Physiker/in, Chemiker/in, Mathematiker/in, Informatiker/in o.ä (w/m/d) – Quantenmaschinelles Lernen

Until the position is filled

Physiker/in, Chemiker/in, Mathematiker/in, Informatiker/in o.ä (w/m/d) – Quantenmaschinelles Lernen

 

Steige ein in die faszinierende Welt des Deutschen Zentrums für Luft- und Raumfahrt e. V. (DLR), um mit Forschung und Innovation die Zukunft mitzugestalten! Mit dem Know-how und der Neugier unserer 11.000 Mitarbeitenden aus 100 Nationen sowie unserer einzigartigen Infrastruktur bieten wir ein spannendes und inspirierendes Arbeitsumfeld. Gemeinsam entwickeln wir nachhaltige Technologien und tragen so zur Lösung globaler Herausforderungen bei. Möchtest du diese große Zukunftsaufgabe mit uns zusammen angehen? Dann ist dein Platz bei uns!

 

Kennziffer:  2377

Arbeitsort:  Köln

Eintrittsdatum:  01.09.2025

Karrierestufe:  Berufserfahrene

Beschäftigungsgrad:  Teilzeit, Vollzeit

Dauer der Beschäftigung:  2 Jahre

Vergütung: Die Vergütung erfolgt gemäß der jeweils geltenden Tarifverträge des öffentlichen Dienstes (Bund).

  

Das Institut für Frontier Materials im Weltraum des DLR untersucht fundamentale physikalische Prozesse in Materialien, angefangen auf mikroskopischer Skala und bis hin zu makroskopischen Eigenschaften, sowohl in Modellsystemen für neue Materialien als auch in Materialien aus der Anwendung, auf der Erde wie im Weltraum. Dazu vereinen wir die Entwicklung von raumflugfähiger Hardware, Experimente auf Forschungsraketen, Parabelflügen und im Fallturm, sowie Modellierung mit Theorie und Simulation auf allen Skalen, um den Einfluss der Schwerkraft auf physikalische Prozesse zu verstehen.

 

Das erwartet dich

Quantenmaschinelles Lernen in nichtklassischen Energielandschaften

  

Quantenhardware verspricht für spezielle Problemstellungen Vorteile bei verschiedenen Methoden des maschinellen Lernens. Fortschritte in diesem Bereich hängen vom Verständnis der Optimierungs- oder Energielandschaften ab, mit denen das in Frage stehende Problem beschrieben werden kann. Hier soll das physikalische Problem einer nichtklassischen Energielandschaft betrachtet werden und sein Einfluss auf die Effektivität von Algorithmen maschinellen Lernens.

 

Deine Aufgaben

  • Einsatz von konventionellen sowie Quantencomputer-basierten Berechnungen zum maschinellen Lernen
  • Untersuchung der Energielandschaften verschiedener Methoden maschinellen Lernens für klassische und nicht-klassische Methoden
  • Analyse der Ergebnisse und deren Veröffentlichung in Konferenzbeiträgen und wissenschaftlichen Artikeln
  • Betreuung von Praktika, Bachelor- und Master-Arbeiten

 

Das bringst Du mit

  • abgeschlossenes wissenschaftliches Hochschulstudium (Master / Diplom Uni) Informatik, Mathematik, der Naturwissenschaften (z.B. Physik oder Mathematik) oder der Ingenieurswissenschaften oder andere für die Tätigkeit relevanten Studiengänge
  • erste Erfahrungen in mindestens einem der folgenden Forschungsbereiche: maschinelles Lernen, Quanten­informationstheorie, Entwicklung von Quantenalgorithmen, Einsatz von Quantencomputing zur Lösung materialwissenschaftlicher Optimierungsprobleme
  • Fähigkeit, in einem internationalen Team von Wissenschaftlern, Technikern, Studenten und internationalen Kooperationspartnern zu arbeiten
  • sehr gute Englischkenntnisse in Wort und Schrift

 

Das bieten wir dir
Das DLR steht für Vielfalt, Wertschätzung und Gleichstellung aller Menschen. Wir fördern eigenverantwortliches Arbeiten und die individuelle Weiterentwicklung unserer Mitarbeitenden im persönlichen und beruflichen Umfeld. Dafür stehen dir unsere zahlreichen Fort- und Weiterbildungsmöglichkeiten zur Verfügung. Chancengerechtigkeit ist uns ein besonderes Anliegen, wir möchten daher insbesondere den Anteil von Frauen in der Wissenschaft und Führung erhöhen. Bewerbungen schwerbehinderter Menschen bevorzugen wir bei fachlicher Eignung.

 

Wir freuen uns darauf, dich kennenzulernen!

 

Fragen zu dieser Position (Kennziffer 2377) beantwortet dir gerne:

 

Matthias Sperl 
Tel.: +49 2203 601 3434 

 


 

Ads

Jobs from this employer