 همکاری در توسعه روش‌های حفظ حریم خصوصی تفاضلی (Differential Privacy) و بررسی توازن میان محرمانگی داده‌ها و کاربردپذیری آن‌ها.

🔹 مشارکت در توسعه ابزار متن‌باز تولید داده‌های مصنوعی برای شرکت‌های توزیع برق، شهرداری‌ها و پژوهشگران هلندی.

🤝 همکاری‌های پژوهشی و کاربرد صنعتی

این پروژه بخشی از کنسرسیوم SHARE است که با حمایت برنامه Knowledge and Innovation Covenant سازمان NWO فعالیت می‌کند. اعضای این کنسرسیوم شامل دانشگاه رادبود، دانشگاه آزاد هلند (Open Universiteit)، شرکت توزیع برق Alliander، مؤسسه ملی اندازه‌شناسی هلند VSL، شرکت‌های Zenmo و Bronscode و شهرداری نیمیخن هستند.

پژوهشگر منتخب با داده‌های عملیاتی واقعی شرکت Alliander کار خواهد کرد و از طریق بازدیدهای حضوری و تعامل مستقیم با متخصصان صنعت، در توسعه ابزارهایی با کاربرد واقعی مشارکت می‌کند.

همچنین، انتظار می‌رود نتایج پژوهش در مجلات و کنفرانس‌های معتبر حوزه یادگیری ماشین منتشر شوند و ابزارها و مجموعه‌داده‌های متن‌باز توسعه یابند.

📚 بخشی از زمان کاری، حداکثر ۱۰ درصد، به فعالیت‌های آموزشی مانند همکاری در درس‌های برنامه‌های علوم رایانه اختصاص خواهد یافت.

⸻

🎯 این بورسیه برای چه رشته‌هایی مناسب است؟

متقاضیان دارای مدرک کارشناسی ارشد در رشته‌های زیر یا حوزه‌های مرتبط می‌توانند برای این فرصت اقدام کنند:

• هوش مصنوعی (Artificial Intelligence)
• علوم کامپیوتر و مهندسی کامپیوتر (Computer Science)
• علم داده (Data Science)
• ریاضیات کاربردی (Applied Mathematics)
• فیزیک (Physics)
• مهندسی برق (Electrical Engineering)
• یادگیری ماشین (Machine Learning)
• آمار و مدل‌سازی احتمالاتی
• مهندسی انرژی و سیستم‌های انرژی، در صورت برخورداری از پیشینه مناسب در هوش مصنوعی یا تحلیل داده

📋 شرایط و مدارک موردنیاز

🔹 داشتن مدرک کارشناسی ارشد (MSc) یا دریافت آن پیش از تاریخ شروع همکاری، در یکی از رشته‌های مرتبط با علوم کامپیوتر، هوش مصنوعی، علم داده، ریاضیات کاربردی، فیزیک، مهندسی برق یا حوزه‌های مشابه.