Computational Materials Scientist

Computational Materials Scientist Wir suchen einen Computational Materials Scientist mit einer starken Ausbildung in physikbasierten Simulationen und maschinellen Lernmodellen, um domänen-spezifische Simulations- und Datengenerierungs-Workflows zu erstellen und zu skalieren. Sie werden mit ML-Forschern und experimentellen Teams zusammenarbeiten, um hochwertige Daten für die Modellierung und Bewertung zu gewährleisten. Diese Rolle ist entscheidend für unsere Fähigkeit, hochwertige wissenschaftliche Daten zu generieren, Vorhersagemodelle zu validieren und computergestützte Erkenntnisse mit experimentellen Ergebnissen zu verbinden. Schlüsselaufgaben: Erweiterte Simulationsentwicklung & wissenschaftliches Rechnen Entwerfen, entwickeln und skalieren Sie hochleistungsfähige computergestützte Material-Workflows unter Verwendung von Density Functional Theory (DFT), Molecular Dynamics (MD), Phasen-Feld-Modellierung und verwandten Simulationsmethoden auf der Grundlage von Erstprinzipien, einschließlich ihrer Anwendung auf Festkörpersynthese-Prozesse und Phasenübergänge. Entwerfen und optimieren Sie computergestützte Pipelines, die in der Lage sind, große Material-Datensätze mit Zehntausenden von Verbindungen, Strukturen und Simulationsausgaben zu generieren und zu verwalten. Entwickeln Sie neue Simulationsstrategien und Workflow-Automatisierungstools, um die Durchsatzrate, Reproduzierbarkeit und wissenschaftliche Strenge zu verbessern. Wissenschaftliche Datengenerierung & Validierung Generieren Sie hochwertige computergestützte Datensätze für die Ausbildung, Validierung und Benchmarking von KI/ML-Modellen in verschiedenen Materialsystemen. Etablishieren Sie strenge Validierungsrahmen, um Simulationsausgaben mit experimentellen Messungen und veröffentlichter wissenschaftlicher Literatur zu vergleichen. Bewerten Sie die Unsicherheit, Genauigkeit und Vorhersageleistung von computergestützten Methoden in mehreren Materialbereichen. Forschungsleitung über Funktionsbereiche hinweg Arbeiten Sie eng mit experimentellen Wissenschaftlern, Materialingenieuren und maschinellen Lernforschern zusammen, um computergestützte Vorhersagen mit realen Materialverhaltensweisen in Einklang zu bringen. Übersetzen Sie experimentelle Beobachtungen in Simulationshypotheken und computergestützte Modelle, die die Forschung und Produktentwicklung beschleunigen. Übersetzen Sie experimentelle und physikalische Erkenntnisse in datengetriebene und maschinell lernende Modelle für die Materialentdeckung und -optimierung. Bieten Sie wissenschaftliche Führung auf computergestützte Methoden, Simulationsbest-Praktiken und Datenqualitätsstandards in Forschungsprogrammen an. Innovation & technische Exzellenz Treiben Sie kontinuierliche Verbesserungen in der Datenqualität, Abdeckung, Reproduzierbarkeit und Skalierbarkeit von wissenschaftlichen Workflows voran. Tragen Sie zur Entwicklung von Next-Generation-computergestützten Frameworks bei, die physikbasierte Simulation mit KI-getriebener Materialentdeckung integrieren. Bleiben Sie an der Spitze von Fortschritten in der computergestützten Materialwissenschaft, Hochleistungsrechnen und wissenschaftlichem maschinellen Lernen. Qualifikationen: PhD in Materialwissenschaft, Physik, Chemie, Chemieingenieurwesen, computergestützter Wissenschaft oder einem eng verwandten quantitativen Fach (Bewerber, die ihren PhD fast abgeschlossen haben, können auch berücksichtigt werden). Starke akademische Ausbildung von einer Spitzenuniversität in Kernmaterialwissenschaft und Physik, einschließlich Quantenmechanik, Thermodynamik und Festkörperphysik. Umfangreiche Erfahrung in der Entwicklung und Bereitstellung von fortschrittlichen computergestützten Materialwissenschaft-Workflows unter Verwendung von DFT, MD oder äquivalenten atomistischen und mesoskaligen Simulationsverfahren, einschließlich Anwendungen auf Festkörpersynthese, thermodynamische Analyse und Phasenübergänge. Nachgewiesene Expertise in der Hochdurchsatz-Simulation von großen Materialbibliotheken, einschließlich Datensätzen mit 10.000+ Materialien, Strukturen oder computergestützten Experimenten in Kombination mit maschinell lernbasierten Kraftfeldern oder verwandten Hybrid-Modellierungsansätzen Nachgewiesene Fähigkeit, physikbasierte Modellierung mit datengetriebenen oder maschinell lernbasierten Ansätzen zu integrieren, einschließlich Erfahrung in der synthetischen Datengenerierung oder fortgeschrittenen KI-Methoden, die auf wissenschaftliche Workflows angewendet werden. Nachgewiesene Kombination von tiefen Materialwissenschaften-Expertenwissen mit formaler akademischer Ausbildung oder Graduiertenkursen in maschinellen Lernen, Informatik oder verwandten quantitativen Feldern. Erfahrung bei der Arbeit mit großen wissenschaftlichen Datensätzen und computergestützten Workflows. Starke Erfahrung bei der Arbeit in interdisziplinären Umgebungen mit experimentellen Forschern, computergestützten Wissenschaftlern und maschinellen Lern-Teams. Kenntnisse in wissenschaftlichem Rechnen, Programmierfähigkeiten (erforderlich), Workflow-Orchestrierung, Hochleistungsrechnumgebungen und groß angelegter Datenanalyse. Exzellente schriftliche und mündliche Kommunikationsfähigkeiten in Englisch. Bevorzugt: Erfahrung mit modernen maschinellen Lernmethoden, einschließlich Reinforcement Learning oder großen Sprachmodellen Warum Sie sich uns anschließen sollten: Arbeiten Sie Seite an Seite mit weltweit führenden Forschern und Ingenieuren, die Herausforderungen in der Materialentdeckung und wissenschaftlichen KI angehen. Führen Sie missionskritische computergestützte Forschung durch, die direkt zu bahnbrechenden Technologien und Produkten beiträgt. Greifen Sie auf modernste computergestützte Infrastruktur und kollaborative multidisziplinäre Forschungsumgebungen zu. Wettbewerbsfähige Vergütung, umfassende Sozialleistungen und flexible Arbeitsarrangements. Möglichkeit, einen sichtbaren und nach