áttekintése A Fizikai és Számítási Tudományok Igazgatósága (PCSD) kutatói jelentős kutatás-fejlesztési erőfeszítéseket vezetnek a kísérleti és elméleti határfelületi kémia, kémiai elemzés, nagy energiájú fizika, határfelületi katalízis, többfunkciós anyagok, valamint integrált nagy teljesítményű és adatigényes számítástechnika. A PCSD a PNNL elsődleges irányítója az Energiaügyi Minisztérium Tudományos Irodájának Energetikai Hivatala, az Advanced Scientific Computing Research és a Nuklear Physics által támogatott kutatások esetében. Ezenkívül az igazgatóság munkatársai kutatást és fejlesztést végeznek a magánipar és más kormányzati szervek, például a Védelmi Minisztérium és a NASA számára. Az Igazgatóság kutatói olyan interdiszciplináris csapatok tagjai, amelyek országos jelentőségű kihívásokkal foglalkoznak, és amelyek az Energiaügyi Minisztérium minden küldetését átfogják. Felelősségek A Pacific Northwest National Laboratory (PNNL) kutatói adattudós gyakornokokat keres, akik a tudományos gépi tanulásra, valamint a dinamikus rendszerekben és vezérlésre való alkalmazásokra összpontosítanak. A jelöltnek rendelkeznie kell tapasztalattal vagy érdeklődéssel a tudományos szoftverfejlesztésben és a tudományos adatok kezelésében a FAIR elveivel összhangban. A hangsúlyt az olyan dinamikus rendszerek modellezésére és vezérlésére helyezik, mint a szélenergia, az épületek energiarendszerei, a robotika vagy a tudományos alkalmazások, például az autonóm tudományos laboratóriumok. A sikeres pályázóktól azt is várják, hogy segítsenek összefoglalni a technikai eredményeket, és hozzájáruljanak a szakértői lektorált publikációkhoz. A sikeres jelöltek egy multidiszciplináris technikai csapatban fognak együttműködni, és erős kommunikációs és interperszonális készségekkel kell rendelkezniük. Képesítések Minimális képesítések: A pályázóknak jelenleg egy akkreditált főiskola PhD programjába kell beiratkozniuk/érettségizni. Minimum 3.0 GPA szükséges. Előnyben részesített képesítések: Erős jártasság az alkalmazott matematika kiválasztott területein (pl. elemzés, lineáris algebra, dinamikus rendszerek, modellezés és szimuláció, vezérléselmélet, gráfelmélet, topológia, operátorelmélet). Jártasság a Python nyelvi és adattudományi csomagokban (pl. Numpy, Pandas, SciPy, Matplotlib). Szoftververzió-vezérlő rendszerekkel (pl. Git) való jártasság. A modern gépi tanulási könyvtárakban (például Pytorch vagy Tensorflow) való jártasság előnyt jelent. A modern tudományos mély tanulási módszerekkel (pl. neurális ODE-k, fizikainformált neurális hálózatok, operátori hálózatok, Hamilton és Lagrange neurális hálózatok, Graph neurális hálózatok) szerzett tapasztalat előnyt jelent. . A korlátozott optimalizálási eszközök (pl. Gurobi, CPLEX) ismerete előnyt jelent. Robotrendszerek tervezésében és irányításában szerzett tapasztalat előnyt jelent. ROS-t használó robotok programozásában szerzett tapasztalat, valamint robotikai szimulációs környezetekben (például MuJoCo) szerzett tapasztalat előnyt jelent. Alapvető és alkalmazott energetikai tudományok (pl. számítási fizika vagy számítástechnika) háttere