baito logo
    navigation?.buttons?.createJob?.text
    vor 9 Tagen
    Technische Universität Berlin header
    Technische Universität Berlin logo
    Vollzeit
    Teilzeit
    Junior
    18.11.24
    #wissenschaft#uni#berlin

    Wissenschaftliche*r Mitarbeiter*in (d/m/w) - Entgeltgruppe 13 TV-L Berliner Hochschulen - 1. Qualifikationsphase (zur Promotion)baito Pro Job

    Jetzt bewerben

    Ausschreibung IV-459/24

    Wiss. Mitarbeiter*in (d/m/w) - Entgeltgruppe 13 TV-L Berliner Hochschulen - 1. Qualifikationsphase (zur Promotion)

    Teilzeitbeschäftigung ist ggf. möglich

    Aufgabenbeschreibung

    Sie begeistern sich für die Entwicklung von Hardware für Künstliche Intelligenz (KI) mit dem Ziel, wichtige gesellschaftliche Herausforderungen zu lösen? Sind Sie eine leidenschaftlicher, selbstmotivierter und kreativer Forscherin, derdie neugierig darauf ist, wie das tierische Gehirn funktioniert? Dann hat die Gruppe Halbleiter und mikroelektronische Systeme (SAM) der TU Berlin zwei spannende Promotionsmöglichkeiten an der Schnittstelle zwischen nanoelektronischen Bauelementen, rechnergestützter Materialwissenschaft und hardwarebasierter KI.

    In Anlehnung an das biologische Gehirn wird die neu gegründete SAM-Gruppe neuartige nanoelektronische Bauelemente und Materialien entwickeln, die eine innovative Form der KI beherbergen können, die in Hardware arbeitet. Diese Technologie, die als neuromorphes Computing bezeichnet wird, soll die Grenzen der derzeitigen softwarebasierten KI-Modelle überwinden, insbesondere in Bezug auf Energieeffizienz, Miniaturisierung, Datenschutz und Skalierbarkeit.

    Wir suchen einen Kandidatin für eine Doktorandenstelle, die wie folgt beschrieben wird:

    • Neuromorphe Sensorik an der Grenze:
    • Hier werden Sie bahnbrechende Forschung betreiben, um fortschrittliche Sensoren zu entwickeln, die ereignisbasiert, ressourcenschonend und energieeffizient sind und eine geringe Latenz aufweisen.
    • Diese Sensoren sollen natürliche neuronale Systeme nachahmen, indem sie stochastische physikalische Prozesse ausnutzen und kontinuierlich lernen.
      Dieses Projekt wird sich auf Anwendungen in den Bereichen Gesundheitswesen, Neurotechnologie, intelligente Sensorik, intelligente Energie und Robotik auswirken.

    Ihre Aufgaben:

    • Computergestützter Entwurf und Test neuromorpher Hardware, einschließlich neuartiger Materialien, Geräte und Schaltungen. Implementierung von bioinspirierten Lernalgorithmen auf dieser Hardware.
    • Zusammenarbeit mit einem internationalen, multidisziplinären Team, um unsere gemeinsame Forschungsagenda zu erreichen. Zusammenarbeit mit Gruppen für maschinelles Lernen und Neurowissenschaften bei den algorithmischen Aspekten sowie mit experimentellen Gruppen bei den Herstellungsaspekten des Projekts.
    • Erstellung hochwertiger Veröffentlichungen und öffentliche Verbreitung der Forschungsergebnisse auf Konferenzen.
    • Beitrag zur Universität durch Lehre und Betreuung von Studierenden.
    • Unterstützung der akademischen Gemeinschaft im Allgemeinen durch Peer-Reviews, Organisation von Konferenzen usw.

    Was Sie von uns erwarten dürfen:

    • Die Mitarbeit in einem jungen, dynamischen, wachsenden, hochmotivierten und internationalen Team mit einer herzlichen und unterstützenden Unternehmenskultur.
    • Die Möglichkeit, Teile Ihres Projekts an der University of California, Berkeley und am Lawrence Berkeley National Laboratory, USA, durchzuführen.
    • Sie profitieren von der engen Zusammenarbeit mit weltweit renommierten Forschungsgruppen der Fraunhofer-Gesellschaft, Deutschland, der TU Delft, Niederlande, des Instituts für Neuroinformatik, Zürich, der EPFL, Lausanne, und der UC Berkeley, USA.
    • Einblick in ein multidisziplinäres Forschungsprogramm, das die Entwicklung von nanoelektronischen Geräten, Materialien, Schaltkreisen, KI-Algorithmen und Neurowissenschaften umfasst.

    Erwartete Qualifikationen

    • Erfolgreich abgeschlossenes wissenschaftliches Hochschulstudium (Master, Diplom oder Äquivalent) in Elektrotechnik, Materialwissenschaften, angewandter Physik, Informatik oder einem verwandten Fachgebiet.
    • Kenntnisse oder Erfahrungen auf mindestens zwei der folgenden Gebiete:
      a) Bauphysik (einschließlich Simulationswerkzeuge wie Sentaurus oder mumax usw.).
      b) Schaltungsentwurf (einschließlich Werkzeuge wie SPICE oder Cadence Spectre usw.)
      c) Computergestützte Werkstoffkunde (einschließlich Werkzeuge wie Quantum ATK oder VASP usw.)
    • Kenntnisse oder Erfahrungen auf mindestens einem der folgenden Gebiete
      d) KI-Algorithmen und tiefe neuronale Netze (einschließlich Deep-Learning-Frameworks wie TensorFlow oder PyTorch usw.).
      e) Neue bioinspirierte Algorithmen.
    • Die Fähigkeit, in englischer Sprache zu arbeiten und zu lehren, wird vorausgesetzt.

    Wünschenswerte Qualifikationen:

    • Interesse an neuromorpher Datenverarbeitung und Neugier auf die Funktionsweise des Gehirns.
    • Akademische Exzellenz, Kreativität und hohe Erfolgsmotivation.
    • Ausgeprägte kommunikative, zwischenmenschliche und organisatorische Fähigkeiten.
    • Schlüsselqualifikationen wie Führungsqualitäten, Problemlösungskompetenz und Eigeninitiative.
    • Erfahrungen in der wissenschaftlichen Forschung, selbständige Arbeitsweise und Teamfähigkeit.
    • Programmiererfahrung in Python oder R. Erfahrung mit Open-Source-Plattformen wie GitHub.
    • Kenntnisse im Bereich Sensordesign und Signalverarbeitung sind von Vorteil.
    • Erfahrung in der Entwicklung neuromorpher Hardware.
    • Hintergrundwissen im Bereich Digital-/Mixed-Signal-IC-Design und Low-Power-IC-Design.

    Hinweise zur Bewerbung

    Ihre Bewerbung richten Sie bitte unter Angabe der Kennziffer ausschließlich per Email (in einem zusammengefassten pdf-Dokument) an personal@tmp.tu-berlin.de mit folgenden Unterlagen:
    • Anschreiben in englischer Sprache, aus dem die Motivation für die Bewerbung hervorgeht.
    • Lebenslauf in englischer Sprache, ggf. mit Publikationsliste.
    • Akademische Zeugnisse in englischer oder deutscher Sprache über Ihre relevanten Abschlüsse.
    • Wenn möglich, Zeugnisse in Englisch oder Deutsch, einschließlich einer offiziellen Beschreibung der Notenskala.

    Mit der Abgabe einer Onlinebewerbung geben Sie als Bewerber*in Ihr Einverständnis, dass Ihre Daten elektronisch verarbeitet und gespeichert werden. Wir weisen darauf hin, dass bei ungeschützter Übersendung Ihrer Bewerbung auf elektronischem Wege keine Gewähr für die Sicherheit übermittelter persönlicher Daten übernommen werden kann. Datenschutzrechtliche Hinweise zur Verarbeitung Ihrer Daten gem. DSGVO finden Sie auf der Webseite der Personalabteilung: https://www.abt2-t.tu-berlin.de/menue/themen_a_z/datenschutzerklaerung/ .

    Zur Wahrung der Chancengleichheit zwischen Frauen und Männern sind Bewerbungen von Frauen mit der jeweiligen Qualifikation ausdrücklich erwünscht. Schwerbehinderte werden bei gleicher Eignung bevorzugt berücksichtigt. Die TU Berlin schätzt die Vielfalt ihrer Mitglieder und verfolgt die Ziele der Chancengleichheit.

    Technische Universität Berlin - Die Präsidentin - Fakultät IV, Institut für Hochfrequenz- und Halbleiter-Systemtechnologien, FG Halbleiterbauelemente und Mikroelektroniksysteme, Prof. Dr. Jadaun, Sekr. TIB 4/2-1, Gustav-Meyer-Allee 24, 13355 Berlin

    Fakten

    Veröffentlicht 21.10.2024

    Anzahl Angestellte ca. 7000

    Kategorie Graduierten-Stelle, Wiss. Mitarbeiter*in, Promotions-Stelle

    Kategorie TU Berlin Wiss. Mitarbeiter*in mit Lehraufgaben

    Aufgabengebiet Forschung, Lehre

    Beginn frühestens Frühestmöglich

    Dauer für 5 Jahre

    Umfang 100 % Arbeitszeit; Teilzeitbeschäftigung ist ggf. möglich

    Vergütung Entgeltgruppe E13

    Anforderungen

    Abschluss Master, Diplom oder Äquivalent

    Studiengang Elektrotechnik, Informatik, Materialwissenschaften, angewandte Physik

    Sprachkenntnisse

    • Englisch (sehr gute Kenntnisse)

    Bewerben

    Bewerbungsfrist 18.11.2024

    Kennziffer IV-459/24

    per Post Technische Universität Berlin

    • Die Präsidentin -
      ausschließlich per E-Mail / only by email

    per E-Mail personal@tmp.tu-berlin.de

    Gehaltsschätzung baito Pro Feature

    Min

    Median

    Max

    Engagement Statistikenbaito Pro Feature

    Aufrufe
    Likes
    Bewerbungen

    Deine zukünftigen Kolleg:innenbaito Pro Feature

    bei Technische Universität Berlin

    Technische Universität Berlin Logo
    1234567
    vor 9 Tagen

    Verweise auf baito

    Du findest gut, was wir machen? Du kannst uns dabei unterstützen. Gib bei deiner Bewerbung an, dass du die Stelle bei baito gefunden hast.

    Jetzt bewerben

    Ähnliche Impact Jobs