Die Arbeitsgruppe Troposphärische UmweltForschung (TrUmF) unter der Leitung der Gastprofessoren Martjin Schaap und Tim Butler befasst sich mit modellbasierten Studien zu:
• kurzfristige Prognosen der Schadstoffwerte,
• Quellenzuordnung von Feinstaub und Ozon und
• Schadstoffeinträge in Ökosysteme

Ein Großteil der Arbeit ist anwendungsorientiert und wird in Echtzeit durchgeführt. Die Arbeitsgruppe TrUmF ist an verschiedenen Forschungs- und Entwicklungsprojekten beteiligt, die vom Bundesministerium für Bildung und Forschung (BMBF), der EU, dem Umweltbundesamt und verschiedenen Landesumweltämtern bzw. Forschungseinrichtungen gefördert werden. In der Lehre konzentriert sich die Arbeitsgruppe auf die Grundlagen der Atmosphärenchemie und der Luftreinhaltung sowie auf die Modellierung von Luftschadstoffen. Eine enge Zusammenarbeit besteht auch mit der Arbeitsgruppe "Klima und Luftqualität" an der TNO in Utrecht (NL), insbesondere im Rahmen von Verbundprojekten zur Anwendung und Weiterentwicklung des LOTOS-EUROS-Chemietransportmodells, und mit der Arbeitsgruppe "Luftqualitätsmodellierung für die Politikberatung" am RIFS Potsdam.

Das von der DFG geförderte Projekt EACH (Artificial Intelligence Emulating Atmospheric Chemistry) ist ein Gemeinschaftsprojekt der FU Berlin, des Max-Planck-Instituts für Chemie in Mainz und des Barcelona Supercomputing Centre. Das übergeordnete Ziel des EACH-Projekts ist es, innovative Modelle für maschinelles Lernen zu entwickeln, die in der Lage sind, die komplexe Atmosphärenchemie nachzuahmen, ihre numerische Lösung in Modellen zu beschleunigen und unser Verständnis der Rolle der verschiedenen chemischen Prozesse zu verbessern.
 
Aufgabengebiet:
Im Rahmen des EACH-Projekts suchen wir eine motivierte Person für die Durchführung numerischer Modellsimulationen der Atmosphärenchemie, um einen Trainingsdatensatz für die Entwicklung der physikalisch eingeschränkten maschinellen Lernmodelle zu erstellen, der von unseren Projektpartnern geleitet wird. Die erfolgreiche Bewerberin oder der erfolgreiche Bewerber wird zur Entwicklung und zum Training der Modelle des maschinellen Lernens beitragen und eine physikorientierte Evaluierung dieser Modelle durchführen. Schließlich wird die*der erfolgreiche Bewerber*in die Modelle des maschinellen Lernens zusammen mit numerischen Modellausgaben und Beobachtungsdaten anwenden, um die Empfindlichkeit von sekundären Luftschadstoffen (insbesondere Ozon) gegenüber verschiedenen Vorläufergasen und Umweltfaktoren zu verstehen.

Prof. Butler und Prof. Schaap unterstützen die*den erfolgreiche*n Antragsteller*in dabei, eine Doktorarbeit auf dem Gebiet der Atmosphärenchemie zu verfassen, die auf den in diesem Projekt durchgeführten Arbeiten basiert.
 
Einstellungsvoraussetzungen:
Abgeschlossenes wiss. Hochschulstudium (Master) in Meteorologie, Atmosphärenphysik, Atmosphärenchemie, Mathematik, Informatik oder ähnlichem.
 
Erwünscht:
Kenntnisse in der Atmosphärenchemie. Fähigkeit, in Sprachen wie FORTRAN und Python zu programmieren. Erfahrung mit numerischer Modellierung der Atmosphärenchemie. Erfahrung mit Techniken des maschinellen Lernens.

Bewerbungen sollten folgende Unterlagen enthalten: Motivationsschreiben, Lebenslauf und relevante Diplome (Bachelor und Master).

Weitere Informationen erteilt Herr Prof. Dr. Tim Butler (tim.butler@fu-berlin.de).