Promovierte*r wissenschaftliche*r Mitarbeiter*in; m​/w​/d) der Fachrichtung Bauingenieurwesen, physikalische

Promovierte r wissenschaftliche r Mitarbeiter
* in (m/w/d) der Fachrichtung Bauingenieurwesen, physikalische Ingenieurwissenschaften, Physik, Mathematik oder vergleichbar

Im Fachbereich 7.7:
Modellierung und Simulation (Wissenschaft / Forschung) bei der Bundesanstalt für Materialforschung und
-prüfung (BAM) in Berlin.

Die BAM ist eine wissenschaftlich-technische Bundesoberbehörde mit Sitz in Berlin. Als Ressortforschungseinrichtung des Bundesministeriums für Wirtschaft und Energie forscht, prüft und berät sie zum Schutz von Menschen, Umwelt und Sachgütern. Im Fokus stehen die technische Sicherheit von Produkten und Prozessen in der Materialwissenschaft, der Werkstofftechnik und der Chemie.

• Neural Operators werden in diesem Projekt mit klassischen numerischen Verfahren kombiniert, um parametrisierte Finite-Elemente-Modelle effizient zu approximieren.
• Durch die Integration datengetriebener und FEM-basierter Ansätze werden hybride Modelle entwickelt, die echtzeitfähige digitale Zwillinge, eine Kalibrierung von Modellparametern mit Unsicherheitsquantifizierung sowie eine probabilistische Darstellung der verbleibenden Modellfehler unterstützen.
• Entwicklung und Implementierung von FEM-Modellen in FEniCSx sowie deren Integration in Neural Operators und PINNs
• Validierung und Unsicherheitsquantifizierung dieser Metamodelle
• Kalibrierung von Modellparametern unter Unsicherheiten anhand experimenteller Daten unter Verwendung dieser Metamodelle
• Entwicklung datengetriebener Ansätze zur Modellierung der Prognosegenauigkeit unter Berücksichtigung von Modellfehlern
• Dokumentation der entwickelten Methoden
• Verfassen wissenschaftlicher Publikationen und Mitwirkung an der Ausarbeitung von Forschungsanträgen
• Präsentation der Ergebnisse auf wissenschaftlichen Tagungen

• Abgeschlossenes wissenschaftliches Hochschulstudium (Diplom / Master) sowie Promotion in der Fachrichtung Bauingenieurwesen, physikalische Ingenieurwissenschaften, Physik, Mathematik oder eines vergleichbaren Studiengangs
• Ausgewiesene Kenntnisse und praktische Erfahrung in der Entwicklung von FEM-Anwendungen unter Verwendung programmierbarer FE-Software (z.
  
  B. FEniCSx), einschließlich der Implementierung von Materialmodellen, Elementformulierungen oder numerischen Lösungsverfahren
• Vertiefte Kenntnisse im Bereich wissenschaftlicher Programmierung, vorzugsweise in Python, sowie Erfahrung mit modernen Methoden der Softwareentwicklung
• Erfahrung in der Implementierung von Methoden des maschinellen Lernens und Deep Learnings
• Sehr gute Englischkenntnisse in Wort und Schrift sowie gute Präsentations- und Publikationsfähigkeiten

• Erfahrung mit Scientific-Machine-Learning-Ansätzen, insbesondere PINNs und Neural Operators (z.
  
  B. DeepONet, Fourier Neural Operators)
• Kenntnisse in den Bereichen Unsicherheitsquantifizierung, inverse Probleme, Bayes'sche Inferenz oder Parameteridentifikation

• Initiative / Einsatzbereitschaft und
  -fähigkeit
• Teamfähigkeit und Kooperationsbereitschaft
• Zielorientierte und strukturierte Arbeitsweise
• Entscheidungsbereitschaft und
  -fähigkeit
• Gutes Kommunikations- und Informationsverhalten

• Mobiles Arbeiten
• Arbeit in nationalen und internationalen Netzwerken mit Universitäten, Forschungseinrichtungen und Industrieunternehmen
• Verantwortungsvolle, interessante und abwechslungsreiche Tätigkeit in einem kompetenten und kollegialen Umfeld
• Gute Vereinbarkeit von Beruf, Familie und Privatleben / Work-Life-Balance
• Attraktives und modernes Arbeitsumfeld mit hervorragender Infrastruktur und Ausstattung auf wissenschaftlich neuestem Stand (Labore, BAM Data Store, High-Performance-Computing etc.)
• Vielseitige Aufgaben in einem…