01、项目概况
本项目是荷兰格罗宁根大学在欧盟玛丽·居里博士生培养网络（REACT MSCA DN）框架下设立的四年制博士研究岗位，专注于安全神经形态架构领域的前沿研究。
项目隶属于该校科学与工程学院的伯努利数学、计算机科学与人工智能研究所，候选人将在法哈德·默钱特博士的创新计算架构与硬件安全研究组中开展研究工作。
项目提供为期四年的全额薪资支持，前36个月由欧盟玛丽·居里项目资助，剩余12个月由其他资金来源保障。薪资标准按照荷兰大学集体劳动协议执行，第一年月薪2770欧元，第四年可达3539欧元，另外享有8%的假期津贴和8.3%的年终奖金。项目预计于2025年11月1日开始，申请截止日期为2025年10月31日。
02、研究领域深度解析
神经形态计算的革命性意义
神经形态计算作为计算机科学领域的新兴范式，正在重新定义我们对人工智能和计算机架构的理解。这一技术受到人类大脑神经网络结构和功能的启发，致力于开发能够模拟生物神经系统信息处理方式的硬件和软件系统。
人类大脑仅消耗约20瓦特的能量就能完成复杂的认知任务，而执行类似功能的传统计算机却需要消耗高达20000瓦特的电力。这种能效差距的巨大悬殊推动了神经形态计算的发展，该技术通过模仿大脑的并行处理能力、自适应学习机制和低功耗特性，有望实现计算效率的革命性提升。
神经形态系统的核心特征在于采用脉冲神经网络（Spiking Neural Networks, SNNs），这种网络结构通过模拟生物神经元之间的脉冲通信方式来处理信息。与传统的人工神经网络不同，脉冲神经网络具有时间动态特性，能够更准确地反映大脑的实际工作机制。这种设计使得神经形态系统在处理时序信息、模式识别和自主学习方面表现出色。
近年来，神经形态计算技术已经取得了显著进展。英特尔的Hala Point系统包含超过11.5亿个神经元，展现了大规模神经形态系统的潜力。同时，学术界和工业界正在加紧开发各类神经形态芯片，如斯坦福大学的Neurogrid、苏黎世联邦理工学院的DynapCNN等，这些系统在能耗控制和实时处理能力方面都展现出了传统计算架构无法比拟的优势。
硬件安全的关键挑战
随着神经形态计算技术的快速发展和广泛应用，硬件安全问题变得日益重要。神经形态系统预计将在医疗健康、国防军事、自动驾驶等安全关键领域发挥重要作用，这使得安全性不再是可选的附加特性，而是系统设计的核心要求。
神经形态硬件面临的安全威胁主要来自两个方面：一是恶意的硬件木马攻击，二是利用实现特定漏洞的外部攻击。由于神经形态系统采用了非冯·诺依曼架构，结合了新型的后CMOS纳米离子器件，同时引入了复杂的材料科学技术，这种多层次的技术融合为潜在的安全漏洞创造了更多可能。
忆阻器作为神经形态计算中的关键器件，虽然能够有效模拟生物突触的功能，但其固有的器件变异性和循环稳定性问题可能被恶意利用，成为系统攻击的突破口。此外，神经形态系统的分布式并行处理特性虽然提高了计算效率，但也增加了安全监控和防护的复杂性。
为应对这些挑战，研究人员正在开发多层次的安全防护策略，包括器件级别的安全设计、电路级别的异常检测、系统级别的安全协议等。这些工作对于确保神经形态计算技术的可靠部署具有重要意义。
03、项目优势和平台特色
REACT项目的独特价值
REACT（Self-AwaRe NEuromorphic ArChiTectures）项目作为欧盟玛丽·居里博士生培养网络的重要组成部分，汇集了来自欧洲各国的顶尖研究机构和工业合作伙伴，共同致力于开发具有自感知能力的神经形态平台。该项目的核心目标是解决神经形态计算在能效、可靠性和安全性方面的关键挑战。
项目将培养15名早期博士候选人，通过跨学科的综合培训课程涵盖材料科学、器件物理、计算机架构、硬件原型设计、编译器设计、仿真工具开发以及网络安全、可靠性和系统验证等多个领域。这种多学科交叉的培训模式确保了学员能够全面掌握神经形态计算的核心技术和应用方法。
REACT项目特别强调产学合作，参与的博士生将有机会在项目前三年进行产业实习，直接接触工业界的实际应用需求和技术挑战。这种培训模式不仅提升了学员的技术能力，还培养了他们的科学写作、研究伦理、时间管理和创业精神等综合素质。
CogniGron中心的研发实力
格罗宁根认知系统与材料中心（CogniGron）成立于2018年，得益于Ubbo Emmius基金会3000万欧元的慷慨捐赠，是荷兰乃至全球神经形态计算领域的重要研究中心。该中心致力于开发自学习材料和先进系统，为大脑启发式计算提供技术支撑。
CogniGron采用循环式研究方法，围绕认知材料、器件、电路、系统和AI驱动网络四大核心主题展开工作。研究层次涵盖基础研究、概念验证和实际应用三个阶段，确保科研成果能够有效转化为实际应用。
中心的研究实力体现在多个方面：在材料科学领域，研究人员专注于开发具有快速信号传输和长期学习效应的新型材料，包括类忆阻器材料和自适应低能耗器件；在系统架构方面，团队致力于设计可扩展的神经形态芯片和神经网络硬件；在算法开发领域，研究重点是生物启发的模式识别和机器学习技术。
CogniGron还与多家国际知名企业建立了战略合作关系，包括与SynSense公司在神经形态硬件应用开发方面的深度合作。中心已经孵化了首个初创企业IMChip，专注于存内计算芯片的商业化开发，展现了其在技术转化方面的实力。
04、申请要求和条件
学术背景要求
申请者需要具备电气工程、计算机科学或相关领域的硕士学位，并且成绩优异。这一要求确保了候选人具备足够的理论基础来承担博士阶段的研究工作。
候选人应当具备扎实的计算机硬件设计知识和ASIC、FPGA等综合工具的使用经验。这些技能对于神经形态硬件的设计和实现至关重要。同时，良好的编程和脚本编写能力也是必需的，因为现代神经形态系统的开发需要软硬件协同设计。
英语交流、演示和写作能力必须达到优秀水平，这对于国际化的研究环境和学术交流至关重要。申请者还需要具备良好的团队合作精神，能够在多学科交叉的研究环境中有效协作。
优先考虑的专业背景
虽然不是强制要求，但具备硬件安全、存内计算或新兴非易失性存储技术等领域知识的申请者将获得优先考虑。这些专业背景与项目的研究方向高度吻合，能够帮助申请者更快地融入研究工作。
欧盟流动性规则
根据玛丽·居里项目的规定，申请者在招聘日期前的三年内，在荷兰居住或从事主要活动的时间不得超过12个月。这一规定旨在促进研究人员的国际流动和交流。此外，申请者在招聘时不得已经拥有博士学位，这确保了项目面向真正的早期研究人员。
05、薪资待遇详情
薪资结构
项目提供的薪资标准严格按照荷兰大学集体劳动协议执行，体现了欧洲在博士生待遇方面的高标准。具体薪资结构如下：
第一年：月薪2770欧元（税前）
第二年：根据表现和进展适度调整
第三年：继续按照协议标准递增
第四年：最高可达3539欧元（税前）
这种递增式的薪资结构体现了对博士生专业成长和能力提升的认可。以全时工作为基准计算，年薪水平在欧洲博士生群体中具有较强的竞争力。
附加福利
除基本薪资外，项目还提供丰富的附加福利：
假期津贴：相当于年总收入的8%，确保博士生能够享有充分的休息时间。
年终奖金：占年薪的8.3%，这一比例在欧洲学术机构中属于较高水平。
完整的博士培训项目：包括专业技能培训、学术写作指导、研究方法论课程等，为博士生的全面发展提供支持。
合同安排
项目采用"1+3"的合同模式，首年为试用期，根据研究进展和表现决定是否续签后续三年合同。这种安排既保护了双方的利益，也为博士生提供了相对稳定的研究环境。合同期间，博士生还将有机会参与国际学术会议、研究交流和产业实习，这些机会不仅丰富了研究经历，也为未来的职业发展奠定了基础。
06、申请建议
材料准备策略
申请成功的关键在于准备一套完整且有说服力的申请材料。动机信是最重要的组成部分，应当明确表达对神经形态计算和硬件安全研究的兴趣，详细阐述个人背景与项目需求的匹配度，并展现对未来研究工作的清晰规划。
学术简历需要突出与计算机硬件设计、FPGA/ASIC开发、机器学习或神经网络相关的项目经历。如果有相关的实习经验、研究论文或技术项目，应当详细描述具体贡献和取得的成果。
研究陈述是展现学术潜力的重要平台，应当结合个人研究兴趣和项目的具体需求，提出有价值的研究想法或改进方案。即使没有深入的神经形态计算背景，也可以从传统计算架构安全、硬件设计优化等角度切入。
技能发展重点
在申请准备期间，建议重点提升以下几个方面的技能：
硬件描述语言（如Verilog、VHDL）的编程能力，这是神经形态硬件设计的基础工具。可以通过在线课程或实际项目来掌握这些技能。
FPGA开发平台（如Xilinx Vivado、Intel Quartus）的使用经验，这些工具在神经形态系统原型设计中应用广泛。
机器学习框架（如PyTorch、TensorFlow）的熟练运用，特别是神经网络模型的设计和训练。
硬件安全相关知识的积累，包括侧信道攻击、硬件木马检测等基础概念。
研究方向定位
申请者应当根据个人背景和兴趣，在神经形态计算的广阔领域中找到合适的研究定位：
如果具有电路设计背景，可以重点关注神经形态芯片的电路级实现和优化。
如果擅长算法开发，可以专注于脉冲神经网络的训练算法和硬件映射技术。
如果对安全技术感兴趣，可以深入研究神经形态系统的安全威胁和防护机制。
如果有材料科学基础，可以探索新型神经形态器件的材料特性和制备工艺。
申请时机把握
项目采用滚动评审模式，建议尽早提交申请以获得更多的评审机会。在准备申请材料的同时，应当持续关注神经形态计算领域的最新研究进展，这有助于在面试环节展现对该领域的深入理解。建议申请者主动联系导师团队，通过邮件交流了解具体的研究方向和期望。这种主动的沟通不仅能够帮助申请者更好地定位自己的研究兴趣，也能够让导师提前了解申请者的背景和能力。
长期职业规划
神经形态计算作为新兴的交叉学科领域，为博士毕业生提供了丰富的职业发展机会。学术界的机会包括在顶尖研究机构继续从事博士后研究，或者在大学中建立自己的研究团队。
工业界的需求同样旺盛，众多科技公司正在投资神经形态计算技术的商业化应用。从传统的芯片设计公司到新兴的AI硬件初创企业，都需要具备神经形态计算专业知识的人才。
此外，随着该技术在医疗健康、智能制造、自动驾驶等领域的应用不断拓展，跨学科的合作机会也在持续增加。具备神经形态计算背景的研究人员将在这些新兴应用领域中发挥重要作用。
对于有创业意向的申请者，CogniGron中心的创新生态系统提供了良好的孵化环境。中心与多家投资机构和技术转移组织建立了合作关系，为有潜力的技术成果提供商业化支持。
【竞赛报名/项目咨询+微信：mollywei007】
