PhD Monitor
/جزئیات
Condensed Matter Physics and Non-Equilibrium Statistical Mechanics● بازPreview

موقعیت دکتری: یادگیری فیزیکی در سامانه‌های دینامیکی

بررسی فیزیکِ یادگیری در سامانه‌های دینامیکی دور از تعادل از طریق نظریه و شبیه‌سازی‌های مقیاس‌بزرگ.

مناسب برای:مناسب برای فارغ‌التحصیلان فیزیک یا مهندسان با علاقه زیاد به سامانه‌های دینامیکی، یادگیری ماشین و مدل‌سازی محاسباتی، که به دنبال پژوهش میان‌رشته‌ای در تقاطع فیزیک و هوش مصنوعی هستند.

AMOLF · Amsterdam, Netherlands
استادان بیشتر در AMOLF
یادگیری فیزیکی در سامانه‌های دینامیکیمکانیک آماری دور از تعادلشبکه‌های دینامیکی تطبیقینظریه یادگیری ماشینقوانین یادگیری محلیقوانین مقیاس‌بندی در سامانه‌های یادگیری
مهلت
۳۱ دسامبر ۲۰۲۶
۷۸ روز
بودجه
حقوقی
شروع
—
مکان
Amsterdam
Netherlands

مرور کلی

این موقعیت دکتری در گروه ماشین‌های یادگیری AMOLF فرصتی بی‌نظیر برای بررسی چگونگی ظهور یادگیری در سامانه‌های فیزیکی فراهم می‌کند؛ از شبکه‌های بیولوژیکی گرفته تا مواد تطبیقی که دور از تعادل فعالیت می‌کنند. به عنوان بخشی از پروژه کمک‌هزینه شروع ERC، کاندیدای موفق یک چارچوب نظری برای یادگیری فیزیکی توسعه خواهد داد که نظریه تحلیلی را با شبیه‌سازی‌های عددی ترکیب می‌کند. این کار شامل فیزیک ماده چگال، مکانیک آماری دور از تعادل و یادگیری ماشین است و با هدف کشف اصول بنیادی مانند قوانین مقیاس‌بندی و مرزهای فاز انجام می‌شود. دانشجوی دکتری با پشتیبانی محیطی مشارکتی و فراگیر در پارک علمی آمستردام، در پژوهش‌های پیشرو در تقاطع فیزیک و هوش مصنوعی مشارکت خواهد کرد.

دکتری فیزیکسامانه‌های دور از تعادلشبکه‌های دینامیکییادگیری فیزیکینظریه یادگیری ماشینپژوهش‌های تأمین مالی شده توسط ERCشبیه‌سازی‌های پایتون/متلبفیزیک ماده چگال

نحوهٔ درخواست

آزمایشگاه
Learning Machines Group
AMOLF
Netherlands
موقعیت کامل را ببین

برای دیدن امتیاز تطابق شخصی، نیازمندی‌ها، جزئیات بودجه و نحوهٔ درخواست — به انگلیسی یا فارسی — حساب کاربری رایگان بساز.

بدون نیاز به کارت بانکی · ۱۰ امتیاز تطابق AI رایگان
آماده‌اید؟
۷۸ روز تا مهلت — به این موقعیت اقدام کن.