Deutsches Zentrum für Luft- und Raumfahrt (DLR)

Verbesserung globaler Klimamodelle mittels quantenmaschineller Lernverfahren

Weßling

Data Scientist
Datenanalyse
Machine Learning
Python
company visual

TÄTIGKEIT: Wissenschaftliche Tätigkeit / Projektarbeit

Ihre Mission:

Das DLR-Institut für Physik der Atmosphäre erforscht die Physik und die Chemie der globalen Atmosphäre vom Boden bis zum oberen Rand der mittleren Atmosphäre in etwa 120 km Höhe. Die Abteilung Erdsystemmodell-Evaluierung und -Analyse entwickelt innovative Methoden zur Evaluierung und Analyse von Erdsystemmodellen im Vergleich mit Beobachtungsdaten mit dem Ziel das Erdsystem besser verstehen und vorhersagen zu können. Ein Schwerpunkt der Abteilung ist die Entwicklung und Anwendung von Methoden des maschinellen Lernens (ML) zur Verbesserung des Verständnisses und der Modellierung des Erdsystems.

Quantencomputer sind eine der richtungsweisenden neuen Technologien des 21. Jahrhunderts. Sie werden Berechnungen und Simulationen ermöglichen, für die herkömmliche Computer einen unerschwinglichen Zeitaufwand benötigen würden. Mit der Quantum Computing Initiative hat das DLR eine konzertierte Aktion gestartet, um Quantencomputer für Europa zu bauen und ihr Potenzial für bahnbrechende Anwendungen zu erschließen. Aufbauend auf den Arbeiten, die im Rahmen des Synergy Grant des Europäischen Forschungsrats (ERC) zum Thema "Understanding and Modelling the Earth System with Machine Learning (USMILE, https://www.usmile-erc.eu/ (https://www.usmile-erc.eu/))" durchgeführt werden, wird das neue KLIM-QML-Projekt der Abteilung einen Prototyp für ein Klimamodell auf der Grundlage des maschinellen Lernens mit Quantencomputern (QML) entwickeln, bei dem physikalische Parametrisierungen auf Untergitterebene durch QML-Ansätze ersetzt werden.

Diese Arbeit wird in enger Zusammenarbeit mit Industriepartnern durchgeführt. Ihre Aufgabe wird es zunächst sein, nach einer Literaturrecherche ein Konzept zu erstellen, wie bereits vorhandenen Algorithmen verwendet werden können, um mit hybriden konventionellen/Quantenalgorithmen Parametrisierungen vom allgemeinen atmosphärischen Zirkulationsmodell ICOsahedral Nonhydrostatic (ICON) zu verbessern. Dabei werden Sie Methoden des quantenmaschinellen Lernens einsetzen. Im nächsten Schritt werden Sie diese Algorithmen auf Quantencomputern oder -simulatoren umsetzen und die so verbesserten Parametrisierungen in das ICON-Modell implementieren und deren Performance mit Hilfe des in der Abteilung entwickelten ESMValTools evaluieren.

Im Rahmen dieses Forschungsfeldes umfassen Ihre Aufgaben u.a.:

  • Verbesserung von globalen Klimamodellen mittels quantenmaschineller Lernverfahren
    • Entwicklung von Parametrisierungen für globale Klimamodelle mit Hilfe von hybriden maschinellen Lernverfahren auf herkömmlichen Computern und Quantencomputern
    • Einbindung der neu entwickelten Parametrisierungen in globale Klimamodelle zur Entwicklung von ICON-QML
    • Durchführung von ICON-QML Simulationen
    • Evaluation des Modells mit dem ESMValTool
    • Anwendung auf einen Use Case
    • Publikation der Ergebnisse
    • Erstellung von Dokumentation von Ergebnissen und Software
  • Konzepterstellung für hybriden Rechenmethoden (konventionell/Quantencomputer) zur Verbesserung von Klimamodellen
    • Literaturrecherche und Anwendung dieser zur Konzepterstellung, wie existierende hybride Rechenmethoden (konventionell/Quantencomputer) zur Verbesserung von Klimamodellen angewendet werden können
    • Erstellung von Dokumentation
    • Publikation der Ergebnisse

Ihre Qualifikation:

  • abgeschlossenes naturwissenschaftliches Hochschulstudium (Diplom/Master) in Physik, Mathematik, Meteorologie, Data Science, Informatik oder einer vergleichbaren Studienrichtung
  • Erfahrung in der selbstständigen Bearbeitung von komplexen Forschungsaufgaben
  • wissenschaftliche Exzellenz nachgewiesen durch Publikationsleistung oder ähnliches
  • Erfahrung im Umgang mit sehr großen Datenmengen
  • fortgeschrittene Kenntnisse von maschinellen Lernverfahren und Datenanalyse
  • Erfahrung in oder Interesse an Quantencomputing
  • sehr gute Programmierkenntnisse, vorzugsweise Python
  • sehr gute englische Sprachkenntnisse
  • Reisebereitschaft
  • exzellente analytische Fähigkeiten
  • Erfahrung in der Erdsystemmodellierung, Parametrisierung und Klimawissenschaft vorteilhaft
  • idealerweise sehr gute Promotion in Physik, Meteorologie, Mathematik, Data Science, Informatik oder einer vergleichbaren Fachrichtung
  • sehr gute Kommunikations- und Teamfähigkeit wünschenswert

Ihr Start:

Freuen Sie sich auf einen Arbeitgeber, der Ihr Engagement zu schätzen weiß und Ihre Entwicklung durch vielfältige Qualifizierungs- und Weiterbildungsmöglichkeiten fördert.Unser einzigartiges Arbeitsumfeld bietet Ihnen Gestaltungsfreiräume und eine unvergleichbare Infrastruktur, in der Sie Ihre Mission verwirklichen können.Vereinbarkeit von Privatleben, Familie und Beruf sowie Chancengleichheit von Personen aller Geschlechter (w/m/d) sind wichtiger Bestandteil unserer Personalpolitik.Bewerbungen schwerbehinderter Menschen bevorzugen wir bei fachlicher Eignung.

Job-Infos
Berufsfelder
Forschung
Studienfächer
Informatik
Informationstechnik
Mathematik
Naturwissenschaften
Abschluss
Bachelor
Master/Diplom
Unternehmen
Deutsches Zentrum für Luft- und Raumfahrt (DLR)
Deutsches Zentrum für Luft- und Raumfahrt (DLR)
Profil141 IT-Jobs
Auszeichnungen