人工智能驱动的材料超声评估博士项目

【项目介绍】 超声是最广泛使用的无损评估（NDE）和材料表征技术之一，为航空航天、能源、交通和先进制造领域的安全关键检测提供支撑。其探测材料内部状态、揭示微观结构特征、缺陷和退化状况的能力，使其在质量保证和结构健康监测中不可或缺。

然而，从超声测量中提取定量信息仍然是一个长期存在的挑战。在复杂缺陷介质中的波传播正向建模计算成本高昂，而相应的从测量信号推断材料属性或缺陷特征的反问题通常是不适定的、非线性的，且对噪声高度敏感。

人工智能的最新进展为克服这些障碍提供了一条充满希望的途径。深度学习模型可以作为基于物理模拟的超快速替代模型，实现超声响应的近瞬时预测。它们还可以提供强大的逆向映射能力，直接将测量结果与潜在的材料状态联系起来。

本博士项目将开发用于材料评估的人工智能驱动超声方法，结合替代建模和逆向表征。学生将参与完整的研究流程，包括构建高保真超声模拟以生成丰富的训练数据集、设计和基准测试机器学习架构，以及通过实验测量验证所开发的模型。应用目标将包括金属、层状和复合材料结构，以及增材制造组件。

【研究环境与培训】 成功入选的候选人将加入萨塞克斯大学（University of Sussex）一个充满活力且不断发展的研究中心，可以使用最先进的超声仪器、高性能计算资源，以及活跃的学术和工业合作者网络。学生将接受先进超声理论、大规模数值模拟、实验NDE和现代人工智能技术的培训，获得学术界和工业界高度需求的跨学科技能组合。

【申请要求】 我们欢迎具有物理学、工程学、应用数学、材料科学或计算机科学强背景的高度积极候选人申请。具备以下任何一项经验者优先但不作强制要求：超声或波动物理、数值模拟、Python编程和机器学习框架。最重要的是，我们正在寻找一位好奇、独立且善于合作的研究人员，渴望在基于物理的建模、实验和人工智能的交叉领域开展工作。

【资助信息】 在3.5年内，您将获得每年21,805英镑的标准免税津贴，学费将被免除（按英国或国际标准）。此外，还有一笔2,000英镑的一次性研究和培训支持补助金。