Wissenschaftliche/r Mitarbeiter/in (m/w/d) für die Arbeitsgruppe Prof. Dr. Steffen Glaser, Department Chemie „Maschine Learning and Quantum Control“.

25.03.2024, Wissenschaftliches Personal

Die Arbeitsgruppe Prof. Dr. Steffen Glaser sucht zum nächstmöglichen Zeitpunkt eine/n wissenschaftliche/n Mitarbeiter/in zur Mitarbeit am Forschungsprojekt „Kombination von maschinellem Lernen und optimale Steuerungsmethoden für den effizienten Entwurf von High-Fidelity-Quantenoperationen für Anwendungen im Quantencomputing und in der Spektroskopie“.

Ihr Aufgabengebiet am Projekt umfasst Forschung in Maschinen Learning, Quantentechnologie, Quantencomputing, optimale Steuerung von Quantensystemen. Die Kombination von modernen Methoden des maschinellen Lernens mit leistungsfähigen numerischen optimal-control Methoden verspricht es, das Design von präzisen und robusten Pulssequenzen für die experimentelle Realisierung von Quantenoperationen wesentlich zu verbessern und zu beschleunigen. Potentielle Anwendungen umfassen sowohl etablierte Quantentechnologien wie Kernspin-Bildgebung und Kernspin-Spektroskopie, aber insbesondere neue Quantentechnologien und Quantencomputing-Plattformen. Das Projekt ist Teil der Munich Quantum-Valley-Initiative (MQV, www.munich-quantum-valley.de) und des Munich Center for Quantum Science and Technology (MCQST, www.mcqst.de) und bietet vielfältige Möglichkeiten der Kooperation mit theoretisch und experimentell arbeitenden Forschungsgruppen.
Der/Die Bewerber/in sollte sehr gute Kenntnisse und Erfahrungen im Bereich (klassisches) machine learning/ reinforcement learning mitbringen. Kenntnisse von optimal-control Methoden und / oder Quantentechnologien wären hilfreich, sind jedoch nicht zwingend notwendig und können im Laufe des Projekts erworben werden.

E13 Stelle Postdoc oder Doktorand, befristet, voraussichtlich bis Ende 2026. Start zum nächstmöglichen Zeitpunkt.

Die Stelle ist für die Besetzung mit schwerbehinderten Menschen geeignet. Schwerbehinderte Bewerberinnen und Bewerber werden bei ansonsten im wesentlichen gleicher Eignung, Befähigung und fachlichen Leistung bevorzugt eingestellt.

Im Rahmen Ihrer Bewerbung um eine Stelle an der Technischen Universität München (TUM) übermitteln Sie personenbezogene Daten. Beachten Sie bitte hierzu unsere Datenschutzhinweise gemäß Art. 13 Datenschutz-Grundverordnung (DSGVO) zur Erhebung und Verarbeitung von personenbezogenen Daten im Rahmen Ihrer Bewerbung https://portal.mytum.de/kompass/datenschutz/Bewerbung/. Durch die Übermittlung Ihrer Bewerbung bestätigen Sie, dass Sie die Datenschutzhinweise der TUM zur Kenntnis genommen haben

Die TUM strebt eine Erhöhung des Frauenanteils an, Bewerbungen von Frauen werden daher ausdrücklich begrüßt.

Wir freuen uns auf Ihre aussagekräftige Bewerbung per E-Mail an Namalee.Danwatte@tum.de
TUM School of Natural Sciences
Department Chemie
Arbeitsgruppe Prof. Steffen Glaser
Lichtenbergstr. 4
85748 Garching bei München
www.ch.nat.tum.de/en/ocnmr/home/

Kontakt: glaser@tum.de +49 162 2515898