概率机器学习博士研究岗位

项目概览

该博士研究岗位位于一个覆盖计算系统生物学、芬兰人工智能中心 FCAI 和 ELLIS Finland 的研究环境中。

研究主题是概率机器学习，具体落点为面向动力系统的 biology-informed machine learning。

项目由 阿尔托大学 的计算机科学环境承载，申请截止日期为 2026 年 10 月 21 日。

项目详情

项目介绍首先指出，普通微分方程模型虽然可解释，但往往不完整：机制可能只被部分理解，数据会带噪声且采样稀疏，不同个体和条件之间的测量也可能不同，还有一些关键生物状态是不可观测的。纯数据驱动模型则更灵活，却常常忽略已知生物学，并且对不确定性和机制解释支持不足。基于这些问题，项目将推进 Biology-Informed Machine Learning 的思路。

博士论文的重点是把这一思路具体化为 Biology-Informed Gaussian Processes（BioGPs）。这类模型把已知的机理部分与高斯过程项结合起来，用 Bayesian dynamical models 的形式表示未知或建模不足的生物学机制。项目还提到，如果申请者感兴趣，研究也可能与面向动力系统的 foundation-model approaches 发生联系。围绕这些方向，关键方法问题包括不确定性量化、对异质轨迹的推断、部分可观测性，以及不确定先验知识的整合。

除了轨迹预测，项目还希望把这些方法进一步连接到显式、可解释的机理 ODE 学习，包括符号结构的学习。项目页面也说明，团队此前已经在 nonparametric mixed-effect ODE models 和基于 GP 的时间单细胞数据建模方面有相关工作，因此这个博士并不是从零开始，而是建立在已有方法积累之上继续推进。

研究团队由 Dr Julien Martinelli 和 Associate Professor Harri Lähdesmäki 共同指导，工作环境横跨计算系统生物学组、FCAI 和 ELLIS Institute Finland。项目介绍显示，申请者将获得一个在 Bayesian machine learning 与 computational biology 之间来回切换的本地研究网络，因此既要看懂方法，也要能理解生物系统中的动态问题。模型如果做得好，还应能在异质轨迹和部分观测条件下保持可解释性。

【导师/团队信息】

导师包括 Dr Julien Martinelli 和 Associate Professor Harri Lähdesmäki。前者的研究重点是面向生物医学应用的 Biology-Informed Machine Learning，后者在生物系统的 Bayesian inference 方面经验丰富。团队和机构网络较强，适合愿意做方法研究并与生物问题深度耦合的申请者。

申请要点

• 学历要求：概率机器学习、统计学、应用数学、计算机科学或相关领域背景。

• 核心能力：强编程能力，熟悉概率建模、动态系统或统计学习更佳。

• 研究方向：愿意在生物学约束下发展机器学习方法，而不是只做纯数据拟合。

• 申请材料：CV、cover letter、学术写作样本（如硕士论文）、MSc 和 BSc 成绩单、最新学位证书。

• 语言与入职：硕士学位必须在合同开始前完成。

• 资助与合同：职位属于 阿尔托大学 career system，先聘 2 年，之后可续 2 年；起薪为每月 €3168.20，并附带职业健康福利。

• 工作安排：年总工作量为 1612 小时，岗位位于 校园主校区。

• 申请时间：2026 年 10 月 21 日 23:59（UTC+3）截止；找到合适候选人后会尽快录用。

• 联系方式：julien.martinelli；hr-cs。

需要进一步确认

• 续聘到第二个两年期是否自动发生，公开说明并未承诺。

• foundation-model 方向是否真正纳入博士主线，需与导师确认个人兴趣匹配度。

• 申请材料要求的是单个 PDF 合并提交，具体命名与上传格式可在申请系统中再核对。

• 起薪为欧元月薪，后续是否随级别和进展调整，需按 阿尔托大学 薪酬体系确认。

项目还会把 BioGPs、机理 ODE 学习和单细胞时间序列建模之间的联系进一步打通，尤其关注异质轨迹、部分可观测性和不确定先验知识的处理。岗位本身属于该校博士研究岗位体系，合同节奏、工作量与实验室协作方式都较明确，因此申请者不仅要能做方法研究，也要能把方法落到可重复的生物系统分析上。

项目还会把轨迹预测之外的显式机理学习纳入主线，进一步检验符号结构、异质轨迹和先验不确定性如何影响模型表现。岗位虽然以方法研究为主，但最终要能服务于生物系统的实际分析与解释，也要求持续的代码维护和实验对照。

PhD 项目研究报告：Doctoral Researcher in Probabilistic Machine Learning

申请判断

申请判断：高度吸引人。 这是一项对概率机器学习、统计学、应用数学、计算机科学、贝叶斯推断或定量计算生物学背景申请人都很有吸引力的博士机会。官方页面已经核实了关键事实：该岗位于 2026 年 8 月 21 日发布并更新，仍显示可申请，截止时间为 2026 年 10 月 21 日 23:59 UTC+3，聘用期为两年固定期限，另有两年续聘选项，起始薪资为 3168.20 欧元/月，提供职业健康福利，年度工作量为 1612 小时(官方项目页)。

学术信号之所以强，是因为这个项目与 Julien Martinelli 的 Biology-Informed Gaussian Processes 研究线，以及 Harri Lahdesmaki 的 Computational Systems Biology 环境高度贴合。项目还处在一个密集的本地生态中：计算机科学系、Computational Systems Biology、Probabilistic Machine Learning、FCAI 和 ELLIS Institute Finland 都在同一条链上。

主要风险是实践和策略层面的：岗位可能在找到合适候选人后提前关闭，续聘是可选而不是保证，正式博士学位学习权仍然是单独流程，而中国大陆/非欧盟申请人还需要按个案完成学位认证、英语证明和居留许可规划。

研究方向与领域前景

可行的研究切入点

比较有价值的研究切入点包括：

• 面向稀疏、噪声大且异质轨迹的 BioGP 可扩展推断。
• 面向群体与个体特异动力学的混合效应或层级 BioGP。
• 相关生物状态不可测时的部分可观测性处理。
• 把 GP 残差项与可解释 ODE 或符号结构耦合起来的显式机制发现。
• 不确定先验整合：在不把模型约束得过死的前提下表达已知生物机理。
• 与 neural ODE、Gaussian-process state-space models、physics-informed ML 和 foundation ODE inference models 的对比基准。

领域动向

论文主题是面向动力系统的生物启发概率机器学习。岗位从一个真实建模问题出发：ODE 模型虽然可解释，但往往不完整；生物数据噪声大、稀疏、异质且部分不可观测；纯数据驱动模型虽然灵活，但对已知生物机理和机制约束支持较弱。BioGP 的目标，是把已知机制成分与灵活的高斯过程项结合起来，以刻画未知或建模不充分的生物过程(官方项目页)。

这一方向很及时，因为 AI for science 正在从黑箱预测转向更强调不确定性、先验知识整合与可解释结构发现的模型。这个项目可以落在 Bayesian ML、ODE 推断、符号机制发现、单细胞/时间序列建模，以及动力系统的基础推断模型之间。

职业与市场前景

该项目最强的职业信号是 AI for science 和计算生物学，而不是泛化机器学习。它对应的技能可迁移到 Bayesian ML、概率编程、科学机器学习、健康/生物 AI、纵向生物医学数据、研究软件和可解释模型发现。FCAI 和 ELLIS 增强了网络信号，CSB/PML 则提供了本地学术深度(CSB group; PML research; FCAI; ELLIS launch)。

学校、学科与培养

这个岗位位于该校理学院 School of Science 下的计算机科学系。官方说明把该系描述为一个大型国际计算机科学环境，拥有 40 多位教授和来自 50 个国家的 450 多名员工，并指出该岗位处在 Computational Systems Biology、FCAI 和 ELLIS Institute Finland 相关语境中(官方项目页)。计算机科学系页面也提供了当地研究环境背景(计算机科学系)。

博士学位环境应结合 Aalto Doctoral Programme in Science 以及该校的一般博士申请路径来理解(博士项目; 博士申请)。该校关于博士学习权的页面说明，全日制博士通常目标是在四年内完成；而本岗位页面公开的是两年雇佣期加两年续聘选项，这两者不应直接混同(博士学习权)。

排名证据有辅助作用，但不是决定性因素。学校的官方排名页和 THE 的独立档案提供了机构背景(学校排名; THE 档案)。对这个项目而言，更强的信号来自 CS/FCAI/ELLIS/CSB 的具体匹配。

导师与实验室评估

导师研究方向

Julien Martinelli 是直接的方法学锚点。该校人员页面将他列为计算机科学系的 Research Fellow，而他的学术主页则说明其研究聚焦生物启发机器学习、概率建模，以及与 FCAI/ELLIS/CSB 的关联，并获得 Academy Research Fellowship 支持(Julien Martinelli at Aalto; Martinelli academic site)。Research.fi 也独立记录了 BIOLOGNESE 项目，即 Biology-Informed Gaussian Processes，时间为 2026-2030，资助额为 692,366 欧元，地点在该校(Research.fi BIOLOGNESE record)。

Harri Lahdesmaki 提供了更资深的计算生物学和概率推断环境。其校内主页将他标识为副教授和 Computational Systems Biology 负责人，专长包括概率机器学习、计算生物学和生物信息学(Harri Lahdesmaki at Aalto)。CSB 组聚焦概率机器学习和计算生物学，包括连续时间动力系统和纵向生物医学数据(CSB group; CSB members)。

近期代表性论文

Martinelli 2025 年 NeurIPS 立场论文 “Biology is the Challenge Physics-Informed ML Needs to Evolve” 与本岗位直接相关。它把 Biology-Informed Machine Learning 描述为回应生物数据与机制挑战的一种路线，强调不确定性、情境化、受约束潜变量结构推断以及可扩展性(NeurIPS 2025 paper)。

2026 年预印本 “Bayesian Nonparametric Mixed-Effect ODEs with Gaussian Processes” 与本岗位所说的 BioGP 方向更接近。它把基于 GP 的混合效应 ODE 建模用于群体与个体特异的连续时间动力学，和岗位对异质轨迹以及贝叶斯动力系统的兴趣直接对应(arXiv MEGPODE)。

2026 年 Briefings in Bioinformatics 论文 “Data-driven discovery of digital twins in biomedical research” 则对项目中明确的、可解释的机制性 ODE 与符号结构方向非常重要(OUP DOI)。

在 Lahdesmaki 侧，“Modeling Temporal scRNA-seq Data with Latent Gaussian Process and Optimal Transport” 支撑了时间序列生物数据与高斯过程环境(arXiv temporal scRNA-seq GP)。

岗位还提到动力系统基础模型方法可能是扩展方向，因此 “Foundation Inference Models for Ordinary Differential Equations” 可作为领域前沿背景，但除非导师明确说明，否则不应默认它就是论文核心(arXiv FIM-ODE)。

实验室、资源与合作环境

本地环境非常完整。Probabilistic Machine Learning 组公开记录了概率建模、贝叶斯推断与机器学习研究，也包括面向 AI for research 和健康应用的工作(PML research)。FCAI 是芬兰研究委员会旗舰计划，覆盖概率建模、深度学习、多学科合作和产业合作(FCAI)。学校关于 ELLIS Institute Finland 的发布则把它定位为具有学术/产业链接和算力雄心的高水平 AI/ML 研究枢纽(ELLIS Institute Finland launch)。

真正未明确的是访问条件：公开岗位并未说明 BioGP 的代码库、数据集、基准、算力分配，或 FCAI/ELLIS 资源是否对该博士项目有正式承诺。

资助、申请与生活成本

这个岗位的资助与合同证据，比通常的博士招聘更清楚。官方页面写明：两年固定期限，另有两年续聘选项；起始薪资为 3168.20 欧元/月；提供职业健康福利；年度工作量 1612 小时；地点在 Otaniemi；通过 Workday 申请；申请材料需合并为一个 PDF，包括 CV、求职信、学术写作样本、硕士/学士成绩单和最近学位证；硕士学位必须在合同开始前完成(官方项目页)。

两个关键提醒是续聘与时间。续聘写的是“选项”，不是无条件保证。页面还说明，岗位会在找到合适候选人后尽快填补，因此 2026 年 10 月 21 日这个正式截止日期，不应理解为评审一定会等到最后一天才开始。

博士学习本身在该校免学费和注册费，但领薪博士研究员岗位与博士学习权申请是两条独立流程(博士申请)。对非欧盟研究人员来说，Migri 的研究人员居留许可路径是单独的移民流程，附带收入和工作权条件(Migri researcher permit)。

对中国大陆申请人来说，该校的资格页面和国家/地区文件页尤其重要。学校要求有被认可/等同的合格学位和可接受的语言证明，而中国大陆学位文件需要 CSSD 的英文验证报告，用于成绩单和学位证(资格与语言要求; 国家/地区文件要求)。OPH 也确认，芬兰高等教育机构会在录取时基于国外教育做学术认可(OPH academic recognition)。

生活成本方面，学校的指南估计芬兰常见月度支出在 800-1300+ 欧元，住宿往往是预算中的主要部分(迁居芬兰与财务事项)。住宿指导说明，博士生通常需要自行安排住宿，学校没有博士宿舍(学生住宿)。税卡和税务身份不能从毛薪直接推算净薪，因为芬兰税卡和居民/非居民规则会影响实际到手金额(税卡)。

申请人匹配度与准备建议

最适合的背景

最适合的画像是：概率/统计深度和真实编程能力兼具，并且对动力系统有兴趣。适合背景包括概率机器学习、统计学、应用数学、计算机科学或相关定量学科。更有说服力的证据会包括 Gaussian processes、贝叶斯推断、ODE、state-space models、不确定性量化、近似推断、时间序列数据、计算生物学或可解释机制建模。

需要谨慎的情况

如果申请人的经验主要是泛化深度学习，而不是概率与动力系统深度，那么需要谨慎。这个项目也不太适合只对生物医学应用分析感兴趣、但不做方法开发的申请人。官方还要求硕士学位必须在合同开始前完成，因此最后一年时间表必须认真核对。

中国大陆申请人不应只依赖泛化的国际化表述。公开证据支持的是一般路径，但个人是否合格，仍然取决于学位等同性、CSSD 验证、英语证明、博士学习权以及 Migri 居留许可流程。

可强化的能力与证据

申请材料应该尽量项目定制化。更强的证据包括：

• 动机信明确把 Martinelli 的生物启发机器学习路线与 BioGP、ODE 和不确定性生物建模联系起来。
• 一份数学/统计表达清晰的写作样本，而不仅是描述性项目报告。
• 与 Gaussian processes、贝叶斯机器学习、ODE 建模、state-space models、单细胞/时间序列数据或科学机器学习相关的代码或论文证据。
• 能清楚解释为什么应把已知生物机制与灵活的不确定性建模结合起来。
• 尽早准备学位证、成绩单、CSSD 验证以及英语证明文件（如适用）。

风险与待核事项

高优先级问题

1. 岗位是否会在 2026 年 10 月 21 日之前提前关闭，评审/面试时间表如何安排？
2. 两年可选续聘的里程碑、资助条件或绩效标准是什么？
3. Julien Martinelli 和 Harri Lahdesmaki 在博士项目中的正式指导角色如何划分？
4. 该博士生将使用哪套 BioGP/ODE 软件栈、仓库和编程语言？
5. 已经可用的生物数据集、基准或实验合作方有哪些？
6. 通过该校、FCAI 或 ELLIS 已承诺的算力资源有哪些？
7. 基于基础模型的方向是可选、鼓励，还是论文核心的一部分？
8. 对中国大陆学位，学习权申请前必须准备哪些 CSSD 报告和英文证明？

中优先级问题

1. 入职时间对签证、学位完成和文件验证有多大弹性？
2. Workday 中的一个 PDF 是否有固定顺序或大小限制？
3. 差旅、发表、笔记本/GPU/云资源或软件支持是否另行资助？
4. HR 是否提供研究人员居留许可担保支持？
5. 是否提供搬迁、找房或首月安顿支持？

证据与来源

• 官方项目页：来源
• 计算机科学系：来源
• Aalto 博士项目：来源
• 博士申请：来源
• 博士学习权：来源
• 资格与语言要求：来源
• 国家/地区文件要求：来源
• OPH 学术认可：来源
• Migri 研究人员居留许可：来源
• 学校排名：来源
• THE Aalto 档案：来源
• Julien Martinelli at Aalto：来源
• Martinelli academic site：来源
• Research.fi BIOLOGNESE 记录：来源
• Harri Lahdesmaki at Aalto：来源
• CSB group：来源
• CSB members：来源
• PML research：来源
• FCAI：来源
• ELLIS Institute Finland launch：来源
• NeurIPS 2025 biology-informed ML paper：来源
• Bayesian nonparametric mixed-effect ODEs：来源
• Digital twins in biomedical research：来源
• Temporal scRNA-seq latent GP and optimal transport：来源
• Foundation inference models for ODEs：来源
• 前往芬兰与财务事项：来源
• 学生住宿：来源
• 税卡：来源