Die AG Clementi am Fachbereich Physik der Freien Universität Berlin sucht eine*n Wissenschaftler*in für die Arbeit an der Entwicklung und Anwendung von Grobkorn-Methoden zur Untersuchung makromolekularer Dynamik mit maschinellem Lernen, experimentellen Daten und integrativer Strukturbiologie. Unsere Gruppe arbeitet an der Definition und Implementierung von Strategien zur Untersuchung komplexer biophysikalischer Prozesse auf langen Zeitskalen.
Wir verwenden datengetriebene Methoden für das systematische Coarse-Graining von makromolekularen Systemen, um eine Brücke zwischen molekularen und zellulären Skalen zu schlagen. Wir arbeiten an einer theoretischen Formulierung, um die komplementären Informationen zu nutzen, die in Simulation und Experiment gewonnen werden können, um die ungefähre, aber hochaufgelöste strukturelle und dynamische Information aus Berechnungsmodellen mit "exakter", aber niedriger aufgelöster Information aus Experimenten zu kombinieren.

Aufgabengebiet:
- Forschung und Lehre im Bereich Statistische Physik und Maschinelles Lernen in der Physik
- Anwendung von speziell entwickelten Ansätzen zur Definition von übertragbaren Kraftfeldern mit maschinellem Lernen für verschiedene Klassen komplexer molekularer Systeme (Proteine und Materialien) und unterschiedliche Auflösungen.
- Nutzung der entwickelten Kraftfelder zur Simulation spezifischer molekularer Systeme in Zusammenarbeit mit experimentellen Gruppen, um Fragen von biomedizinischer oder industrieller Relevanz zu beantworten.
Der Kandidat wird Methoden des maschinellen Lernens (hauptsächlich graphische neuronale Netzarchitekturen) entwickeln und anwenden, um Darstellungen und übertragbare Energiemodelle für Proteine und Materialien zu entwerfen.
Die Tätigkeit dient der eigenen wissenschaftlichen Qualifizierung (Promotion).

Einstellungsvoraussetzungen:
Abgeschlossenes wiss. Hochschulstudium in Physik, Chemie, Angewandter Mathematik oder verwandten Bereichen

Erwünscht:
Englisch fließend in Wort und Schrift
Ausgeprägte Kenntnisse in statistischer Physik
Erfahrung in theoretischer und rechnerischer Physik