PhD Position - Representation and Active Learning for Multi-Scale Scientific Imaging

Shaping change: this is what drives us at Forschungszentrum Jülich. As a member of the Helmholtz Association with some 7,600 employees, we conduct interdisciplinary research into a digitalized society, a climate-friendly energy system, and a sustainable economy. We focus on the natural, life, and engineering sciences in the fields of information, energy, and bioeconomy. We combine this with expertise in high‑performance computing and artificial intelligence using unique scientific infrastructures.

Das Institut für Materialdatenwissenschaft und Informatik (IAS-9) entwickelt fortschrittliche Methoden des maschinellen Lernens und der künstlichen Intelligenz, die auf Herausforderungen in den physikalischen Wissenschaften und Ingenieurwesen zugeschnitten sind. Unsere Gruppe bringt ML-Ingenieure, KI-Forscher, Datenwissenschaftler, Software-Ingenieure und Fachwissenschaftler zusammen, die sich auf wissenschaftliches maschinelles Lernen konzentrieren. Gemeinsam entwickeln und wenden wir ML-Methoden an, um zentrale Herausforderungen in den physikalischen Wissenschaften und im Ingenieurwesen zu bewältigen: von der Beschleunigung von Simulationen mit Surrogatmodellen bis hin zur Gewinnung von Erkenntnissen aus komplexen Bilddaten und dem Aufbau von Ansätzen, die über verschiedene Bereiche hinweg übertragen werden können.

Wir sind besonders daran interessiert, grundlegende Methoden des maschinellen Lernens für wissenschaftliche Bildgebung voranzutreiben, mit einem Fokus auf Repräsentationslernen und dateneffiziente Entscheidungsfindung über heterogene Datenquellen hinweg. Das PhD-Projekt ist methodisch unabhängig und eingebettet in ein multidisziplinäres Forschungsumfeld an der Schnittstelle von künstlicher Intelligenz, wissenschaftlicher Bildgebung und Materialforschung. Sie werden die Aktivitäten in den Bereichen Datenwissenschaft und maschinelles Lernen von IAS-9 stärken, indem Sie zentrale KI-Methoden mit Anwendungen in der Elektronenmikroskopie und Materialentdeckung entwickeln.

Sie werden in einem Team von Datenwissenschaftlern, Software-Ingenieuren und experimentellen Forschern an Themen arbeiten, darunter:

• Entwicklung von multi-skalierten und multi-modalen Repräsentationslernmethoden für wissenschaftliche Bildgebungsdaten (z.B. SEM, TEM, EBSD).
• Erlernen von Repräsentationen, die robust gegenüber Skalierungsänderungen, Modalitätsverschiebungen und Domänenunterschieden zwischen Instrumenten und Laboren sind.
• Entwurf von aktiven Lern- und experimentellen Designstrategien, die erlernte Repräsentationen nutzen, um die Datenerfassung unter Kosten- und Unsicherheitsbeschränkungen zu steuern.
• Aufbau von Surrogatmodellen, die bildgebungsbasierte Repräsentationen mit nachgelagerten physikalischen oder funktionalen Eigenschaften verbinden.
• Enge Zusammenarbeit mit experimentellen Partnern, um Entscheidungsalgorithmen in reale wissenschaftliche Arbeitsabläufe zu integrieren.
• Veröffentlichung von Ergebnissen in hochrangigen Zeitschriften und Konferenzen im Bereich maschinelles Lernen und interdisziplinäre Forschung sowie Beitrag zu Open-Source-Forschungssoftware.

Die entwickelten Methoden werden anhand von großangelegten Elektronenmikroskopiedaten aus kollaborativen Forschungsprojekten validiert, einschließlich eines von der EU geförderten Projekts zur nachhaltigen Stahlentwicklung, wobei ein klarer Fokus auf grundlegenden Fragen der KI-Forschung beibehalten wird.

Wir suchen einen hochmotivierten Kandidaten mit starkem Interesse an grundlegender Forschung im Bereich maschinelles Lernen und deren Anwendung auf reale wissenschaftliche Probleme. Sie sollten Folgendes mitbringen:

• Ein abgeschlossenes Hochschulstudium (Master oder gleichwertig) in Informatik, Datenwissenschaft, angewandter Mathematik, Physik, Materialwissenschaft oder einem verwandten Bereich.
• Solide Kenntnisse im maschinellen Lernen und/oder Computer Vision.
• Interesse an Repräsentationslernen, aktivem Lernen, Unsicherheitsmodellierung oder Entscheidungsfindung unter Einschränkungen.
• Erfahrung mit Python und modernen ML-Frameworks wie PyTorch oder TensorFlow.
• Neugier auf interdisziplinäre Forschung; vorherige Erfahrungen mit wissenschaftlichen oder mikroskopischen Daten sind willkommen, aber nicht erforderlich.
• Starke analytische Fähigkeiten, wissenschaftliche Kreativität und die Fähigkeit, selbstständig zu arbeiten und gleichzeitig im Team zu kooperieren.

Wir arbeiten an den neuesten Themen, die unsere Gesellschaft betreffen, und bieten Ihnen die Chance, aktiv an der Gestaltung des Wandels mitzuwirken! Wir unterstützen Sie in Ihrer Arbeit mit:

• FORSCHUNG & INFRASTRUKTUR: Die Möglichkeit, spannende Forschung in einem internationalen und multidisziplinären Umfeld mit herausragender Infrastruktur durchzuführen und Ihren Ruf in einem dynamischen und sehr aktiven Forschungsfeld zu stärken.
• UMFELD: Ein kreatives Arbeitsumfeld an einer führenden Forschungseinrichtung, die sich auf einem attraktiven Forschungscampus am TZA Aachen befindet.
• NETZWERK & AUSTAUSCH: Die Möglichkeit, an nationalen und internationalen Konferenzen teilzunehmen und aktiv Ihr wissenschaftliches Netzwerk aufzubauen.
• WISSEN & ENTWICKLUNG: Ihre berufliche Entwicklung ist uns wichtig – wir unterstützen Sie gezielt und individuell, z.B. durch Schulungs- und Networking-Möglichkeiten speziell für Doktoranden (JuDocS).
• FÜR INTERNATIONALE MITARBEITER: Unser International Advisory Service erleichtert internationalen Mitarbeitern den Einstieg.
• FAIRE ENTLOHNUNG: Je nach Qualifikation und zugewiesenen Verantwortlichkeiten werden Sie gemäß Entgeltgruppe 13 (80%) des TVöD Bund eingestuft. Darüber hinaus erhalten Sie eine Sonderzahlung („Weihnachtsgeld“) in Höhe von 60% eines Monatsgehalts.

Die Stelle ist auf 3 Jahre befristet. Neben spannenden Aufgaben und einem kollegialen Arbeitsumfeld bieten wir Ihnen noch viel mehr. Wir begrüßen Bewerbungen von Menschen mit unterschiedlichen Hintergründen, z.B. in Bezug auf Alter, Geschlecht, Behinderung, sexuelle Orientierung/Identität sowie soziale, ethnische und religiöse Herkunft. Ein vielfältiges und inklusives Arbeitsumfeld mit Chancengleichheit, in dem jeder sein Potenzial entfalten kann, ist uns wichtig.