Fecha límite: 27 de noviembre de 2026, 17:00 | Entrevistas desde el 30 de noviembre de 2026 | Inicio en marzo de 2027
| Posiciones | 1 plaza de doctorado con financiación completa |
| Universidad | Teesside University – Centre for Digital Innovation |
| Ubicación | Middlesbrough, Reino Unido |
| Financiación y salario | Matrícula cubierta hasta 4 años + estipendio exento de impuestos de 21.805 GBP al año durante 3 años |
| Fecha de inicio | Marzo de 2027 |
| Fecha límite | 27 de noviembre de 2026, 17:00 |
| Cómo solicitar | Formulario en línea; consultas académicas: [email protected] |
Descripción de la Beca:
El Centre for Digital Innovation de la Teesside University (Reino Unido), dirigido por el profesor Claudio Angione, ofrece una plaza de doctorado con financiación completa sobre Mechanism-Aware Deep Learning for Food Fermentation (aprendizaje profundo consciente de mecanismos para la fermentación de alimentos). La biomanufactura está experimentando una revolución impulsada por los avances de la IA, pero las arquitecturas de aprendizaje profundo existentes tienen dificultades con las dependencias temporales a largo plazo, la alineación multimodal dispersa y la interpretabilidad mecanicista. Este proyecto desarrolla nuevas arquitecturas multimodales dinámicas conscientes de los mecanismos biológicos, entrenadas con datos industriales de alta dimensionalidad.
Industrias alimentarias como Quorn utilizan proteínas producidas por hongos (p. ej., F. venenatum) como ingredientes de sustitutos de carne, pero la bioprocesación alimentaria a menudo carece de capacidad para controlar y optimizar plenamente el proceso en cuanto a rendimiento, consistencia y sostenibilidad ambiental. El objetivo del proyecto es diseñar una arquitectura de aprendizaje profundo consciente de mecanismos que integre imágenes en tiempo real, proteómica y datos de fermentación. La arquitectura se probará en tareas como predecir la calidad final de la pasta, detectar variantes C y encontrar características y modificaciones tempranas que permitan optimizar una campaña de fermentación de 30 días.
La arquitectura prevista será altamente multimodal, aprovechando avances recientes en arquitecturas basadas en transformers para integrar modalidades como imágenes de alta resolución a largo plazo, proteómica y datos de modelización metabólica. Las capas de atención cruzada permitirán al modelo aprender las interacciones entre modalidades y cómo su combinación influye en el rendimiento de una campaña determinada. El modelo se evaluará y validará en colaboración con Quorn con datos de fermentación no sensibles, para facilitar la implementación industrial directa.
Temas Disponibles:
- Arquitecturas transformer y fusión de datos multimodales.
- Aprendizaje de representaciones e IA explicable para bioprocesos.
- Redes neuronales informadas por la física (PINNs) y modelización metabólica.
- Aprendizaje automático con impacto real en sostenibilidad (fermentación de alimentos, en colaboración con Quorn).
Criterios de Elegibilidad:
- Los solicitantes deben tener (o esperar obtener) un título de honores de buena calificación (2:1 o superior) en una disciplina relevante.
- Un título de máster en una disciplina relevante es deseable, pero no esencial, así como una comprensión demostrable del área de investigación.
- Se aceptan solicitudes de estudiantes del Reino Unido e internacionales.
- Los estudiantes internacionales están sujetos a los criterios de entrada estándar relativos al nivel de inglés, la autorización ATAS y, cuando corresponda, los requisitos de visado del Reino Unido.
- El proyecto busca candidatos con conocimiento o gran interés en arquitecturas transformer, fusión de datos multimodales, aprendizaje de representaciones o redes neuronales informadas por la física (PINNs), con pasión por resolver problemas algorítmicos con impacto real en sostenibilidad.
Procedimiento de Solicitud:
Solicite en línea mediante el formulario de solicitud (Funded PhD). Cuando se le pida especificar la financiación, seleccione «other» e indique RDS y el título del proyecto de doctorado (Mechanism-Aware Deep Learning for Food Fermentation). Indique claramente que solicita una beca financiada y el título del proyecto en la propuesta de investigación que deberá subir.
Se considerarán todas las solicitudes recibidas antes de la fecha límite; los preseleccionados serán contactados para una entrevista en línea (desde el 30 de noviembre de 2026). Consultas académicas: [email protected]; consultas administrativas: [email protected].
Página oficial de la beca: https://www.tees.ac.uk/sections/research/funding_details.cfm?fundingID=312
Explore más oportunidades financiadas:
- UC Davis: posiciones de doctorado y posdoctorado financiado en ingeniería metabólica y biología sintética (laboratorio Yi Wang)
- Virginia Tech: 4 posiciones de posdoctorado y 1 doctorado financiado en biomateriales y administración de ácidos nucleicos (laboratorio Wujin Sun)
- Penn State: posiciones de posdoctorado y doctorado financiado en química, bioimagen y biología de enfermedades (laboratorio Ruobo Zhou)
