Wissenschaftlicher Mitarbeiter (m/w/d, E13 TV-L, 67 %) auf dem Gebiet der Künstlichen Intelligenz für die Kinetik elektrochemischer Grenzflächen

Lehrstuhl für Physikalische Chemie V: Theorie und Maschinelles Lernen

Bewerbungsfrist: 30. November 2025

Wissenschaftlicher Mitarbeiter (m/w/d, E13 TV-L, 67 %) auf dem Gebiet der Künstlichen Intelligenz für die Kinetik elektrochemischer Grenzflächen

zu besetzen.

Aufgaben:

Entwicklung neuartiger KI-Methoden zur Beschreibung der Kinetik elektrochemischer Grenzflächen
Mitarbeit an der Integration von KI-Modellen in Multiskalensimulationen von elektrochemischen Strömungsreaktoren
Entwicklung neuartiger Methoden für das Repräsentationslernen von chemischen Reaktionsnetzwerken

Qualifikationen:

Abgeschlossenes Hochschulstudium (Master oder Diplom) in Chemie, Physik, Informatik oder verwandten Bereichen
Kenntnisse in numerischen Simulationen auf atomarer Skala und/oder modernen Deep Learning Methoden
Interesse daran, die Grenzen von Multiskalensimulationen zu erweitern
Gute Kommunikationsfähigkeiten und Neugier

Wissenschaftliches Umfeld:

Als Doktorand haben Sie Zugang zu den modernen Forschungseinrichtungen des Bayerischen Zentrums für Batterietechnik und zu einem unterstützenden Forschungsumfeld. Sie werden auch die Möglichkeit haben, mit führenden Experten auf diesem Gebiet zusammenzuarbeiten und an internationalen Konferenzen und Workshops teilzunehmen.

Die Universität Bayreuth schätzt die Vielfalt ihrer Beschäftigten als Bereicherung und bekennt sich ausdrücklich zum Ziel der Chancengleichheit der Geschlechter. Frauen werden hierbei mit Nachdruck um ihre Bewerbung gebeten. Personen, die mehr Vielfalt in das Forschungs- und Lehrprofil der Universität Bayreuth einbringen, sind ausdrücklich zur Bewerbung eingeladen. Bewerberinnen und Bewerber (m/w/d) mit Kindern sind sehr willkommen. Die Universität Bayreuth ist Mitglied im Best-Practice Club „Familie in der Hochschule e. V.“, hat erfolgreich am HRK-Audit „Internationalisierung der Hochschule“ teilgenommen. Personen mit Schwerbehinderung werden bei gleicher Eignung bevorzugt berücksichtigt.