Event Reconstruction Physicist (EP-FCC-2026-166-GRAP)

La prossima generazione di esperimenti, l'aggiornamento HL-LHC di CMS e il Future Circular Collider, necessita di una ricostruzione degli eventi che sia veloce, accurata e portabile su CPU e GPU. Ogni algoritmo di ricostruzione e ogni modello di machine learning viene addestrato e valutato rispetto alla verità della simulazione. Oggi tale verità è memorizzata in oggetti statici e specifici per il detector. Ogni oggetto è pre-raggruppato per uno scopo, non può essere navigato e separa la verità del calorimetro dalla verità del tracker.

Il CERN ha costruito un prototipo che li sostituisce. Si tratta di un unico grafo navigabile a livello di evento della storia del generatore e della simulazione, con indici di hit del calorimetro e del tracker sovrapposti. Il codice di ricostruzione ragiona quindi in termini di astrazioni fisiche stabili: particelle, vertici, rami di decadimento e hit.

Tu renderai questo il modello di verità del futuro. Generalizzerai il prototipo in una libreria indipendente dall'esperimento, lo integrerai nello stack software di FCC e lo utilizzerai per costruire la prossima ricostruzione: algoritmi basati su grafi e moderno machine learning per il clustering, il particle flow e l'identificazione delle particelle, e un matching affidabile tra oggetti ricostruiti e verità.

Le tue responsabilità:

• Generalizzare il grafo MC-truth di CMS in una libreria indipendente dal detector e dall'esperimento. Separare il modello di dati del grafo, l'API di navigazione e l'indice di hit dai binding del formato dati dell'esperimento.
• Sviluppare i binding. Mantenere funzionante il binding CMSSW e aggiungere un binding per lo stack FCC (Key4hep, EDM4hep, Gaudi), in modo che entrambi gli esperimenti costruiscano lo stesso grafo dai propri output di simulazione.
• Estendere il modello di dati. Aggiungere incroci di confine multi-superficie, archiviazione di associazioni sparse e un layout ridotto dell'indice di hit. Gestire il pileup in modo coerente.
• Sviluppare l'associazione ricostruzione-verità. Estendere l'associatore di rami adattivo, che seleziona il livello di verità che meglio corrisponde a un oggetto ricostruito, e validarlo su topologie fuse come fotoni convertiti, bremsstrahlung e prime interazioni adroniche.
• Definire cosa è ricostruibile. Derivarlo dal grafo della verità e dalla descrizione del detector, utilizzando la granularità delle celle, la risoluzione di energia e tempo, le soglie di lettura e la separazione tra due oggetti.
• Applicare algoritmi grafici portabili e machine learning avanzato, ad esempio graph neural networks e transformer, a compiti di ricostruzione in CMS (HGCAL e TICL) e nei detector FCC: clustering, linking, particle flow e identificazione delle particelle.
• Costruire i dataset di addestramento e le etichette dal grafo della verità. Definire le metriche, calibrare gli output del modello e controllare il modello prima che alimenti la ricostruzione.
• Contribuire con il codice ai repository ufficiali di CMS e dello stack software di FCC, con unit test, documentazione e revisione del codice.
• Presentare i risultati nelle riunioni CMS e FCC, nei forum software e nelle pubblicazioni.
• Questo ruolo include responsabilità di supervisione del team.

Il tuo profilo:

• Un Master o un PhD in Fisica, Informatica, Matematica Applicata o un campo correlato.
• Esperienza dimostrata con C++ moderno in una codebase ampia, condivisa e sottoposta a peer-review, ad esempio CMSSW, Gaudi o Key4hep.
• Esperienza dimostrata con la ricostruzione degli eventi consapevole del tempo e la simulazione del detector in un esperimento di fisica delle alte energie.
• Esperienza dimostrata con il computing eterogeneo e portabile, ad esempio Alpaka, SYCL, CUDA o HIP.
• Esperienza con Python e con almeno un framework di machine learning, preferibilmente PyTorch.
• Esperienza con algoritmi di grafi e clustering.
• Esperienza con git, code review e integrazione continua.

Competenze:

• C++20.
• Clustering, ricostruzione degli eventi.
• Simulazione del detector.
• Particle flow.
• CMSSW, Key4hep.
• Computing eterogeneo.
• Inglese parlato e scritto, con l'impegno di imparare il francese.

Criteri di ammissibilità:

• Sei un cittadino di uno Stato Membro o Associato del CERN (https://home.cern/about/member-states).
• Hai un background professionale in Fisica (o un campo correlato) e hai:
• un Master con 2-6 anni di esperienza professionale post-laurea;
• o un PhD con non più di 3 anni di esperienza professionale post-laurea.
• Non hai mai avuto un contratto da fellow o da laureato del CERN in precedenza.

Data di chiusura dell'annuncio: 13.11.2026 alle 23:59 CET.

Durata del contratto: 24 mesi, con una possibile estensione fino a un massimo di 36 mesi.

Orario di lavoro: 40 ore a settimana

Flessibilità lavorativa: Ibrida

Data di inizio prevista: 01-Gennaio-2027

Questa posizione prevede:

• Partecipazione a un regolare servizio di reperibilità, inclusi notti, domeniche e festività ufficiali.
• Lavoro durante notti, domeniche e festività ufficiali.
• Lavoro a turni.

Dati i rischi per la salute professionale associati a questa posizione, il candidato selezionato deve ottenere il nulla osta medico prima che un'offerta di contratto venga confermata.

Riferimento del lavoro: EP-FCC-2026-166-GRAP

Campo di lavoro: Fisica Sperimentale

Benchmark job: 200140 - Applied Physicist

Benefici Globali

• Un compenso mensile netto di 6372 o 7004 franchi svizzeri al mese a seconda del titolo di studio.
• 30 giorni di congedo retribuito all'anno più 2 settimane di chiusura annuale.
• Copertura tramite il programma di assicurazione sanitaria completa del CERN (per te, il tuo coniuge e i tuoi figli) e adesione al Fondo Pensione del CERN.
• Indennità mensili per famiglia, figli e neonati a seconda delle circostanze individuali.
• Un pacchetto di ricollocamento (indennità di installazione e spese di viaggio) a seconda delle circostanze individuali.
• Possibilità di estendere il contratto fino a 36