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

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

Wir freuen uns darauf, dich kennenzulernen!

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

Matthias Sperl  
Tel.: