Physiker/in, Mathematiker/in o.ä. (w/m/d)

8824


Wissenschaftliche Tätigkeit / Projektarbeit

Steigen Sie ein in die faszinierende Welt des Deutschen Zentrums für Luft- und Raumfahrt (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. Möchten Sie diese große Zukunftsaufgabe mit uns zusammen angehen? Dann ist Ihr Platz bei uns!



Für unser Institut für Physik der Atmosphäre in Oberpfaffenhofen suchen wir eine/n


Physiker/in, Mathematiker/in o.ä. (w/m/d)

Entwicklung von maschinellen Lernverfahren für die Klimamodellierung


Das erwartet Sie:

Das DLR-Institut für Physik der Atmosphäre erforscht die Physik und die Chemie der globalen Atmosphäre vom Boden bis zum oberen Rand der mittleren Atmosphäre in etwa 120 km Höhe. Die Abteilung „Erdsystemmodell-Evaluierung und Analyse“ entwickelt innovative Methoden zur Verbesserung von Klimamodellen und -prognosen mit Hilfe von maschinellem Lernverfahren und weltraumgestützten Erdbeobachtungsdaten für handlungsfähige Klimawissenschaften und Technologiebewertungen in der Luft- und Raumfahrt, sowie in der Verkehrs- und Energieforschung.


Trotz erheblicher Fortschritte bei der Klimamodellierung in den letzten Jahrzehnten gibt es nach wie vor systematische Abweichungen und erhebliche Unsicherheiten bei den Modellergebnissen. So hat sich beispielsweise die Bandbreite der simulierten effektiven Klimasensitivität - die Veränderung der globalen mittleren Oberflächentemperatur bei einer Verdopplung des atmosphärischen CO2 - seit den 1970er Jahren nicht verringert. Eine Hauptursache hierfür sind Unterschiede in der Darstellung von Wolken und anderen Prozessen, die durch das Modellgitter nicht aufgelöst werden können. Diese müssen mit Hilfe von Parametrisierungen dargestellt werden, so dass die Ergebnisse dem statistischen Effekt der Prozesse auf dem Gitter des Modells entsprechen. Dies wirkt sich auf die Fähigkeit der Modelle aus, globale und regionale Klimaänderungen, Klimaschwankungen, Extremwerte und Auswirkungen auf Ökosysteme und biogeochemische Kreisläufe genau vorherzusagen. Hochauflösende, wolkenauflösende Modelle verringern viele Abweichungen im Vergleich zu grob aufgelösten Modellen für tiefe Wolken und Konvektion, Wellenausbreitung und Niederschlag, können aber wegen der hohen Rechenkosten nicht auf Klimazeitskalen von mehreren Jahrzehnten oder länger gerechnet werden. Deshalb sind neue Ansätze erforderlich, die die Möglichkeiten der zunehmenden Rechenleistung und des Maschinellen Lernens (ML) nutzen, indem sie hochauflösende Simulationen und Beobachtungsdaten verwenden. 


Im Rahmen dieses Forschungsfelds umfassen Ihre Aufgaben unter anderem folgende Tätigkeiten:


  • Neuentwicklungen und Anwendung von maschinellen Lernverfahren für  ICON-ML
    • Entwicklungen von ML-basierten Parametrisierungen für ICON-ML 
      • Programmiertechnische Weiterentwicklung und Anpassung von Deep Learning Verfahren
      • Kombination von Deep Learning Verfahren mit Causal Discovery
      • Physics-aware Deep Learning
      • Generalisierung
      • Nutzung von Explainable Artificial Intelligence für ein besseres Verständnis der ML-Modelle und des Erdsystems
      • Equation discovery
      • Uncertainty Quantification
    • Implementierung dieser ML-basierten Parametrisierungen in das Erdsystemmodell ICON
    • Umfangreiche Tests der Performance der ML-basierten Parametrisierung in ICON-ML
    • Tuning der resultierenden ICON-ML Version 


  • Konzeptionelle Vorbereitung, Planung und Durchführung von Simulationen mit den Modellen ICON und ICON-ML und deren Evaluation mit dem ESMValTool
    • Konzeptionelle Vorbereitung und Planung der Klimamodellsimulationen mit ICON und ICON-ML
    • Durchführung der Klimamodellsimulationen
    • Evaluierung der Simulationen mit dem ESMValTool für historische Simulationen und verschiedene Szenarien für die Zukunft


Das erwarten wir von Ihnen:

  • Abgeschlossenes wissenschaftliches Hochschulstudium (Master / Diplom Uni) der Naturwissenschaften z.B. der Fachrichtung Physik, Mathematik oder andere für die Tätigkeit relevante Studiengänge
  • Promotion in einem naturwissenschaftlichen / mathematischen Bereich (z.B. Physik, Mathematik) oder andere für die Tätigkeit relevante Fachrichtungen
  • Langjährige Erfahrung in der Entwicklung von maschinellen Lernverfahren
  • Spezialwissen auf dem Gebiet der Entwicklung von maschinellen Lernverfahren für die Klimamodellierung
  • Langjährige Erfahrung in der Durchführung von Klimamodellsimulationen und in der Analyse von großen Datenmengen
  • Langjährige Erfahrung im Umgang mit sehr großen Datenmengen
  • Sehr gute Programmierkenntnisse
  • Sehr gute englische Sprachkenntnisse
  • Reisebereitschaft
  • Sehr gute Kommunikations- und Teamfähigkeit
  • Spezialwissen zu Causality ist von Vorteil


Unser Angebot:

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 Ihnen 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.


Weitere Angaben:

Eintrittsdatum: sofort

Dauer: 31.08.2026 

Beschäftigungsgrad: Vollzeit (Teilzeit möglich)

Vergütung: bis Entgeltgruppe 14 TVöD

Kennziffer: 92887


Kontakt: 

Mierk Schwabe Institut für Physik der Atmosphäre 

Tel.: 08153 28 4239





DLR - Helmholtz / Deutsches Zentrum für Luft- und Raumfahrt



Visit employer page


Deadline: 2024-08-25
Location: Germany, Oberpfaffenhofen, Bayern
Categories: Mathematician, Mathematics, Natural Science, Physicist, Physics,

Apply


Ads
BOKU Universität für Bodenkultur Wien


Helmut-Schmidt-Universität - Universität der Bundeswehr Hamburg


Universität der Bundeswehr München


GFZ - Helmholtz / Deutsches GeoForschungsZentrum


Helmholtz Centre for Infection Research (HZI)


AIT Austrian Institute of Technology


Max Planck Institute for Social Law and Social Policy


SAL Silicon Austria Labs GmbH


Helmholtz-Institut für RNA-basierte Infektionsforschung (HIRI)


More jobs from this employer