Forskningsingenjör inom AI-drivna sociala simuleringar

SVERIGES LANTBRUKSUNIVERSITET

Institutionen för ekologi Sveriges lantbruksuniversitet (SLU) är en av Nordeuropas största akademiska miljöer för ekologisk forskning och erbjuder en dynamisk och excellent forskningsmiljö med modern infrastruktur. Institutionen för ekologi har cirka 150 anställda, varav omkring 40 arbetar vid Grimsö forskningsstation i Bergslagen. Tillsammans bedriver SLU Ekologicentrum och Grimsö forskningsstation forskning om hållbart jord- och skogsbruk, växtskydd, naturvård och viltförvaltning, och bidrar med vetenskaplig kunskap för att stödja Sveriges och Europas miljöpolitik.   Om jobbet Projekt Kan vi förutse utfallen av offentlig politik, politiska val och andra beslut? Vi håller på att ta reda på det genom att utveckla allvarsspel och köra dem med hjälp av AI. Vi bygger storskaliga simuleringar av samhälleliga processer (miljöförhandlingar, naturvårdspolitik och hybridhotsscenarier) där varje aktör är en autonom AI-agent driven av stora språkmodeller (LLM). Dessa agenter simulerar verkliga intressenter, från regeringsministrar till intressegrupper, och interagerar genom naturligt språk i komplexa strategiska situationer. Vi kör sedan tusentals iterationer för att kartlägga utfallens fördelning. Denna satsning är en del av det nya forskningsprogrammet Articulating Complexity (https://www.slu.se/articulating-complexity/). Vi söker en ambitiös postdoktor som vill vara med i denna satsning. Arbetsuppgifter Du är den person som gör simuleringarna meningsfulla. Den tekniska infrastrukturen producerar resultat i form av tusentals LLM-genererade texter från prompter. Ditt jobb är att säkerställa att dessa resultat är förankrade i verkligt mänskligt beteende, verklig politisk dynamik och verklig institutionell logik. Konkret innebär detta: Scenarioarkitektur. Varje simulering definieras av ett scenario med ett initialt världstillstånd, en uppsättning agenter, kommunikationskanaler, institutionella begränsningar och dokumentkorpusar. Du kommer att utforma scenarier med fokus på förhandlingar om naturvårdspolitik och socio-ekologisk hybridkrigföring. Konstruktion av agentpersonor. För varje agent definierar du identitetsprompten, ideologivektorn, personlighetsdrag, beslutsmodellvikter och de affektparametrar som styr när agenter eskalerar bortom sin standardmåttlighet. Detta innebär att extrahera positioner, retoriska stilar, strategiska preferenser och psykologiska profiler från verkliga källor. Analys och validering av simuleringsresultat. Efter Monte Carlo-körningar analyserar du utfallsfördelningen (t.ex. vilka policyer som uppstår). Du kommer också att utforma validering av beteendesignaturer (t.ex. verifiera att simulerade agenter uppvisar det förväntade sentimentet jämfört med empiriska baslinjer). Publicering och spridning. Du kommer att samförfatta vetenskapliga publikationer från projektet. Forskningen kommer att producera artiklar i skärningspunkten mellan beräkningssamhällsvetenskap, ekologi, säkerhetsstudier och AI, ett område med mycket få konkurrenter och hög synlighet. Du kommer att arbeta nära PI:n (Guillaume Chapron https://www.slu.se/en/profilepages/c/guillaume-chapron/) och en forskningsingenjör inom AI (som rekryteras samtidigt). Ni tre kommer att utgöra kärnteamet. Din bakgrund  Krav Doktorsexamen i beräkningssamhällsvetenskap (eller statsvetenskap, psykologi, beteendeekonomi, evolutionär antropologi eller ett närliggande fält) med starka kvantitativa färdigheter. Doktorsexamen måste vara avlagd vid startdatumet. Förmåga att reflektera kring strategiskt beteende, politisk dynamik eller sociala processer på ett strukturerat, analytiskt sätt, oavsett om det är genom formella modeller, experiment eller kvantitativ analys. Vilja att arbeta med AI och LLM:er. Du bör vara bekväm med att arbeta kritiskt med AI-genererade resultat, tolka hur LLM:er svarar på instruktioner och bidra till design, testning och förfining av prompter. Starka skrivfärdigheter: klarhet, precision och förmåga att kommunicera över disciplingränser. Meriterande Erfarenhet av agentbaserad modellering, spelteori, simulering eller experimentella metoder inom samhällsvetenskaperna. Erfarenhet av LLM:er och deras kapacitet att simulera mänskligt beteende, såsom den framväxande litteraturen om “kiselprover” och nästa generations sociala simuleringar. Förståelse för institutionell design, lagstiftningsprocesser eller flernivåstyrning. Simuleringen upprätthåller procedurmässiga begränsningar, och att utforma dessa korrekt kräver kunskap om hur verkliga institutioner faktiskt fungerar. Läsförståelse i svenska, inte ett krav men en fördel. Bedömningskriterier Ansökningar bedöms utifrån följande: Intellektuellt djup och originalitet. Vi söker någon som har visat förmåga att producera genuint nya idéer, inte inkrementella utvidgningar av befintligt arbete. Din doktorsavhandling, dina publikationer eller din forskningsbeskrivning bör visa att du tänker självständigt och dras till svåra, outforskade vetenskapliga problem. Tvärvetenskaplig bredd. Den ideala kandidaten fångas inte lätt av en enda disciplinär etikett. Om ditt arbete kopplar samman politiskt beteende, psykologi, strategisk interaktion och beräkningsmetoder, även på ett okonventionellt sätt, är du mer intressant för oss än en smal specialist med en längre publikationslista. Överensstämmelse med projektets ambition. Detta är ett projekt som syftar till att vara banbrytande inom ett nytt fält och vi vill ha någon som finner detta spännande snarare än riskfyllt. Din ansökan bör tydliggöra varför just detta projekt, inte bara varför en postdoktortjänst. Eftersom forskningsområdet är nytt behöver du också kunna arbeta i relativ isolering. Tvärvetenskaplig läggning. Du kommer dagligen att arbeta med frågor från mycket olika discipliner: datavetenskap, AI, ekologi, statsvetenskap, geopolitik. Förmågan att kommunicera över disciplinära gränser är väsentlig. Interpersonella färdigheter kommer att utgöra en viktig del av bedömningen. Placering: Tjänsten är placerad antingen vid Grimsö eller i Uppsala, med möjlighet att delvis vara baserad vid en annan svensk akademisk institution med kärnkompetens inom beräkningssamhällsvetenskap. Anställningsform: Tidsbegränsad anställning 24 månader, med ev. möjlighet till förlängning. Omfattning: 100%. Tillträde: Enligt överenskommelse, så snart som möjligt. Ansökan: Välkommen med din ansökan via ansökningsknappen nedan senast 2026-07-14. På slu.se finns information om vad som ska ingå i ansökan.

LULEÅ TEKNISKA UNIVERSITET

Vill du utveckla din forskning och undervisning i en miljö där samverkan med industri och samhälle är en självklarhet? Hos oss får du arbeta med engagerade kollegor, tillgång till modern forskningsinfrastruktur och goda möjligheter att attrahera extern finansiering. Du ges utrymme att göra verklig skillnad för dina studenter, din forskning och samhället i stort. Institutionen för samhällsbyggnad och naturresurser bedriver forskning och utbildning inom gruv-, bygg- och miljöområdet. Institutionen har en stark experimentell och tillämpad profil, med välutrustade laboratorier och nära samverkan med industrin. Cirka 70 % av forskningen är externt finansierad och vi har omfattande internationella samarbeten. Avdelningen för gruv- och geoteknisk teknik bedriver forskning och utbildning inom bergmekanik, gruvteknik och geoteknik, med ett starkt fokus på säker, effektiv och hållbar utformning av underjords- och dagbrottsanläggningar. Avdelningen samarbetar nära med industrin för att hantera praktiska ingenjörsutmaningar och utveckla lösningar för framtidens gruv- och infrastrukturprojekt.   Projektbeskrivning Djup underjordsutvinning av kritiska råmaterial kräver snabba och tillförlitliga designbeslut under begränsad och kontinuerligt utvecklande geologisk och geomekanisk information. Trots att empiriska stabilitetsdiagrammetoder fortfarande används i stor utsträckning inom underjordsgruvor på grund av deras praktiska användbarhet och transparens, är tillämpningen fortfarande till stor del manuell, statisk och begränsad när det gäller att hantera osäkerheter i designskedet.   Projektet syftar till att utveckla ett digitalt och uppdaterbart arbetsflöde för stabilitetsdiagram som möjliggör snabb och riskinformerad design av underjordsgruvor genom att strukturera geologiska, geomekaniska, geometriska och återfyllnadsrelaterade data i ett transparent och spårbart digitalt ramverk för stabilitetsbedömning och ingenjörsmässigt beslutsstöd.   Projektet kombinerar empirisk bergmekanik, geologisk tolkning, fallbaserad gruvdesignanalys och utveckling av digitala arbetsflöden. Fokus kommer att ligga på osäkerheter i preliminär gruvdesign, beteendet hos återfyllda brytningsrum under sekventiell brytning samt integration av digitala geologiska och geomekaniska datakällor såsom 3D-punktmoln och diskontinuitetskartering. Ett prototypverktyg för digital stabilitetsdiagramanalys kommer att utvecklas och utvärderas med hjälp av representativa fall från underjordsgruvor, samtidigt som grunden läggs för framtida probabilistiska och AI-assisterade tillämpningar inom gruvdesign.   Arbetsuppgifter Utveckla och tillämpa ett digitalt arbetsflöde för stabilitetsbedömning av brytningsrum baserat på Stability Graph Method. Sammanställa, strukturera och analysera geologiska, geomekaniska, strukturella och produktionsrelaterade data från underjordsgruvor. Undersöka osäkerhetskällor, beteendet hos återfyllda brytningsrum samt stabiliteten hos bergutrymmen vid sekventiell brytning. Tillämpa digitala metoder för analys av geologiska och geomekaniska data, inklusive punktmolnsanalys och diskontinuitetskartering. Bidra till utveckling och utvärdering av ett prototypverktyg för snabb screening av stabilitet hos bergutrymmen och ingenjörsmässigt beslutsstöd. Bidra till tekniska rapporter, vetenskapliga publikationer, presentationer och framtida forskningsansökningar inom digital geomekanik och underjordsgruvdesign. Kvalifikationer För förste forskningsingenjör krävs examen från högskola eller universitet inom gruv- och bergteknik.     Krav Förmåga att arbeta med geologiska, geotekniska och geometriska gruvdata från olika källor och organisera dessa i strukturerade arbetsflöden. Stark analytisk förmåga samt förmåga att kombinera empirisk bergmekanik, geologisk tolkning och utveckling av digitala arbetsflöden. Erfarenhet av programvara inom gruvteknik, geomekanik eller databehandling, exempelvis Deswik, CloudCompare, MATLAB, Python, Rocscience, Leapfrog, Maptek eller liknande verktyg. Förmåga att arbeta självständigt samt i samarbete med akademiska, geologiska och industriella partners. God förmåga att kommunicera i tal och skrift på engelska.  Meriterande kvalifikationer Erfarenhet av 3D-punktmolnsanalys, diskontinuitetskartering, LiDAR-data eller digital strukturell karakterisering. Erfarenhet av empiriska och probabilistiska metoder för stabilitetsbedömning av brytningsrum, särskilt Stability Graph Method. Erfarenhet av numeriska modelleringsmetoder eller programvara (t.ex. FEM, DEM eller LS-DYNA). Information   Tjänsten omfattar heltid i upp till tre månader från tillträdesdagen. Placeringsort: Luleå. Tillträde från 1 september eller enligt överenskommelse.     För ytterligare information om tjänsten, vänligen kontakta: Yang Zou, Universitetslektor, 0920-49 3470, mailto:yang.zou@ltu.se Daniel Johansson, Professor, 0920-49 2361, mailto:daniel.johansson@ltu.se     Fackliga företrädare: SACO-S Diana Chroneer, 0920-49 2037, mailto:diana.chroneer@ltu.se OFR-S Marika Vesterberg, 0920-49 1721, mailto:marika.vesterberg@ltu.se     Ansökan   Vi ser helst att du söker befattningen via ansökningsknappen nedan där du bifogar personligt brev samt CV/meritförteckning och kopior av verifierade examensbevis. Var vänlig och märk din ansökan med referensnumret nedan. Både ansökan och examensbevis ska vara skrivna på svenska eller engelska.     Sista ansökningsdag: 10 augusti 2026   Referensnummer: 3762–2026

Ferritico AB

Senior Materials Informatics Engineer Location: Hybrid Company: Ferritico Employment type: Full-time Ferritico is looking for a Senior Materials Informatics Engineer to develop, validate, and productize physics informed machine learning models for advanced materials, with a strong focus on steel, metallurgy, heat treatment, phase transformations, and process-property relationships. This is a mid- to senior-level technical role for someone who enjoys working at the intersection of materials science, computational modeling, machine learning, and product development. About the role You will contribute to the development of computational and machine learning models for metals and metallurgical applications. The role involves translating materials science expertise into clear model logic, validation workflows, technical requirements, and product features. You will help ensure that scientific models are technically sound, well-documented, validated, and aligned with real industrial engineering needs. Key responsibilities Develop computational and ML-based models for steel metallurgy, heat treatment, transformation temperatures, phase transformations, microstructure evolution, and process-property relationships. Define model assumptions, expected behavior, validation datasets, limitations, and acceptance criteria. Improve AI model performance by integrating materials science expertise and physics-informed modeling approaches. Identify data correlations between process, structure, and properties in steel processing and industrial applications. Retrieve, structure, clean, and curate materials data from literature, synthetic datasets, experiments, and other sources. Use Python-based workflows for data treatment, model execution, input preparation, output analysis, and visualization. Test AI software outputs and benchmark results against other simulation or modeling tools. Communicate model behavior, limitations, and results clearly to both technical and non-technical stakeholders. Contribute to documentation, testing, validation reports, and technical decision-making. What we are looking for We are looking for someone with a strong background in materials science, computational materials science, or physical metallurgy. The ideal candidate has: A PhD in Materials Science, Metallurgy, Computational Materials Science, or a related field; or an MSc with relevant experience in materials modeling. Strong understanding of physical metallurgy, preferably including steels, heat treatment, phase transformations, microstructure evolution, and process-property relationships. Experience developing, using, or validating computational models for materials behavior. Familiarity with materials data, alloy compositions, thermal histories, transformation kinetics, or microstructure-property relationships. Ability to use Python for scientific scripting, data treatment, and model prototyping. Strong communication skills and the ability to explain complex materials concepts in a multidisciplinary team. Nice to have Experience with any of the following would be highly valuable: Steel phase-transformation modeling, TTT/CCT diagrams, JMAK kinetics, carbide precipitation. CALPHAD, pycalphad, or similar tools. Alloy design, ICME workflows, ML applied to materials science. Product ownership, technical leadership, or experience translating scientific models into user-facing tools. Data analysis using NumPy, pandas, matplotlib, scikit-learn, Excel-based workflows, or similar tools. This role could be a strong fit if you Recently completed a PhD involving computational or experimental materials modeling. Have an MSc and several years of experience building or using materials models. Enjoy combining materials science with scripting, data analysis, and practical software development. Want to work close to product development rather than only research. Are excited about helping shape digital tools for the future of steel and advanced materials. Why join Ferritico? At Ferritico, you will be part of a Swedish software startup working at the frontier of materials science, AI, and industrial digitalization. You will have the opportunity to influence both the scientific foundation and the product direction of tools used for advanced materials development and manufacturing. We value teamwork, curiosity, technical excellence, and clear communication. Not sure you meet every requirement? We encourage you to apply even if your experience does not match every qualification listed above. We value diverse backgrounds, different perspectives, and people who are motivated to learn and contribute. How to apply Please send your CV and a short note describing your motivation for the role, along with your relevant experience in materials science, metallurgy, computational modeling, or materials informatics, to: contact@ferritico.com (Please include the job title in the email subject line)