机器学习

北卡罗莱纳大学夏洛特分校多尺度材料建模实验室招收博士。博士生将开发和使用机器学习、有限元和分子动力学等工具来研究材料的力学性能。鼓励在固体力学、编程和计算固体力学方面有很强背景和兴趣的候选人提交简历atabarra@uncc.edu．请在简历中附上三位推荐人的姓名和联系方式。

辛辛那提大学(UC)王磊博士课题组正在招募两名积极进取、才华横溢的博士研究生，于2023年1月或2023年8月开始在土木与建筑工程与建设管理系担任岩土工程研究的研究生助理。

我想提请您注意我们最近提出的基于半经验模型(LEFM)和神经网络的预测方法，利用物理知识机器学习的概念。We展示基于材料缺陷的最先进疲劳预测模型的准确性如何通过基于物理的机器学习考虑额外的形态特征而显著提高。

本月加入Synopsys和nTopology的Simpleware产品组，参加针对特定患者手术指南的自动分割和设计工作流程的网络研讨会。

了解更多信息并在这里注册此免费活动:https://register.gotowebinar.com/register/3232312822632785679?source=iMe..。

我正在寻找一名在机器学习(ML)材料设计领域有专业知识的积极和合格的博士后。特别是，博士后研究员将与JHU新建立的AI材料设计(AIMD)设施中的其他实验人员和建模人员密切合作，通过确定高应变率和高温率应用的加工-结构-性能-性能关系，设计新的耐火多主元素合金(rm豌豆)。

Synopsys本月将举办一场网络研讨会，讨论如何在Simpleware软件中使用人工智能医学图像分割来扩大患者特定的工作流程，节省时间，并释放人员资源。如果您还没有机会回顾Simpleware软件中的工具，强烈推荐。

注册:https://register.gotowebinar.com/register/4951806069167092496?source=iMe..。

在过去的几年里，机器学习(ML)应用于力学问题已经得到了广泛的普及。以下是我在2020年初制作的幻灯片中的一个数字，参考了文献中的一些例子——这张幻灯片已经感觉过时了!所有这些作者(以及许多其他作者)都发表了关于这个主题的新论文。

结构完整性与机械设计(SIMED)集团现招聘1年全职机器学习与断裂力学研究博士后。成功的申请人将在乌迪内大学的理工工程与建筑系(DPIA)工作，在Enrico Salvati博士的监督下。

伊利诺伊大学香槟分校(UIUC)机械科学与工程系和材料研究实验室的Harley T. Johnson教授研究小组提供两个计算科学博士后职位。

在航空航天工程学院、电气工程、数学和计算机科学学院的研究人员的联合监督下，代尔夫特理工大学有4个全额资助的博士学位。我们将探索Q令人兴奋的跨学科领域uantum计算和M

欢迎申请丹麦奥胡斯大学技术科学研究生院农业生态学项目的博士奖学金/奖学金。该职位从2022年2月1日或之后开始招聘。

袁博士课题组现招收两个计算力学领域的博士职位(https://wp.wpi.edu/yuan/)在伍斯特理工学院航空航天工程系。强烈鼓励在以下一个或多个领域有研究经验/强烈激情的上进心强的个人申请:

博士后开放职位

康涅狄格大学(UConn)机械工程系的博士后职位可以立即获得财政支持(最多3年)。

要求学历:

工程力学、化学、机械或土木工程、材料科学、凝聚态物理或计算化学专业博士学位。

高级计算材料工程实验室(ACME实验室)，阿拉巴马大学机械工程系正在招收合格的博士职位。这个职位只对美国公民开放。

核能开发局řej岩石š，Vlado Menkovski,Marc Geers(均来自埃因霍温理工大学)，以及马丁做škař(布拉格捷克技术大学)，正在寻找积极进取的博士。

霍华德大学可持续基础设施、岩土工程和材料(SIGMa)实验室招收高分子复合材料多尺度模拟和表征博士研究生，2022年1月入学。鼓励具有较强的计算、机器学习、显微镜和沟通技能的高度上进心的个人申请。

责任

我们现在正在寻找一个讲师/高级讲师/读者级别的学术职位，以便成功的学者加入系统，动力和能源工程部门。我们特别寻找一名候选人，可以在连续介质假设不再有效的较低长度尺度的材料和/或过程建模领域为詹姆斯瓦特工程学院做出贡献。

在Simpleware软件的最新版本中，您可以查看关于支持人工智能的分割和标记工具的网络研讨会-如果您希望加快繁琐的分割速度，那么使用骨科和心脏病医学图像数据是理想的选择。

注册地址:https://register.gotowebinar.com/register/2163352213172894476?source=IMe..。

亲爱的同事们,

我们想邀请您在MMLDT-CSET 2021年9月26-29日会议上提交一份关于岩土工程、地球物理和地质力学应用的多尺度机器学习:从谷物到田间尺度的研讨会摘要: