Studentische Hilfskraft ​/ Masterarbeit - Deep Learning zur Simulation des Stadtklimas

Herkömmliche CFD-Simulationsanwendungen sind für iterative Entwurfsanwendungen zu langsam. Die Simulation und Auswertung einer einzigen städtebaulichen Variante dauern oft Tage. Das Fraunhofer IBP leistet Pionierarbeit beim Einsatz von Deep-Learning-Simulatoren, um hochpräzise Mikroklima-Vorhersagen mit einer Geschwindigkeit zu liefern, die weit über der von physikalisch basierten numerischen Lösern liegt. Wir suchen eine/n Masterstudierenden mit einem Hintergrund in Scientific Computing und/ oder KI zur Entwicklung neuronaler Operatoren, die Signed-Distance-Funktionen für die geometrieauflösende Stadtphysik nutzen.

• Erstellen von synthetischen städtischen Stadtklima-Datensätzen mithilfe von Large-Eddy-Simulationen (LES), die als Trainings- und Validierungsdaten dienen sollen.
• Implementieren von Signed Distance Functions (SDF) und deren Gradienten, um komplexe Gebäudegeometrien als Eingaben für das neuronale Netzwerk darzustellen.
• Entwicklung und Training von Deep-Learning-Modellen (DL) zur Approximation von 3D-Wind- und Temperaturfeldern in Stadtgebieten.
• Bewertung der Generalisierungsfähigkeit des Modells.
• Vergleich der Genauigkeit und Inferenzgeschwindigkeit des DL-Emulators mit traditionellen CFD-Ergebnissen.

• Eingeschriebene
  * r Student
  * in in den Bereichen Wissenschaftliches Rechnen, Informatik, Physik, Geoinformatik, Meteorologie oder einem verwandten computergestützten Fachgebiet.
• Ausgeprägte Programmierkenntnisse in Python und Deep-Learning-Frameworks (PyTorch oder Tensor Flow) oder eine ausgeprägte Lernbereitschaft.
• Interesse an geometrischem Deep Learning und der Physik der Strömungsdynamik oder eine ausgeprägte Lernbereitschaft.
• Vertrautheit mit 3D-Datendarstellungen (Voxel, Punktwolken oder SDFs) oder eine ausgeprägte Lernbereitschaft.
• Solide mathematische Grundlagen in partiellen Differentialgleichungen (PDEs) und Fourier-Analyse.

• Die Möglichkeit, eine Masterarbeit (6–12 Monate oder länger) an der Schnittstelle von KI und Stadtphysik zu verfassen.
• Zugang zu Hochleistungs-Workstations und GPU-Ressourcen für das Training groß angelegter KI-Modelle.
• Betreuung durch Experten sowohl aus den Bereichen Atmosphärenmodellierung und Meteorologie als auch aus dem Bereich des maschinellen Lernens.
• Zugang zu einer internationalen Kooperationsplattform, die das Fraunhofer IBP in Deutschland und die Concordia University in Kanada miteinander verbindet.

Wir wertschätzen und fördern die Vielfalt der Kompetenzen unserer Mitarbeitenden und begrüßen daher alle Bewerbungen – unabhängig von Alter, Geschlecht, Nationalität, ethnischer und sozialer Herkunft, Religion, Weltanschauung, Behinderung sowie sexueller Orientierung und Identität. Schwerbehinderte Menschen werden bei gleicher Eignung bevorzugt eingestellt. Unsere

Aufgaben sind vielfältig und anpassbar – für Bewerber
* innen mit Behinderung finden wir gemeinsam Lösungen, die ihre Fähigkeiten optimal fördern.

Die wöchentliche Arbeitszeit beträgt mindestens 5 Stunden. Die Stelle ist zunächst befristet, eine Verlängerung jedoch wünschenswert.

Mit ihrer Fokussierung auf zukunftsrelevante Schlüsseltechnologien sowie auf die Verwertung der Ergebnisse in Wirtschaft und Industrie spielt die Fraunhofer-Gesellschaft eine zentrale Rolle im Innovationsprozess. Als Wegweiser und Impulsgeber für innovative Entwicklungen und wissenschaftliche Exzellenz wirkt sie mit an der Gestaltung unserer Gesellschaft und unserer Zukunft.

Fragen zu dieser Position beantwortet Dir gerne:

Dr. Afshin Afshari

Tel.:

Fraunhofer-Institut für Bauphysik IBP

Kennziffer: 85181 Bewerbungsfrist: