Forschung-Stellen für Gestalten in Hannover

Abhängig von ihren Kenntnissen und ihrer akademischen Ausbildung wird sich Ihre Forschung wie folgt gestalten: Promotion im Bereich „Spatial Data Science in Enviornmental Planning“Mit bereits abgeschlossener Promotion: Ihr eigenständiges Forschungsprofil weiterentwickeln und zur Umsetzung von Forschungsprojekten beitragen Die folgenden Themenbereiche sind dabei von besonderem Interesse:  Partizipative und multi-kriterielle Optimierungsansätze zur Unterstützung umweltbezogener Entscheidungsprozesse (z.B. bei Landnutzungsänderungen, Biodiversitätsverlust oder Klimaanpassung in Städten)Statistische Modelle/KI-basierte Modelle zur Entwicklung von Emulatoren für komplexe prozessbasierte Modelle, beispielsweise für lokale oder regionale KlimamodelleKI-basierte Ansätze zur automatisierten Informationsgewinnung aus Bilddaten, insbesondere aus Satellitenfernerkundungs- und Street-View-Daten Weitere Tätigkeiten:  Sie leisten Beiträge und setzen eigene Impulse zur Einwerbung von DrittmittelnSie unterstützen die Lehre und den Unterhalt des Computerraumes am Institut für UmweltplanungSie betreuen B.Sc. und M.Sc.

Die Stelle bietet Ihnen die Möglichkeit, eigene Forschungsschwerpunkte selbstständig zu gestalten und sich aktiv in eine kooperative und sich gegenseitig unterstützende Institutskultur einzubringen. Ziel unserer Forschung ist die Entwicklung von Technologien, die Patient*innen sowie medizinisches Fachpersonal bei Diagnose und Therapie unterstützen.

B. adjungierte Methoden, Topologieoptimierung)nachweislich unabhängige Forschung und Veröffentlichungen in führenden FachzeitschriftenKenntnisse in nichtlinearer und/oder ultraschneller Optik (wünschenswert) Die Leibniz Universität Hannover setzt sich für Chancengleichheit und Diversität ein.

Wir suchen hochmotivierte und kreative Kandidat*innen mit einem starken Interesse an den mathematischen und rechnerischen Grundlagen inverser Probleme und des wissenschaftlichen Rechnens im großen Maßstab, die motiviert sind, interdisziplinäre Forschung in den Bereichen Physik, Nanotechnologie, fortgeschrittenes Rechnen, Materialwissenschaften und Design zu betreiben. Kernqualifikationen: Abgeschlossenes wissenschaftliches Hochschulstudium (Master oder gleichwertige Qualifikation) in angewandter Mathematik, Computerphysik, wissenschaftlichem Rechnen, Elektrotechnik oder einem eng verwandten Fachgebiet.Fundierte Kenntnisse in numerischer Analysis und partiellen Differentialgleichungen.Erfahrung mit numerischen Methoden für zeitabhängige partielle Differentialgleichungen.Hervorragende Programmierkenntnisse in C/C++ (erforderlich); Python oder ähnliche Programmiersprache wird dringend empfohlen.Solides Verständnis von Algorithmenentwicklung und Rechenkomplexität.Starkes Interesse an der Entwicklung wissenschaftlicher Software und am Hochleistungsrechnen Erwünschte Zusatzqualifikationen: Erfahrung mit Finite-Differenzen- oder Finite-Elemente-Diskretisierungen der Maxwell-Gleichungen.Kenntnisse in adjungierten Methoden und gradientenbasierter Optimierung.Erfahrung mit parallelem Rechnen (MPI, OpenMP, CUDA oder ähnliches).Erfahrung in der Mitarbeit an Forschungssoftware, die über die Programmierung auf Skriptebene hinausgeht.Nachweisliche mathematische Reife und Interesse an theoretischen Aspekten der numerischen Modellierung.

Dann entdecke, was wir gemeinsam bewegen können   Unser Kunde ist als Global Player in der Entwicklung, Forschung und im Vertrieb innovativer und hochwirksamer Arzneimittel erfolgreich tätig. Wir suchen zum nächstmöglichen Zeitpunkt. Wir bieten   Hervorragendes Gesamtpaket: Unbefristeter Arbeitsvertrag, attraktives Gehalt, Prämiensystem vom Kunden, 30 Tage Urlaub im Jahr, voller Spesensatz, wohnortnaher Einsatz, hochwertige IT-Ausstattung Hochwertiger Firmenwagen: auch zur privaten Nutzung und mit unbegrenzten Freikilometern Umfassende Sozialleistungen: 15% Arbeitgeberzuschuss zur betrieblichen Altersvorsorge, komplette private und berufliche Absicherung durch unsere Unfallversicherung Unsere Extrameile: Unsere Vision ist es, für jeden Bewerber die optimale Stelle zu finden.