Das neue Projekt MorphoSphere entwickelt eine fortschrittliche Datenmanagement-Architektur für die verteilte, intelligente und interaktive Speicherung sowie Analyse großer 3D-tomographischer Datensätze. Es integriert Großforschungsbildgebungsanlagen (PETRA III bei DESY, KIT Light Source), Hochleistungsrechen- und Dateninfrastrukturen bei DESY, KIT und der Universität Heidelberg sowie verschiedene wissenschaftliche Communities. Ziel ist es, Datentransfer, -verarbeitung und -visualisierung zu optimieren und dadurch wissenschaftliche Entdeckungen in unterschiedlichen Forschungsbereichen zu beschleunigen.

Das exponentielle Wachstum der Bildgebungsdaten an Großforschungsanlagen wie Synchrotronen stellt erhebliche Herausforderungen hinsichtlich Datenhandhabung, -analyse und -zugänglichkeit dar. Traditionelle Methoden sind häufig nicht in der Lage, Datensätze im Petabyte-Bereich effizient zu verarbeiten, was die Gewinnung aussagekräftiger Erkenntnisse aus komplexen 3D-Experimenten einschränkt. MorphoSphere begegnet dieser Herausforderung durch die Kombination von verteiltem Rechnen, Datenföderation und künstlicher Intelligenz, um interaktive, skalierbare und intelligente Analyse-Workflows zu ermöglichen. Dieser Ansatz spiegelt den allgemeinen Wandel hin zu datengetriebenen Forschungsinfrastrukturen wider, die Hochleistungsrechnen mit maschinellem Lernen verbinden und interdisziplinäre Zusammenarbeit sowie offene Datenpraktiken fördern.

Organisationseinheit

Laboratorium für Applikationen der Synchrotronstrahlung (LAS)

Ihre Aufgaben

Sie entwickeln ein modulares, flexibles und erweiterbares System zur großskaligen 3D-Bildverarbeitung (ca. 30 GB Eingangsdaten pro Datensatz, tausende Datensätze pro Woche). Das System erstellt Bildverarbeitungspipelines in graphenbasierter Struktur und stellt sicher, dass alle verfügbaren Ressourcen (GPUs in Multi-GPU-Servern sowie mehrere solcher Server) effizient genutzt werden. Sowohl klassische Bildverarbeitungsalgorithmen als auch Machine-Learning-Methoden sollen als Knoten in diesen Graphen eingebunden werden können. Die Nutzung des Systems erfolgt aus verschiedenen Programmiersprachen (C, Python). Sie wirken zudem an der Implementierung der Knoten mit, insbesondere bei Algorithmen zur 3D-Bildrekonstruktion einschließlich typischer Vor- und Nachverarbeitungsschritte. Darüber hinaus optimieren Sie das System für unterschiedliche Hardwareplattformen. Ihre Arbeit ermöglicht es Wissenschaftlerinnen und Wissenschaftlern, komplexe Bildverarbeitungspipelines schnell zu entwerfen, anzupassen und auszuführen und damit fortgeschrittene Bildanalyse zugänglicher und effizienter zu machen.

Ihre Aufgaben im Einzelnen:

• Entwicklung und Aufbau eines pluginbasierten Systems für datenintensive Bildverarbeitungspipelines mit technologieübergreifender Unterstützung (CPU, GPU, Multi-Node-Systeme) mit Fokus auf Zero-Copy-Datenpfade, effiziente Nutzung schneller Interconnects und optimale Skalierbarkeit über mehrere GPUs und GPU-Knoten hinweg
• Integration und Implementierung von Bildverarbeitungsalgorithmen, insbesondere im Bereich 3D-Bildgebung
• Performance-Optimierung für die Recheninfrastrukturen der Partnerinstitutionen
• Implementierung einer High-Level-Erstellung von Datenverarbeitungspipelines in Python sowie eines visuellen Programmierwerkzeugs und Integration in eine interaktive Online-Plattform

Eintrittstermin

ab sofort / as soon as possible

Ihre Qualifikation

Sie verfügen über eine Promotion in Informatik, Mathematik oder einem verwandten Fachgebiet oder alternativ über ein wissenschaftliches Hochschulstudium (Master/Diplom (Uni)) in einem der genannten Fachgebiete mit mindestens zwei Jahren Berufserfahrung. Zudem bringen Sie mit: Erfahrung im Design und in der Implementierung technologieübergreifender Systeme (CPU, GPU, Cluster); Erfahrung mit paralleler Programmierung (CUDA/OpenCL); sehr gute Programmierkenntnisse, insbesondere in C und Python; sicherer Umgang mit Linux; Kenntnisse in Bildverarbeitung, maschinellem Lernen oder Netzwerktechnologien sind von Vorteil.