Experto en modelado atomístico de materiales

Mercor está contratando Expertos en Modelado de Materiales Atomísticos con sólidos antecedentes en ciencia de materiales computacional, simulaciones de mecánica cuántica y modelado molecular para apoyar la investigación avanzada en AI. Los expertos evaluarán problemas técnicamente exigentes relacionados con simulaciones atomísticas, propiedades de materiales, metodologías computacionales y razonamiento científico. El candidato ideal cuenta con amplia experiencia práctica en teoría de funcionales de densidad (DFT), dinámica molecular (MD) y otras técnicas de modelado atomístico, junto con una sólida comprensión de los principios físicos subyacentes.

Responsabilidades Clave

• Evaluar problemas científicos avanzados que involucren simulaciones atomísticas y ciencia de materiales computacional.

• Revisar y validar respuestas generadas por AI que incluyan cálculos de DFT, dinámica molecular y predicciones de propiedades de materiales.

• Evaluar la idoneidad de los métodos computacionales, los parámetros de simulación, los criterios de convergencia y las suposiciones físicas.

• Analizar estructuras atómicas, propiedades electrónicas, energéticos de reacciones, mecanismos de difusión y estabilidad de materiales.

• Evaluar fenómenos de superficie e interfaz, energías de adsorción, formación de defectos y vías de reacción química.

• Desarrollar soluciones de referencia de alta calidad, rúbricas de evaluación y explicaciones científicas técnicamente rigurosas.

• Identificar imprecisiones computacionales, limitaciones metodológicas y errores en el razonamiento científico.

• Aplicar experiencia computacional para mejorar el rendimiento de la AI en problemas complejos de ciencia de materiales.

Calificaciones Requeridas

• Doctorado (PhD) en Ciencia de Materiales Computacional, Ciencia e Ingeniería de Materiales, Química Computacional, Física de la Materia Condensada, Ingeniería Química o un campo estrechamente relacionado. Se podrán considerar candidatos excepcionales con una maestría (MSc) y experiencia relevante sustancial.

• Experiencia práctica demostrada en al menos uno de los siguientes ámbitos:

  • Teoría de Funcionales de Densidad (DFT)

  • Dinámica Molecular Ab Initio (AIMD)

  • Dinámica Molecular Clásica (MD)

  • Simulaciones de Monte Carlo

  • Modelado de materiales atomístico o de primeros principios

• Dominio de una o más herramientas computacionales, como VASP, Quantum ESPRESSO, CP2K, GPAW, LAMMPS o software similar.

• Sólida comprensión de la estructura electrónica, las interacciones interatómicas, la termodinámica, la mecánica estadística y las propiedades de los materiales.

• Experiencia en la interpretación de resultados de simulación y validación de predicciones computacionales.

• Sólidas habilidades en Python para computación científica, análisis de datos o automatización de flujos de trabajo.

Calificaciones Preferidas

• Experiencia con ASE, pymatgen o herramientas de flujo de trabajo de materiales computacionales.

• Experiencia en modelado de superficies e interfases, catálisis heterogénea, materiales semiconductores o energéticos de reacciones.

• Experiencia en cribado computacional de materiales de alto rendimiento.

• Familiaridad con potenciales interatómicos aprendidos por máquina y descubrimiento de materiales asistido por AI.

• Publicaciones con revisión por pares que demuestren investigación en materiales computacionales.

• Experiencia integrando la caracterización experimental de materiales con simulaciones atomísticas.

Detalles del Compromiso

• Compromiso: Mínimo 10 horas por semana, con potencial de hasta 40 horas por semana.

¿Por qué unirse a Mercor?

• Aplicar experiencia computacional avanzada a la investigación de frontera en AI.

• Ayudar a desarrollar sistemas de AI capaces de comprender y resolver problemas sofisticados de ciencia de materiales.

• Trabajar en evaluaciones científicas desafiantes que involucren mecánica cuántica, simulaciones atomísticas y descubrimiento de materiales.

• Colaborar con equipos que trabajan en la intersección de la AI y la investigación científica.