Doctoraatspositie in Wind Farm Fatigue Load Surrogating Via Graph-based Machine Learning

**1 - Werken bij de VUB**:
De **Vrije Universiteit Brussel** staat al meer dan 50 jaar voor **vrijheid, gelijk(waardig)heid en verbondenheid**, en dat leeft sterk op onze campussen bij zowel studenten als personeel.

Bij de VUB vind je een diverse verzameling aan persoonlijkheden: innovators pur sang, maar vooral **mensen die 100% hun authentieke zelf zijn**. Met zo’n **4.000 medewerkers** zijn we de **grootste Nederlandstalige werkgever, in de privésector, in Brussel**; een internationale stad waarmee we ons maar al te graag verbinden en waar(rond) onze 4 campussen gelegen zijn.

Voeg daarbij ons beginsel van **vrij onderzoek** - waarin zelfreflectie, een kritische houding en een open, creatieve geest rond wetenschappelijke en maatschappelijke vraagstukken centraal staan - en je hebt een universiteit die fundamenteel grensverleggend en pionierend is op het vlak van onderwijs en onderzoek. Kortom**:de VUB ten voeten uit**.

De VUB is bovendien lid van **EUTOPIA**, een alliantie van gelijkgestemde Europese universiteiten, allen klaar om zichzelf opnieuw uit te vinden.

**2 - Functie**:
Momenteel zijn we voor de **Onderzoeksbursalen** van de **Faculteit Ingenieurswetenschappen**, vakgroep **Toegepaste mechanica**, op zoek naar een **doctoraatsbursaal**.

Meer concreet zal je takenpakket, **ter voorbereiding van een doctoraat**, er als volgt uitzien:
Wij zoeken een gemotiveerde en bekwame doctoraatsstudent om te werken aan **wind farm fatigue load surrogating via graph-based machine learning.**

Het doel is om belastingsvoorspellingen te maken voor volledige structuren van windturbines, specifiek voor de funderingen, met als ultieme doel structurele gezondheidsinformatie op te nemen in het beheer van windparkassets. Zo willen we de structurele levensduur optimaliseren terwijl de energieproductie optimaal blijft.

Je werkt op het snijvlak van windenergie en machine learning, twee van de snelst groeiende wetenschappelijke domeinen, aan de ontwikkeling van grafengebaseerde surrogaten van funderingen van offshore windturbines. Aangezien nieuwe windparken worden ontworpen met strengere vermoeiingseisen en agressievere controlestrategieën, is het belangrijk om beslissingen te ondersteunen (zowel tijdens ontwerp als operatie) om overmatige vermoeiingsschade te voorkomen, met behoud van productie.

Vermoeiingsbelasting monitoren over de volledige substructuur is complex. Instrumentatie is vaak schaars en geeft geen directe meting op alle vermoeiingsgevoelige punten. Virtuele metingen via analytische oplossingen zijn in opmars, maar gaan vaak uit van tijdsonafhankelijkheid, terwijl windturbines dynamische, evoluerende systemen zijn. Daarom willen we flexibele surrogaten ontwikkelen die belastingen over de volledige substructuur kunnen inschatten, afhankelijk van turbinegeometrie, windinval en zeetoestand.

Machine learning-modellen, in het bijzonder graafneurale netwerken (GNNs), kunnen hierbij een rol spelen. Deze kunnen fysieke relaties modelleren en niet-lineariteiten capteren. De onderzoeksgroep beschikt over uitgebreide simulatiecapaciteiten en echte meetgegevens. De nadruk ligt op het ontwikkelen, testen en verbeteren van deze modellen, met onder meer transfer learning en reduced order models (ROMs).

Je onderzoek wordt begeleid door Prof. Christof Devriendt en Dr. Francisco de Nolasco. Je wordt lid van de onderzoeksgroep Acoustics & Vibration binnen de Faculteit Ingenieurswetenschappen aan de VUB. Deze groep is medeoprichter van het OWI-Lab en werkt binnen internationale projecten zoals het Europese WILLOW-project en de Belgische projecten Smartlife en Supersized.

Voor deze functie zal onze **Brussels Humanities, Sciences & Engineering Campus (Elsene)** je thuisbasis worden.

**3 - Profiel**:
Wat verwachten wij van jou?
- Je hebt minstens een masterdiploma in een relevant domein (bv. mechanica, elektrotechniek, civiele techniek, energie of computerwetenschappen).
- Je bent sterk gemotiveerd om hoogstaand wetenschappelijk onderzoek te doen.
- Je hebt goede analytische en technische vaardigheden.
- Je hebt interesse in het mechanisch gedrag van structuren, monitoringtechnieken en offshore windenergie.
- Ervaring met data-analyse, machine learning en programmeren in Python is een troef.
- Kennis van graafneurale netwerken (GNNs) is een pluspunt.
- Je werkt zelfstandig, oplossingsgericht en gestructureerd.
- Je bent een open, samenwerkingsgerichte persoonlijkheid die bijdraagt aan teamwerk en onderwijsprojecten.
- Je communiceert uitstekend in het Engels, zowel schriftelijk als mondeling.
- Je hebt geen werkzaamheden verricht in het kader van een mandaat als assistent bezoldigd ten laste van de werkingsmiddelen, gedurende meer dan 12 maanden (gecumuleerd).

VUB wil **een weerspiegeling zijn van de maatschappij** waar ieders talent wordt gewaardeerd, ongeacht het gender, geslacht, leeftijd, religie, huidskleur, migratieachtergrond, functiebeperking en de neurodiversiteit.

**4 - Aanbod**:
Word jij onze nieuwe colleg