博后职位—德国于利希研究中心—CFD与机器学习

enssn

申请截止日期：2024.4.15

专业领域：机器学习、计算物理、流体力学、人工神经网络、机械工程、化学工程、应用数学、程序设计语言、电化学

德国于利希研究中心是德国亥姆霍兹国家研究中心联合会的下属科研机构，主要从事物质结构、能源、信息、生命、环境和运输航天等方向的研究。现有超过5000名研究人员，是欧洲最大的科学研究机构之一。研究中心在核物理、磁共振脑成像、太阳能电池和高倍透射电镜等方面的研究处于世界前沿。其中固体研究所Peter Grünberg 教授因发现巨磁电阻效应而荣获2007年诺贝尔物理学奖。

1、职位介绍

我们的团队致力于利用开源方法为 SOC 创建通用数值解决方案框架，并实施“数字孪生”的创新概念。 该框架旨在结合多尺度和多物理原理，全面了解 SOC 内发生的传输现象。

• 弥合差距：我们的主要目标是弥合现实世界 SOC 堆栈与其虚拟对应堆栈之间的差距。 通过将物理模型与数据驱动/机器学习 (ML) 方法相结合，我们的目标是增强对 SOC 行为的理解。
• 效率和准确性：与之前主要专注于 SOC 建模的准确但缓慢的 CFD 模拟不同，我们的新框架强调实现效率和准确性之间的平衡。 我们相信这种方法将显着加快 SOC 堆栈和系统的设计和优化过程。
• 神经网络集成：为了实现这种平衡，我们计划将各种神经网络方法集成到我们现有的框架中。 这些方法将提高计算效率，同时保持准确性。
  

2、任务

• 与内部和外部合作伙伴合作，基于先前开发的框架 openFuelCell2 开发和编码基于 ML 和 CFD 的平台
• 与数值和实验同事密切合作，以确定平台要求和潜在支持的实验设置
• 进行数值预测以协助 SOC 堆栈/系统的设计和优化
• 指导（博士）学生参与相关主题
• 在科学出版物和会议上总结和发表结果
  

3、资格

• 已完成机械工程、化学工程、应用数学或计算科学硕士学位，最好有相关领域的博士学位或同等工作经验
• 精通 C++ 编程技能，特别是机器学习或人工神经网络； 了解 Python 者优先
• 了解计算流体动力学及其在电化学装置中的应用； 熟悉 OpenFOAM 优先
• 拥有跨学科项目的初步经验，具有开放的态度和灵活的工作态度
• 积极主动、宽容的态度，有能力负责任地监督学生
• 流利的英语口语和写作能力，懂德语更佳