← Alle Stellen

Research Scientist in Scientific AI and Geotechnical Engineering

ETH Zürich

Anstellung
Vollzeit
Pensum
100%
Ort
Zürich
Unternehmen
ETH Zürich, Binzmühlestrasse 130, 8050 Zürich
Erstmals ausgeschrieben
Jetzt bewerben

Einleitungstext
Der Lehrstuhl für Geotechnik an der ETH Zurich, Teil des Instituts für Geotechnik (IGT), konzentriert sich in Lehre und Forschung auf das Fundamentwesen, die Bodenmechanik und Naturgefahren. Unser Ziel ist es, theoretisches Wissen mit Experimenten und numerischen Simulationen zu kombinieren, um neue Methoden zum Verständnis und zur Vorhersage des Verhaltens von Böden, Fundamenten und Infrastrukturen zu entwickeln.

Wir schaffen eine Stelle in unserer Forschungsgruppe an der ETH Zurich, die sich auf die Entwicklung und Integration moderner Methoden der Künstlichen Intelligenz (AI) in die geotechnische Forschung konzentriert, während gleichzeitig eine starke Verbindung zur zugrunde liegenden Physik und Mechanik gewahrt bleibt. Wir streben nicht danach, ein neues AI-Modell zu entwickeln oder physikbasiertes Engineering durch rein datengesteuerte AI zu ersetzen. Stattdessen wollen wir AI nutzen, um die Art und Weise zu transformieren, wie Forschung selbst betrieben wird – von der Generierung numerischer Modelle und der experimentellen Datenerfassung bis hin zur Analyse, Visualisierung und Kommunikation.

Zu diesem Zweck suchen wir einen Research Scientist in Scientific AI and Geotechnical Engineering, der gruppenübergreifend arbeitet und mit Doktoranden, Postdoktoranden und Senior Scientists zusammenarbeitet.

Die Rolle kombiniert wissenschaftliche Forschung, Computational Engineering, Forschungsautomatisierung, Data Science und die Entwicklung wiederverwendbarer, AI-gestützter Werkzeuge. Ein zentrales Ziel ist es, neue Möglichkeiten zu identifizieren, bei denen AI Forschung ermöglichen kann, die ansonsten schwierig oder unmöglich wäre, und Kapazitäten zu entwickeln, die in der gesamten Gruppe genutzt werden können.

Aufgaben-/Stellenbeschreibung
Die Tätigkeit wird mehrere verschiedene Bereiche unserer Arbeit miteinander verknüpfen:

Scientific AI and physics-informed modelling

Entwicklung und Anwendung von AI- und Machine-Learning-Ansätzen für anspruchsvolle Probleme im Bereich Geotechnik und Computational Mechanics, mit besonderem Schwerpunkt auf Ansätzen, die Daten mit physikalischem Wissen kombinieren, anstatt sich ausschließlich auf Black-Box-basierte, datengesteuerte Modelle zu verlassen.
Erkundung von Themen wie physics-informed und physics-guided Machine Learning, hybride Physik–ML-Konstitutivmodellierung, Surrogate- und Reduced-Order-Modelle, inverse Probleme und Parameteridentifikation, Unsicherheitsquantifizierung sowie AI-gestützte wissenschaftliche Entdeckung.
Anwendung dieser Methoden auf Probleme, die das Bodenverhalten, die Boden-Struktur-Interaktion, Verflüssigung, Naturgefahren, Fundamente und die Resilienz von Infrastrukturen betreffen.
AI-enabled numerical modelling

Entwicklung von Werkzeugen zur Automatisierung und Beschleunigung numerischer Modellierungs-Workflows, einschließlich Finite-Elemente (FE) und potenziell Discrete-Element (DEM) sowie Material Point Method (MPM) Simulationen.
Automatisierung von Aufgaben wie der Modellgenerierung, Geometrie- und Netz-Erstellung, Zuweisung von Materialien und Randbedingungen, Parameterstudien, High-Performance Computing (HPC) Ausführung, Modellverifizierung, Extraktion von Ergebnissen und standardisierter Post-Processing.
Erstellung robuster und wiederverwendbarer Werkzeuge, die es Forschern in der gesamten Gruppe ermöglichen, numerische Modelle effizienter zu erstellen und zu analysieren, während eine angemessene ingenieurtechnische Kontrolle und Verifizierung erhalten bleibt.
Automation of experimental research

Entwicklung von AI-gestützten Methoden zur Erfassung, Verarbeitung und Interpretation experimenteller Daten aus Labor- und Zentrifugenversuchen.
Automatisierung der Sensordatenverarbeitung, Synchronisation verschiedener Messsysteme, Computer-Vision-Analyse von Experimenten, Extraktion von Deformations- und Versagensmechanismen aus Bildern und Videos, Identifikation experimenteller Parameter sowie Integration experimenteller und numerischer Ergebnisse.
Geotechnical data intelligence

Entwicklung von Methoden zur Nutzung des wachsenden Volumens an geotechnischen Daten, die innerhalb der Gruppe und über externe Repositories verfügbar sind.
Organisation und Extraktion von Informationen aus historischen Labor- und Zentrifugenexperimenten sowie numerischen Analysen und Nutzung großer externer Datensätze und Forschungs-Repositories wie DesignSafe und Datenbanken, die geotechnische und geologische Eigenschaften enthalten.
Beitrag zur langfristigen Entwicklung strukturierter, physikbewusster geotechnischer Datensätze zur Unterstützung von Parameterinferenz, Modellkalibrierung, Unsicherheitsquantifizierung, Identifikation von Modellmängeln und der Entwicklung neuer physics-informed AI-Ansätze.
Scientific visualisation and communication

Entwicklung automatisierter Ansätze zur Transformation von Forschungsergebnissen in hochwertige Visualisierungen, Animationen und Videos.
Entwicklung von Werkzeugen, die wissenschaftliche Publikationen und Präsentationen unterstützen und gleichzeitig eine effektive Kommunikation der Forschung über Websites, Lehrmaterialien, Fachpublikum und Social-Media-Plattformen erleichtern.
Group-wide AI capability

Unterstützung beim Aufbau von AI als breit zugängliche Forschungskapazität innerhalb der Gruppe.
Identifikation von AI-Möglichkeiten in laufenden Forschungsaktivitäten, Entwicklung gemeinsamer Werkzeuge und Workflows, Bereitstellung interner Schulungen und Dokumentation sowie direkte Zusammenarbeit mit Forschern, um sie zu befähigen, moderne AI- und Computational-Methoden effektiv und unabhängig zu nutzen.

Ihr Profil
Wir suchen einen intellektuell neugierigen Wissenschaftler / Ingenieur, der starke computergestützte Fähigkeiten mit einem Interesse an physikalischen Systemen und ingenieurwissenschaftlicher Forschung kombiniert. Ein Hintergrund in Geotechnik ist nicht zwingend erforderlich, kann aber ein Vorteil sein.

PhD in computational mechanics, computational engineering, sci

Automatisch aus dem Original übersetzt.

Ausgeschrieben vor 2 Tagen

Ort

Auf Google Maps ansehen