Staff Scientist - Post-Training and Reinforcement Learning for AI for Science

Das Argonne Leadership Computing Facility (ALCF) sucht einen Staff Scientist in Post-Training und Reinforcement Learning für AI für Wissenschaft, um die nächste Generation von Grundmodellen und Lernsystemen für wissenschaftliche Entdeckungen voranzutreiben. Diese Rolle befindet sich an der Grenze von AI für Wissenschaft und der Genesis-Mission des Energieministeriums, wo großangelegte maschinelles Lernen, wissenschaftliche Daten, Simulation und Supercomputer der Spitzenklasse kombiniert werden, um neue Entdeckungsmodi in Physik, Materialwissenschaft, Chemie, Biologie, Klima, Energie und verwandten Bereichen zu ermöglichen.

Der erfolgreiche Kandidat wird Forschung zu Methoden durchführen, die die Nützlichkeit, Zuverlässigkeit und wissenschaftliche Leistung von großangelegten AI-Modellen nach dem Pretraining verbessern, und wird die Systeme und Software weiterentwickeln, die erforderlich sind, um diese Methoden effizient auf modernsten Supercomputern und aufkommenden AI-Plattformen auszuführen.

Verantwortlichkeiten

• Forschung und Entwicklung im Einklang mit Argonnes strategischer Mission in Berechnung, AI und wissenschaftlicher Entdeckung durchführen.
• Post-Training-Methoden für wissenschaftliche Grundmodelle entwickeln, skalieren und optimieren, einschließlich Reinforcement Learning, präferenzbasierte Optimierung, Feintuning, Ausrichtung und verwandte Ansätze.
• Techniken vorantreiben, die die Leistung, Steuerbarkeit, Zuverlässigkeit und wissenschaftliche Nützlichkeit von AI-Modellen für wissenschaftliche Anwendungen verbessern.
• Methoden entwerfen und bewerten, um Reinforcement Learning und Post-Training-Pipelines in großangelegten wissenschaftlichen und datengestützten Umgebungen anzuwenden.
• Workflows für Training und Post-Training auf Supercomputern der Spitzenklasse und aufkommenden AI-orientierten Architekturen entwickeln und optimieren.
• Mit Computational Scientists, angewandten Mathematikern und Fachforschern zusammenarbeiten, um Grundmodelle und adaptive Lernsysteme auf herausfordernde wissenschaftliche Probleme mit hoher Wirkung anzuwenden.
• Algorithmische, systematische und datenbezogene Herausforderungen im Zusammenhang mit großangelegtem Training und Post-Training angehen, einschließlich Leistung, Skalierbarkeit, Robustheit und Benutzerfreundlichkeit.
• Originalforschung in computergestützter Wissenschaft und AI im großen Maßstab durchführen und Ergebnisse durch Veröffentlichungen, Konferenzpräsentationen, Software, Berichte und andere Forschungsoutputs kommunizieren.
• Eng mit Kollegen aus nationalen Laboren, Universitäten, der Industrie und Supercomputing-Zentren an aktuellen und zukünftigen Systemen für die AI für Wissenschaft-Mission zusammenarbeiten.
• Zu einer Teamkultur beitragen, die wissenschaftliche Exzellenz, Zusammenarbeit, Innovation und inklusives berufliches Wachstum schätzt.

Position Anforderungen

• Erforderliche Qualifikationen: Bachelor-Abschluss und 5+ Jahre Erfahrung, oder Master-Abschluss und 3+ Jahre Erfahrung, oder PhD oder gleichwertig.
• Ausbildung in Informatik, angewandter Mathematik, Statistik, computergestützter Wissenschaft oder einem verwandten Bereich.
• Nachgewiesenes fortgeschrittenes Wissen in maschinellem Lernen, Reinforcement Learning, großangelegtem Modelltraining, Post-Training, Optimierung, Datenanalyse oder Statistik.
• Starker Hintergrund in mathematischer Optimierung, linearer Algebra oder numerischen Methoden.
• Fortgeschrittene Kenntnisse und umfangreiche Programmiererfahrung in Python, C oder C++.
• Umfangreiche Erfahrung mit Frameworks für maschinelles Lernen wie PyTorch oder JAX.
• Erfahrung mit großangelegtem Training, verteilten Lernsystemen oder Post-Training-Workflows.
• Erfahrung mit Softwareentwicklungsmethoden und -techniken für computergestützte Wissenschaft und maschinelles Lernen.
• Fähigkeit, effektiv in interdisziplinären Teams zu arbeiten, die Mathematiker, Informatiker und Anwendungswissenschaftler umfassen.
• Effektive schriftliche und mündliche Kommunikationsfähigkeiten.
• Fähigkeit, Argonnes Kernwerte von Einfluss, Sicherheit, Respekt, Integrität und Teamarbeit zu modellieren.

Bevorzugte Qualifikationen

• Erfahrung mit Reinforcement Learning, Politikoptimierung, Banditen, Präferenzlernen oder verwandten Methoden.
• Erfahrung mit Post-Training-Methoden für große Modelle, einschließlich überwachtem Feintuning, Reinforcement Learning aus Feedback, direkter Präferenzoptimierung, Belohnungsmodellierung oder Modellanpassung.
• Erfahrung mit verteiltem Training, großangelegter Optimierung und Multi-Node- oder Multi-Beschleuniger-Ausführung.

Arbeitsanordnung

Diese Position ist Hybrid Remote Work – überwiegend vor Ort, wobei Mitarbeiter für einige Tage vor Ort und einige Tage remote eingeplant sind, typischerweise bis zu 40% der Zeit remote.

Vergütung

Gehaltsbereich: $94,486.00 - $147,398.94. Das Angebot basiert auf Qualifikationen und Erfahrung.

Leistungen

Umfassende Leistungen sind Teil des Gesamtvergütungspakets.

Chancengleichheit bei der Beschäftigung

Als Arbeitgeber für Chancengleichheit verpflichtet sich das Argonne National Laboratory zu einem sicheren und einladenden Arbeitsplatz, der kollaborative wissenschaftliche Entdeckungen und Innovationen fördert. Argonne ermutigt alle, sich um eine Anstellung zu bewerben, und setzt sich für Nichtdiskriminierung ein und berücksichtigt alle qualifizierten Bewerber ohne Rücksicht auf eine gesetzlich geschützte Eigenschaft.