Yleiskatsaus Fysikaalisten ja laskennallisten tieteiden pääosaston (PCSD) tutkijat johtavat suuria tutkimus- ja kehitystyötä kokeellisessa ja teoreettisessa rajapintojen kemiassa, kemiallisessa analyysissä, korkean energian fysiikassa, rajapintakatalyysissä, monitoimisissa materiaaleissa ja integroidussa korkean suorituskyvyn tekniikassa. ja dataintensiivinen laskenta. PCSD on PNNL:n ensisijainen valvoja tutkimukselle, jota tukevat energiaministeriön energia-alan perustieteiden toimistot, Advanced Scientific Computing Research ja Nuclear Physics, jotka kaikki kuuluvat energiaministeriön tiedetoimistoon. 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 Suunnittelee, kehittää ja toteuttaa menetelmiä, prosesseja ja järjestelmiä erilaisten tietojen analysoimiseksi. Käyttää tietoa tilastoista, koneoppimisesta, edistyneestä matematiikasta, simuloinnista, ohjelmistokehityksestä ja tietojen mallintamisesta datan integroimiseen ja puhdistamiseen, kuvioiden tunnistamiseen, epävarmuuteen puuttumiseen, kysymysten esittämiseen ja löytöjen tekemiseen strukturoidusta ja/tai strukturoimattomasta tiedosta. Tuottaa ratkaisuja, jotka perustuvat tutkivaan data-analyysiin monimutkaisista ja suuriulotteisista tietojoukoista. Suunnittelee, kehittää ja arvioi ennakoivia malleja ja edistyneitä algoritmeja, jotka johtavat optimaaliseen arvon poimimiseen tiedoista. Osoittaa kyvyn siirtää taitoja eri sovellusalueille. Pätevyydet Vähimmäispätevyys: BS/BA tai korkeampi Suositut tutkinnot: Laskennallisen kemian ja cheminformatiikan pätevyys, erityisesti mallinnuksen ja simulaatiotietojen integroinnissa, keskittyen pienille molekyyleille ja proteiinien rakennedatalle räätälöityjen graafisten tai konvoluutiohermoverkkojen kehittämiseen. Tunnet vahvasti erilaisia ​​koneoppimisalgoritmeja ja -paketteja, mukaan lukien, mutta ei rajoittuen, regressio- ja luokittelualgoritmit, valvotut/valvomattomat oppimistekniikat, Random Forest, SVM ja erilaiset hermoverkot. Kokemus syvästä oppimiskehyksestä, kuten sci-kit Learn, MATLAB, theano, Torch ja TensorFlow, on välttämätöntä. Vankka kokemus työskentelystä Unix/Linux-ympäristöissä ja High-Performance Computing (HPC) ja pilvilaskenta-asetuksissa. Korkean tason ohjelmointikielten, kuten Python, R ja Matlab, taito on ratkaisevan tärkeää. Taustatietoa tai kokemusta autonomisesta tieteestä, tekoälystä/ML:stä, datatieteestä ja luonnollisen kielen käsittelystä sekä kemian, materiaalitieteen, cheminformatiikan ja laskennallisen kemian/biologian perusteet arvostetaan. Kokemusta käyttöliittymäteknologioista (HTML, CSS, JavaScript) ja kehyksistä (React, Angular, Vue.js). Tarvitaan myös taustakehitystaitoja palvelinpuolen kielillä (Node.js, Python, Ruby on Rails). Vahva käsitys ohjelmistotekniikan käsitteistä, mukaan lukien suunnittelumallit,