دکتری: یادگیری ماشین مبتنی بر فیزیک برای متدولوژی نیمه‌هادی
توسعه یادگیری ماشین مبتنی بر فیزیک برای بازیابی پارامتر‌های تراشه در مقیاس نانو از داده‌های اندازه‌گیری نویزدار.
مناسب برای:مناسب برای پژوهشگران دارای مدرک کارشناسی ارشد در علوم کامپیوتر، یادگیری ماشین، ریاضیات کاربردی یا فیزیک که به مسائل معکوس و محاسبات علمی علاقه دارند.
مرور کلی
این موقعیت دکتری چهارساله در مرکز پژوهش پیشرفته برای نانولیتوگرافی (ARCNL) بر ادغام یادگیری ماشین با شبیه‌سازی‌های فیزیکی به منظور بهبود متدولوژی نیمه‌هادی تمرکز دارد. این پژوهش شامل بازیابی ویژگی‌های ساختاری مقیاس نانو از اندازه‌گیری‌های نوری با وضوح پایین و نویزدار و در عین حال بهینه‌سازی پیکربندی‌های تجربی است. نامزد با شریک صنعتی ASML، مرکز ریاضیات و انفورماتیک (CWI) و آزمایشگاه AI4Science دانشگاه آمستردام همکاری نزدیکی خواهد داشت. انتظار می‌رود فرد موفق پژوهش‌های بنیادی انجام دهد، یافته‌ها را منتشر کند و در علوم محاسباتی پیشرفته در تقاطع دانشگاه و صنعت مشارکت نماید.
نحوهٔ درخواست
برای دیدن امتیاز تطابق شخصی، نیازمندی‌ها، جزئیات بودجه و نحوهٔ درخواست — به انگلیسی یا فارسی — حساب کاربری رایگان بساز.