Studentische Hilfskraft / Masterarbeit - Deep Learning zur Simulation des Stadtklimas

Hauptaufgaben

Stellen Sie synthetische städtische Stadtklima-Datensätze mit Hilfe von Large-Eddy-Simulationen (LES) her.

• Implementieren Sie Signed Distance Functions (SDF) und deren Gradienten.
• Entwickeln und trainieren Sie Deep-Learning-Modelle (DL) zur Approximation von 3D-Wind- und Temperaturfeldern in Stadtgebieten.
• Bewerten Sie die Generalisierungsfähigkeit des Modells.
• Vergleichen Sie die Genauigkeit und Inferenzgeschwindigkeit des DL-Emulators mit traditionellen CFD-Ergebnissen.

Erforderliche Qualifikationen

Masterstudium in Wissenschaftliches Rechnen, Informatik, Physik, Geoinformatik, Meteorologie oder einem verwandten computergestützten Fachgebiet.

• Ausgeprägte Programmierkenntnisse in Python und Deep-Learning-Frameworks (PyTorch oder TensorFlow).
• Interesse an geometrischem Deep Learning und der Physik der Strömungsdynamik.
• Solidere mathematische Grundlagen in partiellen Differentialgleichungen (PDEs) und Fourier-Analyse.

Erwünschte Qualifikationen

• Vertrautheit mit 3D-Datendarstellungen (Voxel, Punktwolken oder SDFs).
• Lernbereitschaft für geometrisches Deep Learning und die Physik der Strömungsdynamik.

Unterstützung

• Möglichkeit zur Arbeit an einer Masterarbeit an der Schnittstelle von KI und Stadtphysik.
• Zugang zu Hochleistungs-Workstations und GPU-Ressourcen.
• Betreuung durch Experten aus Atmosphärenmodellierung und Meteorologie sowie Maschinellen Lernung.
• Zugang zu einer internationalen Kooperationsplattform.

Bedingungen

• Wöchentliche Arbeitszeit von mindestens 5 Stunden.
• Befristete Stelle, mit Option zur Verlängerung.
• Fokus auf zukunftsrelevante Schlüsseltechnologien und Wirtschaftsverwertung.
• Eintritt in die wöchentliche Arbeitszeit nach Eingang der Online-Bewerbung.