Reconstruction-AI Engineer (m/f/d) in Hamburg

MuRay Tech ist ein Deeptech-Spinout von DESY, Hamburg. Wir suchen einen Reconstruction-AI Engineer, um die Machine-Learning-Modelle zu entwickeln, die Detektordaten in Spuren und 3D-Dichtebilder für unser aktives Myon-Imaging-System umwandeln. Sie werden Punktwolken- und Graph-Neuronale-Netzwerke für die Spurensuche, physik-informierte Architekturen für die Dichterekonstruktion und den differenzierbaren Simulationsstapel entwickeln, auf dem alles basiert. Direkte Verantwortung für den ML-Kern der Imaging-Pipeline, von simulierten Trainingsdaten bis hin zur implementierten Rekonstruktion.

Als Reconstruction-AI Engineer sind Sie verantwortlich für die Machine-Learning-Modelle, die Detektordaten in Spuren und 3D-Dichtebilder umwandeln. Das umfasst die Spurensuche, Dichterekonstruktion und die differenzierbaren Simulationswerkzeuge, auf denen alles basiert. Sie werden:

• ML-Modelle für die Spurrekonstruktion entwickeln. Trainieren Sie an großen simulierten Datensätzen, jeweils pro Detektoranordnung. Rauschen ablehnen, Spuren finden und den Impuls mit seinem Fehler schätzen, schnell genug für den Echtzeiteinsatz.
• AI-Modelle zur Rekonstruktion der 3D-Dichte aus Myonspuren entwickeln. Kombinieren Sie einen kompakten Prior für bekannte nominale Geometrie mit einem vollauflösenden Feld für interne Defekte wie Porosität. Bauen Sie es als physik-informierte Architektur, nicht als Black Box.
• Den differenzierbaren Myon-Streuungssimulationsstapel aufbauen. Ein differenzierbares Vorwärtsmodell der multiplen Coulombstreuung durch ein 3D-Dichtefeld, mit Gradienten-Schätzern, die für den zugrunde liegenden stochastischen Transport geeignet sind. Validieren Sie es gegen GEANT4.
• AI-Modelle zur direkten Rekonstruktion der 3D-Dichte aus Rohdetektordaten entwickeln. Überspringen Sie die explizite Spurrekonstruktion und gehen Sie direkt von Detektortreffern zur Dichte über. Ein langfristiges Ziel, sobald hochflüssige Daten verfügbar sind, direkt auf dem Simulator und der spur-basierten Dichtarbeit oben aufgebaut.

Was Sie mitbringen:

• Punktwolken- und Graph-neuronale Netzwerkentwicklung. Sie haben GNN- oder Punktwolkenmodelle auf beschrifteten Treffer-zu-Spur-Daten trainiert, zur Rauschunterdrückung, Spurensuche und Impulsschätzung mit kalibrierten Fehlern.
• Entwicklung von großflächigen synthetischen Trainingsdaten. Sie haben Pipelines erstellt, die simulierte Trainingssätze generieren, kuratieren und validieren, in dem Maßstab, den ein Deep-Learning-Modell benötigt.
• Differenzierbare, physik-informierte Rekonstruktionsentwicklung. Sie haben einen differenzierbaren Simulator gebaut und ihn als Rekonstruktionsmotor selbst verwendet. Sie kombinieren einen kompakten Prior für bekannte Geometrie mit einem vollauflösenden Feld für interne Defekte.
• GEANT4-Erfahrung. Sie haben einen differenzierbaren Simulator und die dahinterstehenden Trainingsdaten direkt gegen GEANT4 validiert.
• Unsicherheitsquantifizierung. Sie kalibrieren Fehler- und Vertrauensschätzungen für jede Rekonstruktion. Das gilt unabhängig davon, ob das Modell auf beschrifteten Daten trainiert oder durch Optimierung angepasst wurde.
• Erfahrung mit End-to-End-ML-Systemen. Sie betrachten Simulation, Training und implementierte Rekonstruktion als eine Pipeline. Sie haben ein Modell von simulierten Daten bis zur Produktion gebracht.

Wie wir arbeiten:

• Skunkworks-Ansatz: Wir arbeiten in kleinen Teams mit voller Verantwortung. Wir halten es einfach, dumm.
• Schnell handeln: Ein glänzendes Prototyp bedeutet, dass wir zu lange daran gearbeitet haben. Wir bauen, um zu lernen. Wir polieren später.
• Gemeinsam widersprechen, gemeinsam verpflichten: Wir debattieren und fordern heraus, unabhängig vom Titel. Dann liefern wir die Entscheidung als ein Team. Wir gewinnen als Team. Wir pivotieren als Team.
• Mut: Wir treffen immer die Entscheidung. Ein Fehler ist kein Misserfolg: es ist der Beweis, dass wir uns verbessern. So oder so, wir übernehmen das Ergebnis.
• Ehrlichkeit und Transparenz: Wir teilen, was wirklich passiert, gut oder schlecht. Das ermöglicht es jedem, die richtige Entscheidung zu treffen. Wir bleiben offen. Wir bleiben ehrlich.

Was wir bieten:

• Einfluss: ungelöste Probleme, keine Ingenieurrückstände. Lösen Sie sie, und ein Inspektor sieht innerhalb von Sekunden in einen versiegelten Raketentriebwerk statt Tagen.
• Tempo: Ein Modell, das Sie diese Woche trainieren, wird nächste Woche gegen echte Scandaten validiert. In der Woche danach sieht ein Kunde etwas in seinem Teil, das kein Scan zuvor gezeigt hat.
• Infrastruktur: Zugang zu einem H200-GPU-Cluster in Hamburg sowie LUMI für Training und großflächige Simulation. Echte Detektordaten zur Validierung.
• Netzwerk: Forschungspartner sind DESY, DLR, CERN und Imperial College London. Kommerzielle Partner sind Siemens Energy, Airbus, Caelora und ZAL.
• Eigentum: Ein Aktienplan gibt Ihnen einen bedeutenden Anteil am Unternehmen.
• Vergütung: Ein Gehalt, das Ihren Beitrag zum Wachstum von MuRay widerspiegelt.
• Umzug: Wir unterstützen Ihren Umzug. Wenn Sie aus außerhalb der EU umziehen, helfen wir bei den Formalitäten.

Über MuRay Tech:

MuRay baut kompakte Laser-Plasma-Beschleuniger, die einen kontrollierten Myonenstrahl erzeugen. Myonenscans sind heute passiv und dauern Tage. Aktives Myon-Imaging produziert denselben Scan in Sekunden, bei höherer Auflösung. Wir arbeiten heute mit Partnern in der Luft- und Raumfahrt, Verteidigung und Energie. Nächste Schritte: Sicherheit, Zoll und medizinische Bildgebung.