毕业论文项目——基于物理信息神经网络（PINN）的边缘部署型机器学习/人工智能虚拟传感器
Thesis project - Edge-Deployable ML/AI Virtual Sensors
- 地点
- 哥德堡，瑞典
- 类型
- 实习
- 部门
- Student
职责
- 设计并评估基于 PINN 的边缘部署虚拟传感器，用于在各种条件下进行车辆状态估计。
- 将车辆动力学模型和约束条件集成到神经网络架构中。
- 针对嵌入式目标进行轻量级推理优化。
- 强调模型的可迁移性，最大限度地减少重新调优。
- 工作涵盖概念设计、模型开发和边缘部署，并辅以仿真和现有数据集。
- 设计一个基于 PINN 的虚拟传感器，嵌入车辆的核心动力学和约束条件。
- 通过结构化的损失项和有界输出来保证物理可行性和稳定性。
- 利用紧凑、高效的模型设计，在边缘硬件上实现实时推理。
- 在各种运行条件下，以最小的调整展现出准确性、通用性和鲁棒性。
- 使用清晰、可比的指标，对照参考信号和代表性基线进行验证。
必备要求
- 计算机科学、物理学、复杂自适应系统或相关领域硕士学位在读，专攻机器学习。
- 具备扎实的深度学习背景（CNN、RNN、LSTM、GAN 等）。
- 具备时间序列或动态系统的机器学习经验。
- 熟悉机器学习框架（例如 TensorFlow、PyTorch）。
- 控制系统、车辆动力学或应用物理学方面的知识。
- 精通 Python、C/C++ 或类似语言的编程。
- 熟悉嵌入式或实时计算的限制。
- 强大的分析和解决问题的能力。
优先条件
- 无明确优先条件。
Responsibilities
- Design and evaluate PINN-based edge-deployable virtual sensors for vehicle state estimation under various conditions.
- Integrate vehicle dynamics models and constraints into neural network architectures.
- Prioritize lightweight inference for embedded targets.
- Emphasize model transferability with minimal re-tuning.
- Work covers concept design, model development, and edge deployment, supported by simulation and existing datasets.
- Design a PINN-based virtual sensor embedding core vehicle dynamics and constraints.
- Ensure physical feasibility and stability through structured loss terms and bounded outputs.
- Achieve real-time inference on edge hardware using compact, efficient model design.
- Demonstrate accuracy, generalizability, and robustness under various operating conditions with minimal tuning.
- Validate against reference signals and representative baselines using clear, comparable metrics.
Must Have
- Master's student in Computer Science, Physics, Complex Adaptive Systems, or related field, specializing in machine learning.
- Solid background in deep learning (CNN, RNN, LSTM, GAN, etc.).
- Experience with machine learning for time series or dynamical systems.
- Familiarity with machine learning frameworks (e.g., TensorFlow, PyTorch).
- Knowledge of control systems, vehicle dynamics, or applied physics.
- Proficiency in Python, C/C++, or similar programming languages.
- Familiarity with embedded or real-time computing constraints.
- Strong analytical and problem-solving skills.
Preferred
- No explicit preferred qualifications.
公司简介
我们是 Zeekr Technology Europe，汇聚了来自世界各地的工程师和创意人才。公司位于瑞典哥德堡，这里是全球领先的移动出行创新中心之一。公司成立于2013年，最初名为 CEVT，其使命是打造革命性的模块化车辆架构 CMA。自2024年起，CEVT 正式更名为 Zeekr Technology Europe，标志着我们正式加入 Zeekr 集团。我们致力于为未来的电动出行提供智能、可持续且以用户为中心的技术和软件。