Wissenschaftliche/r Mitarbeiter/in (m/w/d) / Promotionsstelle: Physik-informierte Deep Learning für PDE-beschränkte Optimierung im Bereich der Geothermie

17.03.2025, Wissenschaftliches Personal

Der Lehrstuhl für Erneuerbare und Nachhaltige Energiesysteme (ENS) an der Technischen Universität München (TUM) beschäftigt sich mit der Modellierung und Optimierung von Energiesystemen auf verschiedenen zeitlichen und räumlichen Skalen. Für unsere Forschungsgruppe Angewandte Optimierung suchen wir ab sofort eine/n Wissenschaftliche/r Mitarbeiter/in (m/w/d) / Promotionsstelle: Physik-informierte Deep Learning für PDE-beschränkte Optimierung im Bereich der Geothermie in Vollzeit.

Forschungsthema:
Die Geothermie ist eine der Schlüsseltechnologien zur Dekarbonisierung des Wärme- und Kältesektors. Um eine effiziente, zuverlässige und nachhaltige Nutzung tiefer und oberflächennaher Geothermiesysteme zu ermöglichen, sollten diese optimiert werden (Bohrlochstandorte, Dimensionierung, Betrieb usw.). Die daraus resultierenden Optimierungsprobleme sind sogenannte PDE-restringierte Optimierungsprobleme, da die physikalischen Prozesse im Untergrund durch PDEs beschrieben werden. Um diese mathematisch anspruchsvollen Probleme effizient zu lösen, müssen neue Optimierungsansätze entwickelt werden. Eine vielversprechende Forschungsrichtung ist der Einsatz von physik-informiertem Deep Learning, wie zum Beispiel physik-informierte neuronale Netze oder Deep Neuronale Operatoren.

Aufgaben:

• Mitarbeit in einem Team an nationalen Verbundforschungsprojekten, die sich mit der Entwicklung von Optimierungsmethoden für geothermische Systeme beschäftigen
• Sie sind verantwortlich für die Entwicklung von Lösungen in Bezug auf die Methodik (Theorie) und die Umsetzung (Anwendung) der neuen Deep Learning - gestützten Optimierungsansätze
• Koordinierung der Zusammenarbeit mit den Projektpartnern
• Publikation der Ergebnisse in begutachteten Fachzeitschriften und Präsentation auf internationalen Konferenzen
• Beitrag zur Ausbildung von Studierenden und damit Unterstützung unseres Bildungsauftrags.

Ihr Anforderungsprofil:

• Überdurchschnittlicher Master-Abschluss in Ingenieurwissenschaften, angewandter Mathematik, Physik oder Computational Science
• Ausgeprägte mathematische Kenntnisse und Interesse an der Entwicklung neuer mathematischer Methoden
• Gute Kenntnisse von mathematisch/numerischen Optimierungsmethoden oder Deep-Learning-Methoden
• Begeisterung für anspruchsvolle mathematische Probleme und interdisziplinäre Zusammenarbeit
• Einschlägige Erfahrung mit Programmiersprachen (vorzugsweise Python)
• Sie arbeiten selbstständig, strukturiert und zuverlässig.
• Sie sind kommunikativ, flexibel und können auch unter Druck arbeiten.
• Fließende englische Sprachkenntnisse (schriftlich/sprachlich)
• Bewerber*innen, die bereits eine Promotion begonnen oder abgeschlossen haben, werden automatisch ausgeschlossen.
  
  

Wir bieten:

• Eine interessante und anspruchsvolle Tätigkeit in einem internationalen und dynamischen Team am Standort Garching der TUM
• Flexible Arbeitszeiten
• Individuelle Weiterbildungsmöglichkeiten
• Beschäftigung nach dem Tarifvertrag für den öffentlichen Dienst (TV-L E13, 100%)
• Promotion im Rahmen der Tätigkeit an der TUM

Interessiert?

Dann freuen wir uns auf Ihre Bewerbung, die Sie bitte per E-Mail an jobs.ens@ed.tum.de mit dem Betreff "PhD application – DL Optimization" senden. Bitte fügen Sie folgende Dokumente als eine einzige PDF-Datei mit dem Titel "PhD_DLOptimization_IhrVorname_Familienname" bei: ausführlicher Lebenslauf, Bewerbungsschreiben, vollständiges akademisches Leistungsnachweis (Bachelor und Master). Bitte keine anderen Dokumente in die PDF-Datei einfügen. Für weitere Fragen steht Ihnen Herr Smajil Halilović (smajil.halilovic@tum.de) jederzeit gerne zur Verfügung. Die Ausschreibung bleibt offen, bis die Stelle besetzt ist.

Kontakt: smajil.halilovic@tum.de

Mehr Information