Job Opportunities in Germany

• Bio-inspiriertes neuromorphes Lernen:
• Ziel ist es, neue, bioinspirierte Lernalgorithmen zu erforschen, die über Deep Learning hinausgehen, und diese in Hardware zu implementieren. Diese Algorithmen umfassen Vorwärtslernmodelle und Techniken der adaptiven Intelligenz.
• Sie werden neuartige nanoelektronische Bauelemente (z. B. Re RAMs, magnetische Domain-Wall-Systeme, ferroelektrische FETs und 2D-Bauelemente) entwerfen und deren komplexe Physik nutzen, um neuartige Lernalgorithmen zu implementieren, die im tierischen Gehirn zu finden sind.
  Dieses Projekt wird sich auf Anwendungen in den Bereichen Gesundheit, Neurotechnologie, intelligente Sensoren, intelligente Energie und Robotik auswirken.

• Computergestütztes Design und Testen neuromorpher Hardware, einschließlich neuartiger Materialien, Bauelemente und Schaltungen. Implementierung von bio-inspirierten Lernalgorithmen auf dieser Hardware.
• Zusammenarbeit mit einem internationalen, multidisziplinären Team, um unsere gemeinsame Forschungsagenda zu erreichen. Zusammenarbeit mit Gruppen im Bereich des maschinellen Lernens und der Neurowissenschaften für die algorithmischen Aspekte und mit experimentellen Gruppen für die Herstellungsaspekte des Projekts.
• Erstellung hochwertiger Publikationen 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.

• 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.

• 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, mumax usw.)
  b) Grundlagen des Schaltungsentwurfs (einschließlich Werkzeuge wie SPICE oder Cadence Spectre usw.)
  c) Computergestützte Werkstoffkunde (einschließlich Werkzeuge wie Quantum ATK oder VASP usw.).
• Kenntnisse oder Erfahrungen in mindestens einem der folgenden Bereiche:
  d) KI-Algorithmen und tiefe neuronale Netze (einschließlich Deep-Learning-Frameworks wie Tensor Flow oder Py Torch usw.).
  e) Neue bioinspirierte Algorithmen.
• Die Fähigkeit, in englischer Sprache zu arbeiten und zu lehren, wird vorausgesetzt.

• Interesse an neuromorpher Datenverarbeitung und Neugier für 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 Git Hub.
• Erfahrung in der Entwicklung neuromorpher Hardware.
• Erfahrung in der Entwicklung von digitalen/gemischten integrierten Schaltungen (ICs) und Low-Power-ICs.

• 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.

Fakten

Anforderungen

Bewerben