Wissenschaftlicher Mitarbeiter (m/w/d) mit dem Schwerpunkt Explainable Deep Reinforcement Learning in kritischen Infrastrukturen, Abteilung Energieinformatik

Die Nachwuchsgruppe Adversarial Resilience Learning (Prof. Dr. Sebastian Lehnhoff), Abteilung Energieinformatik, Fachbereich Informatik der Universität Oldenburg, sucht eine/einen

Wissenschaftliche Mitarbeiterin / Wissenschaftlichen Mitarbeiter (m/w/d)

mit dem Schwerpunkt Explainable Deep Reinforcement
Learning in kritischen Infrastrukturen.

Es handelt sich um eine Vollzeitstelle (100 %), Entgeltgruppe E13 TV-L, befristet bis zum 31.07.2025, ggf. mit der Option einer Verlängerung. Adversarial Resilience Learning (ARL) bietet die Möglichkeit, an der Erforschung einer neuen Methodik für fortgeschrittene Agenten des Deep Reinforcement Learning in kritischen Infrastrukturen (KRITIS), wie dem Stromnetz, teilzunehmen. Bei der ARL-Methode konkurrieren zwei (oder mehr) Agenten („Angreifer“ und „Verteidiger“) um die Kontrolle über eine KRITIS. Durch diesen Wettbewerb lernen die beiden Agenten robuste Strategien für eine resiliente Kontrolle der KRITIS. Die Forschungsgruppe entwickelt darauf aufbauend eine fortschrittliche Architektur, die Deep-Reinforcement-Learning-Algorithmen höherer Ordnung, die Extraktion gelernter Strategien in einer Nicht-Standard-Logik über Methoden des Explainable Reinforcement Learning und das Lernen aus dem Wissen von Domänenexperten umfasst. Ihr Forschungsziel ist es, menschliches Wissen, Regelsätze und erlernte Strategien in einer hybriden Agentenarchitektur zu kombinieren. Ihre Forschung wird es den ARL-Agenten ermöglichen, sich selbst in Form von Verhaltensregeln zu erklären, die in Ternary Vector Lists (TVL) kodiert sind, von menschlichem Wissen über TVLs zu lernen und zwischen diesen Regeln und ihrer eigenen Fähigkeit zu lernen zu unterscheiden. Sie werden an einem einzigartigen Projekt teilnehmen, das Grundlagenforschung zu einer neuartigen Agentenarchitektur mit der direkten Anwendung auf das Rückgrat unserer Gesellschaft, insbesondere das moderne Stromnetz, verbindet. Ihre Forschung wird ein Teil des Ziels der Gruppe sein, aktuelle und zukünftige Herausforderungen für unsere KRITIS zu bewältigen. Dabei arbeiten Sie mit Netzbetreibern, einem internationalen Think Tank für Cybersicherheitspolitik, KI-Unternehmen und unseren Partneruniversitäten Vanderbilt University und TU Delft zusammen.

Ihr Profil:

• Wissenschaftlicher Hochschulabschluss der Informatik; Bereitschaft zu einer Promotion, die Grundlagenforschung in XRL mit der praktischen Anwendung auf KRITIS, insbesondere moderne Stromnetze, verbindet
• Fundierte Kenntnisse in mindestens zwei der folgenden Bereiche: Nicht-Standard-Logiken (insbesondere TVL und Boolesche Differentialrechnung), Power Grids, Deep Reinforcement Learning und Explainable Deep Reinforcement Learning
• Umfangreiche Programmiererfahrung mit mindestens Python oder C++, Kenntnisse im Software Engineering sind von Vorteil
• Motivation und Fähigkeit, wissenschaftliche Ergebnisse zu veröffentlichen und zu präsentieren, die Forschungsgruppe gegenüber internationalen Experten zu vertreten und mit einem vielfältigen und internationalen Team von Forschern zusammenzuarbeiten
• Fließendes Englisch in Wort und Schrift

Was wir anbieten:

• Rasante Promotion in einer renommierten, vom BMBF geförderten Nachwuchsgruppe sowie Publikationen und Vorträge auf internationalen Konferenzen
• Praktische Anwendung umfassender Grundlagenforschung zur Lösung einer dringenden Frage für die Rückgrat-Systeme unserer Gesellschaft
• Internationales Netzwerk von Partneruniversitäten und Industriepartnern

Die Carl von Ossietzky Universität Oldenburg strebt an, den Frauenanteil im Wissenschaftsbereich zu erhöhen. Deshalb werden Frauen nachdrücklich aufgefordert, sich zu bewerben. Gem. § 21 Abs. 3 NHG sollen Bewerberinnen bei gleichwertiger Qualifikation bevorzugt berücksichtigt werden. Schwerbehinderte Menschen werden bei gleicher Eignung bevorzugt eingestellt. Bitte senden Sie Ihre Bewerbung (Motivationsschreiben, Lebenslauf, Kopien von Zeugnissen, Referenzen) per E‑Mail in einem einzigen PDF-Dokument mit dem Stichwort "ARL" an Christiane Großmann, christiane.grossmann@uol.de. Der Bewerbungsschluss ist der 30.11.2022.

The junior research group Adversarial Resilience Learning (Prof. Dr. Sebastian Lehnhoff), Division Energy Informatics, Department of Computing Science of the University of Oldenburg invites applications for a

Research Associate (m/f/d)

with focus on Explainable Deep Reinforcement Learning in
Critical Infrastructures.

The position is full time (100 %), pay rate E13 TV-L, for a period until 31^st of July 2025, with the possibility of extension.

Adversarial Resilience Learning (ARL) is an opportunity to be part of the research in a new methodology for advanced deep reinforcement learning agents in critical national infrastructures (CNI), such as the power grid. In the ARL methodology, two (or more) competing agents (“attacker” and “defender”) compete for control of a CNI. Through this competition, the two agents learn robust strategies for a resilient control of the CNI. The research group develops an advanced architecture on top of it, featuring higher-order Deep Reinforcement Learning algorithms, extraction of learned strategies in a non-standard logic via methods of Explainable Reinforcement Learning, and learning from domain-expert knowledge. Your research objective is to combine human knowledge, rule sets, and learned strategies in a hybrid agent architecture. Your research will allow the ARL agents to explain themselves in terms of behavioral rules encoded in Ternary Vector Lists (TVL), learn from human knowledge via TVLs, and distinguish between these rules and their own ability to learn and evolve. You will participate in a unique effort to combine basic research in a novel agent architecture with direct application to our society’s backbone system, most notably the modern power grid. Your research will be a part in the group’s goal to tackle current and future challenges to our critical national infrastructures, partnering with grid operators, an international cyber-security policy think tank, AI companies, and our partner universities Vanderbilt University and TU Delft.

Your Profile:

• University degree in computer sciences; aptitude willingness to pursue a PhD that combines basic research in XRL with the practical application to CNIs, especially modern power grids
• profound knowledge of at least two of: non-standard logics (esp. TVL and Boolean differential calculus), power grids, deep reinforcement learning, and explainable deep reinforcement learning
• extensive programming experience with at least Python or C++, software engineering knowledge is a bonus
• motivation and ability to publish and present scientific findings, represent the research group to international experts, and to collaborate with a diverse and international team of researchers
• fluently spoken and written English.

What We Offer:

• Fast-paced PhD in a prestigious, BMBF-funded junior research group along with publications and presentations on international conferences
• Practical application of extensive basic research in tackling a pressing question for our society’s backbone systems
• International network of partner universities as well as industry partners

The University of Oldenburg is an equal opportunities employer. According to § 21 para. 3 of the Legislation Governing Higher Education in Lower Saxony (NHG) preference shall be given to female candidates in cases of equal qualification. The same applies to persons with disabilities.

Please send your application (letter of motivation, CV, copies of degrees, references) by email in a single PDF document with the keyword “ARL” to Christiane Großmann, (christiane.grossmann@uol.de). The closing date for applications is 2022-11-30.