Wissenschaftlicher Mitarbeiter (m/w/d) auf dem Gebiet des Autoregressiven Maschinellen Lernens für elektrochemische Grenzflächen

Die Universität Bayreuth ist eine forschungsorientierte Universität mit international wettbewerbsfähigen, interdisziplinären Schwerpunkten in Forschung und Lehre. Am Lehrstuhl für Physikalische Chemie V: Theorie und Maschinelles Lernen (www.margraf.uni-bayreuth.de), angesiedelt am Bayerischen Zentrum für Batterietechnik (BayBatt) der Universität Bayreuth, ist eine befristete Stelle als

zu besetzen.

Aufgaben:

• Entwicklung neuartiger autoregressiver ML-Methoden zur Beschreibung der zeitlichen Entwicklung von elektrochemischen Grenzflächen
• Mitarbeit an der Integration von ML-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
• Gute Kenntnisse in numerischen Simulationen auf atomarer Skala und/oder modernen ML-Techniken
• 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.

Bitte bewerben Sie sich online mit aussagekräftigen Bewerbungsunterlagen bis zum 31.12.2024 unter Angabe des Kennworts „ML4Echem“ über das Bewerbungsportal der Universität Bayreuth. Die Unterlagen werden nach Beendigung des Berufungsverfahrens gemäß den Anforderungen des Datenschutzes gelöscht.

Bei Rückfragen wenden Sie sich gerne an: Prof. Johannes Margraf, johannes.margraf@uni-bayreuth.de.