Experte für atomistische Materialmodellierung

Mercor rekrutiert Experten für atomistische Materialmodellierung mit starkem Hintergrund in computergestützten Materialwissenschaften, quantenmechanischen Simulationen und molekularer Modellierung, um fortgeschrittene KI-Forschung zu unterstützen. Experten bewerten technisch anspruchsvolle Probleme im Zusammenhang mit atomistischen Simulationen, Materialeigenschaften, computergestützten Methoden und wissenschaftlichem Denken. Der ideale Kandidat verfügt über umfangreiche praktische Erfahrung mit Dichtefunktionaltheorie (DFT), Molekulardynamik (MD) und anderen atomistischen Modellierungstechniken sowie über ein tiefes Verständnis der zugrundeliegenden physikalischen Prinzipien.

Hauptverantwortlichkeiten

• Bewertung fortgeschrittener wissenschaftlicher Probleme im Zusammenhang mit atomistischen Simulationen und computergestützten Materialwissenschaften.

• Überprüfung und Validierung von KI-generierten Antworten zu DFT-Berechnungen, Molekulardynamik und Vorhersagen von Materialeigenschaften.

• Beurteilung der Angemessenheit von computergestützten Methoden, Simulationsparametern, Konvergenzkriterien und physikalischen Annahmen.

• Analyse von Atomstrukturen, elektronischen Eigenschaften, Reaktionsenergetik, Diffusionsmechanismen und Materialstabilität.

• Bewertung von Oberflächen- und Grenzflächenphänomenen, Adsorptionsenergien, Defektbildung und chemischen Reaktionspfaden.

• Entwicklung hochwertiger Referenzlösungen, Bewertungsraster und technisch rigider wissenschaftlicher Erklärungen.

• Identifizierung von rechnerischen Ungenauigkeiten, methodischen Einschränkungen und Fehlern im wissenschaftlichen Denken.

• Anwendung computergestützter Expertise zur Verbesserung der KI-Leistung bei komplexen materialwissenschaftlichen Problemen.

Erforderliche Qualifikationen

• Promotion (PhD) in computergestützten Materialwissenschaften, Materialwissenschaft und -technik, theoretischer Chemie, Festkörperphysik, Chemieingenieurwesen oder einem eng verwandten Fachgebiet. Aussergewöhnliche Masterkandidaten mit entsprechender relevanter Erfahrung können ebenfalls berücksichtigt werden.

• Nachgewiesene praktische Erfahrung mit mindestens einem der folgenden Bereiche:

  • Dichtefunktionaltheorie (DFT)

  • Ab-initio-Molekulardynamik (AIMD)

  • Klassische Molekulardynamik (MD)

  • Monte-Carlo-Simulationen

  • Atomistische oder First-Principles-Materialmodellierung

• Gute Kenntnisse in einem oder mehreren Simulationstools wie VASP, Quantum ESPRESSO, CP2K, GPAW, LAMMPS oder ähnlicher Software.

• Starkes Verständnis der elektronischen Struktur, zwischenatomaren Wechselwirkungen, Thermodynamik, statistischen Mechanik und Materialeigenschaften.

• Erfahrung in der Interpretation von Simulationsergebnissen und der Validierung von Computerprognosen.

• Gute Python-Kenntnisse für wissenschaftliches Rechnen, Datenanalyse oder Workflow-Automatisierung.

Bevorzugte Qualifikationen

• Erfahrung mit ASE, pymatgen oder Tools für computergestützte Material-Workflows.

• Expertenwissen in der Oberflächen- und Grenzflächenmodellierung, heterogenen Katalyse, Halbleitermaterialien oder Reaktionsenergetik.

• Erfahrung mit computergestütztem Hochdurchsatz-Material-Screening.

• Vertrautheit mit maschinell gelernten zwischenatomaren Potentialen und KI-gestützter Materialentdeckung.

• In Fachzeitschriften begutachtete Publikationen, die die Forschung im Bereich computergestützter Materialien belegen.

• Erfahrung in der Integration experimenteller Materialcharakterisierung mit atomistischen Simulationen.

Rahmenbedingungen

• Engagement: Mindestens 10 Stunden pro Woche, mit dem Potenzial für bis zu 40 Stunden pro Woche.

Warum Mercor?

• Wenden Sie fortgeschrittene computergestützte Expertise auf modernste KI-Forschung an.

• Helfen Sie mit, KI-Systeme zu entwickeln, die in der Lage sind, komplexe materialwissenschaftliche Probleme zu verstehen und zu lösen.

• Arbeiten Sie an anspruchsvollen wissenschaftlichen Bewertungen im Zusammenhang mit Quantenmechanik, atomistischen Simulationen und Materialentdeckung.

• Arbeiten Sie mit Teams zusammen, die an der Schnittstelle von KI und wissenschaftlicher Forschung tätig sind.