PhD in Generative AI and Statistics: Coalescent-inspired diffusion models for discrete data

powered by: Cookie Information
Nettsiden bruker cookies
Vi ønsker at du skal være trygg når du bruker dette nettstedet. Vi benytter cookies for å sikre at du får en best mulig brukeropplevelse og for å hente inn statistikk slik at vi kan analysere hvordan nettstedet benyttes. Vi bruker også cookies for å kunne tilpasse innholdet til deg, og for å kunne målrette annonser til deg, også på andre nettsteder. Vi deler informasjon om din bruk av nettstedet med vår annonseringspartner for markedsføring av stillingsannonser. Trykk "Godkjenn alle" for å akseptere vår bruk av cookies, eller trykk «Detaljer» for å lese mer om dette og tilpasse dine valg. Om cookies
Bare nødvendige cookies
Detaljer Godkjenn alle
powered by: Cookie Information
Kategori for samtykke
Vi ønsker at du skal være trygg når du bruker dette nettstedet. Vi benytter cookies for å sikre at du får en best mulig brukeropplevelse og for å hente inn statistikk slik at vi kan analysere hvordan nettstedet benyttes. Vi bruker også cookies for å kunne tilpasse innholdet til deg, og for å kunne målrette annonser til deg, også på andre nettsteder. Vi deler informasjon om din bruk av nettstedet med vår annonseringspartner for markedsføring av stillingsannonser. Trykk "Godkjenn alle" for å akseptere vår bruk av cookies, eller trykk «Detaljer» for å lese mer om dette og tilpasse dine valg. Om cookies
Velg alle Kun nødvendige cookies
Nødvendige
Nødvendige informasjonskapsler hjelper med å gjøre en hjemmeside brukbar ved å aktivere grunnleggende funksjoner, slik som side-navigasjon og tilgang til sikre områder av hjemmesiden. Hjemmesiden kan ikke fungere optimalt uten disse informasjonskapslene.
Databehandlingsansvarlig: HAProxy software
Formål: Kreves for at nettsiden skal fungere riktig.
Personvernregler for databehandling: HAProxy software - Personvernregler for databehandling
Utløpsdato: Session
Navn: SERVERID
Leverandør: .jobbnorge.no
Databehandlingsansvarlig: Cookie Information
Formål: Støtter nettstedets tekniske funksjoner.
Personvernregler for databehandling: Cookie Information - Personvernregler for databehandling
Utløpsdato: ett år
Navn: CookieInformationConsent
Leverandør: www.jobbnorge.no
Databehandlingsansvarlig: Cloudflare
Formål: Venter
Personvernregler for databehandling: Cloudflare - Personvernregler for databehandling
Utløpsdato: Session
Navn: _cfuvid
Leverandør: .hsforms.com
Databehandlingsansvarlig:
Formål: Ensures that you are shown the correct page after login redirects.
Utløpsdato: Session
Navn: .return-state
Leverandør: .jobbnorge.no
Databehandlingsansvarlig: Microsoft, ASP.NET
Formål: Støtter integrering eller "embedding" av en tredjepartsplattform på nettsiden.
Personvernregler for databehandling: Microsoft, ASP.NET - Personvernregler for databehandling
Utløpsdato: Session
Navn: __RequestVerificationToken
Leverandør: .jobbnorge.no
Databehandlingsansvarlig: Fingerprint JS
Formål: Device fingerprinting for security purposes
Personvernregler for databehandling: Fingerprint JS - Personvernregler for databehandling
Utløpsdato: ett år
Navn: _iidt
Leverandør: .jobbnorge.no
Databehandlingsansvarlig: Fingerprint
Formål: Device Thumbprinting
Personvernregler for databehandling: Fingerprint - Personvernregler for databehandling
Utløpsdato: ett år
Navn: _vid_t
Leverandør: .jobbnorge.no
Databehandlingsansvarlig:
Formål: Saves the selected language for the website.
Utløpsdato: én måned
Navn: jobbnorge.language
Leverandør: .jobbnorge.no
Databehandlingsansvarlig: Piwik PRO
Formål: Samler anonym informasjon om brukerne og deres aktivitet på nettstedet for analyse- og rapporteringsformål.
Personvernregler for databehandling: Piwik PRO - Personvernregler for databehandling
Utløpsdato: 30 minutter
Navn: _pk_sesxxx
Leverandør: www.jobbnorge.no
Databehandlingsansvarlig: Piwik PRO
Formål: Samler anonym informasjon om brukerne og deres aktivitet på nettstedet for analyse- og rapporteringsformål.
Personvernregler for databehandling: Piwik PRO - Personvernregler for databehandling
Utløpsdato: 30 minutter
Navn: _pk_idxxx
Leverandør: www.jobbnorge.no
Funksjonelle
Funksjonelle informasjonskapsler gjør det mulig å lagre opplysninger som endrer måten hjemmesiden ser ut eller oppfører seg på. F.eks. ditt foretrukne språk eller den regionen du befinner deg i.
Databehandlingsansvarlig:
Formål: Saves your last viewed Jobads for easy access later.
Utløpsdato: 7 dager
Navn: LastViewedAds
Leverandør: .jobbnorge.no
Statistiske
Statistiske informasjonskapsler hjelper hjemmesidens eier med å forstå hvordan besøkende samhandler med hjemmesiden ved å samle inn og rapportere opplysninger.
Databehandlingsansvarlig: Piwik PRO
Formål: Samler anonym informasjon om brukerne og deres aktivitet på nettstedet for analyse- og rapporteringsformål.
Personvernregler for databehandling: Piwik PRO - Personvernregler for databehandling
Utløpsdato: 30 minutter
Navn: _pk_sesxxx
Leverandør: www.jobbnorge.no
Databehandlingsansvarlig: Piwik PRO
Formål: Samler anonym informasjon om brukerne og deres aktivitet på nettstedet for analyse- og rapporteringsformål.
Personvernregler for databehandling: Piwik PRO - Personvernregler for databehandling
Utløpsdato: ett år
Navn: _pk_idxxx
Leverandør: www.jobbnorge.no
Markedsføring
Markedsførings-informasjonskapsler brukes til å spore besøkende på tvers av hjemmesider. Hensikten er å vise annonser som er relevante og engasjerende for den enkelte brukeren, og dermed mer verdifulle for utgivere og tredjeparts-annonsører.
Databehandlingsansvarlig: Youtube, Google
Formål: Collects information about the users and their activity on the website. The Information is used to track and analyze user behavior, to meet the individual user needs and to deliver targeted advertising.
Personvernregler for databehandling: Youtube, Google - Personvernregler for databehandling
Utløpsdato: 6 måneder
Navn: __Secure-YNID
Leverandør: .youtube.com
Databehandlingsansvarlig: Youtube, Google
Formål: Samler informasjon om brukerne og deres aktivitet på nettstedet gjennom innebygde videospillere med det formål å levere målrettet annonsering.
Personvernregler for databehandling: Youtube, Google - Personvernregler for databehandling
Utløpsdato: 6 måneder
Navn: VISITOR_INFO1_LIVE
Leverandør: .youtube.com
Databehandlingsansvarlig: Youtube, Google
Formål: Støtter integrering eller "embedding" av en tredjepartsplattform på nettsiden.
Personvernregler for databehandling: Youtube, Google - Personvernregler for databehandling
Utløpsdato: 6 måneder
Navn: __Secure-ROLLOUT_TOKEN
Leverandør: .youtube.com
Databehandlingsansvarlig: Youtube, Google
Formål: Samler informasjon om brukerne og deres aktivitet på nettstedet gjennom innebygde videospillere med det formål å levere målrettet annonsering.
Personvernregler for databehandling: Youtube, Google - Personvernregler for databehandling
Utløpsdato: Session
Navn: YSC
Leverandør: .youtube.com
Databehandlingsansvarlig: Youtube, Google
Formål: Samler informasjon om brukerne og deres aktivitet på nettstedet. Informasjonen brukes til å spore og analysere brukeradferd, for å møte de enkelte brukerbehov og å levere målrettet annonsering.
Personvernregler for databehandling: Youtube, Google - Personvernregler for databehandling
Utløpsdato: 6 måneder
Navn: VISITOR_PRIVACY_METADATA
Leverandør: .youtube.com
Uklassifiserte
Vi er i ferd med å klassifisere uklassifiserte informasjonskapsler sammen med leverandørene av de enkelte informasjonskapsler.
Databehandlingsansvarlig:
Formål:
Utløpsdato: 5 minutter
Navn: current.vue.route
Leverandør: jobseeker.jobbnorge.no
Databehandlingsansvarlig:
Formål:
Utløpsdato: 6 måneder
Navn: __Secure-BUCKET
Leverandør: .youtube.com
Databehandlingsansvarlig:
Formål:
Utløpsdato: 2 dager
Navn: jn.jobbadmin.language
Leverandør: .jobbnorge.no
Skjul detaljer Oppdater samtykke
powered by: Cookie Information
Cookie-erklæring
Ditt samtykke gjelder følgende domener: jobseeker.jobbnorge.no, jobbnorge.no, id.jobbnorge.no Cookie-erklæringen var sist oppdatert 15.04.2026
Hva er en cookie?

En cookie er en liten datafil som lagres på datamaskinen, nettbrettet eller mobiltelefonen din. En cookie er ikke et program som kan inneholde skadelige programmer eller virus.

Hvordan nettsiden bruker cookies

Cookies er nødvendig for å få nettsiden til å fungere. Cookies hjelper oss å få en oversikt over besøkene dine på nettsiden, slik at vi fortløpende kan optimere og rette innholdet på nettsiden mot dine behov og interesser. Cookies kan f.eks, huske hva du har lagt i handlekurven ved tidligere besøk på siden, om du er innlogget og hvilket språk og valuta du vil at skal vises på siden. Vi bruker også cookies for å målrette annonsene våre mot deg på andre nettsider. I hovedsak brukes cookies som en del av vår service for at innholdet som vises skal være så relevant som mulig for deg.

Hvor lenge oppbevares cookies?

Hvor lenge cookies oppbevares på enheten din kan variere. Oppbevaringstiden regnes fra den siste gangen du var inne på nettsiden. Cookien slettes automatisk etter tidens utløp. Nedenfor kan du kan se en komplett liste over cookies.

Slik avviser eller sletter du cookies

Du kan til enhver tid avvis cookies på datamaskinen, nettbrettet eller telefonen din ved å endre innstillingene i nettleseren din. Hvor du finner innstillingene, avhenger av hvilken nettleser du bruker. Hvis du endrer innstillingene må du være oppmerksom på at enkelte funksjoner og tjenester ikke kan brukes, da de forutsetter at nettsiden kan huske de valgene du gjør.
Du kan velge bort cookies fra Google Analytics her .
Det er mulig å velge bort enkelte annonsenettverk som deler opplysninger på tvers av forskjellige nettverk her .

Sletting av cookies

Cookies som du har akseptert tidligere, kan senere slettes. Benytter du en PC med en nyere nettleser, kan du slette cookies ved å bruke hurtigtastene: CTRL + SHIFT + Delete.

Hvis hurtigtastene ikke virker, eller hvis du bruker MAC, finn ut hvilken nettleser du bruker og klikk på relevant link:

• Internet Explorer
• Mozilla Firefox
• Google Chrome
• Opera
• Safari
• Flash cookies
• Apple
• Android
• Windows 7

Husk: Hvis du bruker flere nettlesere, må du slette cookies i alle.

Har du spørsmål?

Hvis du har kommentarer eller spørsmål i forbindelse med informasjon og/eller behandling av personlige opplysninger, er du velkommen til å ta kontakt med oss. Cookiedeklarasjonen oppdateres hver måned av Cookie Information . Hvis du har spørsmål til den, kan du skrive til info@cookieinformation.com.

Kategori for samtykke Godkjenn alle

Funksjonelle

Statistiske

Markedsføring

Gå til innhold Gå til sidemeny

Jobbnorge.no needs JavaScript for all functions to work properly. Please turn on JavaScript in your browser and try again.

UiO/Anders Lien
11th May 2026
Languages
English

• English

English
PhD in Generative AI and Statistics: Coalescent-inspired diffusion models for discrete data 
Apply for this job
See advertisement
Job description

Integreat - the Norwegian Centre for Knowledge-driven Machine Learning at the University of Oslo invites applications for a doctoral research fellowship. 

The PhD candidate will work at the interface of machine learning, statistics, probability, and with applications in statistical genetics, developing new theory, algorithms, and scalable implementations.

Starting date as soon as possible and upon individual agreement.

The fellowship period is three years. A fourth year may be considered and it will involve 25 % of other career-promoting work. Other career-promoting work may consist of teaching, supervision, and/or research assistance. This is dependent upon the qualification of the applicant and the current needs of the department of employment.

Successful PhD candidate will be employed at the Institute of Basic Medical Sciences at University of Oslo with place of work at Integreat - Norwegian Centre for Knowledge-driven Machine Learning at University of Oslo.

Applicants may hold a PhD Research Fellowship at the University of Oslo for one fellowship period only.

About Integreat

Integreat - Norwegian Centre for Knowledge-driven Machine Learning is a Centre of Excellence, funded by the Research Council of Norway. Integreat has two branches, one in Oslo (University of Oslo, UiO) and one in Tromsø (UiT The Arctic University of Norway). This position is in Oslo. 

Machine learning is the mathematical and computational engine of Artificial Intelligence (AI), and therefore it is a fundamental force of technological progress in our increasingly digital, data- and algorithm-driven world. Integreat develops theories, methods, models, and algorithms that integrate general and domain-specific knowledge with data, laying the foundations of next generation machine learning. We do this by combining the mathematical and computational cultures, and the methodologies and theories, of statistics, logic, language technology, ethics and machine learning, in new and unique ways.

The focus of Integreat is to develop ground-breaking methods and theories, and therefore solving fundamental problems in science, technology, health and society. Integreat draws on the research strengths of researchers and students from the departments of Mathematics, Informatics, Philosophy, and the Oslo Centre for Biostatistics and Epidemiology at UiO, the Norwegian Computing Centre (NR) and the ML group at UiT, with members from the departments of Physics and Technology, Mathematics and Statistics, and Computer Science. 

More about the position

Modern diffusion models underpin state-of-the-art generative AI for images and continuous data, yet principled diffusion-based methods for discrete sequences (e.g., DNA, RNA, amino acid, and crystals) remain fundamentally underdeveloped. Existing approaches rely on ad hoc corruption mechanisms that lack theoretical grounding and interpretability. 

This PhD project aims to develop a novel, mathematically principled generative modeling framework for discrete sequence data by unifying diffusion-based generative modeling with coalescent theory from population genetics. The central idea is to replace heuristic discrete denoising schemes with coalescent-inspired stochastic processes, leveraging the deep duality between forward allele-frequency diffusion and backward genealogical merging processes.

The PhD candidate will work at the interface of machine learning, statistics, probability, and with applications in statistical genetics, developing new theory, algorithms, and scalable implementations. 

The project aims at establishing an entirely new class of diffusion-like models for discrete data, positioning the successful candidate at the forefront of modern generative AI research.

The student will be part of an international research environment with co-supervision across statistics and machine learning, and will be encouraged to publish in top-tier venues both in machine learning and in statistics.

via Unsplash
Qualification requirements

Candidates are expected to have solid academic background and demonstrate the ability and motivation to develop into independent researchers, and must have:

• A Master’s degree (120 ECTS) or an equivalent qualification in machine learning, statistics, mathematics, computer science, physics, or a closely related quantitative discipline, minimum grade B (ECTS grading scale) or equivalent. The Master’s degree must include a thesis of at least 30 ECTS
• Good competence in probability, linear algebra, and statistical modelling
• Demonstrated proficiency in programming (e.g., Python, PyTorch/JAX, or similar)
• Strong interest in method development
• Fluent oral and written communication skills in English

Candidates without a master’s degree have until 01.09.2026 to complete the final exam.

Desired qualifications:

• Solid foundation in Bayesian statistics, empirical Bayes methods and advanced probabilistic modelling
• Familiarity with stochastic processes (e.g., Markov chains, stochastic differential equations)
• Prior exposure with Transformer architectures or large-scale sequence modelling
• Prior exposure to the theory or implementation of diffusion models (either continuous or discrete)

Personal skills

• Demonstrate analytical ability and intellectual curiosity
• Be highly motivated for theory-driven, foundational research
• Work independently while collaborating effectively in an interdisciplinary team
• Show persistence and creativity when tackling technically challenging problems
• Have strong ambitions for an academic or research-oriented career in machine learning or statistics

The purpose of the fellowship is research training leading to the successful completion of a PhD degree. For more information see:
Doctoral degree: PhD in medicine and health sciences - Faculty of Medicine

Evaluation

Employment in the position is based on a comprehensive assessment of all qualification requirements applicable to the position, including personal skills.

Integreat is committed to equity, diversity, inclusion, and belonging, guided by our INTEGREAT principles (Integrity, Non‑discrimination, Tact, Environment, Gratitude, Respect, Empathy, Accountability, Transparency). We embed these values in practice through inclusive hiring and structured evaluations, targeted mentoring and career development, and flexible work arrangements and accommodations to ensure everyone can thrive and contribute.

We particularly welcome applications from women and gender minorities who are underrepresented in Science, Technology, Engineering, and Mathematics, as well as applicants with immigrant backgrounds, disabilities, nonlinear career paths, or career breaks. We will take career interruptions and diverse career trajectories into account during evaluation.

Integreat supports candidates through close academic supervision, peer mentoring, and structured researcher training, with room to grow into the role over time.

We offer

• A unique and ambitious research environment with opportunities to develop independent research questions at the forefront of modern science
• Access to a strong network of top-level national and international collaborators
• A vibrant, international academic environment with an active and supportive research community
• Structured career development programmes, including an individual professional development plan throughout the PhD period
• Mentoring and support structures tailored to early-career researchers
• Research mobility funds supporting short research stays and international collaboration
• A friendly, inclusive, and collaborative working environment that values diverse perspectives and interdisciplinary exchange
• A family-friendly and flexible working environment. We recognise that researchers may have caregiving responsibilities and different life situations, and we actively support work-life balance throughout the PhD period. This includes flexibility in working hours, understanding during periods of increased family responsibility, and facilitation related to conference participation, research stays, and travel, taking caregiving needs into account where feasible
• Family-friendly surroundings in Oslo and Tromsø, with rich opportunities for culture, nature, and outdoor activities
• Salary in position as PhD Research Fellow, position code 1017 in salary range NOK 550 800 - 595 000, depending on competence and experience. From the salary, 2% is deducted in statutory contributions to the State Pension Fund
• A reliable and generous pension agreement, along with public benefits
• Comprehensive welfare schemes supporting both personal and professional well-being
• Full access to public health services through membership in the National Insurance Scheme
• A clear institutional commitment to gender equality and diversity, with dedicated initiatives and networks for women in science

Integreat provides a researcher training programme, INTREF - the Integreat Young Researchers’ Forum - a fellow driven initiative offering scientific training, transferable skills workshops, mentorship, research visits, and career development support .

How to apply

The application must include:

• Cover letter with a statement of motivation and research interests
• Curriculum Vitae, summarising education, positions, and academic work
• Copies of educational certificates (academic transcripts only)
• (If applicable) Documentation of English proficiency
• Complete list of publications and academic works  
• List of 2-3 references (name, relation to candidate, e-mail, and phone number)

Please name your documents using the following format:
Document type - Surname - First name

Application with attachments must be submitted via our recruitment system Jobbnorge, click "Apply for the position". Foreign applicants should attach an official explanation of their University's grading system.

When applying for the position, we ask you to retrieve your education results from Vitnemålsportalen.no . If your education results are not available through Vitnemålsportalen, we ask you to upload copies of your transcripts or grades. Please note that all documentation must be in English or a Scandinavian language.

General information

The best qualified candidates will invited for interviews. 

Applicant lists can be published in accordance with Norwegian Freedom of Information Act § 25. When you apply for a position with us, your name will appear on the public applicant list. It is possible to request to be excluded from this list. You must justify why you want an exemption from publication and we will then decide whether we can grant your request. If we cannot, you will hear from us.

Please refer to Regulations for the Act on universities and colleges chapter 3 (Norwegian),  Guidelines concerning appointment to post doctoral and research posts at UiO and Regulations for the degree of Philosophiae Doctor (PhD) at the University of Oslo.

The University of Oslo has a transfer agreement with all employees that is intended to secure the rights to all research results etc.

via Unsplash
via Unsplash
University of Oslo

The University of Oslo is Norway’s oldest and highest ranked educational and research institution, with 26 500 students and 7 200 employees. With its broad range of academic disciplines and internationally recognised research communities, UiO is an important contributor to society.

Integreat – Norwegian Centre for Knowledge-driven Machine Learning - Integreat is a Centre of Excellence, funded by the Research council of Norway. Integreat has two branches, one in Oslo (University of Oslo, UiO) and one in Tromsø (UiT The Arctic University of Norway). Machine learning is the mathematical and computational engine of Artificial Intelligence (AI), and therefore a fundamental force of technological progress in our increasingly digital, data- and algorithm-driven world.

Integreat develops theories, methods, models and algorithms that integrate general and domain-specific knowledge with data, laying the foundations of next generation machine learning. This will be done by combining the mathematical and computational cultures, and the methodologies and theories, of statistics, logic, language technologies, ethics and machine learning, in new and unique ways. Focus of Integreat is to develop ground-breaking methods and theories, and by this solving fundamental problems in science, technology, health and society. Integreat draws on the research strengths of researchers and students from the departments of Mathematics, Informatics, Philosophy, and the Oslo Centre for Biostatistics and Epidemiology at UiO, the Norwegian Computing Centre (NR) and the ML group at UiT, with members from the departments of Physics and Technology, Mathematics and Statistics, and Computer Science.

Questions about the position

William Denault

Researcher

william.denault@medisin.uio.no

Valeria Vitelli

Professor

valeria.vitelli@medisin.uio.no

For questions regarding Jobbnorge: Ole Rustad

HR adviser

ole.rustad@mn.uio.no

Apply for this job
Deadline

11th May 2026

Employer

Integreat -Norwegian Centre for Knowledge-driven Machine Learning

Municipality

Oslo

Scope

Fulltime (1 positions) Fulltime (%)

Duration

Temporary

Place of service
Boks 1072 Blindern, 0316 Oslo

Loading...

See more jobs

• Vacant positions - Integreat -Norwegian Centre for Knowledge-driven Machine Learning

Find more jobs

• PDF

Link to startpage
Switchboard: +47 75 54 22 20 Support Privacy policy - cookies