Stipendiat i kvanteinspirert evolusjonær algoritme for multi-objektiv integrativ optimalisering

Institutt for informasjonsteknolgi ved Fakultet for teknologi, kunst og design (TKD) har en ledig stipendiatstilling i skjæringen mellom kunstig intelligens og kvanteberegninger. Prosjektet kombinerer evolusjonære algoritmer med kvanteberegninger, med fokus på anvendelser i komplekse multi-objektiv optimeringsproblemer. Stipendiaten vil være en del av den akademiske gruppen for kunstig intelligens.

Hovedmålet med prosjektet er å formulere og implementere en flerobjektiv kvanteinspirert evolusjonær algoritme (KEA) skreddersydd spesielt for klassiske datamaskiner, med fokus på å håndtere de utbredte utfordringene innen flerobjektiv integrerende optimeringsproblemer (FIO). Reelle optimeringsproblemer, som er vanlige i industrien, er ofte komplekse og involverer forskjellige sammenkoblede optimeringsproblemer med flere sammenhengende og ofte motstridende mål. De fleste av disse uavhengige optimeringsproblemene er sammenknyttet, og det er derfor nødvendig å kombinere dem til et globalt integrert optimeringsproblem. Dette forslaget vurderer å formulere et FIO-problem ved å kombinere k optimeringsproblemer, noe som resulterer i k objektivfunksjoner. I stedet for å søke en enkelt løsning, er tilnærmingen å tilby et sett av alternativer (Pareto-optimal front) som reflekterer avveiningen mellom målene som følger av FIO, slik at beslutningstakere kan velge basert på sine preferanser. Denne praktiske tilnærmingen forventes å forbedre beslutningsprosessen i industrien betydelig.

FIO-problemer faller er et såkalt NP-hardt problem, og tradisjonelle optimeringsmetoder kan ofte ikke håndtere kompleksiteten til slike reelle FIO-problemer, noe som resulterer i suboptimale løsninger og lange beregningstider. Evolusjonære algoritmer (EAs), inspirert av naturlige seleksjonsprosesser, har vist seg effektive i håndteringen av NP-harde-problemer på grunn av deres stokastiske natur, populasjonsbaserte utforskning og globale søkeegenskaper. Imidlertid begrenser problemer som for tidlig/langsom konvergens og ubalanserte utforsknings-utnyttingsavveininger deres ytelse.

Nylig har fremveksten av kvanteinspirerte evolusjonære algoritmer (KEA) åpnet nye muligheter for å forbedre effektiviteten til evolusjonære algoritmer (EAs) ved å oppnå en bedre balanse mellom utforskning og utnyttelse. Med inspirasjon fra kvantemekanikk integrerer KEAs konsepter som superposisjon, kvanteparallellitet, sammenfiltrering, interferens, koherens og måling i den eksisterende EA-rammeverket. Nyere fremskritt har vist fordelene med KEAs over klassiske EAs, og vist suksess i å løse komplekse NP-harde problemer som tidligere ble ansett som beregningsmessig uoverkommelige for klassiske datamaskiner. Imidlertid er eksisterende KEAs typisk designet for enkelttilpassede optimeringsproblemer og viser optimal effektivitet på spesialisert kvantehardware snarere enn klassiske datamaskiner. De møter også utfordringer med å opprettholde koherens og utnytte sammenfiltring for effektiv utforskning, noe som nødvendiggjør videre utforsking av kvanteoperatører og kodingsteknikker som kan tilpasse seg forskjellige problemstrukturer og objektivfunksjoner.

Dette prosjektet har som mål å bygge bro over denne gapet ved å utvikle en ny flerobjektiv KEA som er spesifikt designet for klassiske datamiljøer. Ved å bruke kvanteinspirerte teknikker, er målet å gi næringslivet en praktisk og effektiv løsning for å takle komplekse multi-objekt optimeringsutfordringer i virkelige situasjoner, som innen produksjon og logistikk. Dette forskningsmålet omfatter både teoretiske og praktiske dimensjoner, med fokus på å bidra betydelig til utviklingen av multi-objektiv KEA. Til syvende og sist er målet ikke bare å fremme optimaliseringsmetodologier, men også å legge til rette for bredere tilgang til avanserte problemløsningsteknikker i akademiske og næringslivs-miljøer, og dermed revolusjonere måten vi nærmer oss og løser komplekse optimaliseringsproblemer på.

Stillingen lyses ut som 3 år med 100% forskning, eller 4 år med 75% forskning og 25% annet karrierefremmende arbeid. Det er et mål at kandidaten skal fullføre PhD-programmet/-graden innenfor den besluttede tidsrammen. Beslutningen om 3- eller 4- årig stilling vil bli diskutert som en del av intervjuene i ansettelsesprosessen.

• Mastergrad/hovedfag innen informatikk, kunstig intelligens, kvanteberegning, anvendt matematikk eller et beslektet felt. Graden må inneholde 120 studiepoeng (ECTS). Alle eksamener på mastergraden må være avlagt innen 30.06.2025.
• Minimum gjennomsnittskarakter B på emner som inngår i mastergraden.
• Minimum karakter B på masteroppgave/hovedoppgave.

Godkjent opptak til doktorgradsprogrammet Bærekraft for innovasjon ved Fakultet for teknologi, kunst og design innen tre måneder etter ansettelse er en forutsetning for stillingen. Dersom du allerede har en doktorgrad i nærliggende fagfelt, vil du ikke kunne ansettes i stillingen.

I vurdering av søkerne vil det bli lagt vekt på instituttets helhetlige behov og søkerens potensiale for forskning innenfor fagfeltet.

Generelle kriterier for ansettelse i rekrutteringsstillinger følger av Forskrift om ansettelsesvilkår for stillinger som postdoktor, stipendiat, vitenskapelig assistent og spesialistkandidat (FOR-2006-01-31-102) jf. overgangsregler beskrevet i Forskrift til universitets- og høyskoleloven § 13.2.

• Evne å utføre og skrive om forskningen på en strukturert og profesjonell måte
• En spennende jobbmulighet ved Norges tredje største og mest urbane universitet
• Låne- og pensjonsbetingelser i Statens pensjonskasse
• Gode velferdsordninger og et bredt spekter av tilbud av aktiviteter innen kultur og sport
• En arbeidsplass i sentrum av Oslo med flere kulturelle tilbud
• Kopier av vitnemål og karakterutskrift for bachelor- og mastergrad (som lister emner og karakterer) og attester. Bemerk at en beskrivelse av karaktersystemet ved universitetet/ landet du tok din grad må legges ved. Dette må være et offisielt dokument fra ditt universitet. Utenlandske vitnemål må oversettes til engelsk av universitetet som har utstedt vitnemålet.
• Dersom du ikke har fullført mastergrad på søknadstidspunktet, må du legge ved foreløpig karakterutskrift på engelsk eller et skandinavisk språk fra ditt universitet/vitnemålsportalen innen søknadsfristen. Det er ønskelig at du også legger ved en oversikt over emner/eksamener du skal avslutte våren 2025. Aktuelle søkere må ettersende offisiell bekreftelse fra utdanningsinstitusjon innen 30.06.2025 på at alle eksamener til mastergraden er fullført, inkludert masteroppgave.
• Navn og kontaktinformasjon til to referanser (navn, relasjon, e-post og telefonnummer).
• Søkere fra land der engelsk ikke er førstespråk må legge ved resultatet av en offisiell språktest. Følgende søkere er unntatt fra dette språkkravet:
  • Søkere fra EU/EØS-land.
  • Søkere som har fullført minst ett års studier i Australia, Canada, Irland, New Zealand, Storbritannia eller USA.
  • Søkere som har et "International Baccalaureate (IB)"-vitnemål.

Følgende språkprøver er godkjent dokumentasjon: TOEFL, IELTS, Cambridge Certificate in Advanced English (CAE) eller Cambridge Certificate of Proficiency in English (CPE). På disse prøvene skal man minst ha oppnådd disse poengsummene:

• TOEFL: 600 (papir-basert prøve), 92 (Internet-basert prøve)
• IELTS: 6.5, der ingen av seksjonene skal ha lavere poengsum enn 5.5 (bare Academic IELTS-prøven er godkjent).

For nærmere informasjon om stillingen, kontakt:

• Førsteamanuensis Kazi Shah Nawaz Ripon, email: kazi.ripon@oslomet.no ; tlf: +47 40 94 74 49

Stillingen lønnes etter Statens lønnsregulativ, stillingskode 1017 stipendiat, kr. 532 200 per år.

Søk på stillingen elektronisk via vårt rekrutteringssystem.