Stud. Beschäftigte*r (m/w/d) 41 MoStd. befristet auf 2 Jahre Kennung: StudB-AI4Sience_Noé

Die AI4Science-Gruppe (früher Computational Molecular Biology - Leiter: Frank Noé) ist eine interdisziplinäre Forschungseinheit, die sich mit der Entwicklung von Methoden des maschinellen Lernens für die Naturwissenschaften befasst. Wir haben ein starkes Profil in den Bereichen computergestützte Statistik, Simulation und Lernalgorithmen sowie wissenschaftliche Softwareentwicklung. Als ein eng zusammenarbeitendes, internationales Team von Mathematikern, Informatikern, Physikern und Chemikern legen wir großen Wert darauf, die Lücken zwischen den verschiedenen Disziplinen zu schließen.
Unsere Hauptforschungsgebiete sind: Physikalisch beschränkte Lernalgorithmen, Analyse komplexer dynamischer Systeme, effiziente generative Lernmethoden für die statistische Mechanik, hochpräzise maschinelle Lernmethoden für die Quantenmechanik, Inferenz und Verbesserung modernster Mikroskopieverfahren.

Aufgabengebiet:
Wir suchen eine*n studentisch Beschäftigte*n (m/w/d) für die Unterstützung bei der Entwicklung von tiefen Lernmethoden für Quantenchemie-Rechnungen mittels Quanten Monte Carlo. Zudem wünschen wir uns Unterstützung bei der Anwendung für die Berechnung von großen und hochgenauen Datensätzen von Energie und Elektronendichte von Molekülen mit stark korrelierten Quantenzuständen.

Erwünscht:
- Immatrikulation an einer deutschen Hochschule.
- Studium der Physik, Mathematik, Informatik oder einem verwandten Fach
- Programmiererfahrung in Python
- Erfahrungen mit PyTorch oder ähnlichen Bibliotheken für neuronale Netzwerke oder Interesse sich in diese einzuarbeiten
- gute Kenntnisse im maschinellen Lernen, insbesondere tiefe Lernverfahren oder Interesse sich in diese einzuarbeiten
- gute Kenntnisse der Quantenmechanik und deren mathematischer Werkzeuge oder Interesse sich in diese einzuarbeiten
- Kenntnisse von Monte Carlo Verfahren oder Interesse sich in diese einzuarbeiten
- flüssiges Englisch in Wort und Schrift (B2)
- Gender- und Diversity-Kompetenz

Weitere Informationen erteilt Herr Prof. Dr. Frank Noé (frank.noe@fu-berlin.de).

Weitere Informationen

Bewerbungen sind mit aussagekräftigen Unterlagen unter Angabe der Kennung im Format PDF (vorzugsweise als ein Dokument) elektronisch per E-Mail zu richten an Frau Manuela Sander: manuela.sander@fu-berlin.de oder per Post an die


Herrn Prof. Dr. Frank Noé
Arnimallee 14


Mit der Abgabe einer Onlinebewerbung geben Sie als Bewerber*in Ihr Einverständnis, dass Ihre Daten elektronisch verarbeitet und gespeichert werden.
Wir weisen darauf hin, dass bei ungeschützter Übersendung Ihrer Bewerbung auf elektronischem Wege von Seiten der Freien Universität Berlin keine Gewähr für die Sicherheit übermittelter persönlicher Daten übernommen werden kann.