Opis stanowiska
Prowadzenie prac badawczych w ramach realizacji projektu badawczego, finansowanego ze środków Narodowego Centrum Nauki „OPUS 29”, umowa nr UMO-2025_57_B_ST6_04377; pt. „Symulacja złożonych układów biologicznych wspomagana przez sztuczną inteligencję: językowo sterowany model planowania terapii przeciwnowotworowej”
Okres zatrudnienia i wynagrodzenie: 12 miesięcy z możliwością przedłużenia.
Wynagrodzenie: min. 7400 PLN brutto/m-c plus dodatek stażowy plus 13-te wynagrodzenie.
Szczegółowe cele badawcze: Projekt obejmuje opracowanie szybkich modeli obliczeniowych do symulacji ewolucji guza pod wpływem różnych strategii terapii, z uwzględnieniem dynamiki mikro środowiska. Równolegle rozwijane będą modele surogatowe (m.in. supermodeling, Neural ODE, PINN) umożliwiające wydajne aproksymacje i eksplorację przestrzeni parametrów. Badania skoncentrują się na integracji metod AI z modelami biologicznymi oraz ocenie stabilności, generalizacji i wiarygodności predykcji.
Nasze wymagania
- stopień doktora w zakresie Informatyki,
- dobra znajomość zagadnień związanych z modelowaniem i symulacją systemów biologicznych,
- bardzo dobry warsztat informatyczny, w szczególności umiejętność programowania w języku Python,
- bardzo dobra znajomość metod uczenia maszynowego, sieci neuronowych oraz technik rozpoznawania obrazów,
- doświadczenie w prowadzeniu badań naukowych, obejmujące umiejętność przygotowywania publikacji oraz prezentowania wyników na konferencjach międzynarodowych,
- sumienność i wysoka staranność w realizacji powierzonych zadań,
- osiągniecia naukowe i doświadczenie organizacyjne,
- znajomość języka angielskiego na poziomie co najmniej B2,
- preferowani kandydaci/kandydatki posiadające formalną możliwość podjęcia zatrudnienia w okresie 2 tygodni od daty rozstrzygnięcia konkursu.
Zakres obowiązków
- opracowanie i adaptacja szybkich modeli obliczeniowych umożliwiających symulację ewolucji guza pod wpływem różnych strategii terapii antynowotworowej, z uwzględnieniem dynamiki mikro środowiska nowotworu,
- budowa i analiza modeli surogatowych z wykorzystaniem technik takich jak supermodeling, Neural ODE oraz Physics Informed Neural Networks, w celu tworzenia wydajnych aproksymatorów pozwalających na szybkie symulacje i eksplorację przestrzeni parametrów,
- badania nad integracją metod AI z modelami biologicznymi, obejmujące ocenę stabilności, zdolności generalizacji i wiarygodności predykcji w kontekście danych syntetycznych, klinicznych i symulacyjnych,
- współtworzenie dziedzinowej bazy wiedzy (Domain Specific Knowledge Base) poprzez opracowanie zasad strukturyzacji, walidacji i integracji wiedzy z modułami inferencyjnymi systemów RAG/LLM oraz multimodalnymi bazami danych diagnostycznych,
- rozwój komponentów systemu wspomaganego projektowania terapii poprzez łączenie modeli obliczeniowych, surogatowych i baz wiedzy w spójną platformę wspierającą badania nad terapiami spersonalizowanym.
Oferujemy
- możliwość rozwoju zawodowego w jednej z wiodących uczelni technicznych w Polsce,
- doskonałe warunki do prowadzenie badań, pracy dydaktycznej oraz współpracy z otoczeniem naukowym i przemysłowy.
Dokumenty wymagane do rekrutacji
- podanie, cv, kwestionariusz osobowy,
- dokument potwierdzający znajomość języka angielskiego na poziomie co najmniej B-2,
- dyplomy oraz zaświadczenia potwierdzające posiadane kwalifikacje,
- informacja o zainteresowaniach naukowych i planach badawczych.