Senior Applied Research Scientist – GPU-native numerische Algorithmen

🔥 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 und Neufassung numerischer Algorithmen, die gemeinsam mit modernen NVIDIA-GPU-Architekturen konzipiert werden, einschließlich impliziter und expliziter technischer Simulationen • Entwicklung linearer und nichtlinearer Solver-Verfahren, einschließlich Newton-Krylov-Verfahren, Multigrid und AMG, Gebietszerlegung, matrixfreier Algorithmen, gemischter Präzision, iterativer und direkter Verfahren für dünn besetzte Matrizen sowie Vorkonditionierungsstrategien • Untersuchung GPU-nativer Alternativen zu CPU-orientierten numerischen Verfahren, einschließlich synchronisationsvermeidender Krylov-Verfahren, GPU-nativer Multigrid- und Gebietszerlegungsverfahren, matrixfreier impliziter Verfahren, Algorithmen mit gemischter Präzision sowie hybrider direkter und iterativer Verfahren für dünn besetzte Matrizen • Bewertung von Algorithmen in den Bereichen Mechanik, Kontakt, thermofluidische Systeme, Elektromagnetik, Halbleiterprozess- und Bauelementesimulation, EDA, Multiphysik sowie verwandten CAE-Workloads • Erstellung von Forschungsprototypen, Vergleich verschiedener Ansätze anhand repräsentativer Workloads und Unterstützung bei der Überführung vielversprechender Ideen in NVIDIA-Software • Zusammenarbeit mit CUDA-X, Warp, der Solver-Entwicklung, NVIDIA Research, Hochschulen und Industriepartnern • Mitgestaltung der langfristigen angewandten Forschungs-Roadmap für GPU-native numerische Verfahren und deren Weiterentwicklung hin zu KI-nativer rechnergestützter Ingenieurwissenschaft

🎯 Anforderungen

• Promotion oder gleichwertige Berufserfahrung in Computational Mechanics, angewandter Mathematik, Scientific Computing, Informatik, Luft- und Raumfahrttechnik, Maschinenbau, Bauingenieurwesen oder einem verwandten technischen Fachgebiet • Mindestens fünf Jahre einschlägige Berufs- oder Forschungserfahrung • Forschungs- oder Entwicklungserfahrung mit PDE-Diskretisierung, Finite-Elemente-, Finite-Volumen- oder Discontinuous-Galerkin-Verfahren, nichtlinearen Solvern, dünn besetzter linearer Algebra, Vorkonditionierung oder High-Performance Computing • Erfahrung in der Entwicklung numerischer Software mit C++ und Python • Erfahrung in der Entwicklung oder Optimierung von CUDA- oder GPU-Code • Erfahrung mit Profiling, Benchmarking, numerischer Validierung oder Performance-Analysen zur Verbesserung von Algorithmen auf GPU- oder Multi-GPU-Systemen • Fähigkeit, technische Abwägungen verständlich zu vermitteln und teamübergreifend mit Forschungs-, Entwicklungs-, Produkt- und Partnerm teams zusammenzuarbeiten • Erfahrung mit impliziter Strukturdynamik, nichtlinearer Mechanik, Kontaktproblemen, CFD, Elektromagnetik, Multiphysik, Halbleitersimulation, EDA, CAE oder CAD-angebundenen technischen Workflows • Beiträge zu oder praktische Erfahrung mit PETSc, Trilinos, MFEM, libCEED, OpenFOAM, NVIDIA Warp, CUDA-X, cuSPARSE, cuSOLVER oder verwandten Frameworks für Computational Science • Erfahrung mit industriellen Simulations-, EDA-, Halbleiter-, CAE- oder CAD-Ökosystemen, einschließlich Ansys, Abaqus, LS-DYNA, Siemens Simcenter, Dassault SIMULIA, Altair, Cadence, Synopsys, COMSOL, MathWorks oder vergleichbaren internen Solver- und Designplattformen • Erfahrung mit verteilten Solvern unter Einsatz von MPI, NCCL oder asynchronen Verfahren sowie mit Performance-Analysen auf GPU-Clustern • Veröffentlichungen, Patente, Open-Source-Beiträge oder eingesetzte Software in Fachgebieten oder Communities der Computational Science, beispielsweise SC, SIAM CSE, SIAM SISC, CMAME, IJNME, JCP, AIAA, USNCCM, WCCM oder verwandten Bereichen

🏖️ Vorteile

• NVIDIA-Software, -Systeme und Forschungsplattformen mit Schwerpunkt auf Accelerated Computing • Möglichkeit zur Zusammenarbeit mit CUDA-X, Warp, NVIDIA Research, Hochschulen und Industriepartnern • Möglichkeit, Forschungsprototypen in konkrete Funktionen der NVIDIA-Software zu überführen • Zusammenarbeit über Forschungs-, Entwicklungs-, Produkt- und Partnerteams hinweg

📊 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