Overzicht De onderzoekers van het Physical and Computational Sciences Directorate (PCSD) leiden grote R&D-inspanningen op het gebied van experimentele en theoretische grensvlakchemie, chemische analyse, hoge-energiefysica, grensvlakkatalyse, multifunctionele materialen en geïntegreerde hoogwaardige materialen en data-intensief computergebruik. PCSD is de voornaamste rentmeester van PNNL voor onderzoek, ondersteund door de Offices of Basic Energy Sciences, Advanced Scientific Computing Research en Nuclear Physics van het Department of Energy, allemaal binnen het Office of Science van het Department of Energy. Daarnaast voert het directoraatpersoneel onderzoek en ontwikkeling uit voor de particuliere industrie en andere overheidsinstanties, zoals het ministerie van Defensie en NASA. De onderzoekers van het directoraat zijn lid van interdisciplinaire teams die uitdagingen van nationaal belang aanpakken die alle missies van het ministerie van Energie bestrijken. Verantwoordelijkheden Ontwerpt, ontwikkelt en implementeert methoden, processen en systemen om diverse gegevens te analyseren. Past kennis van statistiek, machinaal leren, geavanceerde wiskunde, simulatie, softwareontwikkeling en datamodellering toe om gegevens te integreren en op te schonen, patronen te herkennen, onzekerheid aan te pakken, vragen te stellen en ontdekkingen te doen op basis van gestructureerde en/of ongestructureerde gegevens. Produceert oplossingen die worden aangedreven door verkennende data-analyse van complexe en hoogdimensionale datasets. Ontwerpt, ontwikkelt en evalueert voorspellende modellen en geavanceerde algoritmen die leiden tot optimale waarde-extractie uit de data. Toont het vermogen om vaardigheden over te dragen tussen toepassingsdomeinen. Kwalificaties Minimale kwalificaties : BS/BA of hoger Voorkeurskwalificaties : Vaardigheid in computationele chemie en schei-informatica, specifiek in modellering en integratie van simulatiegegevens, met een focus op het ontwikkelen van grafische of convolutionele neurale netwerken op maat gemaakt voor kleine moleculen en structurele eiwitgegevens. Sterke bekendheid met een verscheidenheid aan machine learning-algoritmen en -pakketten, inclusief maar niet beperkt tot regressie- en classificatie-algoritmen, begeleide / niet-gecontroleerde leertechnieken, Random Forest, SVM en verschillende neurale netwerken. Ervaring met deep learning-frameworks zoals sci-kit Learn, MATLAB, theano, Torch en TensorFlow is essentieel. Gedegen ervaring met het werken in Unix/Linux-omgevingen en High-Performance Computing (HPC) en cloud computing-instellingen. Vaardigheid in programmeertalen op hoog niveau zoals Python, R en Matlab is cruciaal. Achtergrondkennis of ervaring in autonome wetenschap, AI/ML, datawetenschap en natuurlijke taalverwerking, samen met een basis in scheikunde, materiaalkunde, schei-informatica en computationele chemie/biologie, zullen zeer gewaardeerd worden. Ervaring met front-end technologieën (HTML, CSS, JavaScript) en frameworks (React, Angular, Vue.js). Back-end-ontwikkelingsvaardigheden in server-side talen (Node.js, Python, Ruby on Rails) zijn ook vereist. Sterke kennis van software-engineeringconcepten, waaronder ontwerppatronen,