Senior Computational Optimisation Engineer

Corintis bietet innovative mikrofluidische Kühltechnologien für KI-Chips/GPUs und CPUs, die in Rechenzentren verwendet werden. Unsere Lösungen verbessern die Nachhaltigkeit der Berechnung und bekämpfen den übermäßigen Stromverbrauch, der mit der Kühlung von Rechenzentren verbunden ist.

Als Computational Optimization Engineer werden Sie die Optimierungstechnologie entwickeln, die die interne Geometrie unserer Kühlprodukte definiert. Sie berichten an den Leiter der Softwaretechnik und arbeiten eng mit den Teams für Berechnung, Produkt und Fertigung zusammen.

Hauptverantwortlichkeiten:

• Entwicklung und Implementierung numerischer Methoden für Topologieoptimierung, PDE-beschränkte Optimierung und multiskalige Materialgestaltung.
• Formulierung und Lösung von Optimierungsproblemen, die Homogenisierung, effektive Materialeigenschaften und leistungsgetriebene Mikostrukturen betreffen.
• Entwurf, Implementierung und Wartung von Simulations- und Optimierungssoftware in Python und/oder C++.
• Aufbau von Berechnungsabläufen, die finite Elementanalyse, Sensitivitätsanalyse, adjungierte Methoden und gradientenbasierte Optimierung kombinieren.
• Anwendung von Homogenisierungstechniken zur Charakterisierung und Optimierung von Gitterstrukturen, Verbundwerkstoffen und architektonischen Mikostrukturen.
• Übersetzung von ingenieurtechnischen und wissenschaftlichen Anforderungen aus anderen Teams in computergestützte Modelle und optimierte Designs.
• Überprüfung und Validierung der numerischen Modelle, der Optimierungsalgorithmen und der Simulationsergebnisse.
• Dokumentation der Methoden, des Codes und der Ergebnisse sowie Präsentation der Ergebnisse für technische und nicht-technische Kollegen.
• Überwachung der Fortschritte in der Topologieoptimierung und der rechnergestützten Mechanik und Einführung der anwendbaren Methoden in unsere Software.

Anforderungen:

• Ph.D. in Maschinenbau, Luft- und Raumfahrttechnik, Bauingenieurwesen, Computational Engineering, angewandter Mathematik, Materialwissenschaft, Physik oder einem verwandten Bereich.
• Expertise in der Topologieoptimierung, wie z.B. dichtebasierte Methoden, Level-Set-Methoden oder Formoptimierung.
• Erfahrung mit Homogenisierungsmethoden, multiskaliger Modellierung und der Berechnung effektiver Materialeigenschaften.
• Solide Kenntnisse der Finite-Elemente-Methode und numerischer Methoden für partielle Differentialgleichungen.
• Erfahrung mit Sensitivitätsanalysen, adjungierten Methoden und gradientenbasierter Optimierung.
• Kenntnisse in Python und/oder C++ für zuverlässige wissenschaftliche Software.
• Kenntnis von Softwareentwicklungsmethoden: Versionskontrolle, Tests, Dokumentation und modulare Codegestaltung.
• Erfahrung mit Hochleistungsrechnen und paralleler Programmierung, vorzugsweise mit MPI.
• Fließendes Englisch mit starken schriftlichen und mündlichen Kommunikationsfähigkeiten.

Dies ist eine großartige Passung, wenn Sie:

• Schwierige mathematische Probleme mögen und sehen möchten, wie sie in einer Produktionscodebasis umgesetzt werden.
• Von physikalischen Auswirkungen motiviert sind, da die Geometrie, die Ihr Solver auswählt, Hardware wird.
• Es schätzen, ein Verfahren von der ersten Ableitung bis zum getesteten und dokumentierten Modul zu besitzen.
• Numerische Genauigkeit, Codeüberprüfung und reproduzierbare Ergebnisse schätzen.
• Mehrere technische Projekte parallel durchführen und diese termingerecht liefern möchten.
• Ein kleines Team vor Ort bevorzugen, mit einem kurzen Weg von einer Idee zu einer Messung.

Dies wird nicht die richtige Rolle für Sie sein, wenn Sie:

• Bevorzugen, bestehende Solver anzuwenden, und nicht selbst numerische Methoden implementieren möchten.
• Eine rein akademische Position suchen, ohne Softwarelieferung und ohne Produktfristen.
• Ein großes Unternehmensumfeld mit festen Prozessen bevorzugen.
• Vollständig remote arbeiten möchten, da diese Rolle eine Zusammenarbeit vor Ort erfordert.