计算机科学博士生，专注于神经符号图转换
PhD student in Computing Science with a focus on Neuro-Symbolic Graph Transformation
申请要求（为空则代表无要求）
雅思：
托福：
留学费用：0SEK/年
计算机科学博士生，专注于神经符号图转换项目简介
该博士项目由Frank Drewes教授领导，旨在将神经计算方法和连续性方面融入基于规则的图转换模型。目标是结合两种范式的优势：基于规则模型的透明性和可解释性，以及神经模型的适应性和可学习性。该项目涉及形式化和数学推理，以及用于实验和演示的实现。该职位提供为期四年的计算机科学博士学习机会，如果包含最多20%的系内服务（通常是教学），则可延长至最长五年。主要目标是获得计算机科学博士学位。
项目学术背景与核心优势
于默奥大学在计算科学领域拥有长期的学术积淀，其计算机科学系在符号推理与机器学习交叉方向积累了丰富的理论成果。该博士项目以神经符号图转换为研究重心，旨在探索如何将符号逻辑的严谨性与神经网络的泛化能力相结合，为学生构建跨学科的分析与建模能力。于默奥大学提供的科研环境鼓励博士生在算法设计、知识表示等前沿课题中开展独立研究，这种设置有助于培养兼具理论深度与工程视野的学术人才。
核心知识模块与培养方向
该项目的培养重心在于提升学生的专业素养与实操能力。课程体系通常围绕以下核心方向构建：
- 符号逻辑与知识表示：掌握一阶逻辑、描述逻辑等工具，用于构建可解释的推理系统，在智能问答、语义网等场景中实现结构化知识处理。
- 图神经网络与图模型：学习图卷积、图注意力等机制，用于处理非欧几里得数据，如社交网络分析、分子结构预测等复杂图结构问题。
- 神经符号集成方法：研究如何将符号规则嵌入深度学习框架，用于增强模型的可解释性与数据效率，在医疗诊断、自动驾驶等安全关键领域具有重要应用价值。
毕业生职业发展路径
结合当前人工智能行业对可解释性与结构化推理的需求，该专业的毕业生具备较强的专业壁垒，适合在以下领域发展：
- 科研机构研究员：在高校或企业实验室从事神经符号系统、知识图谱推理等方向的基础与应用研究，推动学术前沿突破。
- 人工智能算法工程师：在科技公司负责设计融合符号推理与深度学习的算法模块，解决自然语言理解、复杂规划等实际工程问题。
- 数据科学家：在金融、医疗等行业利用图分析与符号逻辑技术，从非结构化数据中提取可操作的业务洞察，辅助决策支持。
常见申请疑问解答
针对跨专业申请者，该方向通常要求申请人具备扎实的底层逻辑。如果能在先修课程或实践经历中展现出对计算机科学的基础认知与分析能力，如掌握离散数学、数据结构和机器学习基本原理，将有效弥补专业背景的不足。在语言与学术准备方面，由于该项目涉及大量的专业文献阅读与学术对话，申请人需具备较强的学术英语理解能力。提前熟悉符号逻辑、图算法等领域的研究方法或底层分析工具，将为后续高强度的专业学习打下坚实基础。