Chemical Data Scientist

Ihre Mission ist es, Dunians experimentelle Ergebnisse in ein Verständnis zu verwandeln, das bessere Entscheidungen ermöglicht. Dunia entwickelt KI für eines der schwierigsten ungelösten Probleme in der Wissenschaft: die Materialentdeckung von einem akademischen, trial-and-error Prozess in eine programmierbare, skalierbare Disziplin zu verwandeln. Wir führen Hochdurchsatzexperimente, Simulationen und ML-gesteuerte Optimierungsschleifen durch. Das größte Problem besteht nicht darin, Daten zu generieren, und mit zunehmendem Durchsatz unseres Labors steigt auch unser Datenoutput. Es geht darum, was diese Daten tatsächlich bedeuten.

Als Chemical Data Scientist werden Sie im Zentrum von Dunians Entdeckungsprozess sitzen. Sie sind die Person, die das Signal aus dem Rauschen erkennt und beurteilt, ob ein Trend echt oder irreführend ist. Sie stellen sicher, dass die Organisation, ihre Systeme und Modelle tatsächlich lernen. Diese Rolle erfordert sowohl Urteilsvermögen als auch Analyse. Sie gestalten, wie experimentelle Beweise in Modelle, Simulationen und Entscheidungen fließen und damit, wie schnell und wie gut Dunia neue Materialien entdeckt.

Ihre Aufgaben umfassen:

• Der wissenschaftliche Sinnstifter sein
• Daten aus laufenden Elektrokatalysator-Kampagnen hinterfragen
• Muster, Anomalien und Fehlermodi identifizieren, die andere übersehen
• Intuition entwickeln, wo Experimente liegen und wo sie die Wahrheit erzählen
• Die Verbindung zwischen Materie und Modellen schließen
• Entscheiden, welche experimentellen Signale das Design von ML-Funktionen informieren sollten
• Entscheiden, welche experimentellen Signale und Abweichungen wichtig genug sind, um eine rechnerische Erklärung zu rechtfertigen
• Laborteams und Automatisierungsteams konkretes Feedback zur experimentellen Qualität und zum Design geben
• Lernen kumulativ gestalten, nicht fragmentiert
• Klare, prägnante Zusammenfassungen erstellen, die das gesamte Team darüber informieren, was gelernt wurde
• Verfolgen, wie sich das Verständnis über Kampagnen hinweg entwickelt, nicht nur innerhalb dieser
• Den Standard dafür erhöhen, wie wissenschaftlicher Fortschritt intern kommuniziert wird
• Das System beeinflussen, nicht nur die Analyse
• Datenpipelines und analytische Ansichten gestalten, indem sie aggressiv genutzt werden
• Definieren, was „analysebereite“ Daten in der Praxis bedeutet
• Sicherstellen, dass die Infrastruktur sich um echte wissenschaftliche Arbeitsabläufe entwickelt, nicht um Abstraktionen

Ihr Profil:

• Master oder PhD in Chemie, Elektrochemie, Materialwissenschaften oder einem verwandten Bereich
• 3–6 Jahre Erfahrung in der Arbeit mit experimentellen oder computergestützten Daten in einem Forschungs- oder F&E-Kontext (nach dem Master; weniger Jahre nach dem PhD sind in Ordnung)
• Starke Python-Kenntnisse und Vertrautheit mit Datenanalysetools (pandas, NumPy, scikit-learn usw.)
• Vertrautheit mit Elektrochemie oder Energiematerialien; Sie sollten ein Gespür dafür haben, wie experimentelle Artefakte aussehen und welche Trends chemisch sinnvoll sind
• Klare technische Kommunikation: Sie können eine Zusammenfassung schreiben, die ein Laborwissenschaftler, ein ML-Ingenieur und ein Programmmanager nutzen können
• Bonus: Erfahrung mit Tools wie RDKit, pymatgen oder ASE; Vertrautheit mit MongoDB oder ähnlichen Datenbanken
• Fließende Englischkenntnisse