Bolsa de PD em Aprendizado de Máquina Aplicado a Fluidos, Análise de Casos Experimentais e Numéricos

Post-Doctoral Fellowship in Machine Learning applied to Fluids, Analysis of Experimental and Numerical Cases

• Resumo Summary

  Uma vaga de pós-doutorado está disponível no projeto “Destravando potencialidades no setor sucroalcooleiro: tecnologias disruptivas para economia circular”, que integra o Centro de Pesquisa para a Inovação de Gases de Efeito Estufa (RCGI), um Centro de Pesquisa em Engenharia (CPE) constituído por FAPESP e Shell com sede na Escola Politécnica da Universidade de São Paulo (Poli-USP).

  O candidato contribuirá alinhado aos principais objetivos do projeto:

  1. Utilizar técnicas computacionais avançadas e algoritmos de aprendizado de máquina para analisar escoamentos removendo ruídos, construindo modelos de redes neurais e obter estruturas a partir de métodos não-supervisionados.

  2. Trabalhar com escoamentos obtidos a partir de via experimental ou simulação por fluidodinâmica computacional (CFD).

  3. Compreender métodos experimentais e numéricos relacionados à mecânica dos fluidos.

  4. Colaborar de perto com uma equipe multidisciplinar de pesquisadores para integrar seus estudos em diversas áreas.

  5. Conseguir realizar simulações CFD e experimentos com técnicas ópticas como velocimetria por imagem de partícula.

  Estamos buscando um candidato altamente motivado com doutorado em Engenharia ou área relacionada, com sólida experiência em aprendizado de máquina aplicado a mecânica dos fluidos. Um histórico de publicações robusto, experiência em ambientes de pesquisa multidisciplinares, experiência em produção de propriedade industrial (patentes e registros de softwares) são altamente desejáveis. Proficiência em inglês é necessária.

  Informações e registro: visite https://sites.usp.br/rcgi/opportunities/ e acesse o código da vaga (REF 24PDR274)

  A vaga está aberta a brasileiros e estrangeiros. O selecionado receberá Bolsa de Pós-Doutorado da FAPESP no valor de R$ 9.047,40 mensais e Reserva Técnica equivalente a 10% do valor anual da bolsa para atender a despesas imprevistas e diretamente relacionadas à atividade de pesquisa.

  One post-doctoral position is available within the project “Unlocking potentials in the sugarcane sector: disruptive technologies for a circular economy”, part of the Research Centre for Greenhouse Gas Innovation (RCGI), an Engineering Research Center (ERC) jointly funded by the São Paulo Research Foundation (FAPESP) and Shell and hosted by the University of São Paulo's Engineering School (POLI-USP) in Brazil.

  The applicant will contribute in line with the main objectives of the project:

  1. Use advanced computational techniques and machine learning algorithms to analyze flows by removing noise, building neural network models and obtaining structures from unsupervised methods.

  2. Work with flows obtained experimentally or via computational fluid dynamics (CFD) simulation.

  3. Understand experimental and numerical methods related to fluid mechanics.

  4. Collaborate closely with a multidisciplinary team of researchers to integrate their studies across diverse areas.

  5. Being able to perform CFD simulations and experiments with optical techniques such as Particle Image Velocimetry (PIV).

  We are seeking a highly motivated candidate with a PhD in Engineering or related fields, with solid experience in machine learning applied to fluid mechanics. A robust publication history, experience in multidisciplinary research environments, experience in industrial property production (patents and software registrations) are highly desirable. Proficiency in English is required.

  Information and registration: visit https://sites.usp.br/rcgi/opportunities/ and access the vacancy code (REF 24PDR274)

  This opportunity is open to candidates of any nationality. The selected candidate will receive a FAPESP Post-Doctoral fellowship in the amount of R$ 9,047.40 monthly and a research contingency fund, equivalent to 10% of the annual value of the fellowship which should be spent on items directly related to the research activity.