Auf einen Blick
- Aufgaben: Entwickle innovative Modelle für Energieanwendungen und arbeite an spannenden Forschungsprojekten.
- Unternehmen: Empa, eine führende Forschungsinstitution im ETH-Bereich mit Fokus auf Materialien und Technologie.
- Vorteile: Interdisziplinäres Umfeld, persönliche Entwicklungsmöglichkeiten und enge Zusammenarbeit mit EPFL.
- Weitere Informationen: Wir fördern eine Kultur der Inklusion und respektieren Vielfalt.
- Warum dieser Job: Gestalte die Zukunft der Energie mit KI und verbessere nachhaltige Energiesysteme.
- Qualifikationen: Doktorat in Mathematik, Ingenieurwesen oder Informatik und Erfahrung in maschinellem Lernen.
Das prognostizierte Gehalt liegt zwischen 63000 - 77000 CHF pro Jahr.
Materialwissenschaft und Technologie sind unsere Leidenschaft. Mit unserer Spitzenforschung leisten die rund 1.100 Mitarbeitenden von Empa wesentliche Beiträge zum Wohl der Gesellschaft für eine lebenswert Zukunft. Empa ist eine Forschungseinrichtung des ETH-Bereichs.
Unsere Leidenschaft liegt in der Materialwissenschaft und Technologie, und im Urban Energy Systems Laboratory (UESL) entwickeln wir Strategien und Methoden zur Unterstützung der Schaffung von dekarbonisierten, resilienten und gerechten Energiesystemen. Diese PostDoc-Position wird in Zusammenarbeit mit dem Intelligent Maintenance and Operations Systems (IMOS) Laboratory an der EPFL (Prof. Olga Fink) angeboten. IMOS entwickelt fortschrittliche Methoden des maschinellen Lernens und der KI für komplexe Ingenieur- und Industriesysteme, mit einem besonderen Fokus auf die Verbesserung ihrer Zuverlässigkeit, Verfügbarkeit und Betriebsleistung, während effizientere und kostengünstigere Wartung ermöglicht wird.
Um die Entwicklung von tabellarischen Fundamentmodellen für Energiesysteme voranzutreiben, suchen wir einen hochmotivierten und qualifizierten Postdoktoranden. Das Projekt zielt darauf ab, Fundamentmodelle zu entwickeln, die aus heterogenen tabellarischen Daten über Gebäude und städtische Energiesysteme lernen und zwischen Systemen, Betriebsbedingungen und nachgelagerten Aufgaben übertragen können.
Ihre Aufgaben:
- Bewertung und Benchmarking bestehender vortrainierter tabellarischer Fundamentmodelle für Anwendungen im Bereich Gebäude- und Stadtenergien, einschließlich der Bewertung ihrer Übertragbarkeit und Verallgemeinerung.
- Anpassung und Feinabstimmung bestehender Fundamentmodelle für Energiesystemanwendungen.
- Entwicklung neuer Ansätze für tabellarische Fundamentmodelle, wenn bestehende vortrainierte Modelle unzureichend sind.
- Validierung und Benchmarking der entwickelten Modelle unter Verwendung von Gebäude-Messungen, physikbasierten Simulationen und Optimierungsmodellen für Energiesysteme.
- Untersuchung, wie tabellarische Fundamentmodelle die Modellierung und Optimierung von Energiesystemen unterstützen können.
- Koordination der gemeinsamen Forschungsaktivitäten zwischen UESL und IMOS.
- Veröffentlichung und Präsentation von Forschungsperspektiven und Ergebnissen.
- Beitrag zu Forschungsanträgen und der Akquisition von wettbewerbsfähiger Finanzierung.
Ihr Profil:
Wir suchen einen hochmotivierten und engagierten Forscher mit einem Doktortitel in Mathematik, Elektrotechnik oder Maschinenbau, Informatik oder einem verwandten Bereich sowie einem starken methodologischen Hintergrund im maschinellen Lernen. Der ideale Kandidat hat nachweisbare Forschungserfahrung mit Fundamentmodellen, einschließlich der Bewertung und Anpassung vortrainierter Modelle, Feinabstimmungsstrategien und der Entwicklung neuer Modellarchitekturen oder Lernansätze.
Wichtige Qualifikationen umfassen:
- Starke Forschungserfahrung im Bereich Deep Learning und Fundamentmodelle.
- Ausgezeichnete Python-Programmierkenntnisse und praktische Erfahrung in der Implementierung, dem Training und der Evaluierung von Deep-Learning-Modellen.
- Eine starke Erfolgsbilanz im Bereich maschinelles Lernen oder eng verwandten Bereichen.
- Ausgezeichnete schriftliche und mündliche Englischkenntnisse.
Idealerweise hat der Kandidat auch:
- Erfahrung in der Modellierung und Optimierung von Energiesystemen.
- Erfahrung mit tabellarischen oder heterogenen Daten, insbesondere über mehrere Datensätze, Domänen oder Aufgaben hinweg.
- Kenntnisse in mathematischen Optimierungsmethoden.
- Erfahrung mit Unsicherheitsquantifizierung, Surrogatmodellierung oder physik-informiertem maschinellem Lernen.
- Ein Verständnis der technischen Herausforderungen im Zusammenhang mit dem Energiewandel.
Unser Angebot:
- Ein stimulierendes und interdisziplinäres Forschungsumfeld und Möglichkeiten zur persönlichen und beruflichen Entwicklung.
- Enge Zusammenarbeit zwischen Empa und EPFL.
- Die Möglichkeit, eine aufkommende Forschungsrichtung an der Schnittstelle von künstlicher Intelligenz, Energiesystemmodellierung und Optimierung zu gestalten.
- Die Möglichkeit, sofort oder nach Vereinbarung zu beginnen.
Wir fördern eine Kultur der Inklusion und des Respekts. Wir heißen alle Menschen willkommen, die an innovativen, nachhaltigen und sinnvollen Aktivitäten interessiert sind - darauf kommt es an.
Postdoctoral Researcher in Tabular Foundation Models for Building and District Energy Systems in Dübendorf Arbeitgeber: EMPA - Eidgenössische Materialprüfungs- und Forschungsanstalt
Empa bietet eine inspirierende und interdisziplinäre Forschungsumgebung, die es Mitarbeitenden ermöglicht, an der Schnittstelle von künstlicher Intelligenz und Energiesystemmodellierung zu arbeiten. Mit einer starken Kultur der Inklusion und Respekt fördert Empa die persönliche und berufliche Entwicklung seiner Mitarbeitenden und bietet die Möglichkeit, an innovativen und nachhaltigen Projekten mitzuarbeiten. Die enge Zusammenarbeit mit der ETH und anderen Institutionen eröffnet einzigartige Chancen zur Mitgestaltung zukunftsweisender Forschung im Bereich der Energieversorgung.
Kontaktdaten:
EMPA - Eidgenössische Materialprüfungs- und Forschungsanstalt Recruiting-Team
