Wissenschaftler/in für computergestützte Materialwissenschaft – DFT-Expertise

🔥 vor 47 Minuten

🌐 Deutschland, Portugal – Remote

🇩🇪 Deutschland – Remote 🇵🇹 Portugal – Remote

⏰ Vollzeit

🟡 Mittelstufe

🟠 Senior

👻 Geisterscore 15%

Was es bedeutet: die Wahrscheinlichkeit, dass für diese Stelle niemand wirklich einstellt.So liest du es: 60 % oder höher heißt, wir halten das für einen Geisterjob. Niedrigere Werte sind weniger bedenklich.Wie wir werten: Dauer offen, Neuveröffentlichungen, offene Stellen vs Teamgröße, wie schnell Stellen geschlossen werden, und ob ein Gehalt angegeben ist.Hinweis: eine Schätzung aus öffentlichen Daten, kein Urteil über das Unternehmen. Echte Stellen können hoch punkten, nutze es also als Hinweis, nicht als Fakt.

Jetzt Bewerben

Ähnliche Remote-Jobs finden

alqem

WebsiteLinkedInAlle Stellen

2 - 10 Mitarbeiter

🤖 Künstliche Intelligenz

🔬 Wissenschaft

🤝 B2B

🔥 Finanzierung im letzten Jahr

💰 Pre-Seed Round im 2026-07

Artificial Intelligence • Science • B2B

alqem ist ein in München und Coimbra gegründetes Unternehmen, das künstliche Intelligenz und tiefgreifende Fachkompetenz nutzt, um neuartige kristalline Materialien zu entdecken und zu kommerzialisieren. Das Team vereint jahrzehntelange Erfahrung im Aufbau von Materialdatenbanken, in der experimentellen Synthese und Validierung sowie in der Kommerzialisierung, um bahnbrechende Materialien für die Industrie zu entwickeln. Zu den wichtigsten Teammitgliedern gehören Hanh Nguyen (CEO), Tiago Cerqueira (CTO und Mitentwickler der Alexandria-Materialdatenbank) sowie Milan Allan (Professor und Experimentalphysiker). Das Unternehmen setzt auf AI-driven Materials Discovery und hat zuletzt eine Finanzierungsrunde über 8 Millionen bekannt gegeben (Juli 2026).

Beschreibung

• DFT-basierte Workflows zur Vorhersage funktionaler Eigenschaften kristalliner Materialien entwickeln, implementieren und kontinuierlich verbessern • Screening-Strategien und Entscheidungskriterien entwickeln, um Kandidaten aus großen Suchräumen auszuwählen • Die experimentelle Validierung von Materialkandidaten begleiten • Die Verantwortung für computergestützte Pläne der zugewiesenen Entdeckungsprogramme übernehmen, einschließlich Meilensteinen, Erfolgskriterien und Ergebnissen • Die Umsetzung computergestützter Entdeckungsprogramme vorantreiben • Robuste, automatisierte und reproduzierbare DFT-Pipelines aufbauen • Den computergestützten Durchsatz durch die Optimierung von AI/ML-Workflows steigern • Dokumentation, versionierte Workflows und nachvollziehbare Datensätze pflegen • Mit Teams für Synthese und Charakterisierung zusammenarbeiten, um Ergebnisse zu interpretieren und Abweichungen zu untersuchen • Praxiserfahrungen aus Experimenten in verbesserte Workflows und Modelle integrieren • Ergebnisse in schriftlichen Zusammenfassungen und internen Präsentationen vermitteln • Je nach Bedarf zu Publikationen, Konferenzbeiträgen sowie Unterlagen für Förderanträge und Partner beitragen und dabei die IP-Strategie schützen • Zu strategischen Entscheidungen über Methodik, Priorisierung und die Ausrichtung der Plattform beitragen

🎯 Anforderungen

• Promotion in Physik, Chemie, Materialwissenschaften oder einem eng verwandten Fachgebiet • Mindestens vier Jahre fundierte praktische Erfahrung mit DFT für kristalline Materialien • Hervorragende Publikationsbilanz und/oder einflussreiche Open-Source- bzw. frei zugängliche Arbeiten • Erfahrung mit der Automatisierung und Beschleunigung von DFT, einschließlich Workflows, Konvergenzoptimierung, Fehlerbehandlung und High-Throughput-Screening • Erfahrung in der Anwendung von AI/ML-Methoden für die Materialentdeckung und die Suche nach Materialien • Sehr gute Programmierkenntnisse in Python oder einer vergleichbaren Sprache • Vertrautheit mit Versionsverwaltung, Tests und Reproduzierbarkeit • Fähigkeit, in einem dynamischen Startup-Umfeld mit pragmatischer Priorisierung, hoher Eigenverantwortung und ausgeprägter Teamarbeit zu arbeiten • Erfahrung mit einem oder mehreren der Codes VASP, Quantum ESPRESSO, GPAW, ABINIT, WIEN2k, CASTEP oder vergleichbaren Programmen • Vertrautheit mit Phononen, elastischen Eigenschaften, Defektberechnungen, Magnetismus/Spin-Bahn-Kopplung oder dielektrischen bzw. ferroelektrischen Berechnungen • Fundierte Kenntnisse der Thermodynamik, Phasenstabilität und Materialdatenbanken wie Materials Project, OQMD und ICSD • Von Vorteil: praktische HPC-Erfahrung mit Slurm, Job-Scheduling, Profiling und der Optimierung von Rechenkosten • Von Vorteil: Erfahrung mit Workflow-Managern wie ASE, AiiDA, atomate, FireWorks, custodian, Prefect, Airflow, Snakemake oder Nextflow • Von Vorteil: Erfahrung im Aufbau oder in der Pflege strukturierter Materialdatenbanken mit Postgres, MongoDB oder Parquet-/Lakehouse-Architekturen • Von Vorteil: Erfahrung mit Materialrepräsentationen, darunter Graph Neural Networks, CGCNN-/MEGNet-ähnliche Ansätze, Deskriptoren oder symmetrieberücksichtigende Modelle • Von Vorteil: Kenntnisse der Quantifizierung von Unsicherheiten und der Entscheidungsfindung unter Unsicherheit für die Versuchsplanung • Von Vorteil: Erfahrung in der Zusammenarbeit mit experimentellen Teams oder in der industriellen Forschung und Entwicklung • Nachweisbare Erfolge bei der Überführung von Vorhersagen in validierte Materialien und bei der Umsetzung von Lernzyklen

🏖️ Vorteile

• Attraktives Vergütungspaket • Möglichkeit zur Beteiligung am Unternehmen • Möglichkeit zur Veröffentlichung ausgewählter Ergebnisse • Je nach Bedarf Mitwirkung an Publikationen, Konferenzbeiträgen sowie Unterlagen für Förderanträge und Partner • Kleines, hochgradig interdisziplinäres Team • Unternehmenskultur, die Eigenverantwortung, Neugier, Problemlösung, wissenschaftliche Durchbrüche, Zusammenarbeit und berufliche Weiterentwicklung fördert

📊 Überprüfen Sie Ihre Lebenslauf-Bewertung für diese Stelle

Verbessern Sie Ihre Chancen auf ein Vorstellungsgespräch, indem Sie Ihre Lebenslauf-Bewertung vor der Bewerbung überprüfen.

Lebenslauf hochladen