Expert på maskininlärning för klimattillämpningar

Vill du vara med och producera morgondagens kunskap om klimat och utveckla kvalificerat beslutsunderlag för samhälle och näringsliv? För att möta samhällets förväntningar på prognos av klimatet kompletterar nu Rossby Centre vid SMHIs forskningsavdelning verksamheten. Vi erbjuder en stimulerande miljö med mycket externa kontakter och flexibla arbetsformer.

Rossby Centre är SMHIs klimatmodelleringsenhet.

Här bedrivs forskning kring klimat och klimateffekter med klimatmodeller som används för beräkning av framtida klimatscenarier. SMHI deltar i nationella och internationella projekt med forskning kring klimatprocesser, utveckling av klimatmodeller och nya former av klimatinformation. Forskningen ökar förståelsen av klimatet och är ett viktigt underlag till klimattjänster och samhällets aktörer. Utveckling av klimatinformation och motsvarande data är viktigt för beslutsfattning om anpassningsåtgärder i samhället och näringslivet.

Om tjänsten

Vi söker nu en forskare med expertis inom maskininlärning (ML) som i tätt samarbete med klimatexperter på Rossby Centre kan vidareutveckla och tillämpa maskininlärningsmetoder för en rad tillämpningar inom klimatområdet.

Centrala arbetsuppgifter är:


• att förbättra och tillämpa ML-metoder för nedskalning av klimatvariabler från klimatmodeller
• att utveckla och använda ML-metoder för detektering av väder- och klimatextremer
• att använda ML-metoder för klimatprognoser
• att följa utvecklingen inom ML och identifiera möjligheter för tillämpning på SMHI, till exempel för tuning och spin-up av klimatmodeller eller för utvidgande av ensembler av klimatmodellsimuleringar.
• att skriva rapporter och vetenskapliga publikationer om resultat

Arbetet kommer att bidra till det pågående Horizon EU-projekt OptimESM (Optimal High-Resolution Earth System models for Exploring Future Climate Changes, https://optimesm-he.eu/ ), Horizon EU-projektet AI4PEX (Artificial Intelligence and Machine Learning for Enhanced Representation of Processes and Extremes in Earth System Models, med start i februari 2024) och ett Destination Earth-projekt om ‘Machine Learning Generated Ensembles’.

Detta ger goda möjligheter att utveckla internationellt samarbete, nätverk och kommunikation.

Om dig

Vi söker dig som har en examen från universitet eller högskola inom matematik, fysik, beräkningsvetenskap, klimatvetenskap eller annat närliggande område. En doktorsexamen eller jämförbar erfarenhet är meriterande.

Dokumenterad erfarenhet av att använda ML-metoder inom klimat- eller miljöforskning och erfarenhet av djupinlärning (deep learning) eller convolutional neural networks är ett krav. Vidare krävs det förståelse för olika alternativa ML-metoder och expertis för att kunna utveckla eller anpassa befintliga djupinlärningstopologier för att emulera klimatextremhändelser.

Expertis om tillämpning och utveckling av ML-metoder för nedskalning av klimatdata samt kompetens inom atmosfärs- eller klimatforskning eller liknande område är meriterande, liksom vetenskapliga publikationer inom området.

Du bör vara van att arbeta med datorsystem i en Linux-miljö med Python och hantera stora mängder data. Kunskaper i Fortran, C eller shellscript samt att kunna utföra beräkningar med GPU:er är meriterande.

Vi lägger stor vikt vid personliga egenskaper som din förmåga att samarbeta och arbeta i grupp. Du är ansvars- och initiativtagande i ditt arbete och bra på att analysera, planera och driva arbetet framåt. Att leverera resultat på utsatt tid med god kvalitet är självklart för dig.

Du har goda kunskaper i engelska, både i tal och skrift. Kunskaper i svenska är meriterande och om kunskaper i svenska saknas efterlyses en tydlig vilja att lära sig svenska.

Anställningsform: Tillsvidare

Placeringsort: Norrköping

Sista ansökningsdag: 12 november 2023 

SMHI är en svensk expertmyndighet med globalt perspektiv och en livsviktig uppgift i att förutse förändringar i väder, vatten och klimat. Med vetenskaplig grund och genom kunskap, forskning och tjänster bidrar vi till att öka hela samhällets hållbarhet. Varje dag, dygnet runt, året om.

Tänk på att de handlingar och uppgifter du skickar till SMHI genom din ansökan blir en allmän handling. Detta betyder att allt material i ansökan, inklusive bilagor, kan behöva lämnas ut till den som begär det om uppgifterna inte omfattas av sekretess enligt offentlighets- och sekretesslagen. Tänk på att i första hand skriva det som du bedömer är relevant i förhållande till kraven på tjänsten. Tänk på din integritet och undvik att lämna information som innehåller känsliga personuppgifter, uppgifter om din eller närståendes hälsa, politiska åsikter eller religiös övertygelse.