Stellenticket Freie Universität Berlin

Unabhängige und verantwortungsvolle Forschung auf dem Gebiet des maschinellen Lernens. Ziel des ausgeschriebenen Projektes ist die Entwicklung skalierbarer Methoden für die Modellierung von atomaren Wechselwirkungen in der Quantenchemie. Der Schwerpunkt liegt auf der Dimensionsreduktion partieller Differentialgleichungen, um wesentliche Eigenschaften elektronischer Systeme auf atomistischer Ebene zu beschreiben zu können.

Die damit verbundenen Aufgaben sind:

• Entwicklung und Implementierung von ML-Modellen 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

• 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.

Ihre schriftliche Bewerbung richten Sie bitte unter Angabe der Kennziffer mit den üblichen Bewerbungsunterlagen (d.h. mindestens Anschreiben, CV, Abschlusszeugnisse, Notenübersichten etc.) an die Technische Universität Berlin - Die Präsidentin - Fakultät IV, Institut für Softwaretechnik und Theoretische Informatik, FG Maschinelles Lernen, Prof. Dr. Müller, MAR 4-1, Marchstr. 23, 10587 Berlin oder per E-Mail (eine PDFDatei, max. 5 MB) an: jobs@bifold.berlin.

Aus Kostengründen werden postalisch zugesandte Bewerbungsunterlagen nicht zurückgesandt. Bitte reichen Sie nur Kopien ein.

Mit der Abgabe einer Online­be­wer­bung geben Sie als Bewer­ber*in Ihr Ein­ver­ständ­nis, dass Ihre Daten elek­tro­nisch ver­ar­bei­tet und gespei­chert wer­den. Wir wei­sen dar­auf hin, dass bei unge­schütz­ter Über­sen­dung Ihrer Bewer­bung auf elek­tro­ni­schem Wege keine Gewähr für die Sicher­heit über­mit­tel­ter per­sön­li­cher Daten über­nom­men wer­den kann. Daten­schutz­recht­li­che Hin­weise zur Ver­ar­bei­tung Ihrer Daten gem. DSGVO fin­den Sie auf der Web­seite der Per­so­nal­ab­tei­lung:
https://www.abt2-t.tu-berlin.de/menue/themen_a_z/datenschutzerklaerung/ oder Direkt­zu­gang: 214041.

Zur Wah­rung der Chan­cen­gleich­heit zwi­schen Frauen und Män­nern sind Bewer­bun­gen von Frauen mit der jewei­li­gen Qua­li­fi­ka­tion aus­drück­lich erwünscht. Schwer­be­hin­derte wer­den bei glei­cher Eig­nung bevor­zugt berück­sich­tigt. Die TU Ber­lin schätzt die Viel­falt ihrer Mit­glie­der und ver­folgt die Ziele der Chan­cen­gleich­heit.