Member of Technical Staff, NeuroAI

Neurosoft Bioelectronics entwickelt die nächste Generation von KI zur Dekodierung neuronaler Zeitreihen (hochdichte subdurale ECoG LFPs). Wir suchen einen Praktikanten im Bereich Maschinenlernen mit Fachkenntnissen in Sequenzmodellierung, Zustandsraummethoden, selbstüberwachtem Lernen und/oder physik-informiertem maschinellen Lernen, um Grundmodelle zu erstellen, die geschickte Fingerbewegungen und kontinuierliche hochdimensionale Kinematik der oberen Extremitäten aus nur wenigen Minuten Gehirndaten ableiten. Die Rolle umfasst moderne Systemidentifikation, Repräsentationslernen und die Echtzeitbereitstellung von Inferenzpipelines mit niedriger Latenz.

Aufgaben:

• Entwurf und Benchmarking von Kalman-Filtern, RNNs, LSTMs, strukturierten Zustandsraummodellen (S4/S5), Mamba, Neural ODEs und verwandten Sequenzarchitekturen.
• Entwicklung großangelegter selbstüberwachter Vortraining-Pipelines und spezifischer Feinabstimmungs-Workflows.
• Reproduktion und Erweiterung veröffentlichter SoTA-neuraler Dekodierungsmethoden, beginnend mit LSTM-Baselines und modernen SSM-Architekturen.
• Dekodierung einzelner Finger, Greifsynergien, kontinuierlicher Gesten und vollständiger 6 DoF-Handposen.
• Bereitstellung von Streaming-Inferenz unter Verwendung von ONNX, TensorRT, Triton und GPU-Beschleunigung.
• Aufrechterhaltung reproduzierbarer Benchmarking-, MLOps- und Produktionsforschungsinfrastrukturen.

Anforderungen:

• Theoretische Grundlagen der Zeitreihenmodellierung, Systemidentifikation, dynamische Systeme, Differentialgleichungen, Regelungstheorie und bayesianische Schätzung.
• Aktuelle Implementierung von Kalman-Filtern, HMMs, linearen/nichtlinearen SSMs, RNNs, LSTMs, S4/S5, Mamba, Neural ODEs oder transformerbasierten Sequenzmodellen.
• Erfahrung mit kontrastivem Lernen, VAEs, Vortraining von Grundmodellen, Transferlernen, Domänenanpassung und Few-Shot-Lernen.
• Optional: Kenntnisse in Python, PyTorch, CUDA, Docker, ONNX, TensorRT, Triton, Git, Linux und MLflow.

Vorteile:

• Wachstum: Möglichkeit, einem ehrgeizigen Neurotechnologie-Startup beizutreten mit Einblick in mehrere Bereiche des Unternehmensbetriebs.
• Kultur: Ein kollaboratives und dynamisches Teamumfeld mit direkter Interaktion mit Gründern und Führungskräften.
• Flexibilität: Hybrides Arbeitsmodell mit der Möglichkeit, remote und im Büro in Genf zu arbeiten.
• Vergütung: Einstiegsgehalt von 45'000 - 55’000 CHF pro Jahr. Erste Beförderungsüberprüfung nach 3 Monaten.
• Eigentum: Beteiligung am Eigenkapital durch den Mitarbeiteroptionsplan kann verfügbar sein.

Wir betrachten die neuronale Dekodierung als ein Problem der Systemidentifikation: Lernen latenter Zustandsraumdarstellungen, die zunehmend das zugrunde liegende kontinuierliche dynamische System approximieren, das die freiwillige Bewegung eines bestimmten Individuums erzeugt. Ihre Rolle besteht darin, die in Zusammenarbeit mit unseren akademischen Partnern entwickelten Methoden zu implementieren, zu testen und zu benchmarken. Aufgrund der Neuartigkeit dieses Vorhabens handelt es sich um eine verpflichtende Einstiegsrolle auf allen Hierarchieebenen. Zu jedem Zeitpunkt, an dem Sie eine wesentliche Praxis, einen Tech-Stack übernehmen oder einen wesentlichen Meilenstein erreichen, wird Ihre Vergütung und Autorität dies widerspiegeln. Der Umfang und das Wachstum Ihrer Rolle sind vollständig leistungsorientiert und werden vierteljährlich bewertet. Dies ist eine CSO-Track-Rolle.