View job here

The Weierstrass Institute for Applied Analysis and Stochastics (WIAS) is an institute of the Forschungsverbund Berlin e.V. (FVB). The FVB comprises seven non-university research institutes in Berlin which are funded by the federal and state governments. The research institutes are members of the Leibniz Association.

WIAS invites applications for a

PhD student position (f/m/d)

 (Ref. 22/17)

in the Research Group

Nonlinear Optimization and Inverse Problems

(Head: Prof. Dr. D. Hömberg) starting at the earliest possible date.

The position is tied to the project

“Machine Learning for Inverse Problems

with continuous normalizing flows and mean field games”

PI: PD Dr. Martin Eigel). The goal of the project is the development and analysis of Neural Networks for invertible measure transport such as normalizing flows. Connections to optimal transport, optimal control, mean field games and stochastic differential equations will be examined. Moreover, low-rank tensor formats will be used in a hybrid method. In collaboration with the PTB, the developed methods will be applied to inverse problems for geometry parameters the quality control of semiconductor manufacturing.

We are looking for candidates with a solid background in applied mathematics, theoretical chemistry, theoretical physics, or electrical engineering. They are expected to be familiar with some of the topics numerical analysis (for differential equations), quantification of uncertainty, statistical learning theory, high-dimensional approximations, stochastic analysis. Applicants are also expected to have experience with at least one of the popular Python frameworks for machine learning. Previous experience in continuum mechanics, thermodynamics, homogenization theory, software engineering, or machine learning are beneficial.

A completed scientific university degree (master’s degree) in mathematics or a closely related field is required as well as demonstrable programming experience preferably in python and good communication skills in English. An applied mathematical education (in particular numerical analysis, functional analysis or stochastic analysis) is required for a successful application. Moreover, experience in the implementation of machine learning models and numerical algorithms is beneficial.

Queries about the project can be directed to Dr. M. Eigel (Martin.Eigel@wias-berlin.de).

The appointment is limited for three years until 31.03.2025. The reduced work schedule is 29,25 hours per week, and the salary is according to the German TVoeD Bund scale.

The Institute aims to increase the proportion of women in this field, so applications from women are particularly welcome. Among equally qualified applicants, disabled candidates will be given preference. 

Please upload your complete application documents (motivation letter, detailed CV, certificates, list of MSc courses and grades, copy of the master‘s thesis or draft, two recommendation contacts) via our applicant portal as soon as possible but not later than May 15, 2022 using the button "Apply online".

We are looking forward to your application!

Das WIAS ist ein Institut des Forschungsverbundes Berlin e.V. (FVB). Der FVB ist Träger von sieben außeruniversitären naturwissenschaftlichen Forschungsinstituten in Berlin, die von der Bundesrepublik Deutschland und der Gemeinschaft der Länder finanziert werden. Die Forschungsinstitute sind Mitglieder der Leibniz-Gemeinschaft.

Am WIAS ist in der Forschungsgruppe

„Nichtlineare Optimierung und Inverse Probleme“

(Leitung: Prof. Dr. D. Hömberg) zum frühestmöglichen Zeitpunkt eine Stelle als

Doktorand/in (m/w/d)

 (Kennziffer 22/17)

zu besetzen.

Die Stelle ist gebunden an das Projekt

"Machine Learning for Inverse Problems

with continuous normalizing flows and mean field games"

(PI: PD Dr. Martin Eigel). Ziel des Projektes ist die Entwicklung und Analyse von Neuronalen Netzen für invertierbaren Maßtransport, insbesondere normalizing flows. Es werden Verbindungen zu optimalem Transport, optimaler Kontrolle, Mean Field Games und stochastischen Differentialgleichungen untersucht. Außerdem werden hierarchische Tensorformate in einer hybriden Methode verwendet. In Zusammenarbeit mit der PTB werden die entwickelten Methoden auf inverse Probleme für Geometrieparameter in der Qualitätskontrolle der Halbleiterfertigung angewendet.

Gesucht werden Kandidat/innen mit einem soliden Hintergrund in angewandter Mathematik, theoretischer Chemie, theoretischer Physik oder Elektrotechnik. Sie sollten mit einigen der folgenden Themen vertraut sein: numerische Analyse (für Differentialgleichungen), Quantifizierung von Unsicherheiten, statistische Lerntheorie, hochdimensionale Approximationen, stochastische Analyse. Von den Bewerber/innen wird außerdem erwartet, dass sie Erfahrung mit mindestens einem der gängigen Python-Frameworks für maschinelles Lernen haben. Frühere Erfahrungen in den Bereichen Kontinuumsmechanik, Thermodynamik, Homogenisierungstheorie, Softwaretechnik oder maschinelles Lernen sind von Vorteil.

Erforderlich sind ein abgeschlossenes wissenschaftliches Hochschulstudium (Master) in Mathematik oder einem eng verwandten Fachgebiet sowie nachweisbare Programmiererfahrung vorzugsweise in Python sowie gute Kommunikationsfähigkeiten in Englisch. Eine Ausbildung in angewandter Mathematik (insbesondere numerische Analysis, Funktionalanalysis oder stochastische Analysis) ist Voraussetzung für eine erfolgreiche Bewerbung. Außerdem sind Erfahrungen mit der Implementierung von Modellen des maschinellen Lernens und numerischen Algorithmen von Vorteil.

Rückfragen zu dem Projekt können an Dr. M. Eigel (Martin.Eigel@wias-berlin.de) gerichtet werden.

Die Stelle ist für drei Jahre bis zum 31.03.2025 befristet. Die reduzierte Arbeitszeit beträgt 29,25 Stunden pro Woche, die Vergütung erfolgt in Anlehnung an den TVöD Bund.

Das Institut strebt eine Erhöhung des Frauenanteils in diesem Bereich an, daher sind Bewerbungen von Frauen besonders erwünscht. Schwerbehinderte Bewerberinnen und Bewerber werden bei gleicher Eignung bevorzugt berücksichtigt. 

Bitte laden Sie Ihre vollständigen Bewerbungsunterlagen (Motivationsschreiben, ausführlicher Lebenslauf, Zeugnisse, Liste der MSc-Kurse und Noten, Kopie der Masterarbeit oder Entwurf, zwei Empfehlungskontakte) über unser Bewerber-Portal bis zum 15.05.2022 hoch, indem Sie den Knopf „Online bewerben“ klicken.

Wir freuen uns auf Ihre Bewerbung!