Research Scientist - Scientific Simulation on AI Infrastructure (Fixed Contract) in Zürich

Huawei ist ein führender globaler Anbieter von Informations- und Kommunikationstechnologielösungen (IKT). Durch unser ständiges Engagement für kundenorientierte Innovation und starke Partnerschaften haben wir führende End-to-End-Fähigkeiten und Stärken in den Bereichen Carrier-Netzwerke, Unternehmen, Verbraucher und Cloud-Computing etabliert. Unsere Produkte und Lösungen wurden in über 170 Ländern eingesetzt und bedienen mehr als ein Drittel der Weltbevölkerung.

Für das Computing Systems Laboratory suchen wir Postdoktoranden im Bereich einer optimierungsbezogenen Hochleistungsrechnerplattform. In den kommenden 1-2 Jahren zielen wir darauf ab, grundlegende wissenschaftliche Probleme im Zusammenhang mit hochleistungsfähiger verteilten und gemeinsamen Speicherparalleloptimierung zu lösen, mit dem Ziel, Veröffentlichungen in führenden wissenschaftlichen Zeitschriften zu produzieren. Langfristig soll die Plattform industrielle Optimierungsprobleme entweder vor Ort oder als Dienstleistung lösen.

Wir entwickeln gradientenbasierte inverse Designs für großflächige elektromagnetische Streuung, basierend auf einem schnellen Mehrfachstreulöser (T-Matrix-Formalismus, adjungierte Sensitivitäten) mit einem ungewöhnlichen Maß an Strenge: Jedes Ziel wird gegen eine unabhängige physikalische Wahrheitsmetrik mit geschlossener Energieabrechnung validiert, und jedes Design ist von der Konstruktion her herstellbar. Unser Testfeld, sichtbare Bandbreite, hoch-NA achromatische Metallinsen, befindet sich an der Spitze der Simulationstechnik.

Die Methoden, nicht die Linse, sind das Produkt.

Das Projekt

Harsh wissenschaftliche Simulationen stehen kurz davor, neu plattformiert zu werden. Der Software-Hardware-Stack, der für KI, massiv gebündelte Beschleunigerberechnungen, differenzierbares Programmieren, erlernte Funktionsapproximation und LLM-Agenten-Orchestrierung entwickelt wurde, kann Physiklöser hosten, die klassische HPC nicht schnell, anpassungsfähig oder explorativ genug machen kann. Wir haben die frühe Version innerhalb dieses Projekts gesehen: Physikkernels, die als gebündelte Tensoroperationen umgeschrieben wurden (40× Geschwindigkeitssteigerungen), GPU/NPU-Löserpfade, die auf zertifizierte Präzision validiert wurden, und Forschungskampagnen, die von orchestrierten KI-Agenten unter menschlicher Aufsicht ausgeführt wurden, Proben entworfen, gestartet, geprüft und synthetisiert wurden in einem Rhythmus, den ein menschliches Team nicht erreichen kann.

Wir suchen die Person, die dies zur Architektur macht und die es nutzt, um Fähigkeiten freizuschalten, die heute einfach unerreichbar sind: Entdeckung des Designraums im Maßstab von Tausenden von Kampagnen, Millimeter-Öffnungsprobleme über Nacht, erlernte Physik-Surrogate, die vertrauenswürdig sind, weil sie wahrheitsgesteuert sind, und schließlich vortrainierte EM-Streuungsvorlagen, die über Geometrien und Domänen hinweg übertragen werden.

Das Projekt läuft zunächst ein Jahr, die Fortsetzung hängt von den Projektergebnissen ab.

Verantwortlichkeiten

• Re-Plattformierung der Physik. Portieren Sie den Solver-Kern auf den KI-Stack: differenzierbare Programmierframeworks, gebündelte Multipol-Algebra auf Beschleunigerflotten und gemischte Präzision mit zertifizierter Fehlerkontrolle.
• Aufbau besserer Methodik. Die offenen Probleme, die wir als am relevantesten erachten, sind: inverses Design direkt im Raum physikalisch zulässiger Streuungsoperatoren; Sicherstellung, dass approximative Vorwärtsmodelle gegen Optimierer geschützt sind, die aktiv ihre Fehler ausnutzen; statistisches, ertragsbewusstes Design gegen gemessene Prozessverteilungen; und Darstellungen des Designraums, die über 10× Elemente skalieren.
• Veröffentlichungen. Treiben Sie die Methodenpapiere voran: das zertifizierte Effizienzrahmenwerk, die herstellungsbeschränkte Multipolgrenze, die Methodologie der Zielintegrität und die Re-Plattformierung selbst.
• Validierung und Partnerschaft. Übernehmen Sie den Labvalidierungsweg und die kommerziellen Gespräche, die eine zertifizierte, herstellbare Designfähigkeit einlädt.

Ihr Profil

• Fließend im Bereich (Multipol-/Streuungstheorie, adjungierte Methoden, die Literatur zum inversen Design) und wirklich zu Hause im KI-Stack: Sie haben eine echte wissenschaftliche Arbeitslast auf Beschleuniger oder differenzierbare Frameworks verschoben und wissen, wo die numerischen Probleme liegen.
• Stark in C++ und wissenschaftlichem Python.
• Erfahren durch eine Metrik, mindestens einmal, und Sie haben Ihre Arbeitsweise aufgrund dessen geändert.
• Komfortabel bei der Leitung agentischer KI-Forschungsabläufe.
• Ausgeglichen durch Temperament: ein sauberes Theorem, eine erfolgreiche Hardwaremessung und eine 40× Kernelgeschwindigkeit sollten sich alle wie Gewinne anfühlen.

Qualifikationen

• Doktorat in Physik, angewandter Mathematik, Elektrotechnik, Informatik oder einem verwandten technischen Bereich (oder MSc mit gleichwertiger Forschungserfahrung).
• Solide numerische lineare Algebra, sowohl auf Theorie- als auch auf Werkzeugniveau.
• HPC-Erfahrung: MPI und OpenMP, SLURM-gemanagte Cluster, Leistungsengineering und Profiling.
• KI-Stack-Kompetenz: PyTorch und/oder JAX; benutzerdefinierte Beschleunigerkerne sind von Vorteil.
• Disziplin in der wissenschaftlichen Softwareentwicklung: modernes C++ und Python, Versionskontrolle, CI und Regressionstest von numerischem Code.
• Eine Publikationshistorie in computergestützter Physik, Photonik, numerischen Methoden oder einem verwandten Bereich.
• Wünschenswert: Werkzeuge der computergestützten Elektromagnetik, Kenntnisse in der Nanofabrikation und Erfahrung mit ML-Surrogaten für physikalische Operatoren.

Was wir bieten

• Wettbewerbsfähiges Gehalt und Leistungspaket.
• Chancen für berufliches Wachstum und Entwicklung.
• Teilnahme an innovativen Projekten, die einen Unterschied machen.
• Zugang zu modernster Technologie und Werkzeugen.