T449-2025 - Wiss. Mitarbeiter:in / PostDoc (w/m/d) - Physikbewusstes maschinelles Lernen für Material- und Multiskalenmodellierung

Die TU Darmstadt steht für exzellente und relevante Wissenschaft. Die tiefgreifenden globalen Veränderungsprozesse – von Energiewende bis zu Künstlicher Intelligenz – gestalten wir durch herausragende Erkenntnisse und zukunftsweisende Studienangebote entscheidend mit. Unsere Spitzenforschung bündeln wir in drei Feldern: Energy and Environment, Information and Intelligence, Matter and Materials. Als eine in der Metropolregion Frankfurt-Rhein-Main verankerte und sehr stark international geprägte Universität sehen wir uns den europäischen Werten und der europäischen Integration verpflichtet.

Das von Prof. Dr. Oliver Weeger geleitete Fachgebiet Cyber-Physische Simulation (CPS) befasst sich mit der Forschung an zukunftsweisenden numerischen Methoden und Modellierungsansätzen für nichtlineare, skalenübergreifende und multiphysikalische Simulation und Optimierung im Maschinenbau, siehe www.cps.tu-darmstadt.de.

Physikbewusstes maschinelles Lernen (physics-aware machine learning, PAML) verknüpft die Flexibilität des maschinellen Lernens mit Vorwissen aus klassischer Modellierung und Simulation, um Vorhersagemodelle genauer, schneller, robuster und verlässlicher zu machen. In diesem Forschungsfeld wurden in den letzten Jahren, insbesondere für Anwendungen im Bereich der Material- und Multiskalenmodellierung, große Fortschritte erzielt, z.B. durch die am FG CPS entwickelten physik-augmentierten neuronalen Netze (PANN).

Um PAML-Methoden für breite Materialklassen wie Metamaterialien, additiv gefertigte Materialien und Strukturen, Polymere und Kunststoffe, Komposit-, Faser- und Biomaterialien, Gewebe, etc. anwenden zu können besteht aber noch erheblicher Forschungsbedarf, insbes. für inelastisches und multiphysikalisches Materialverhalten, sowie generative Ansätze. Darüber hinaus bietet PAML auch erhebliches, noch nicht erschöpftes Potential in der Modellreduktion, Surrogatmodellierung und für digitale Zwillinge von Materialien und Strukturen.

Um diese Forschungsrichtung weiter voranzutreiben, suchen wir ein:e Mitarbeiter:in, welche:r sich für die Entwicklung innovativer Ansätze des physikbewussten maschinelles Lernens für Material- und Multiskalen­modellierung begeistert!

Die Tätigkeit umfasst folgende Aufgaben:

• Forschung an der theoretischen Entwicklung, praktischen Implementierung und Anwendung von Methoden des physikbewussten maschinellen Lernens, insbesondere physik-augmentierter neuronaler Netze, für komplexe kontinuumsmechanische und multiphysikalische Problemstellungen:
  • Entwicklung von PAML-Methoden und PANN-Modellen für Anwendungen in der Material- und Multiskalenmodellierung, insbes. für inelastisches und multiphysikalisches Materialverhalten
  • Identifikation von Anwendungsmöglichkeiten für o.g. Methoden, z.B. für Metamaterialien, additiv gefertigte Materialien und Strukturen, Polymere und Kunststoffe, Komposit-, Faser- und Biomaterialien, Gewebe, etc.
  • Erschließung neuer Methoden des PAML, z.B. unter Einbezug von modernen Deep-Learning-Verfahren wie Graph-NN, Autoencoder, Bayes’sche NN, Large Language Modelle, generative KI, etc.
  • Implementierung der entwickelten Verfahren und Algorithmen in wissenschaftliche Programmpakete, Open Source Codes, oder kommerzielle Software
• Vertretung des Fachgebiets und Entwicklung eines eigenen Forschungsprofils in den o.g. Themenbereichen
• Präsentation von Forschungsergebnissen in wissenschaftlichen Publikationen und Vorträgen
• Unterstützung bei der Einwerbung und/oder unabhängige Einwerbung von Drittmitteln von öffentlichen Fördermittelgebern und aus der Industrie
• Unterstützung der Lehre des Fachgebiets, insbesondere Übungen und Tutorien im Bereich numerische Simulationsmethoden, Finite Elemente Methoden, oder physikbewusstes maschinelles Lernen, sowie Betreuung von studentischen Abschluss- und Projektarbeiten
• Aufgaben in der Selbstverwaltung des Fachgebiets sowie Kooperation und Abstimmung mit Projektpartnern

• Ausgezeichnete Promotion in Maschinenbau, Computational Engineering, angewandter Mechanik, oder einer entsprechenden Fachrichtung
• Sehr gute theoretische Kenntnisse in Kontinuumsmechanik, Materialtheorie, Multiskalenmodellierung und numerischen Methoden
• Sehr gute theoretische und Praktische Kenntnisse in Methoden des physikbewussten maschinellen Lernens, insbes. physikaugmentierte neuronale Netze, und deren Umsetzung
• Einschlägige Erfahrung in der Implementierung von PAML-Methoden in wissenschaftlichen Programmpakete
• Durch Publikationen in international anerkannten, begutachteten Fachzeitschriften nachgewiesene Erfahrung in wissenschaftlichem Arbeiten und publizieren
• Erfahrung in kooperativem wissenschaftlichem und interdisziplinärem Arbeiten, strukturierte Arbeitsweise, Teamfähigkeit
• Erfahrung in der Hochschullehre und didaktische Fähigkeiten, insbes. in der didaktischen Entwicklung von Lehrveranstaltungen sowie in der Betreuung von Studierenden
• Sehr gute Deutsch- und Englischkenntnisse in Wort und Schrift

Die Technische Universität Darmstadt bietet vielfältige und herausfordernde Aufgaben, eigenverantwortliches Arbeiten, aktuelle Technologien, gute kollegiale und partnerschaftliche Zusammenarbeit, bedarfsorientierte Fortbildungsmöglichkeiten und eine individuelle Personalentwicklung.

Das Beschäftigungsverhältnis dient zugleich der wissenschaftlichen Qualifizierung.

• Entfaltung und Gestaltung – Ein umfassendes internes Weiterbildungsangebot sowie Möglichkeiten der Weiterqualifizierung und Entwicklung
• Urlaub/Bildungsurlaub – 30 Tage Urlaub pro Jahr (bei Vollzeit) und 5 Tage Bildungsurlaub
• Nachhaltig und Mobil – Freifahrtberechtigung im gesamten Regionalverkehr in Hessen durch das LandesTicket Hessen nach den jeweils geltenden tariflichen Bestimmungen sowie mobiles Arbeiten
• Fit und Gesund – kostenlose medizinische Vorsorgeuntersuchungen und umfangreiches vergünstigtes Sportangebot
• Work-Life-Balance – flexible Arbeitszeitmodelle; Betriebliches Gesundheitsmanagement
• Altersvorsorge – Zusatzversorgung des öffentlichen Dienstes (VBL) nach den jeweils geltenden Bestimmungen
• Dienstrad/Fahrradleasing
• Familienfreundlichkeit/Vereinbarkeit Familie/Pflege/Beruf – Kinderbetreuungsangebote sowie Zahlung einer Kinderzulage (gemäß tariflichen Bestimmungen), Ferienangebote

Die Technische Universität Darmstadt strebt eine Erhöhung des Anteils der Frauen am Personal an und fordert deshalb besonders Frauen auf, sich zu bewerben. Bewerber:innen mit einem Grad der Behinderung von mindestens 50 oder diesen Gleichgestellte werden bei gleicher Eignung bevorzugt. Die Vergütung erfolgt nach dem Tarifvertrag für die Technische Universität Darmstadt (TV - TU Darmstadt). Teilzeitbeschäftigung ist grundsätzlich möglich.

Mit dem Absenden Ihrer Bewerbung willigen Sie ein, dass Ihre Daten zum Zwecke des Stellenbesetzungsverfahrens gespeichert und verarbeitet werden. Sie finden unsere Datenschutzerklärung auf unserer Webseite.

Für Rückfragen zu dieser Position steht Ihnen Prof. Dr. rer. nat. Oliver Weeger unter weeger@cps.tu-darmstadt.de gerne zur Verfügung.