Graduiertenschule
Die vertiefende forschungsorientierte Ausbildung nach dem Masterabschluss ist ein zentraler Aktivitätsbereich von SECAI. Aufgrund der besonderen, fachübergreifenden Ausrichtung der School gibt es dabei nicht nur Promovierende sondern auch sogenannte Clinician Scientists, die bereits eine Promotion abgeschlossen haben und deren Ziel in SECAI eine (erste) größere Publikation ist.
SECAI stellt jedes Jahr etwa zehn Doktorand:innen und Clinician Scientists ein, die typischerweise im September anfangen. Die Jobauschreibungen erfolgen normalerweise im Frühling des entsprechenden Jahres. Falls es offene Ausschreibung gibt, befinden sie sich auf unserem Jobportal. Die Schule bevorzugt ein „straffes“ Dreijahresmodell für den Abschluss von Doktorarbeiten, ist sich aber bewusst, dass dieser Plan aufgrund von interdisziplinären Unterschieden – z.B. können Clinician Scientists bereits in zwei Jahren fertig werden – persönlichen Umständen und beruflichen Gründen angepasst werden muss.
Zusätzlich zu den von SECAI direkt finanzierten Doktoranden und Clinician Scientists werden weitere KI-Forscher:innen vergleichbarer Karrierestufen in die School eingebunden. Diese assoziierten Mitglieder werden wissenschaftlich und organisatorisch eng integriert und erhalten Zugang zu allen SECAI-Förderprogrammen. Außerdem vernetzt sich SECAI mit anderen thematisch relevanten Graduiertenprogrammen und setzt gemeinsame Aktivitäten um.
Doktoranden und Clinical Scientists
Thema: Intuitive Modelling support for Knowledge-Based Systems
Thema: Neuromorphic Information Processing: Hardware Realization of the Modified Stochastic Synaptic Model
Thema: Sim2Real: Simulated Training and Test Data for Biomedical Image Analysis
Thema: Spinnaker Cloud Computing for Computer-aided Drug Discovery
Thema: Surg-Morph: Neuromorphic Surgical Video Processing on the SpiNNaker2 Platform
Thema: Explaining Composite AI: From Formal Analysis to Overall Understanding
Thema: Spinnaker Cloud Computing for Computer-aided Drug Discovery
Thema: MemAI: Memristive Dynamic Models for Smart AI Systems
Thema: 2D-Material-Based Synapses for Neuromorphic Computing
Thema: AI in Oncology
Thema: GeoSOP: Geometry for surgical outcome prediction
Thema: Teaching artificial intelligence conformational dynamics of proteins
Thema: Personalization in oncology – Prediction of cancer therapy effectiveness from Omics data through structural modeling and AI
Thema: The Use of AI by the Civil Service in Light of the Principles of Democracy and the Rule of Law
Thema: AI Controlled Wireless Mesh Networks for Medical Applications in Crisis Situations (AWESOME)
Thema: SuperTouch - Data-driven tactile sensing for robot-assisted cancer surgery
Thema: Features of Fitness Landscapes
Thema: Explainable AI for reliable computer assisted surgery
Thema: External Systems Biology Knowledge Integration in Large Language Models