Scienziato dei Materiali Computazionali

Scienziato dei Materiali Computazionali Stiamo assumendo uno Scienziato dei Materiali Computazionali con una solida formazione in entrambe le simulazioni basate sulla fisica e la modellazione scientifica guidata dal machine learning per costruire e scalare flussi di lavoro di simulazione e generazione di dati specifici del dominio. Lavorerai con ricercatori di ML e team sperimentali per garantire dati di alta qualità per l'addestramento e la valutazione dei modelli. Questo ruolo è fondamentale per la nostra capacità di generare dati scientifici ad alta fedeltà, convalidare modelli predittivi e collegare le intuizioni computazionali con i risultati sperimentali. Responsabilità chiave: Sviluppo di simulazioni avanzate e calcolo scientifico Progettazione, sviluppo e scalabilità di flussi di lavoro computazionali di materiali ad alto throughput utilizzando la Teoria Funzionale della Densità (DFT), la Dinamica Molecolare (MD), la modellazione del campo di fase e metodi di simulazione di prima principio correlati, compresa la loro applicazione ai processi di sintesi dello stato solido e alle trasformazioni di fase. Progettazione e ottimizzazione di pipeline computazionali in grado di generare e gestire grandi set di dati di materiali composti da decine di migliaia di composti, strutture e output di simulazione. Sviluppo di strategie di simulazione innovative e strumenti di automazione del flusso di lavoro per migliorare la produttività, la riproducibilità e la rigorosità scientifica. Generazione e convalida dei dati scientifici Generazione di set di dati computazionali di alta qualità per l'addestramento, la convalida e il benchmarking dei modelli AI/ML in diversi sistemi di materiali. Stabilimento di framework di convalida rigorosi per confrontare gli output di simulazione con le misurazioni sperimentali e la letteratura scientifica pubblicata. Valutazione dell'incertezza, dell'accuratezza e della prestazione predittiva delle metodologie computazionali in più domini di materiali. Leadership di ricerca cross-funzionale Partnership stretta con scienziati sperimentali, ingegneri dei materiali e ricercatori di machine learning per allineare le previsioni computazionali con il comportamento dei materiali nel mondo reale. Traduzione delle osservazioni sperimentali in ipotesi di simulazione e modelli computazionali che accelerano la ricerca e lo sviluppo del prodotto. Traduzione delle intuizioni sperimentali e fisiche in modelli basati sui dati e sul machine learning per la scoperta e l'ottimizzazione dei materiali. Fornire leadership scientifica sulle metodologie computazionali, le best practice di simulazione e gli standard di qualità dei dati nei programmi di ricerca. Innovazione e eccellenza tecnica Guidare miglioramenti continui nella qualità dei dati, nella copertura, nella riproducibilità e nella scalabilità dei flussi di lavoro scientifici. Contribuire allo sviluppo di framework computazionali di prossima generazione che integrano la simulazione basata sulla fisica con la scoperta dei materiali guidata dall'AI. Rimanere all'avanguardia degli avanzamenti nella scienza dei materiali computazionali, nel calcolo ad alte prestazioni e nel machine learning scientifico. Requisiti: PhD in Scienza dei Materiali, Fisica, Chimica, Ingegneria Chimica, Scienza Computazionale o una disciplina quantitativa correlata (i candidati che stanno completando il PhD possono essere considerati). Solida formazione accademica da un'università di primo livello nella scienza dei materiali e nella fisica di base, compresa la meccanica quantistica, la termodinamica e la fisica dello stato solido. Esperienza estensiva nello sviluppo e nella distribuzione di flussi di lavoro di scienza dei materiali computazionali avanzati utilizzando DFT, MD o tecniche di simulazione atomistiche e mesoscopiche equivalenti, comprese le applicazioni alla sintesi dello stato solido, all'analisi termodinamica e alle trasformazioni di fase. Esperto dimostrato nella simulazione ad alto throughput di grandi biblioteche di materiali, compresi set di dati contenenti 10.000+ materiali, strutture o esperimenti computazionali combinati con campi di forza basati sul machine learning o approcci di modellazione ibrida correlati Prova di un record di convalida delle previsioni computazionali contro i dati sperimentali e di traduzione dei risultati della simulazione in intuizioni scientifiche azionabili. Prova di capacità di integrare la modellazione basata sulla fisica con approcci basati sui dati o sul machine learning, compresa l'esperienza nella generazione di dati sintetici o metodi AI avanzati applicati ai flussi di lavoro scientifici. Combinazione dimostrata di profonda esperienza nella scienza dei materiali con formazione accademica formale o corsi di laurea in machine learning, informatica o campi quantitativi correlati. Esperienza lavorando con grandi set di dati scientifici e flussi di lavoro computazionali. Solida esperienza lavorativa in ambienti interdisciplinari che coinvolgono ricercatori sperimentali, scienziati computazionali e team di machine learning. Proficienza con il calcolo scientifico, le competenze di programmazione (richieste), l'orchestrazione del flusso di lavoro, gli ambienti di calcolo ad alte prestazioni e l'analisi dei grandi set di dati. Ottimi scritti e comunicazione verbale in inglese. Preferenze: Esposizione all'ultimo machine learning, compreso l'apprendimento per rinforzo o grandi modelli di linguaggio Perché unirti a noi: Lavora insieme a ricercatori e ingegneri di classe mondiale che affrontano sfide di frontiera nella scoperta dei materiali e nell'AI scientifica. Guida la ricerca computazionale mission-critica che influenza direttamente le tecnologie e i prodotti dirompenti. Accedi all'infrastruttura computazionale di ultima generazione e agli ambienti di ricerca multidisciplinari collaborativi. Compensazione competitiva, benefici comple