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. Dies umfasst die Spurensuche, Dichterekonstruktion und die differenzierbaren Simulationswerkzeuge, auf denen alles basiert.

Sie werden:

• ML-Modelle für die Spurrekonstruktion entwickeln.
• Auf großen simulierten Datensätzen trainieren, jeweils pro Detektoranordnung.
• Rauschen ablehnen, Spuren finden und den Impuls mit seinem Fehler schnell genug für den Echtzeiteinsatz schätzen.
• AI-Modelle zur Rekonstruktion der 3D-Dichte aus Myonspuren entwickeln.
• Eine kompakte Prior für bekannte nominale Geometrie mit einem vollauflösenden Feld für interne Defekte wie Porosität kombinieren.
• Es als physik-informierte Architektur aufbauen, nicht als Black Box.
• Den differenzierbaren Myon-Streuungssimulationsstapel aufbauen.
• Ein differenzierbares Vorwärtsmodell mehrerer Coulombstreuungen durch ein 3D-Dichtefeld mit Gradienten-Schätzern, die für den zugrunde liegenden stochastischen Transport geeignet sind, validieren.
• Gegen GEANT4 validieren.
• AI-Modelle zur direkten Rekonstruktion der 3D-Dichte aus Rohdetektordaten entwickeln.
• Die explizite Spurrekonstruktion überspringen und direkt von Detektortreffern zur Dichte gehen.

Was Sie mitbringen:

• Punktwolken- und Graph-Neuronale-Netzentwicklung.
• Sie haben GNN- oder Punktwolkenmodelle auf beschrifteten Treffer-zu-Spur-Daten trainiert, um Rauschen abzulehnen, Spuren zu finden und den Impuls mit kalibrierten Fehlern zu schätzen.
• Großangelegte synthetische Trainingsdatentechnik.
• Sie haben Pipelines aufgebaut, 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.
• Geant4-Erfahrung.
• Sie haben einen differenzierbaren Simulator und die dahinterstehenden Trainingsdaten direkt gegen Geant4 validiert.
• Unsicherheitsquantifizierung.
• Sie kalibrieren Fehler- und Vertrauensschätzungen für jede Rekonstruktion.
• End-to-End-ML-Systemerfahrung.
• Sie betrachten Simulation, Training und implementierte Rekonstruktion als eine Pipeline.

Wie wir arbeiten:

• Skunkworks-Ansatz: Wir arbeiten in kleinen Teams mit voller Verantwortung.
• Wir halten es einfach, dumm.
• Schnell bewegen: 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 von 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 Versagen: Es ist der Beweis, dass wir uns verbessern.
• In jedem Fall übernehmen wir 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, kein Ingenieurrückstand.
• Sie lösen sie, und ein Inspektor sieht innerhalb eines versiegelten Raketentriebwerks in Sekunden 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 großangelegte Simulation.
• Echte Detektordaten zur Validierung.
• Netzwerk: Forschungspartner sind unter anderem DESY, DLR, CERN und Imperial College London.
• Kommerzielle Partner sind Siemens Energy, Airbus, Caelora und ZAL.
• Verantwortung: 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, mit höherer Auflösung. Wir arbeiten heute mit Partnern in der Luft- und Raumfahrt, Verteidigung und Energie. Nächster Schritt: Sicherheit, Zoll und medizinische Bildgebung. MuRay Tech entwickelt sichere, schnelle und präzise aktive Myon-Imaging-Lösungen für industrielle Qualitätsbewertung, Sicherheits- und Zollinspektion sowie medizinische Diagnostik. Unsere Plattform kombiniert laser-plasma-beschleunigergetriebene Myonquellen, Partikeldetektoren der nächsten Generation und KI, um hochauflösende 3D-Bilder mit automatisierter Entscheidungsfindung zu ermöglichen. Das Unternehmen hat seinen Sitz in DESY in Hamburg, Deutschland, und Tehnopol in Tallinn, Estland. Unsere Hauptentwicklungspartner decken die Energie-, Verteidigungs-, Luft- und Raumfahrt- sowie Sicherheitsindustrien ab. Unser anfänglicher Technologie- und Geschäftsfokus liegt auf der Qualitäts- und Sicherheitsbewertung kritischer metallischer und keramischer Komponenten, wie Raketentriebwerken, Gasturbinen, Jet-Triebwerken und großangelegten nuklearen oder industriellen Systemen.