Das erwartet dich
Die Abteilung Erdsystemmodell-Evaluierung und Analyse entwickelt innovative Methoden zur Evaluierung und Analyse von Erdsystemmodellen im Vergleich mit Beobachtungsdaten mit dem Ziel das Erdsystem besser verstehen und vorhersagen zu können. Die Evaluation von Erdsystemmodellen und die Reduktion von in Erdsystemmodellen langjährig bestehenden systematischen Fehlern durch maschinelle Lernverfahren sind wesentliche Voraussetzungen für zuverlässige Klimaprognosen des 21. Jahrhunderts, die in Leitlinien der Klimapolitik verwendet werden. Das Projekt Klim-QML entwickelt den ersten Prototypen eines mit quantenmaschinellen Lernverfahren verbesserten Erdsystemmodells.
Deine Aufgaben
- programmiertechnische Weiterentwicklung und Anpassung (quanten-) maschineller Lernverfahren für das Lernen von Parametrisierungen für globale Klimamodelle auf hybriden quanten- / konventionellen Computern und Kopplung dieser mit dem Klimamodell
- Durchführung von Klimamodell-Simulationen
- technische Unterstützung der Abteilungsmitglieder bei der Implementierung und Entwicklung von maschinellen Lernverfahren auf verschiedenen Großrechnersystemen / Quantencomputern
- technische Unterstützung bei der Entwicklung von Diagnostiken für die Evaluation der Klimamodelle mit dem ESMValTool und Durchführung der Evaluation
Das bringst du mit
abgeschlossenes Hochschulstudium (Bachelor / FH) in Informatik, Scientific Computing, Data Science oder andere für die Tätigkeit relevanten Studiengängelangjährige Berufserfahrung in Informatik, Scientific Computing, Data Science oder einer vergleichbaren Fachrichtunglangjährige Kenntnisse in maschinellen Lernverfahren, Big Data und Softwareengineeringsehr gute Kenntnisse in der Programmierung mit PythonKenntnisse in Softwareengineering inkl. -WerkzeugenInteresse an Quantencomputingsehr gute Englischkenntnisse in Wort und SchriftDie Vergütung erfolgt je nach Qualifikation und Aufgabenübertragung bis Entgeltgruppe 12 TVöD Bund.