Founding Member of Technical Staff Zurich ML Systems

Alles, was Menschen bauen, wird durch Simulationen angetrieben: die Form einer Turbine, die Struktur eines Chassis, der Kühlweg durch einen Batteriepack. Und Simulationen sind immer noch schmerzhaft langsam: Millionen von Ingenieuren warten Stunden oder Tage auf einen einzigen Durchlauf, was sie zwingt, nur einige wenige Designs zu erkunden, während das beste möglicherweise in den Tausenden liegt, die sie nie erreichen. Die Ersetzung von Simulationen durch direkte Vorhersagen ist eines der großen ungelösten Probleme in der KI. Unsere Antwort ist ein Fundamentmodell für Hardware-Engineering: ein groß angelegtes physikalisches KI-Modell, das Simulationen in Inferenz umwandelt und Stunden in Sekunden zusammenfasst. Ein Modell über den gesamten Lebenszyklus eines physischen Produkts, von der Gestaltung über das Engineering bis zur Herstellung. Das Ziel ist einfach: die KI-Infrastruktur zu werden, die dem zugrunde liegt, wie die Welt Hardware baut.

Wir sind ein eng verbundenes Team in Zürich, mit Ingenieuren von Caltech, Google, CERN und ETH, die Seite an Seite mit einem Professor aus Cambridge arbeiten. Ideen gehen innerhalb eines Tages vom Whiteboard zum Trainingslauf, und jeder hat Einfluss auf alles.

Wir suchen einen Founding Member of Technical Staff, der Probleme von Anfang bis Ende übernimmt: Von einer Forschungsidee über das zuverlässige Training eines Modells im großen Maßstab bis hin zu einem System, das wir bereitstellen und vertrauen können. Dies ist eine Senior-Rolle mit erheblichem Einfluss auf unsere technische Richtung. Sie werden über den gesamten Stack eines ML-Systems arbeiten: Architektur, Daten, Trainingsinfrastruktur, Bereitstellung; Ihre Entscheidungen werden die Entwicklung des Produkts von Tag eins an vorantreiben.

Ihre Mission:

• Modellentwicklung: Entwerfen und Trainieren von Modellen für 3D-Festkörpermechanik und Strömungsdynamik sowie Durchführung von Experimenten, die die Modelle voranbringen.
• Forschung: Verfolgen der Literatur, schnelles Prototyping und Beurteilung, welche Ideen es wert sind, von der Theorie in die Produktion überführt zu werden.
• Verteiltes Training: Aufbau und Optimierung des verteilten Trainings in PyTorch, Multi-Node DDP, hochdurchsatzfähiges Laden von Daten, reproduzierbare großangelegte Durchläufe und Debugging bei Problemen.
• Dateninfrastruktur: Verantwortung für die Pipeline vom Rohsimulationsergebnis zu effizienten, gestreamten Trainingsdaten im großen Maßstab.
• Produktion: Umwandlung von Modellen in zuverlässige, beobachtbare Dienste, auf die Ingenieure außerhalb des Teams vertrauen können.

Ihr Profil:

• Seniorität: Sie haben mehrere Jahre Erfahrung im Aufbau von ML-Systemen in einem anspruchsvollen Umfeld, in großen Unternehmen, einer führenden Forschungseinrichtung oder einem vergleichbar anspruchsvollen Umfeld gesammelt. Dies ist keine Einstiegsposition; wir suchen Personen mit einer erheblichen Erfolgsbilanz beim Versand realer Systeme.
• Rohes Talent: Uns ist sehr wichtig, wie Sie denken. Nachweise außergewöhnlicher Talente, starke Leistungen in Mathematik oder Informatik, wettbewerbsorientiertes Programmieren, Forschung mit realen Ergebnissen oder alles andere, was dies demonstriert, ist für uns von echtem Wert.
• Engineering: Starke Grundlagen in der Softwareentwicklung und eine Geschichte im Aufbau und Versand von Produktions-ML-Systemen. Sie schreiben Code, auf dem ein Team aufbauen kann, und Ihnen liegt Korrektheit und Zuverlässigkeit am Herzen.
• ML-Erfahrung: Kenntnisse in Python und PyTorch sowie praktische Erfahrungen im Training von Modellen im großen Maßstab, einschließlich der praktischen Realitäten des verteilten Trainings, Durchsatz und großangelegter Datenpipelines.
• Fähigkeit zur Forschung: Sie können ein Papier lesen, beurteilen, ob es wert ist, implementiert zu werden, und ein sauberes Experiment entwerfen, um es zu testen.
• Optional: Fachkenntnisse in Physik, numerischen Methoden oder wissenschaftlichem Rechnen, FEM, CFD, PDEs geben Ihnen einen Vorteil, und wir gewichten dies stark. Aber die Modellierungs- und Systemherausforderungen sind der Kern der Arbeit, und wir haben starke Ingenieure, die die Physik hier gelernt haben.

Wie wir arbeiten:

Wir nehmen uns schwierige technische Probleme vor und halten uns an hohe Standards. Das Team ist engagiert, das Eigentum ist real, und das Tempo ist anspruchsvoll. Wir sind direkt darüber, weil es zentral für unser Handeln ist. Wir suchen Menschen mit einer nachgewiesenen Geschichte außergewöhnlichen Antriebs: Ein hartes Problem zu einem Ergebnis zu bringen, das andere für unerreichbar hielten. In Ihrer Bewerbung weisen Sie auf konkrete Beweise dafür aus Ihrer eigenen Vergangenheit hin.

Was wir bieten:

• Die technische Herausforderung: Der Aufbau von Fundamentmodellen für Physik ist ein ungelöstes Problem mit echtem industriellen Einfluss, nicht nur eine dünne Hülle um das Modell eines anderen.
• Reales Eigentum: Gründungsrolle mit bedeutendem Eigenkapital, erheblichem Einfluss auf die technische Richtung und ein echtes Mitspracherecht, wohin das Unternehmen geht.
• Das Team: Eine hoch fokussierte Gruppe von Ingenieuren und Forschern von ETH, Caltech, Cambridge und Google, die sich gegenseitig unterstützen.
• Vergütung: Wettbewerbsfähiges Gehalt und erhebliches Eigenkapital, da wir Menschen einstellen, die überall arbeiten könnten, und wir möchten, dass dies ein einfacher Teil der Entscheidung ist.