Das Institut für Solarforschung entwickelt innovative Technologien zur Nutzung von Solarenergie. Der Fokus liegt dabei auf der Stromerzeugung und der Bereitstellung von Wärme und Brennstoffen. Das primäre Ziel ist, mithilfe von Sonnenenergie zur Wärmewende und zu einer Reduktion fossiler Brennstoffe beizutragen.

Das erwartet dich

Diese Masterarbeit befasst sich mit der Herausforderung, physikalisch interpretierbare Darstellungen atmosphärischer Zustände aus spärlichen, multimodalen Beobachtungen zu erzeugen. Untersucht werden lernbasierte Ansätze zur kontinuierlichen dreidimensionalen Repräsentation und Rekonstruktion, wie neuronale Feldrepräsentationen und probabilistische generative Modelle, um kontinuierliche atmosphärische Variablen aus heterogenen Datenquellen abzuleiten, darunter All-Sky-Imager-Beobachtungen, Satellitenbilder und Wetterradarmessungen. Der Fokus liegt auf selbstüberwachtem Lernen unter Nutzung geometrischer, zeitlicher und physikalischer Konsistenzbedingungen, um eine 3D-Rekonstruktion ohne direkte Ground-Truth-Volumendaten zu ermöglichen. Ziel der Arbeit ist es, unsicherheitsbewusste Repräsentationslernverfahren für unterbestimmte atmosphärische Bildgebungsprobleme weiterzuentwickeln und einen Beitrag zur physikinformierten generativen Modellierung in geophysikalischen Systemen zu leisten.

Du wirst in einem diversen und motivierten Team an Fragestellungen der Energiewende arbeiten und damit aktiv zum Klimaschutz beitragen. Gleichzeitig arbeitest du eng mit Betreuern und Kollegen zusammen, um Ideen auszutauschen und Herausforderungen zu lösen, sodass du praktische Erfahrungen in maschinellem Lernen, Softwareentwicklung, automatisiertem Testen, Versionskontrolle sowie moderner Bildverarbeitung sammelst. Als Besonderheit erwartet dich ein Arbeitsplatz in Almería, einem der sonnigsten Standorte Europas.

Deine Aufgaben

• Einarbeitung in bestehende Methoden zur 3D-Rekonstruktion und zum maschinellen Lernen
• Analyse und Vorverarbeitung multimodaler atmosphärischer Beobachtungsdaten
• Implementierung und Erprobung eines 3D-atmosphärischen Rekonstruktionsmodells mit modernen Deep-Learning-Werkzeugen
• Verbesserung der Modellleistung durch Einbindung physikalischer Randbedingungen und Konsistenz zwischen verschiedenen Datenquellen
• Analyse und Visualisierung der rekonstruierten 3D-Atmosphärenfelder sowie der zugehörigen Unsicherheiten
• Dokumentation der Methodik und Ergebnisse in einer gut strukturierten Masterarbeit

Das bringst du mit

• Du studierst im Master Informatik, Physik, Mathematik, Ingenieurwesen oder einem verwandten Bereich und bringst gute Studienleistungen mit.
• Erfahrung in Python sowie grundlegende Kenntnisse im Bereich des maschinellen Lernens
• Fähigkeit, selbstständig zu arbeiten und gleichzeitig in einem internationalen Team zu kooperieren
• Vorerfahrungen in Datenanalyse, Computer Vision und Git-Versionskontrolle
• sehr gute Englischkenntnisse in Wort und Schrift 

Wenn dich diese Möglichkeit anspricht, melde dich gerne mit Anschreiben und Lebenslauf bei uns! 

Wir freuen uns darauf, dich kennenzulernen!

Fragen zu dieser Position (Kennziffer 4086) beantwortet dir gerne: 

Stefan Wilbert 
Tel.: L-WAHL: +49 2203 601 4619