Developer Technology Engineer, Energy

Unsere Arbeit bei NVIDIA ist auf ein Computing-Modell ausgerichtet, das sich auf visuelle und KI-Computing konzentriert. Seit zwei Jahrzehnten hat NVIDIA das visuelle Computing, die Kunst und Wissenschaft der Computergraphik, mit unserer Erfindung der GPU vorangetrieben. Die GPU hat sich auch als spektakulär effektiv erwiesen, um einige der komplexesten Probleme in der Informatik zu lösen. Heute simuliert die GPU von NVIDIA menschliche Intelligenz, führt Deep-Learning-Algorithmen aus und fungiert als Gehirn von Computern, Robotern und selbstfahrenden Autos, die die Welt wahrnehmen und verstehen können. Wir suchen nach den klügsten Menschen der Welt, um unser Unternehmen und unsere Teams zu vergrößern, und es gab nie einen aufregenderen Zeitpunkt, um unserem Team beizutreten!

NVIDIA sucht leidenschaftliche, weltklasse Informatiker und Ingenieure (Compute Developer Technology - DevTech), um die Energiesimulation und KI-Workflows auf NVIDIA-Plattformen zu beschleunigen. Sie werden sich auf die CUDA-Leistungsoptimierung für Workloads wie seismische Verarbeitung (z.B. Imaging/Inversion-Pipelines), Reservoirsimulation, Stromnetz-Simulatoren und verwandte HPC/AI-Produktions-Workflows konzentrieren. Sie werden eng mit Kunden- und Partnertechnikteams sowie mit NVIDIA-Produkt- und Ingenieurgruppen zusammenarbeiten, um messbare Geschwindigkeitssteigerungen und skalierbare Leistungen auf Multi-GPU- und Multi-Node-Systemen zu liefern.

Was Sie tun werden:

• Profilieren, analysieren und optimieren von GPU-beschleunigten Anwendungen mit Schwerpunkt auf CUDA-Kernen, Speicherbewegung, Parallelität und End-to-End-Durchsatz.
• Leistung Verbesserungen über den gesamten Stack vorantreiben:
  • CUDA C++ Kernel-Optimierung, Startkonfiguration, Speicherhierarchie, Streams/Ereignisse.
  • GPU-Bibliotheken (sofern zutreffend): cuBLAS, cuFFT, cuSPARSE, cuSOLVER, NCCL.
  • Multi-GPU- und Multi-Node-Skalierung unter Verwendung von MPI+NCCL, CPU/GPU-Überlappung, Kommunikationsmuster.
• Reproduzierbare Benchmarks, Leistungsberichte und Tuning-Empfehlungen erstellen (vor/nach, Methodik, Skalierungskurven).
• Referenzimplementierungen, Beispiele und/oder Patches für Kunden-Code entwickeln und pflegen, um Leistung und Portabilität zu ermöglichen.
• Kundenengagements unterstützen (POCs bis Produktion), einschließlich Debugging von Korrektheits-/Leistungsproblemen und Beratung zu Best Practices für die Bereitstellung (Container, Scheduler, Cluster).
• Mit internen Teams zusammenarbeiten, um umsetzbare Probleme zu melden, Lösungen zu validieren und den Fahrplan basierend auf realen Kundenanforderungen im Energiebereich zu beeinflussen.
• Interne Bibliotheken und wiederverwendbaren Code erstellen, die zu zukünftigen NVIDIA-Produkten führen würden.

Was wir sehen müssen:

• BS/MS (oder gleichwertige Erfahrung) in CS/CE/EE/Physik/Angewandte Mathematik oder einem verwandten Bereich.
• Starke Programmierkenntnisse in C/C++ und Python auf Linux.
• Praktische Erfahrung mit CUDA-Programmierung und Konzepten zur GPU-Leistungsoptimierung.
• Erfahrung im Profilieren und Debuggen von Leistung mit Tools wie NVIDIA Nsight Systems/Nsight Compute (oder gleichwertig).
• Verständnis von parallelem Computing und Leistungsgrundlagen (Vektorisierung, Threading, NUMA, Speicherbandbreite/-latenz).
• Fähigkeit, technische Ergebnisse klar sowohl Ingenieuren als auch Nicht-Ingenieuren zu kommunizieren.
• 5+ Jahre relevante Erfahrung in der GPU/HPC-Optimierung; starke Erfolgsbilanz bei gelieferten Geschwindigkeitssteigerungen und Skalierungsverbesserungen.

Wie Sie sich von der Masse abheben können:

• Leitet Leistungsüberprüfungen mit Kundenbeteiligten; erstellt wiederverwendbare Playbooks/Referenzdesigns.
• HPC-Erfahrung mit MPI, verteilten Systemen und Multi-Node-Leistungsoptimierung.
• Energie/HPC-Domänenkenntnisse:
  • Seismische Verarbeitungs-Pipelines, RTM/FWI-Stil-Muster, FFT/Stencil/linear algebra-intensive Codes.
  • Reservoirsimulation (sparse/iterative Solver), Vorverarbeitung, Domänenzerlegung.
  • Stromnetzsimulation/transiente Stabilität/Optimierungs-Workflows.
• Erfahrung mit CI/perf-Regressions-Tests, containerisierten Workflows (Docker/Apptainer) und Schedulern (Slurm).
• Vertrautheit mit KI-Workflows, die neben Simulationen verwendet werden (Datenvorbereitung, Training/Inferenz-Integration, Pipeline-Leistung).

NVIDIA wird weithin als einer der begehrtesten Arbeitgeber der Technologiebranche angesehen. Wir haben einige der fortschrittlichsten und fleißigsten Menschen der Welt, die für uns arbeiten. Wenn Sie kreativ und autonom sind, möchten wir von Ihnen hören!