Informationen zur Anzeige:
Postdoc (w/m/d) Fachrichtung Mathematik oder Naturwissenschaften für Hi-Acts »Physics-informed AI«
Hamburg
Aktualität: 22.04.2024
Anzeigeninhalt:
22.04.2024, Deutsches Elektronen-Synchrotron DESY
Hamburg
Postdoc (w/m/d) Fachrichtung Mathematik oder Naturwissenschaften für Hi-Acts »Physics-informed AI«
Das Deutsche Elektronen-Synchrotron DESY mit mehr als 3000 Mitarbeiter:innen an den Standorten Hamburg und Zeuthen zählt zu den weltweit führenden Forschungszentren. Im Mittelpunkt der Forschung steht die Entschlüsselung der Struktur und Funktion von Materie, von den kleinsten Teilchen des Universums bis hin zu den Bausteinen des Lebens. Damit trägt DESY zur Lösung der großen Fragen und drängenden Herausforderungen von Wissenschaft, Gesellschaft und Wirtschaft bei. Mit hochmoderner Forschungsinfrastruktur, interdisziplinär angelegten Forschungs-Plattformen und internationalen Vernetzungen verfügt DESY über ein hochattraktives Arbeitsumfeld im wissenschaftlichen, technischen und administrativen Bereich sowie für die Ausbildung von hochqualifiziertem Nachwuchs.
Die »Helmholtz Innovation Platform for Accelerator-based Technologies and Solutions" (Hi-Acts) ist eine Innovationsplattform mit dem Ziel Beschleunigertechnologien in industrielle und medizinische Anwendungen zu bringen - z. B. als zukünftige Anwendungen in der Produktentwicklung oder Qualitätssicherung für die Halbleiterindustrie, oder als neue Produktlösungen in der Medizintechnik. Die Zusammenarbeit von Forschenden, Industrie, Kliniken sowie Markt- und Innovationsexperten ist hierbei ganz entscheidend, um Innovationsdurchbrüche zu beschleunigen und den Zugang zu Großforschungsanlagen zu vereinfachen. Im Technology Lab »Physics informed Al" möchten wir die breite Verfügbarkeit von Röntgenbildgebungsmethoden im Industrieumfeld ermöglichen. In diesem Lab werden Algorithmen zur Lösung inverser Probleme in der Röntgenbildgebung (z. B. Röntgentomographie und -holographie) entwickelt. Das Arbeiten mit und der Einsatz von Methoden des Machine Learning, v. a. Deep Learning soll kleine kompakte (Laser-plasma basierte) Quellen auf passgenaue anwendungstaugliche Performance-Levels ausrichten. Mehr Infos:
Abgeschlossene wissenschaftliche Hochschulbildung mit Promotion der Fachrichtung Mathematik oder Naturwissenschaften oder vergleichbare Fachrichtung oder gleichwertige Fachkenntnisse, Fähigkeiten und Erfahrungen
Kenntnisse im Bereich inverser Probleme wie Rauschreduktion, Entfaltung, Tomographie, Phasenproblem in der Holographie
Erste Erfahrung bei der Nutzung von Deep Learning Algorithmen zur Lösung inverser Probleme
Starkes Interesse an interdisziplinärer Zusammenarbeit und innovativen Machine Learning Lösungen im Kontext von angewandten Beschleunigerlösungen
Gute Kenntnisse in HPC, zum Beispiel auf Basis von Python und/oder Cuda oder vergleichbare Programmiersprachen (wünschenswert)
Kenntnisse oder Interesse an fortgeschrittenen statistischen Methoden und Analysen (wünschenswert)
Gute Englischkenntnisse (Deutsch wünschenswert)
Berufsfeld
Bundesland
Standorte