Senior Applied Research Scientist – Computational Geometry und Meshing

🔥 vor 47 Minuten

🇩🇪 Deutschland – Remote

⏰ Vollzeit

🟠 Senior

🧬 Forschungswissenschaftler

👻 Geisterscore 11%

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

NVIDIA

WebsiteLinkedInAlle Stellen

10.000+ Mitarbeiter

Gegründet 1993

🏥 Gesundheitswesen

🏭 Fertigung

🤖 Künstliche Intelligenz

Healthcare • Manufacturing • Artificial Intelligence

NVIDIA ist ein führendes Technologieunternehmen mit Spezialisierung auf beschleunigtes Computing und Künstliche Intelligenz (AI). NVIDIA treibt Fortschritte bei Grafikprozessoren (GPUs), Cloud Computing, Rechenzentren und Virtual Reality voran und fokussiert dabei Branchen wie Gaming, Automotive, Gesundheitswesen und Robotik. Innovationen des Unternehmens wie NVIDIA Omniverse transformieren traditionelle digitale Prozesse, indem sie hochrealistische Simulationen und Rendering-Aufgaben ermöglichen. Die Anwendungen erstrecken sich über zahlreiche Branchen – von autonomen Fahrzeugen mit NVIDIA DRIVE über Gesundheitslösungen mit NVIDIA Clara bis hin zu AI-gestützten Analysen und Workflows.

Beschreibung

• Entwicklung von Algorithmen für Computational Geometry, computer-aided Engineering und die Interoperabilität von Designdaten, Mesh-Generierung, Mesh-Adaption, räumliche Datenstrukturen sowie gekrümmte Diskretisierung • Untersuchung differenzierbarer Geometrie, AI-nativer Geometrieverarbeitung, lernbasierter Mesh-Generierung und Diskretisierung sowie Design-to-Simulation-Workflows für inverses Design, simulationsbereite digitale Zwillinge und autonome Engineering-Workflows • Erforschung solver- und hardwarebewusster Geometrie- und Diskretisierungsmethoden, die Mesh-Qualität, numerische Genauigkeit, Robustheit und die umfassende Effizienz von Simulationen gemeinsam optimieren • Definition von Benchmarks für Mesh-Qualität, Geometriekonvertierung, Diskretisierungsgenauigkeit, Robustheit, Auswirkungen auf nachgelagerte Solver und die End-to-End-Performance von Simulationen • Zusammenarbeit mit Teams aus den Bereichen Omniverse, OpenUSD, Warp, Solver Engineering und NVIDIA Research sowie mit Universitäten und Industriepartnern aus Computer-aided Engineering, Electronic Design Automation, Chipfertigung, Elektronik und Workflows für digitale Zwillinge

🎯 Anforderungen

• Promotion oder gleichwertige Erfahrung in Informatik, Computational Geometry, Scientific Computing, Computer Graphics, angewandter Mathematik, Computational Mechanics, Ingenieurwissenschaften oder einem verwandten Fachgebiet • Mindestens 5 Jahre Berufserfahrung • Mindestens 5 Jahre nachweisliche Erfahrung im Computational Engineering mit Hintergrund in Computational Geometry, Geometrieverarbeitung, Mesh-Generierung, adaptiver Diskretisierung, CAD- und CAE-Algorithmen oder simulationsbereiten Repräsentationen • Kenntnisse in C++ und Python sowie Erfahrung in der Entwicklung von Algorithmen für komplexe Geometrien • Verständnis von Boundary Representations, Topologie, Mesh-Qualität, Diskretisierungsfehlern, numerischer Robustheit und Solver-Anforderungen, belegt durch Forschungs-, Software- oder industrielle Erfolge • Erfahrung mit CAD-Kernsystemen oder Formaten wie Parasolid, ACIS, Open Cascade, CATIA, NX, Creo, SOLIDWORKS, STEP, IGES, B-Rep, NURBS oder splinebasierten Repräsentationen • Erfahrung mit tetraedrischer, hexaedrischer, polyedrischer, anisotroper, adaptiver, grenzschichtbasierter, gekrümmter oder höherordentlicher Mesh-Generierung • Erfahrung in Isogeometric Analysis, Remeshing, meshless methods, Topologieoptimierung, Formoptimierung, differenzierbarer Geometrie oder AI-nativer Mesh-Generierung • Erfahrung mit Geometrie-Reparatur, der Erkennung von Features oder Simulationsintentionen, Parametrisierung, persistenten Zuordnungen, lernbasierten Geometrierepräsentationen, räumlichen GPU-Algorithmen oder solverbewusster Adaption

📊 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