Yleiskatsaus Fysikaalisten ja laskennallisten tieteiden pääosaston (PCSD) tutkijat johtavat suuria tutkimus- ja kehitystyötä kokeellisessa ja teoreettisessa rajapintakemiassa, kemiallisessa analyysissä, korkean energian fysiikassa, rajapintakatalyysissä, monifunktionaalisissa materiaaleissa, ja integroitu korkean suorituskyvyn ja dataintensiivinen laskenta. PCSD on PNNL:n ensisijainen valvoja tutkimukselle, jota tukevat energiaministeriön energiatieteen laitoksen virastot, Advanced Scientific Computing Research ja Nuclear Physics. Lisäksi osaston henkilökunta suorittaa tutkimus- ja kehitystyötä yksityiselle teollisuudelle ja muille valtion virastoille, kuten puolustusministeriölle ja NASAlle. Osaston tutkijat ovat jäseniä poikkitieteellisissä ryhmissä, jotka käsittelevät kansallisesti tärkeitä haasteita, jotka kattavat kaikki energiaministeriön tehtävät. Vastuut Pacific Northwest National Laboratory (PNNL) etsii tutkimusdatan tutkijoita harjoittelijoille, jotka keskittyvät tieteelliseen koneoppimiseen ja sovelluksiin dynaamisiin järjestelmiin ja ohjaukseen. Hakijalla tulee olla kokemusta tai kiinnostusta tieteellisten ohjelmistojen kehittämiseen ja tieteellisen tiedon hallintaan FAIR-periaatteiden mukaisesti. Painopiste on dynaamisten järjestelmien, kuten tuulivoiman, rakennusten energiajärjestelmien, robotiikan tai tieteellisten sovellusten, kuten autonomisten tiedelaboratorioiden, mallintamisessa ja ohjauksessa. Menestyneiden hakijoiden odotetaan myös auttavan tiivistämään teknisiä havaintoja ja osallistumaan vertaisarvioituihin julkaisuihin. Menestyneet hakijat tekevät yhteistyötä monialaisessa teknisessä tiimissä ja heillä tulee olla vahvat kommunikaatio- ja vuorovaikutustaidot. Pätevyydet Vähimmäispätevyys: Hakijoiden on oltava tällä hetkellä kirjautuneena tohtoriohjelmaan/yliopistoon akkreditoidussa korkeakoulussa. Vähintään 3.0 GPA vaaditaan. Suositeltavat tutkinnot: Vahvat taidot valituilla soveltavan matematiikan aloilla (esim. analyysi, lineaarinen algebra, dynaamiset järjestelmät, mallintaminen ja simulointi, ohjausteoria, graafiteoria, topologia, operaattoriteoria). Python-kieli- ja datatieteen pakettien (esim. Numpy, Pandas, SciPy, Matplotlib) taito. Ohjelmistojen versionhallintajärjestelmien (kuten Git) taito. Nykyaikaisten koneoppimiskirjastojen (kuten Pytorch tai Tensorflow) taito on plussaa. Kokemus nykyaikaisista tieteellisistä syväoppimismenetelmistä (esim. Neural ODE:t, Physics Informed Neural Networks, Operator Networks, Hamiltonin ja Lagrangian neuroverkot, Graph hermoverkot) katsotaan eduksi. . Rajoitettujen optimointityökalujen (esim. Gurobi, CPLEX) tuntemus on plussaa. Kokemus robotiikkajärjestelmien suunnittelusta ja ohjauksesta katsotaan eduksi. Kokemus ROS-robottien ohjelmoinnista ja kokemus robotiikan simulaatioympäristöistä (kuten MuJoCo) katsotaan eduksi. Taustaa energian perus- ja soveltavissa tieteissä (esim. laskennallinen fysiikka tai laskenta