Stellen

Postdoktorand/in für tabellarische Foundation-Modelle für Gebäude- und Quartiersenergiesysteme

Materialwissenschaft und -technologie sind unsere Leidenschaft. Mit unserer Spitzenforschung leisten die rund 1.100 Mitarbeitenden der Empa wesentliche Beiträge zum Wohl der Gesellschaft für eine lebenswerte Zukunft. Die Empa ist eine Forschungseinrichtung des ETH-Bereichs.

Unsere Leidenschaft gilt der Materialwissenschaft und -technologie, und im Urban Energy Systems Laboratory (UESL) entwickeln wir Strategien und Methoden zur Unterstützung der Schaffung dekarbonisierter, resilienter und gerechter Energiesysteme. 

Diese Postdoc-Stelle wird in Zusammenarbeit mit dem Intelligent Maintenance and Operations Systems (IMOS) Laboratory an der EPFL (Prof. Olga Fink) angeboten. IMOS entwickelt fortschrittliche Methoden des maschinellen Lernens und der KI für komplexe technische und industrielle Systeme, mit besonderem Fokus auf die Verbesserung ihrer Zuverlässigkeit, Verfügbarkeit und Betriebseffizienz bei gleichzeitiger Ermöglichung effizienterer und kostengünstigerer Wartung. 

Zur Förderung der Entwicklung tabellarischer Foundation-Modelle für Energiesysteme suchen wir eine hochmotivierte und qualifizierte Postdoktorandin bzw. einen Postdoktoranden. Das Projekt zielt darauf ab, Foundation-Modelle zu entwickeln, die aus heterogenen tabellarischen Daten über Gebäude- und quartiersweite Energiesysteme lernen und über Systeme, Betriebsbedingungen und nachgelagerte Aufgaben hinweg transferieren können. Die Stelle verbindet die Expertise des Empa UESL in der Entwicklung und Nutzung von Energiesystemmodellen mit der methodischen Expertise des IMOS-Labors im Bereich maschinelles Lernen und Foundation-Modelle. Ihre Aufgaben

Bewertung und Benchmarking bestehender vortrainierter tabellarischer Foundation-Modelle für Gebäude- und quartiersbezogene Energieanwendungen, mit Beurteilung ihrer Übertragbarkeit und Generalisierung über Systeme, Betriebsbedingungen und nachgelagerte Aufgaben hinweg. 
Anpassung und Feinabstimmung bestehender Foundation-Modelle für Energiesystemanwendungen, Untersuchung effizienter Anpassungsstrategien sowie Nutzung domänenspezifischer Daten und Kenntnisse. 
Entwicklung neuer tabellarischer Foundation-Modelle, wenn bestehende vortrainierte Modelle unzureichend sind, mit besonderem Fokus auf Übertragbarkeit über heterogene Energiesysteme und Datensätze hinweg. 
Validierung und Benchmarking der entwickelten Modelle anhand von Gebäudemessungen, physikbasierten Simulationen und Energiesystem-Optimierungsmodellen. 
Untersuchung, wie tabellarische Foundation-Modelle die Energiesystemmodellierung und -optimierung unterstützen können, einschließlich Anwendungen wie Prognose, Surrogatmodellierung, Unsicherheitsquantifizierung und Entscheidungsunterstützung. 
Koordination der gemeinsamen Forschungsaktivitäten zwischen UESL und IMOS. 
Veröffentlichung und Präsentation von Forschungsperspektiven und -ergebnissen. 
Mitwirkung an Forschungsanträgen und der Einwerbung von wettbewerbsfähigen Fördermitteln. Ihr Profil
Wir suchen eine hochmotivierte und engagierte/n Forscher/in mit einer Promotion in Mathematik, Elektrotechnik, Maschinenbau, Informatik oder einem verwandten Fachgebiet sowie einem starken methodischen Hintergrund im maschinellen Lernen. Die ideale Kandidatin bzw. der ideale Kandidat verfügt über nachgewiesene Forschungserfahrung mit Foundation-Modellen, einschließlich Bewertung und Anpassung vortrainierter Modelle, Feinabstimmungsstrategien sowie Entwicklung neuer Modellarchitekturen oder Lernansätze. Erfahrung mit tabellarischen Foundation-Modellen oder Foundation-Modellen für strukturierte Daten ist für diese Position besonders relevant. 

Wesentliche Qualifikationen umfassen: 

Umfangreiche Forschungserfahrung in Deep Learning und Foundation-Modellen, einschließlich Erfahrung mit vortrainierten Modellen, Feinabstimmung, Transferlernen oder selbstüberwachtem Lernen. Erfahrung mit tabellarischen Foundation-Modellen oder Foundation-Modellen für strukturierte Daten ist besonders relevant. 
Fundiertes Verständnis moderner Deep-Learning-Architekturen und Trainingsstrategien sowie Erfahrung in der Gestaltung und rigorosen Bewertung neuer Methoden des maschinellen Lernens. Hervorragende Python-Programmierkenntnisse und umfassende praktische Erfahrung in der Implementierung, dem Training und der Bewertung von Deep-Learning-Modellen und Forschungscodebasen. 
Nachweisliche Erfolge im Bereich maschinelles Lernen oder verwandten Gebieten 
Ausgezeichnete schriftliche und mündliche Englischkenntnisse Idealerweise bringt die Kandidatin bzw. der Kandidat zudem mit: 

Erfahrung in der Modellierung und Optimierung von Energiesystemen 
Erfahrung mit tabellarischen oder heterogenen Daten, insbesondere über mehrere Datensätze, Domänen oder Aufgaben hinweg 
Vertrautheit mit mathematischen Optimierungsmethoden, wie gemischt-ganzzahliger linearer Programmierung 
Erfahrung mit Unsicherheitsquantifizierung, Surrogatmodellierung oder physik-informiertem maschinellen Lernen 
Verständnis der technischen Herausforderungen im Zusammenhang mit der Energiewende Unser Angebot

Ein anregendes und interdisziplinäres Forschungsumfeld sowie Möglichkeiten zur persönlichen und beruflichen Weiterentwicklung 
Enge Zusammenarbeit zwischen Empa und EPFL, die komplementäre Expertise in Energiesystemen, maschinellem Lernen und Foundation-Modellen vereint 
Die Chance, eine aufstrebende Forschungsrichtung an der Schnittstelle von künstlicher Intelligenz, Energiesystemmodellierung und -optimierung mitzugestalten 
Die Möglichkeit, sofort oder nach Vereinbarung zu beginnen

Wir pflegen eine Kultur der Inklusion und des Respekts. Wir heissen alle Menschen willkommen, die sich für innovative, nachhaltige und sinnvolle Tätigkeiten interessieren – das ist, was zählt.

Wir freuen uns auf Ihre vollständige Online-Bewerbung, inklusive Motivationsschreiben, Lebenslauf, einem einseitigen Forschungsvorschlag, wie Sie Ihre Aufgaben angehen würden, Zeugnissen, Diplomen und Kontaktdaten von zwei Referenzpersonen. Der Forschungsvorschlag sollte kurz die Forschungsvision der Kandidatin bzw. des Kandidaten und vorgeschlagene methodische Ansätze zur Weiterentwicklung tabellarischer Foundation-Modelle für Energiesysteme skizzieren, inklusive potenzieller Forschungsfragen und relevanter Ansätze für die Position. Bitte reichen Sie Ihre Bewerbung ausschliesslich über unser Jobportal ein. Bewerbungen per E-Mail oder Post werden nicht berücksichtigt. 
Patricia Nitzsche,
Stv. Leiterin Human Resources / Dep. Head Human Resources

  Fragen?
 
Dr Robin Mutschler robin.mutschler@empa.ch

Gruppenleiter Makro-Energiesysteme
Urban Energy Systems Laboratory

https://www.empa.ch/web/s313

Ihr zukünftiger Arbeitsplatz
Empa
Ueberlandstrasse 129
8600 Dübendorf

Empa als Arbeitgeber

Innovative, nachhaltige, sinnvolle Tätigkeiten

Wertschöpfung für die Gesellschaft

Internationales, multikulturelles Arbeitsumfeld

Freiheit zur Gestaltung und Entwicklung

Kultur der Inklusion und des Respekts

Ausgezeichnete Balance zwischen verschiedenen Lebensbereichen

Mehrfach ausgezeichneter und zertifizierter Arbeitgeber

Vorteile für Bahn, Mobilität, Kinderbetreuung, Verpflegung etc.

Gut zu wissen
Empa Webseite
 
Arbeiten in der Schweiz
 
Einstellungsprozess
 
Arbeitsbedingungen  

Jetzt bewerben