Growing the proportion of recycled materials (scrap) in steel production is a key step towards reducing its environmental footprint. To maintain high product quality standards for steels with higher scrap content, it is needed to drastically improve the predictive capability and calculation speed of steel processing models, both at microstructural and at macroscopic level. This challenge is pursued by combining powerful physics-based modelling with machine learning techniques, creating new and efficient hybrid models for process design and control.
These PhD positions are part of a large national research project about "Data Enhanced Physical models to reduce Materials use"
Κοινοποιήστε τις θέσεις εργασίας σας συμπληρώνοντας την φόρμα υποβολής αγγελιών.
Ενημερωθείτε για άρθρα που αφορούν σε άτομα με αναπηρία.
Συμπληρώστε το e-mail σας και θα λαμβάνετε περιοδικά το Δελτίο Τύπου της Ραδιοφωνικής Εκπομπής "Διασυνδεθείτε".
Παρακαλώ, όσοι διαθέτετε λογαριασμό e-mail του Δ.Π.Θ μην τον χρησιμοποιείτε για την εγγραφή σας στο newsletter της Δομής Απασχόλησης & Σταδιοδρομίας του Δ.Π.Θ.
Βρείτε πληροφορίες για Προπτυχιακές Σπουδές στο Δ.Π.Θ.
Αναζητήστε μεταπτυχιακά προγράμματα στη βάση δεδομένων του Δ.Π.Θ.
Αναζητήστε φορείς για Erasmus Placement
Βοηθήστε μας να γίνουμε καλύτεροι. Συμμετοχή στη δημοσκόπηση του Γραφείου Διασύνδεσης
