🎓 بورسیه فول فاند مقطع پسادکتری در حوزه هوش مصنوعی و باتری‌های جریان وانادیومی | دانشگاه بریتیش کلمبیا، کانادا 🇨🇦

🔋 فراخوان جذب پژوهشگر پسادکتری در پروژه نوآوری مبتنی بر هوش مصنوعی برای باتری‌های جریان وانادیومی

آزمایشگاه Scalable Optimization, Learning, and Intelligent Decision-making (SOLID) در دانشگاه بریتیش کلمبیا (University of British Columbia – UBC)، واقع در شهر ونکوور کانادا، از پژوهشگران مستعد برای همکاری در یک پروژه پژوهشی تأمین مالی‌شده در زمینه نوآوری مبتنی بر هوش مصنوعی برای باتری‌های جریان وانادیومی (Vanadium Flow Batteries – VFBs) دعوت می‌کند.

هدف اصلی این پروژه، توسعه روش‌های پیشرفته هوش مصنوعی و یادگیری ماشین برای پیش‌بینی تخریب و کاهش عملکرد باتری‌ها و تسریع فرایند شناسایی و توسعه نسل جدید مواد الکترولیتی و غشایی است.

در این پژوهش، داده‌های عملیاتی گسترده باتری‌ها با داده‌های آزمایشگاهی و شبیه‌سازی‌شده ترکیب می‌شوند تا مدل‌های دقیق‌تری برای تحلیل رفتار باتری، پیش‌بینی طول عمر و بهینه‌سازی شرایط بهره‌برداری توسعه یابند.

⸻

📌 اطلاعات کلیدی فرصت پژوهشی

🔹 دانشگاه میزبان: دانشگاه بریتیش کلمبیا (UBC)

🔹 کشور: کانادا 🇨🇦

🔹 شهر و پردیس: ونکوور، پردیس پوینت گری (Point Grey Campus)

🔹 مقطع: پسادکتری (Postdoctoral Research Fellowship)

🔹 آزمایشگاه: SOLID Lab

🔹 استاد راهبر آزمایشگاه: پروفسور Yankai Cao

🔹 دانشکده: مهندسی شیمی و زیست‌شناسی (Department of Chemical and Biological Engineering)

🔹 حوزه پژوهش: هوش مصنوعی، یادگیری ماشین، بهینه‌سازی و فناوری باتری

🔹 حقوق سالانه: ۷۰٬۰۰۰ دلار کانادا

🔹 مزایای تکمیلی: حدود ۲۰ درصد مزایا علاوه بر حقوق سالانه

🔹 تاریخ شروع پیش‌بینی‌شده: ۱ آوریل ۲۰۲۷

🔹 تاریخ اتمام اپلای: ۳۱ دسامبر ۲۰۲۶، ساعت ۱۲ ظهر، مطابق زمان درج‌شده در آگهی.

⚠️ درخواست‌ها به‌محض دریافت بررسی می‌شوند و پذیرش تا زمان تکمیل ظرفیت ادامه خواهد داشت؛ بنابراین توصیه می‌شود متقاضیان در اولین فرصت مدارک خود را ارسال کنند.

⸻

💰 حقوق و مزایای پژوهشی

💵 حقوق سالانه: ۷۰٬۰۰۰ دلار کانادا (CAD)

☑ حدود ۲۰ درصد مزایای تکمیلی علاوه بر حقوق سالانه.

☑ امکان دریافت مبلغ تکمیلی برای افرادی که دارای جوایز یا بورسیه‌های پسادکتری خارجی هستند؛ برای مثال، بورسیه پسادکتری NSERC.

☑ همکاری در یک پروژه پژوهشی تأمین مالی‌شده با کاربردهای صنعتی و مهندسی.

☑ فرصت توسعه روش‌های نوین هوش مصنوعی و یادگیری ماشین.

☑ دسترسی پژوهشی به داده‌های عملیاتی گسترده باتری‌ها و ترکیب آن‌ها با داده‌های آزمایشگاهی و شبیه‌سازی.

📌 توجه: در متن آگهی، حقوق سالانه و مزایای تکمیلی ذکر شده است؛ بااین‌حال، شرایط دقیق مزایا و میزان افزایش حقوق برای دارندگان بورسیه‌های خارجی باید از دانشگاه استعلام شود.

⸻

🎯 مناسب برای چه رشته‌هایی است؟

متقاضیان باید مدرک دکتری داشته باشند یا در آستانه تکمیل آن باشند. رشته‌های مورد پذیرش عبارت‌اند از:

🔹 مهندسی شیمی (Chemical Engineering)

🔹 مهندسی برق (Electrical Engineering)

🔹 مهندسی مکانیک (Mechanical Engineering)

🔹 علوم کامپیوتر (Computer Science)

🔹 ریاضیات کاربردی (Applied Mathematics)

🔹 مهندسی مواد (Materials Engineering)

🔹 سایر رشته‌های نزدیک و مرتبط با موضوع پروژه

🧠 زمینه‌های تخصصی مرتبط

• هوش مصنوعی و یادگیری ماشین
• یادگیری عمیق و شبکه‌های عصبی
• تحلیل داده‌های صنعتی در مقیاس بزرگ
• مدل‌سازی سری‌های زمانی (Time-Series Modelling)
• یادگیری ماشین مبتنی بر قوانین فیزیکی (Physics-Informed Machine Learning)
• مدل‌سازی ترکیبی (Hybrid Modelling)
• بهینه‌سازی ریاضی و یادگیری فعال (Active Learning)
• مدل‌سازی باتری و تحلیل تخریب آن
• کشف محاسباتی مواد (Computational Materials Discovery)
• الکتروشیمی و فناوری‌های ذخیره‌سازی انرژی

⸻

🔬 محورهای اصلی پژوهش

۱. پیش‌بینی تخریب باتری با یادگیری ماشین

توسعه مدل‌های یادگیری ماشین و روش‌های تحلیل داده برای پیش‌بینی افت عملکرد، تخریب و طول عمر باتری‌های جریان وانادیومی.

۲. مدل‌سازی مبتنی بر فیزیک و مدل‌های ترکیبی

ترکیب دانش فیزیکی سیستم‌های باتری با روش‌های یادگیری ماشین برای افزایش دقت، قابلیت تعمیم و تفسیرپذیری مدل‌ها.

۳. مدل‌سازی سری‌های زمانی با یادگیری عمیق

استفاده از معماری‌های یادگیری عمیق و ترنسفورمرها (Transformers) برای تحلیل داده‌های زمانی و پیش‌بینی رفتار باتری در شرایط عملیاتی مختلف.

۴. هوش مصنوعی توضیح‌پذیر (Explainable AI)

شناسایی عوامل مؤثر بر تخریب باتری و طول عمر آن با استفاده از روش‌های هوش مصنوعی توضیح‌پذیر.

۵. هوش مصنوعی مولد و کشف مواد جدید