博士候选人：面向环境污染科学的稳健且合规 AI

项目概览

该博士项目研究的是面向环境污染科学的多模态 AI 系统。

核心问题有两个：一是系统在分布偏移、输入退化和分布外条件下是否仍然稳健，二是系统是否符合合规与可监督要求。

项目还把不确定性量化、可解释性、公平性和人工监督纳入研究范围。

从公开简介看，这是一项偏方法论与治理兼顾的课题。

项目详情

项目介绍指出，环境污染科学往往面对异构环境数据、传感器质量不一、场景变化频繁等问题，因此 AI 系统不能只追求平均性能，还必须在现实部署条件下保持稳健。

研究将重点处理分布偏移、退化输入和分布外条件带来的性能下降，同时关注如何在复杂环境设置中维持可解释、可审计、可由人工监督的行为。

除了稳健性，课题也把“合规”作为明确目标之一，这意味着研究不只是提升模型精度，还要考虑不确定性量化、解释性、公平性以及人类在环监督的支持机制。

由于题目指向多模态 AI，项目很可能涉及多源环境数据的联合建模，不过公开简介没有进一步说明具体数据类型、实验平台或部署场景。

从申请者视角看，这类课题更适合对机器学习、数据科学、环境数据分析或 AI 可靠性问题有基础的人。

在环境污染科学里，数据往往来自不同传感器、遥感产品或现场观测，噪声和缺失也更常见，因此“稳健”和“合规”不是附加要求，而是模型能否真正进入实际工作流程的前提。

项目如果落实得比较完整，通常会同时回答三类问题：模型在异常输入下是否还能工作、输出能否被解释，以及人在回路中应如何介入判断。

这也解释了为什么题目把多模态、稳健性和合规性放在同一层面来讨论。

如果研究推进顺利，最终产出的不只是一个更强的模型，还应是一套能说明模型何时可靠、何时需要人工介入的判断框架。

对环境污染治理这类应用来说，这种框架本身就具有实际价值。

工作地点同样是 Fondazione Bruno Kessler，位于意大利 Trento 的 Povo，起始日期为 2026年11月1日。

公开摘要未给出导师、合作实验室或具体资助条款，因此需要在正式申请前确认这些关键条目。

申请要点

• 申请者背景：至少具备硕士学位或同等学历。

• 研究重点：多模态 AI 在环境污染科学中的稳健性、合规性、不确定性量化、可解释性、公平性与人工监督。

• 申请材料：公开摘要未列出完整材料清单，需核实。

• 截止时间：2026年8月10日 23:59（欧洲/罗马）。

• 启动时间：2026年11月1日。

• 资助与待遇：摘要未明确说明薪酬、奖学金或学费安排。

• 工作地点：意大利 Trento，Povo。

需要进一步确认

• 是否有明确导师、联合指导或合作研究团队。

• 是否要求特定的机器学习、环境科学或多模态数据处理背景。

• 是否提供具体数据集、实验设施或行业合作案例。

• 合同期限、工资/奖学金和语言要求的完整信息。

PhD 项目深度调研报告：面向环境污染科学的稳健且合规 AI

执行结论

推荐标签：有吸引力，但需要核实匹配度。

对于能够把机器学习稳健性、可信 AI，以及环境或地理空间数据科学结合起来的申请者来说，这是一个较强且时机很好的博士机会。National Ph.D. in Artificial Intelligence for Society 的官方申请页面核实了该奖学金题目、2026-2029 轮次、Bologna 和 Trento 的工作地点，以及 Andrea Borghesi 和 Michele Lombardi 作为参考联系人。University of Pisa 的博士招生说明则确认了更大的第 42 轮博士项目框架，包括三年制、2026 年 11 月 1 日入学、硕士学历资格、奖学金规则、学费豁免和地区税。

该机会最吸引人的地方，在于题目与公开可验证的导师研究方向和承接环境之间有较高一致性。Borghesi 的官方简介把 AI、复杂系统、稳健性、公平性、可信性与合规性联系起来，并明确写到与 FBK Digital Society 在 AI 合规方面有合作。Lombardi 的简介及近期论文则覆盖 safe machine learning、约束规划与机器学习结合、优化、公平性与可信性。FBK Digital Society 中心又提供了数字伦理、AI Act 合规、遥感、韧性社会与环境监测的研究背景。

主要保留意见在于具体性不足。公开证据尚未完整说明最终主导师、确切承接单元、可保障的数据集访问、模态组合，或这里的 compliance 究竟指形式化保证、公平性审计、AI Act 文档、人类监督设计，还是这些内容的组合。总体来看，这是一个值得认真考虑的机会，但在排序或接受前仍需定向核实。

学校、项目与地点信号

项目本身的项目信号是扎实的。National Ph.D. in Artificial Intelligence for Society 是一个结构清晰的全日制博士项目，官方申请页面说明遴选依据包括简历、研究计划和面试。就这一题目而言，资助方是 University of Bologna 和 FBK，工作地点在 Bologna 与 Trento。University of Pisa 的博士招生说明则提供了博士录取的一般行政框架，包括须在 2026 年 10 月 31 日前满足硕士学历要求，以及 Call B 的时间安排。

University of Bologna 进一步增强了学科可信度。DISI 公布的 QS 2026 排名显示，Computer Science and Information Systems 位列全球第 95，Data Science and Artificial Intelligence 位于 51-100 区间；THE 2026 中 Computer Science 位于 101-125，并在意大利排名第一。这一点之所以重要，是因为两位被点名的参考联系人都来自 DISI。

FBK 并不是常规大学排名对象，因此更适合作为研究机构信号来理解。FBK 介绍了持续运行的 AI 计划、嵌入研究单元的国际博士项目，以及把 AI、数据科学、数字伦理与法律、遥感和 edge AI 结合起来的 Digital Society 中心。Nature Index 也提供了 FBK 的独立研究产出证据，但不宜将其直接等同于教学排名。

导师与实验室评估

导师研究方向

Andrea Borghesi 是 University of Bologna DISI 的副教授。他的官方简介强调 AI for complex systems、energy、predictive and prescriptive maintenance、machine learning、optimization、simulation models、robustness、fairness、trustworthiness 和 compliance，并写明与 FBK Digital Society 在 AI compliance 方面有合作。

Michele Lombardi 也是 DISI 的副教授。他的官方简介强调优化与 AI 的结合，尤其是 machine learning、constraint programming、mathematical programming 和 SMT。如果这个博士项目需要把合规要求转化为约束、保证、审计规则，或转化为面向优化的模型设计，这一背景会很相关。

公开页面把两人列为 reference persons，但这并不能证明最终主导师安排。申请前仍需直接核实。

近期重要论文

Lombardi 2025 年的 AAAI 论文 “SMLE: Safe Machine Learning via Embedded Overapproximation” 与该题目直接相关，因为它讨论的是如何训练满足设计者指定性质保证的模型。对于一个关注稳健且合规 AI 的项目，这是很强的方法论信号。

他 2025 年发表在 JAIR 的综述 “Combining Constraint Programming and Machine Learning” 也很相关。该文梳理了机器学习与约束规划如何结合，这对需要同时具备学习能力和形式结构的系统尤其有用。

Borghesi 参与的 2025 年 FairBridge 相关工作，把社会法律视角与技术视角下的 AI 公平性联系起来。这与项目中的合规和公平性维度相吻合。

2024 年的 GRAAFE 论文则没有那么直接对应环境领域，但它展示了复杂系统中的鲁棒 AI 运维、基于图的异常预警以及部署约束。这对需要在噪声、漂移或退化条件下运行的 AI 系统是有价值的背景。

实验室、资源与合作环境

最强的实验室环境证据来自 FBK DigiS。DigiS 明确覆盖数字伦理、AI Act 合规工具、遥感应用、安全与韧性社会，以及 AI 支持下的环境监测。其研究单元包括 Remote Sensing for Digital Earth，以及关注社会技术系统和数字平台的团队。这使得该环境很适合将环境污染数据与可信 AI 结合起来。

不足之处在于，公开证据没有说明这个项目最终归属哪个单元、哪些数据集是已保障可用的，或者学生是否主要嵌入 DISI、FBK DigiS，还是其他合作方。

研究方向与领域前景

领域动能

这个课题正处在一个活跃的交叉点：多模态环境 AI、分布偏移下的 AI 稳健性，以及面向可信系统的监管要求。Horizon Europe 的 EVELYN 项目尤其能说明这一点：它瞄准用于环境污染科学的多模态 foundation models，覆盖空气、水和土壤污染场景，并明确关注 trustworthy、fair、transparent、interpretable、explainable、robust、generalisable、reliable 和 compliant AI。

EU AI Act 也在强化这个主题的重要性。European Commission 概述的高风险 AI 义务包括风险评估与缓解、数据集质量、日志记录、技术文档、用户信息、人类监督、稳健性、网络安全和准确性。即使这个博士项目本身并不是在开发受监管产品，这些要求也会影响欧洲语境下“compliant AI”的实际含义。

NIST 的 AI Risk Management Framework 及相关可信性材料则提供了更广泛的技术词汇，包括有效性与可靠性、安全、安保与韧性、问责与透明、可解释与可理解、隐私，以及对有害偏差进行管理的公平性。

可能的研究切入点

可行方向包括：多模态污染模型的分布偏移 benchmark；在传感器或遥感输入退化情况下的 OOD 检测；跨地理空间、传感器和文本数据的不确定性感知融合；面向环境科学家的可解释决策支持；跨区域或跨传感器覆盖范围的公平性/偏差审计；面向不确定污染告警的人在回路工作流；以及环境 AI 系统的合规文档框架。

这个项目需要尽早收窄。若不把它转化为具体的数据形态、任务和评估协议，“多模态 AI + 稳健性 + 合规 + 环境污染”会过于宽泛，不足以支撑一篇聚焦的博士论文。

职业与市场前景

就业市场证据整体积极，但带有细分性。World Economic Forum 预测数据岗位和 AI/ML 专家的增长依然较强。OECD 的证据强调，AI 采用会提高对高层次技能、数据解读、问题解决、创造力、创新、可解释性、问责和培训的需求。European Commission 的 AI talent 报告则指出，EU AI 人才在 2016 至 2023 年间增长了一倍多，但对高级 IT、数据分析、科学研究、批判性思维、创造力、适应性和创业能力的需求仍在上升。

这类博士项目可能通向可信 AI 研究、科学机器学习、环境数据科学、AI assurance、AI governance、公共部门技术、地理空间分析，以及与可持续性相关的 AI 岗位。较强的职业画像，会把扎实的 ML 能力、监管素养和环境数据经验结合起来。

资助、申请与生活成本

University of Pisa 的说明写明，博士奖学金为每年 EUR 16,243 gross。它还说明博士生可获得至少相当于奖学金 10% 的研究预算，经批准的海外研究期最多 12 个月可增加 50% 奖学金，另有学费豁免和每年 EUR 140 的地区税。项目页面又把奖学金概括为每月约 EUR 1,200 net、三年约 EUR 11,000 的研究预算。项目资金页面则显示，奖学金获得者可使用 20% 的研究预算以及 functioning funds，但需获得授权。

购买力需要谨慎判断。University of Bologna 估算，Bologna 的合租单人间约每月 EUR 400，另加水电；食品约每周 EUR 60；食堂餐价约 EUR 4.50-6.00；学生月票约 EUR 27。University of Trento 估算，学生宿舍约每月 EUR 190-390，含水电；私人住房约 EUR 300-700，另加水电；交通约每年 EUR 70；食品约每月 EUR 150-200。

这份津贴总体可覆盖基本生活，但并不宽裕。如果主要住在 Bologna 且需要承担市场化租金，预算会比住在 Trento 或获得补贴住宿时更紧。

申请者匹配度与准备

最适合的人群

该项目最适合硕士层级、来自 computer science、machine learning、data science、AI、environmental data science、remote sensing、geoinformatics、computational environmental science 或相近定量学科的申请者。较强的申请者应能展示真实的 ML 实现与评估能力，而不仅仅是对 AI 的一般兴趣。

有帮助的证据包括：对噪声数据、模态融合、不确定性校准、OOD 检测、可解释 AI、公平性审计、地理空间/环境数据、优化或约束建模的既往工作。

需要谨慎的情况

如果申请者没有定量 ML 背景、没有代码或可复现分析证据、只有高层政策兴趣，或者只想做纯环境科学而不愿处理 AI 方法，那么就需要谨慎。这个项目也未必适合希望在单一校园、单一导师框架下，并且带有高度预定义数据集的申请者。

需要强化的技能与证据

优先技能包括 Python、PyTorch 或等价的 ML 工具链、异构来源的数据预处理、不确定性量化、校准、OOD 检测、可解释性方法、公平性指标、模型文档，以及对 EU AI Act 或可信 AI 的基础理解。

对于研究计划部分，最好准备一个聚焦的提案。比较合适的示例包括：“面向传感器退化的 uncertainty-aware multimodal pollution-source detection”“面向环境 AI 决策支持的 compliance-oriented evaluation”“human-in-the-loop robust fusion of remote-sensing and ground-sensor pollution data”。

风险与待核实问题

高优先级问题

1. 谁是主导师，谁负责日常指导？
2. Bologna、Trento 以及其他地点之间的预期工作比例是多少？
3. 哪个机构负责奖学金发放、合同、人力资源支持和行政支持？
4. 税后实际每月到手金额是多少？
5. 已经落实了哪些环境污染数据集，它们包含哪些模态？
6. 这个项目是否连接 FBK DigiS、RSDE、EVELYN、公共机构或其他资金项目？
7. 这里的 “compliance” 具体指什么：AI Act 映射、形式化保证、公平性审计、文档义务，还是人类监督工作流，或是一个组合框架？

中优先级问题

1. 前 18 个月预期发表哪些期刊或会议？
2. 会议差旅和国际研究期是否确有资金支持？
3. 学生在行政、实地工作或公共部门合作中是否需要意大利语？
4. Bologna 或 Trento 是否有住房支持？
5. 是否要求在 Pisa 或其他项目中心修读课程？
6. 项目开始时有哪些算力资源和数据治理审批可用？

证据与来源

核心项目与资助

• National Ph.D. in Artificial Intelligence for Society 申请页面
• University of Pisa 2026/2027 PhD 招生说明
• National PhD 资金与支出页面

学校、院系与研究环境

• University of Bologna DISI 排名
• University of Bologna DISI
• FBK Artificial Intelligence initiative
• FBK PhD Program
• FBK DigiS Center
• FBK Nature Index profile

导师与论文

• Andrea Borghesi 官方简介
• Michele Lombardi 官方简介
• Andrea Borghesi 论文列表
• Michele Lombardi 论文列表
• SMLE 论文记录
• CP 与 ML 综述论文记录
• FairBridge 论文记录
• GRAAFE 论文页面

领域、法规与职业前景

• EVELYN Horizon Europe fact sheet
• European Commission AI Act 页面
• NIST AI Risk Management Framework
• NIST AI trustworthiness characteristics
• World Economic Forum Future of Jobs 2025
• OECD AI and skills
• European Commission AI talent report

生活成本

• Bologna 生活成本
• Trento 生活成本