Talent.com
Diese Stelle ist in deinem Land nicht verfügbar.
Wiss. Mit­ar­bei­ter •in (d / m / w) - Ent­gelt­gruppe 13 TV-L Ber­li­ner Hoch­schu­len - Zur Qualifizierung

Wiss. Mit­ar­bei­ter •in (d / m / w) - Ent­gelt­gruppe 13 TV-L Ber­li­ner Hoch­schu­len - Zur Qualifizierung

TU BerlinBerlin, Berlin
Vor 30+ Tagen
Stellenbeschreibung

Aufgabenbeschreibung

Unabhängige und verantwortungsvolle Forschung auf dem Gebiet des Maschinellen Lernens. Ziel des ausgeschriebenen Projektes ist die Entwicklung neuer Erklärmethoden (Explainable Artificial Intelligence, XAI) für die atomistische Modellierung in der Quantenchemie. Der Schwerpunkt liegt auf dem Erwerb physikalisch fundierter Erkenntnisse, um Hypothesen in der Quantenchemie zu leiten.

Die damit verbundenen Aufgaben sind :

  • Entwicklung und Implementierung von XAI-Methoden für ML-Modelle in der Quantenchemie
  • Einbeziehung von physikalischem Wissen über die Zielsysteme in die Modelle, z.B. Unterscheidung verschiedener kurz- und langreichweitigen Wechselwirkungen zwischen Atomen
  • Evaluierung der entwickelten Methoden anhand von Benchmark-Problemen und Einordnung von Beobachtungen im physikalischen Kontext
  • Kommunikation der Ergebnisse durch Präsentationen
  • Lehraufgaben

Erwartete Qualifikationen

  • Erfolgreich abgeschlossenes wissenschaftliches Hochschulstudium (Master, Diplom oder Äquivalent) in Physik, Mathematik, oder Informatik
  • Nachgewiesene Erfahrung in maschinellem Lernen mit einem ausgeprägten Verständnis von Algorithmen, lineare Algebra, Funktionalanalysis und verwandten mathematischen Konzepten
  • Solide Kenntnisse in Physik, einschließlich Methoden zur Lösung der Schrödinger-Gleichung
  • Ausgezeichnete Programmierkenntnisse in Python und solide Kenntnisse gängiger Frameworks für maschinelles Lernen wie PyTorch oder TensorFlow
  • Ausgeprägte Kommunikationsfähigkeiten in Englisch und die Fähigkeit, komplexe Themen einem breiten Publikum mit unterschiedlichem Hintergrund zu erklären (d.h. sowohl Informatiker
  • innen als auch Physiker
  • innen)
  • Vertrautheit mit SOTA-Maschinenlernmodellen und Ansätzen für die Modellierung von molekularen Kraftfeldern mit ML
  • Die Fähigkeit zum Unterrichten in deutscher und / oder in englischer Sprache wird vorausgesetzt; Bereitschaft, die jeweils fehlenden Sprachkenntnisse zu erwerben

    • Wünschenswert :

  • Die Fähigkeit, mit einem Team von ML-Expert
  • innen und Physiker
  • innen zusammenzuarbeiten