Ülevaade Füüsikaliste ja arvutusteaduste direktoraadi (PCSD) teadlased juhivad suuri teadus- ja arendustegevuse jõupingutusi eksperimentaalse ja teoreetilise liidese keemia, keemilise analüüsi, suure energiaga füüsika, liideste katalüüsi, multifunktsionaalsete materjalide ja integreeritud suure jõudlusega alal. ja andmemahukas andmetöötlus. PCSD on PNNL’i peamine korraldaja teadusuuringutes, mida toetavad energeetika osakonna energeetika põhiteaduste osakonnad, täiustatud teaduslikud arvutusuuringud ja tuumafüüsika, mis kõik kuuluvad energeetikaosakonna teadusbüroosse. Lisaks teostavad direktoraadi töötajad uurimis- ja arendustegevust eratööstuse ja muude valitsusasutuste, näiteks kaitseministeeriumi ja NASA jaoks. Direktoraadi teadlased on interdistsiplinaarsete meeskondade liikmed, kes tegelevad riikliku tähtsusega väljakutsetega, mis hõlmavad kõiki energeetikaministeeriumi missioone. Kohustused Kavandab, arendab ja juurutab meetodeid, protsesse ja süsteeme erinevate andmete analüüsimiseks. Rakendab teadmisi statistikast, masinõppest, täiustatud matemaatikast, simulatsioonist, tarkvaraarendusest ja andmemodelleerimisest, et integreerida ja puhastada andmeid, tuvastada mustreid, käsitleda ebakindlust, esitada küsimusi ja teha struktureeritud ja/või struktureerimata andmete põhjal avastusi. Toodab lahendusi, mis põhinevad uurimuslikul andmeanalüüsil keerukatest ja suuremõõtmelistest andmekogumitest. Kavandab, arendab ja hindab ennustavaid mudeleid ja täiustatud algoritme, mis viivad andmetest optimaalse väärtuse eraldamiseni. Näitab võimet oskusi rakendusvaldkondade vahel üle kanda. Kvalifikatsioonid Minimaalne kvalifikatsioon: BS/BA või kõrgem Eelistatud kvalifikatsioon: Oskus arvutuskeemias ja keemiaformaatikas, eelkõige modelleerimises ja simulatsiooniandmete integreerimises, keskendudes väikeste molekulide ja valgu struktuuriandmete jaoks kohandatud graafikute või konvolutsiooniliste närvivõrkude arendamisele. Tunnen hästi erinevaid masinõppe algoritme ja pakette, sealhulgas, kuid mitte ainult, regressiooni- ja klassifitseerimisalgoritme, juhendatud/järelevalveta õppetehnikaid, Random Forest'i, SVM-i ja erinevaid närvivõrke. Vajalik on kogemus süvaõppe raamistikega, nagu sci-kit Learn, MATLAB, theano, Torch ja TensorFlow. Kindel töökogemus Unixi/Linuxi keskkondades ning HPC (High-Performance Computing) ja pilvandmetöötluse sätetes. Kõrgetasemeliste programmeerimiskeelte, nagu Python, R ja Matlab, oskus on ülioluline. Kõrgelt hinnatakse taustateadmisi või kogemusi autonoomse teaduse, AI/ML, andmeteaduse ja loomuliku keele töötlemise vallas ning keemia, materjaliteaduse, keemiaformaatika ja arvutusliku keemia/bioloogia alal. Kogemus esiotsa tehnoloogiate (HTML, CSS, JavaScript) ja raamistike (React, Angular, Vue.js) vallas. Vajalikud on ka serveripoolsete keelte (Node.js, Python, Ruby on Rails) taustaarendusoskused. Tarkvaratehnoloogia kontseptsioonide, sealhulgas disainimustrite tugev mõistmine,