Postdoc position in advancing chemical impact assessment through machine learning - DTU Sustain

Job expired!

Êtes-vous passionné par le développement de solutions scientifiques pour relever les défis de durabilité environnementale de la société ? Aspirez-vous à travailler avec des pionniers internationaux dans l’évaluation de la durabilité, le développement de méthodes d’analyse du cycle de vie (LCA) et l’évaluation de la durabilité absolue ? Si votre réponse est oui, alors cette position postdoctorale à DTU Sustain vous offre une opportunité passionnante !

En tant que chercheur postdoctoral, vous allez innover à l'intersection de l'évaluation des impacts chimiques des produits et de la numérisation. Vous ferez partie de la section de l'évaluation quantitative de la durabilité (QSA) de DTU Sustain, rejoignant un environnement de recherche énergique et collaboratif avec environ 30 membres internationaux du personnel, postdocs et doctorants.

  • Améliorer l’évaluation des impacts chimiques pour couvrir un plus large éventail de produits chimiques et de matériaux.
  • Développer des outils de prédiction par apprentissage automatique pour combler les lacunes de données pour les produits chimiques et matériaux commercialisés à l'échelle mondiale et novateurs.
  • Créer de nouvelles méthodologies pour caractériser les impacts liés aux métabolites, formulations, composés biosourcés et produits chimiques inorganiques.
  • Tester l'application des outils et méthodologies développés dans des études de cas dédiées en coopération avec des partenaires industriels et académiques.
  • Participer aux activités d'enseignement, y compris la supervision de projets de MSc et la co-supervision de projets de doctorants.

Vous devez être titulaire d'un doctorat en chimie, en génie environnemental ou dans un domaine similaire. Les candidats doivent démontrer une expertise solide dans l’évaluation des impacts chimiques, particulièrement dans la caractérisation de la toxicité et de l’écotoxicité, et en science des données computationnelles. L’expérience dans le développement de modèles de prédiction basés sur les données utilisant l'apprentissage automatique et la chimiométrie est essentielle. Une expertise particulière en quantification de l'incertitude de prédiction des modèles d'apprentissage automatique, des compétences avancées en programmation et une expérience des études de cas en chimie verte ou en conception sûre et durable (SSbD) seront avantageuses.

Une forte motivation pour la recherche analytique et d'excellentes compétences en communication en anglais sont essentielles pour une candidature réussie. En tant que qualification formelle, vous devez être titulaire d'un doctorat ou équivalent.

DTU est une université technique mondialement reconnue, engagée dans l'excellence en matière de recherche, d'éducation, d'innovation et de conseil scientifique. Nous offrons un poste gratifiant et stimulant dans un environnement international. DTU promeut l'excellence académique avec un accent sur le respect collégial et la liberté académique tempérée par la responsabilité.

Le poste est basé sur la convention collective avec la Confédération danoise des associations professionnelles. La période d'engagement est de 3 ans, avec une date de début prévue au 1er août 2024. Il s'agit d'un poste à temps plein. Le salaire sera convenu avec le syndicat concerné.

Pour en savoir plus sur les parcours professionnels à DTU, cliquez ici.

Pour plus d'informations, vous pouvez contacter le professeur Peter Fantke à [email protected] ou visiter la page du département DTU Sustain.

Si vous postulez depuis l'étranger, vous pouvez trouver des informations utiles sur le travail au Danemark et à DTU ici.

Votre candidature en ligne complète doit être soumise avant le 20 juin 2024 (23:59 heure danoise). Les candidatures doivent inclure les documents suivants compilés en un seul fichier PDF :

  • Candidature (lettre de motivation)
  • CV
  • Diplômes académiques (MSc/PhD – en anglais)
  • Liste des publications
  • 1-2 lettres de soutien de référents professionnels (par exemple, anciens supervise