Forschungswissenschaftler - Kontrolle und maschinelles Lernen

Bei Gigaton haben wir es uns zur Aufgabe gemacht, Gigatonnen an CO2-Emissionen aus den weltweit größten Emissionsindustrien (wie Zement, Stahl und Glas) zu reduzieren, indem wir autonome KI-Steuerungs- und Optimierungssysteme entwickeln, die die Physik der Fertigung erlernen und nutzen. Unsere Produkte betreiben Schwerindustrieanlagen effizienter, stabiler und mit geringeren Emissionen in Echtzeit – und legen damit den Grundstein für die nächste industrielle Revolution.
Wir sind ein Team aus Wissenschaftlern, Ingenieuren, Bauherren und Betreibern, die schwierige Probleme lieben, hohe Standards haben und Veränderungen in der physischen Welt bewirken wollen. Uns liegt Deep Tech am Herzen, aber uns liegt noch mehr am Herzen, ob sie in einer lebenden Anlage, mit echten Menschen und unter realen Einschränkungen zu Kosten und CO2-Auswirkungen führt.
Mit Gigaton lösen Sie wirklich schwierige Probleme an Orten, an die nur wenige Menschen jemals herankommen, und bauen etwas, das dem Planeten tatsächlich hilft. Sind Sie bereit für die Herausforderung?

Forschungsfragen, an denen Sie zunächst arbeiten könnten

• Dynamik aus Betriebsdaten lernen. Wie können wir aus verrauschten, teilweise beobachteten Daten, die während der Regelung gesammelt werden, nützliche Modelle einer Anlage identifizieren?

• Optimierung unter Unsicherheit. Wie kann die Bayes'sche Optimierung die Anlagenleistung verbessern, wenn Experimente teuer, Proben verrauscht sind und Betriebsbeschränkungen beachtet werden müssen?

• Lernen und gleichzeitig kontrollieren. Wie können wir die doppelte Kontrolle und aktives Lernen nutzen, um Maßnahmen auszuwählen, die die Leistung verbessern, und gleichzeitig Informationen über unsichere Dynamiken zu sammeln?

• Pflanzenübergreifendes Lernen. Welche Teile eines Modells oder einer Steuerungsstrategie können zwischen Anlagen übertragen werden und wie können wir sie effizient an einen neuen Standort anpassen?

Dabei handelt es sich eher um Beispiele als um eine erschöpfende Liste. Wir suchen jemanden, der einen relevanten Bereich vertieft, vielversprechende Verbindungen identifiziert und uns bei der Entscheidung hilft, welche Probleme als nächstes angegangen werden sollen.

Ihre Hauptaufgaben
Als Forschungswissenschaftler werden Sie:

• Gestalten Sie unsere Forschungs- und Entwicklungsagenda mit und verwandeln Sie Herausforderungen lebender Pflanzen in klar definierte Forschungsprobleme.

• Methoden zur Modellierung, Identifizierung, Optimierung und Steuerung komplexer physikalischer Systeme entwickeln und implementieren.

• Entwerfen Sie gründliche Experimente, legen Sie starke Grundlagen fest und verstehen Sie, wann und warum eine Methode funktioniert.

• Arbeiten Sie mit Prozessingenieuren zusammen, um Anlagenphysik, Betriebswissen und Einschränkungen in Modelle und Algorithmen zu integrieren.

• Arbeiten Sie mit Ingenieuren für maschinelles Lernen und Bereitstellung zusammen, um vielversprechende Methoden zu bewerten und sie in die Produktion zu bringen.

• Verfolgen Sie die bereitgestellte Leistung, untersuchen Sie Fehler und nutzen Sie das Gelernte als Leitfaden für weitere Untersuchungen.

• Kommunizieren Sie Ihre Ergebnisse klar und tragen Sie zum wissenschaftlichen Verständnis des Teams bei.

Wie eine tolle Passform aussieht

• Ein Doktortitel in Steuerung, maschinellem Lernen, angewandter Mathematik, Ingenieurwesen, Physik oder einem verwandten Bereich oder gleichwertige Forschungserfahrung.

• Ein ausgeprägter Forschungshintergrund in einem oder mehreren Bereichen aus den Bereichen Kontrolltheorie, datengesteuerte Steuerung, Systemidentifikation, Bayes'sche Optimierung, probabilistische Modellierung, physikinformiertes maschinelles Lernen, Nachahmungslernen oder modellbasiertes Verstärkungslernen.

• Nachweis, dass Sie eine Forschungsfrage formulieren, eine Methode entwickeln und diese sorgfältig bewerten können, durch Veröffentlichungen, Open-Source-Arbeit oder angewandte Forschung.

• Starke Python-Kenntnisse und Erfahrung in der Implementierung von Modellen für maschinelles Lernen mit Tools wie Pandas, NumPy, SciPy, PyTorch.

• Interesse daran, eng mit Ingenieuren zusammenzuarbeiten und Verantwortung dafür zu übernehmen, wie Ihre Methoden in der Praxis funktionieren.

• Praktische Erfahrung im Einsatz von maschinellen Lern- und Steuerungsalgorithmen.

• Ein starkes Interesse am Klimaschutz.

Sie müssen nichts über Zement wissen. Sie müssen sich für die Physik begeistern, bereit sein, von Bedienern und Verfahrenstechnikern zu lernen und verstehen wollen, warum sich eine Anlage so verhält, wie sie ist.
Wir erwarten nicht, dass Sie jedes Kästchen ankreuzen. Wenn Sie sich in einem relevanten Bereich vertiefen und diese Probleme Sie begeistern, würden wir gerne von Ihnen hören.
Als Gegenleistung für Ihre harte Arbeit geben wir Ihnen etwas
📈 Eigenkapital im Unternehmen: Wenn wir gewinnen, gewinnen Sie. Sie erhalten Optionen zum Teilen, sodass Sie von innen an unserer Reise teilhaben können.
🕰️Flexibles Arbeiten Wir vertrauen darauf, dass Sie wissen, wie und wann Sie am besten arbeiten, und dass Sie dies mit Ihrem Team erarbeiten.
🌴 30 Tage Urlaub (plus Feiertage). Ruhe ist produktiv. Nehmen Sie sich die Zeit, die Sie zum Aufladen brauchen
🪙 Eine großzügige Altersvorsorge. Wir planen in mehrfacher Hinsicht für die Zukunft.

Unsere Betriebsgrundsätze

↗️ Go Gig or Go Home: High Bar, All In. Was wir tun, ist für die Menschheit, für unsere Kunden und füreinander von Bedeutung. Wir legen außerordentlich hohe Maßstäbe an uns selbst und bringen die Dringlichkeit mit, die diese Mission erfordert.
🏭 Konkrete Ehrlichkeit: Seien Sie ehrlich. Während Beton das Fundament unserer Welt bildet, sind echte Ehrlichkeit und Transparenz das Fundament unserer Kultur.
🦾 Autonomes Eigentum: Hohe Handlungsfähigkeit, hohe Eigenverantwortung. Wir bauen Systeme, die die Kontrolle übernehmen und die Dinge verbessern. Wir machen dasselbe: Sehen Sie es, besitzen Sie es, fahren Sie es.
😄 Betonen Sie es mit Freundlichkeit und Spaß: Haben Sie Spaß, seien Sie freundlich. Wir sind hier, um das Leben auf der Erde zu verlängern, aber unser Leben ist noch begrenzt. Wir wollen die Fahrt genießen. Um diese vollständig einzusehen, besuchen Sie die Seite „Operating Principles Notion“ von Gigaton.
Weitere englischsprachige Jobs in Großbritannien finden Sie auf Arbeitnow

Quelle: Arbeitnow (https://www.arbeitnow.co.uk/jobs/companies/gigaton/research-scientist-control-machine-learning-london-404701)