Auf einen Blick
- Aufgaben: Entwickle ML-Modelle für innovative Fusionstechnologien und arbeite mit Experten zusammen.
- Unternehmen: Focused Energy, ein Vorreiter in der sauberen Energiebranche.
- Vorteile: Attraktives Gehalt, spannende Projekte und die Möglichkeit, die Zukunft der Energie zu gestalten.
- Weitere Informationen: Dynamisches Team mit großartigen Entwicklungsmöglichkeiten in einem zukunftsorientierten Umfeld.
- Warum dieser Job: Sei Teil einer revolutionären Technologie, die die Welt verändern kann.
- Qualifikationen: Master oder PhD in ML, Computational Physics oder verwandten Bereichen erforderlich.
Das prognostizierte Gehalt liegt zwischen 49500 - 60500 € pro Jahr.
# Machine Learning Engineer (f/m/d)United States4 hours ago ID 5838977Price on request## Details Employment type: Full-time
Remote: No
Company: Focused## Description Focused Energy is building the future of clean energy through laser-driven inertial fusion.
Backed by our $240M Series A — the largest fully secured Series A in the global fusion industry — we are scaling rapidly across multiple geographies.
Based in Germany and the US, we have brought together the top scientific and engineering minds using proven technologies to unlock fusion power at commercial scale.
Focused Energy is working to realize game-changing scientific innovation that promises to deliver a clean, sustainable and abundant source of power globally.
Your Role This role sits at the intersection of ML engineering and computational physics, working within our Software Engineering & Digital Twin environments.
You'll collaborate closely with optical engineers, laser and fusion physicists, simulation scientists, and systems engineers to embed data-driven intelligence directly into our Digital Twin architecture.
You’ll be reducing design risk, shortening development timelines, and unlocking system-level optimization that purely physics-based approaches can't achieve at the speed we need.
You will design, build, and deploy machine learning models that enhance, accelerate, and augment our multiphysics simulation environments across our high-energy laser systems, target injection and tracking system, target manufacturing system, and fusion chamber.
This will enable faster design cycles, predictive system optimization, and real-time decision support across our laser, targetry, and fusion programs.
What You'll Do
- Surrogate & reduced-order modeling: Design and deploy surrogate and reduced-order models (ROMs) that replace or accelerate high-fidelity multiphysics simulations in the Digital Twin environment
- Physics-informed ML: Develop physics-informed machine learning (PIML) and physics-informed neural networks (PINNs) that embed physical constraints (Maxwell's equations, thermodynamics, fluid dynamics) directly into model architectures
- ML pipelines: Build and maintain ML pipelines for training, validation, uncertainty quantification (UQ), and continuous model refinement against experimental and simulation data
- Active learning & Bayesian optimization: Implement active learning and Bayesian optimization workflows to intelligently guide design space exploration and reduce costly simulation runs
- Digital Twin integration: Integrate trained ML models into the broader Digital Twin framework, interfacing with HPC simulation outputs (COMSOL, ANSYS, custom solvers) and real-time sensor data
- Anomaly detection: Develop anomaly detection and predictive diagnostics models to monitor system health and identify off-nominal behavior in laser subsystems
- Autonomous optimization: Apply reinforcement learning and Bayesian control approaches to support autonomous or semi-autonomous optimization of laser operating parameters
- Cross-functional collaboration: Collaborate with Digital Twin architects, systems engineers, and optical simulation scientists to ensure ML models meet fidelity, latency, and uncertainty requirements
- Engineering rigor: Establish best practices for model versioning, reproducibility, testing, and documentation in a fast-moving research environment Who You Are Must-Haves
- Master's or Ph D in Machine Learning, Computational Physics, Applied Mathematics, Data Science, Computer Science, or a closely related field
- Proven experience building, training, and deploying ML models for complex physical systems; strong command of deep learning (Py Torch, Tensor Flow/JAX), probabilistic models, and uncertainty quantification
- Expert-level Python; proficiency in C++ or Fortran a plus; experience with HPC environments (batch schedulers, MPI/Open MP parallelization)
- Fluency working with PDE-based simulation outputs, time-series sensor data, and high-dimensional parameter spaces typical of multiphysics environments
- Hands-on experience with Gaussian processes, neural network surrogates, reduced-order models, or equivalent metamodeling techniques
- Experience building robust ML pipelines for scientific data — including preprocessing, feature engineering, model validation, and deployment
- Ability to communicate model behavior, confidence intervals, and limitations clearly to physicists, engineers, and non-ML specialists
- Strong cross-functional team skills; comfort working in an interdisciplinary environment spanning physics, engineering, and software Nice-to-Haves
- Experience with physics-informed neural networks (PINNs) or neural operators (Deep ONet, FNO) applied to physical systems
- Background in laser physics, plasma physics, high-energy-density science, or related complex physics domains
- Experience with digital twin platforms and live integration of ML models with simulation environments (e. g., NVIDIA Omniverse, Siemens Xcelerator, ANSYS Twin Builder)
- Familiarity with multidisciplinary design optimization (MDO) workflows, including Design of Experiments (Do E), sensitivity analysis, and uncertainty propagation
- Experience applying reinforcement learning to physical system control or optimization
- Familiarity with Monte Carlo methods and statistical uncertainty quantification frameworks
- Experience with MLOps tooling (MLflow, Weights & Biases, DVC) in a scientific computing context
- Interest in fusion energy, advanced laser systems, or high-energy-density physics...
Source: Arbeitnow Website listing comes from a partner feed.
Apply on the source website.
Source: Focused Share Listing provided by Focused.
Price on request Apply on the source website Active until Dec 13, 2026
Standorte
Machine Learning Engineer (f/m/d) in Darmstadt, Feldatal Arbeitgeber: Bazeta
Focused Energy ist ein hervorragender Arbeitgeber, der innovative Technologien im Bereich der sauberen Energie erforscht und dabei eine dynamische, internationale Arbeitsumgebung bietet. Mit einem starken Fokus auf berufliche Entwicklung, flexiblen Arbeitsmodellen und einer unterstützenden Unternehmenskultur, in der Teamarbeit und persönliche Initiative geschätzt werden, schaffen wir einen Ort, an dem Mitarbeiter nicht nur wachsen, sondern auch aktiv zur Gestaltung der Zukunft beitragen können. Unsere großzügigen Urlaubstage, die Möglichkeit zur Teilnahme an Unternehmensveranstaltungen und die Bereitstellung von Snacks und Getränken im Büro machen das Arbeiten in unserem Darmstädter Büro besonders angenehm und motivierend.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass du so Machine Learning Engineer (f/m/d) in Darmstadt, Feldatal erhalten könntest
✨Engagier dich in Entwickler-Communities!
Lass uns mal ehrlich sein: In der Software-Entwicklung sind Netzwerke Gold wert! Tummel dich in GitHub-Projekten, nehme an lokalen Meetups oder Hackathons teil und vernetze dich mit anderen Entwicklern. So steigerst du nicht nur deine Sichtbarkeit, sondern lernst auch die neuesten Trends und Technologien kennen.
✨Zeig deine Fähigkeiten!
Erstelle ein Portfolio, das deine besten Projekte und Code-Examples zeigt. Nichts überzeugt mehr als ein praktischer Beweis deiner Skills. Das kann auch helfen, bei Bazeta anzuklopfen, wenn du dich auf die Stelle als Machine Learning Engineer (f/m/d) bewirbst – so wissen sie gleich, was sie von dir erwarten können!
✨Nutze Jobplattformen speziell für Tech-Jobs!
Plattformen wie Stack Overflow Jobs oder AngelsList sind perfekte Orte, um Vollzeitstellen in der Software-Entwicklung zu finden. Hier sind viele tolle Unternehmen auf der Suche nach Talenten wie uns, also schau regelmäßig vorbei und bewirb dich direkt über die Website.
✨Such dir Mentoren und Feedback!
Hol dir Feedback von erfahrenen Entwicklern, die dir Tipps geben können, was Recruiter wirklich suchen. Ob über LinkedIn oder persönliche Kontakte: Menschen, die sich in der Branche auskennen, können enorm wertvoll sein, um dir zu helfen, dich optimal auf deine Bewerbung bei Bazeta vorzubereiten!
Wir glauben, dass du diese Fähigkeiten brauchst, um Machine Learning Engineer (f/m/d) in Darmstadt, Feldatal mit Bravour zu bestehen
Einige Tipps für deine Bewerbung 🫡
Highlights deiner Coding-Skills:In der Software-Entwicklung kommt es auf konkrete Fähigkeiten an. Vergiss nicht, relevante Programmiersprachen und Frameworks in deinen Lebenslauf aufzunehmen. Zeig uns, was du kannst – vielleicht mit einem Link zu deinem GitHub-Profil oder einer Übersicht deiner Side Projects, die deine Programmierkenntnisse illustrieren.
Dokumentation deiner Erfolge:Gerade bei einer Vollzeitstelle in der Software-Entwicklung sind konkrete Ergebnisse Gold wert. Nenn uns Zahlen und Ergebnisse aus deinen vorherigen Projekten. Hast du den Code optimiert oder Systemfehler behoben? Solche Erfolge zeigen, dass du die Sprache der Entwickler sprichst und einen echten Mehrwert bringst.
Attraktive Projektbeschreibungen:Wenn du an Projekten gearbeitet hast, die hervorstechen, beschreibe sie ausführlich in deinem Lebenslauf. Was war das Problem, das du gelöst hast? Welche Technologien hast du eingesetzt? Das gibt uns einen klaren Einblick in deine Herangehensweise und Problemlösungsfähigkeiten.
Motivation zeigen:In deinem Anschreiben solltest du deine Motivation für die Stelle im Bereich Software-Entwicklung bei Bazeta klar herausstellen. Warum sprichst gerade du die Anforderungen für diese Vollzeitrolle an? Mach deutlich, was dich an der Arbeit bei uns reizt und wie du über das rein Technische hinaus wachsen möchtest.
Wie man sich auf ein Vorstellungsgespräch bei Bazeta vorbereitet
✨Technische Vorbereitung auf die Coding-Challenges
In der Software-Entwicklung sind technische Fragen oft ein zentraler Teil des Interviews. Macht euch mit Plattformen wie LeetCode oder HackerRank vertraut, um eure Problemlösungsfähigkeiten zu trainieren. Zeigt im Interview viel Selbstbewusstsein beim Erklären eurer Ansätze!
✨Das eigene Portfolio im besten Licht präsentieren
Stellt sicher, dass ihr ein aussagekräftiges Portfolio habt, das einige eurer besten Projekte zeigt. Seid bereit, darüber zu sprechen, was eure Rolle war, welche Technologien ihr verwendet habt und welche Herausforderungen es gab. Das gibt den Interviewern einen Einblick in eure praktische Erfahrung.
✨Teamfähigkeit und Kommunikation betonen
In einer Vollzeit-Position wird Kommunikation im Team sehr wichtig sein. Seid bereit, Beispiele aus der Vergangenheit zu teilen, in denen ihr effektiv im Team gearbeitet habt. Dies zeigt, dass ihr nicht nur technische Fähigkeiten habt, sondern auch gut ins Team passt.
✨Vorbereitung auf Fragen zur Software-Architektur
Bereitet euch darauf vor, Fragen zur Software-Architektur zu beantworten. Themen wie RESTful APIs, Microservices und Cloud-Architekturen können Teil eures Interviews sein. Zeigt euer Verständnis durch Diskussionen und Beispiele aus eurer bisherigen Arbeit oder Projekte.