Doktorand i datavetenskap med inriktning mot ML av graftransformationer

Umeå universitet är ett av Sveriges största lärosäten med över 41 500 studenter och cirka 4 600 anställda. Vid universitetet finns en mångfald av utbildningar av hög kvalitet och världsledande forskning inom flera vetenskapsområden, och här gjordes den banbrytande upptäckten av gensaxen CRISPR-Cas9 som tilldelats Nobelpriset i kemi. Vid Umeå universitet är allt nära. Våra sammanhållna campus gör det lätt att mötas, samarbeta och utbyta kunskap, något som gynnar en dynamisk och öppen kultur.

Är du intresserad av att veta mer? Läs mer om Umeå universitet som arbetsplats.

Umeå universitet utlyser en doktorandtjänst i datavetenskap med inriktning mot maskininlärning för graftransformationer. Projektet undersöker en hybridmetod som kombinerar djupinlärning med grammatisk inferens för att utveckla modeller som är tolkningsbara, effektiva och matematiskt verifierbara, samtidigt som de drar nytta av neurala metoders flexibilitet. Om projektet lyckas har det potential att driva utvecklingen inom områden som automatiserad satsbevisning, härledning i kunskapsgrafer och kausal analys.

Institutionen för datavetenskap har haft en expansiv tillväxt under de senaste åren. Att skapa en inkluderande forskningsmiljö där medarbetare har en hög delaktighet är en viktig faktor i vår hållbara utveckling. Vår institution består av en diversifierad grupp människor från olika nationaliteter, bakgrunder och fält. Som doktorand hos oss har du tillgång till stöd för din karriärutveckling, nätverk, administrativ och teknisk support samt goda anställningsvillkor. För mer information besök https://www.umu.se/institutionen-for-datavetenskap/

Projektbeskrivning

Grafer är ett grundläggande sätt att representera strukturerad information (från meningar och datorprogram till sociala nätverk) och de blir allt viktigare i takt med att generativa AI-system producerar mer än enbart text. För att hålla sådana system säkra och pålitliga behöver vi mekanismer som kan säkerställa att deras utdata följer rätt regler, på samma sätt som skyddsräcken som förhindrar språkmodeller från att producera skadligt innehåll eller felaktig kod. Vi vill därför utveckla inlärningsalgoritmer som resulterar i transparenta, regelbaserade omskrivningssystem som kan transformera grafer för att, till exempel, kontrollera korrektheten hos AI-genererade strukturer eller vägleda neurala nätverk under inferens. Genom att kombinera tekniker från grammatisk inferens, förstärkningsinlärning och effektiva sökalgoritmer vill vi hitta sätt att modellera komplexa funktioner på grafer, och därmed erbjuda ett mer effektivt och transparent alternativ för framtida AI-system.

Doktoranden kommer att samarbeta nära projektets ansvariga forskare och hennes forskningsgrupp vid Umeå universitet för att undersöka den tänkta inlärningsmetoden. Doktoranden förväntas producera forskningsresultat som är relevanta för teoretisk datavetenskap och symbolisk maskininlärning.