Wissenschaftliche/r Mitarbeiter/in (w/m/d)

Promotionsstelle in Mathematischer Signalverarbeitung

Kontakt

Name

Benjamin Berkels

Telephone

workPhone
+49 241 80-99123

E-Mail

Anbieter

Aachen Institute for Advanced Study in Computational Engineering Science

Unser Profil

Der SFB 1481 (https://www.sfb-s3.de/) erforscht die mathematischen Grundlagen für Berechnungsmethoden im maschinellen Lernen, der Signalverarbeitung und der Simulation. Trotz enormer Steigerungen der Rechenleistung in den letzten Jahrzehnten stellen die Flut von Daten und die Komplexität der Modelle in aktuellen Anwendungen grundlegende Herausforderungen dar, die mit gesteigerten Rechenkapazitäten allein nicht zu bewältigen sind. Zwei kritische Bereiche, in denen die Zeit reif für Fortschritte ist, sind
1. maschinelles Lernen und Signalverarbeitung mit hochdimensionalen Daten und
2. partielle Differentialgleichungen (PDG) mit Singularitäten.
Die ausgeschriebene Stelle gehört zu dem Projekt "A08 Sparse exit wave reconstruction via deep unfolding" und wird von Prof. Benjamin Berkels an der RWTH Aachen betreut. Deep Unfolding ist eine Technik, die es ermöglicht, datenbasiertes Lernen in eine Vielzahl von klassischen, iterativen, modellbasierten Ansätzen einzubringen und so neue hybride Methoden zu schaffen. Dabei wird eine feste Anzahl von Iterationen betrachtet und jede Iteration wird als Schicht in einem neuronalen Netz modelliert. Dies führt zu neuen Netzarchitekturen, die immer noch eng mit den ursprünglichen modellbasierten Ansätzen verbunden sind. Allerdings können Parameter oder sogar Komponenten des ursprünglichen iterativen Schemas nun als Parameter des Netzes interpretiert und somit aus Trainingsdaten gelernt werden.

Ihr Profil

Wir suchen hoch motivierte BewerberInnen mit starken mathematischen Fähigkeiten. Voraussetzung für diese Stelle ist ein Hochschulabschluss (Master oder vergleichbar) in Mathematik oder einem verwandten Fachgebiet mit hervorragenden akademischen Leistungen. Kenntnisse in Signal-/Bildverarbeitung, Optimierung und/oder Datenanalyse sind erwünscht.
Programmiererfahrung ist von Vorteil und ausgezeichnete Englischkenntnisse in Wort und Schrift sind erforderlich.

Ihre Aufgaben

In diesem Projekt werden wir das Problem der Rekonstruktion der sog. Exit Wave aufgreifen, ein Problem, das in der Elektronenmikroskopie auftritt, bei dem die komplexwertige Exit Wave aus reellwertigen Messungen bestimmt werden muss und das eine Phase Retrieval Variante ist.
Ziel ist es, neue hybride Modelle für die variationelle Rekonstruktion von Exit Waves mit Hilfe von Deep Unfolding zu entwickeln und ihr Verhalten zu verstehen, beispielsweise in Form ihrer Generalisierungseigenschaften durch Herleitung von Schranken für den Generalisierungsfehler dieser Netzwerkarchitekturen.
Wir werden systematisch untersuchen, welche Parameter der resultierenden Netze für das Lernen am vorteilhaftesten sind, wobei wir verschiedene Varianten des Datenterms und sowohl den Fall ohne Regularisierer als auch den Fall mit einem Sparsity-induzierenden Regularisierer wie der 1-Norm berücksichtigen. Für den Fall ohne Regularisierer stellt sich die Frage, ob Konvergenzgarantien des Wirtinger Flows auf die trainierten Hybridmodelle übertragen werden können.

Unser Angebot

Die Einstellung erfolgt im Beschäftigtenverhältnis.
Die Stelle ist zum nächstmöglichen Zeitpunkt zu besetzen und befristet auf 3 Jahre.
Es handelt sich um eine Teilzeitstelle mit Dreiviertel der regelmäßigen Wochenarbeitszeit.
Eine Promotionsmöglichkeit besteht.
Die Eingruppierung richtet sich nach dem TV-L.
Die Stelle ist bewertet mit EG 13 TV-L.

Über uns

Die RWTH ist als familiengerechte Hochschule zertifiziert.
Die RWTH bietet im Rahmen eines Universitären Gesundheitsmanagements eine Vielzahl von Gesundheits-, Beratungs- und Präventionsangeboten (z. B. Hochschulsport) an. Für Tarifbeschäftigte und Beamtinnen und Beamte besteht ein umfangreiches Weiterbildungsangebot und die Möglichkeit, ein Jobticket zu erwerben.
Die Stellenausschreibung richtet sich an alle Geschlechter.
Wir wollen an der RWTH Aachen University besonders die Karrieren von Frauen fördern und freuen uns daher über Bewerberinnen.
Frauen werden bei gleicher Eignung, Befähigung und fachlicher Leistung bevorzugt berücksichtigt, sofern sie in der Organisationseinheit unterrepräsentiert sind und sofern nicht in der Person eines Mitbewerbers liegende Gründe überwiegen.
Bewerbungen geeigneter schwerbehinderter Menschen sind ausdrücklich erwünscht.
Im Sinne der Gleichbehandlung bitten wir Sie, auf ein Bewerbungsfoto zu verzichten.
Informationen zur Erhebung personenbezogener Daten nach Artikeln 13 und 14 Datenschutz-Grundverordnung (DS-GVO) finden Sie unter https://www.rwth-aachen.de/dsgvo-information-bewerbung.

Bewerbung
Nummer:V000004058
Frist:11.12.2022
Postalisch:RWTH Aachen University
Aachen Institute for Advanced Study in Computational Engineering Science
Prof. Benjamin Berkels
Schinkelstraße 2
52062 Aachen
E-Mail:
Bitte beachten Sie, dass Gefährdungen der Vertraulichkeit und der unbefugte Zugriff Dritter bei einer Kommunikation per unverschlüsselter E-Mail nicht ausgeschlossen werden können.