Zum Hauptinhalt springen

Offene Stellen

Wissenschaftliche:r Mitarbeiter:in (Doktorand:in) (w/m/d)
Institut für Umweltphysik (IUP)

Fachbereich 1 - Physik / Elektrotechnik



Entgelt- / Besoldungsgruppe E 13 - Teilzeit 66%
Kennziffer: A267/21
Bewerbungsfrist: 09.12.2021
Öffentliche Ausschreibung

An der Universität Bremen ist im Fachbereich 1 (Physik/Elektrotechnik), Institut für Umweltphysik (IUP) - unter dem Vorbehalt der Stellenfreigabe – zum frühestmöglichen Zeitpunkt - die Stelle einer/eines

wissenschaftlichen Mitarbeiterin /
 wissenschaftlichen Mitarbeiters
(Doktorand:in) (w/m/d)

Entgeltgruppe EG 13 TV-L
mit 66 % der vollen Arbeitszeit pro Woche, befristet für 3 Jahre zu besetzen.

Die Befristung erfolgt zur wissenschaftlichen Qualifikation nach § 2 Abs. 1 WissZeitVG (Wissenschaftszeitvertragsgesetz) mit dem Ziel der Promotion. Demnach können nur Bewerberinnen und Bewerber berücksichtigt werden, die noch in dem entsprechenden Umfang über Qualifizierungszeiten nach § 2 Abs. 1 WissZeitVG verfügen.
 


Stellenbeschreibung

Die Abteilung Klimamodellierung der Universität Bremen bietet eine Promotionsstelle auf dem Gebiet der Entwicklung von auf maschinellen Lernverfahren (ML) - basierten Parametrisierungen für Klimamodelle unter der Leitung von Prof. Veronika Eyring an. Diese Stelle wird im Rahmen mehrerer Stellen zur ML-basierten Klimawissenschaft ausgeschrieben, die durch den Gottfried Wilhelm Leibniz-Preis 2021 finanziert werden (https://www.dfg.de/en/funded_projects/prizewinners/leibniz_prize/2021).

Trotz erheblicher Fortschritte bei der Klimamodellierung in den letzten Jahrzehnten gibt es nach wie vor systematische Abweichungen und erhebliche Unsicherheiten bei den Modellergebnissen. So hat sich beispielsweise die Bandbreite der simulierten effektiven Klimasensitivität - die Veränderung der globalen mittleren Oberflächentemperatur bei einer Verdopplung des atmosphärischen CO2 - seit den 1970er Jahren nicht verringert. Eine Hauptursache hierfür sind Unterschiede in der Darstellung von Wolken und anderen Prozessen, die durch das Modellgitter nicht aufgelöst werden können. Diese müssen mit Hilfe von Parametrisierungen dargestellt werden, so dass die Ergebnisse dem statistischen Effekt der Prozesse auf dem Gitter des Modells entsprechen. Dies wirkt sich auf die Fähigkeit der Modelle aus, globale und regionale Klimaänderungen, Klimaschwankungen, Extremwerte und Auswirkungen auf Ökosysteme und biogeochemische Kreisläufe genau vorherzusagen. Hochauflösende, wolkenauflösende Modelle verringern viele Abweichungen im Vergleich zu grob aufgelösten Modellen für tiefe Wolken und Konvektion, Wellenausbreitung und Niederschlag, können aber wegen der hohen Rechenkosten nicht auf Klimazeitskalen von mehreren Jahrzehnten oder länger gerechnet werden. Deshalb sind neue Ansätze erforderlich, die die Möglichkeiten der zunehmender Rechenleistung und des ML nutzen, indem sie hochauflösende Simulationen und Beobachtungsdaten verwenden.

In dieser Arbeit wird das allgemeine atmosphärische Zirkulationsmodell ICOsahedral Nonhydrostatic (ICON) weiterentwickelt, um die Berechnung des Strahlungstransportes zu beschleunigen und die dafür nötigen Parametrisierungen zu verbessern. Strahlung ist ein Schlüsselfaktor bei der Steuerung des Klimas und findet auf molekularer Ebene statt. Es gibt zwar genaue Modelle für den Strahlungstransfer, aber sie sind nicht schnell genug, um in jedem Zeitschritt in einem globalen Klimamodell ausgeführt zu werden. Ein vielversprechender Weg, die Anforderungen an Geschwindigkeit und Genauigkeit zu erfüllen, ist die Entwicklung von Parametrisierungen des Strahlungstransfers für Klimamodelle auf der Grundlage von maschinellem Lernens und insbesondere von Deep Learning-Techniken.

Die Bewerberin/ der Bewerber (w/m/d) wird Teil eines internationalen Teams im Rahmen des Synergy Grant des Europäischen Forschungsrats (ERC) zum Thema "Understanding and Modelling the Earth System with Machine Learning (USMILE, www.usmile-erc.eu/)" und wird von Prof. Pierre Gentine (Columbia University, New York, USA (https://gentinelab.eee.columbia.edu) mitbetreut.

Aufgabenschwerpunkte:

  • Entwicklung von Parametrisierungen des Strahlungstransfers für Klimamodelle auf der Grundlage von maschinellem Lernverfahren und insbesondere Deep-Learning-Techniken
  • Implementierung in ICON
  • Durchführung von entsprechenden Klimasimulationen mit ICON-ML
  • Auswertung der resultierenden ICON-ML mit dem Earth System Model Evaluation Tool (ESMValTool)
  • Dokumentation und Software als Open Source

Voraussetzungen

  • Abgeschlossenes wissenschaftliches Hochschulstudium (Master/Diplom) oder gleichwertiger Abschluss in Physik, Informatik, Data Science oder einem ähnlichen Bereich
  • Sehr gute Programmierkenntnisse (vorzugsweise Python) und Erfahrung in der Datenanalyse
  • Interesse und idealerweise Erfahrung in der Klimamodellierung und -forschung
  • Interesse an und idealerweise Erfahrung mit ML / DL
  • Ausgezeichnete analytische Fähigkeiten und die Fähigkeit, sowohl unabhängig als auch im Team zu arbeiten
  • Enthusiasmus, Motivation und Kreativität
  • Fließende Englischkenntnisse (in Wort und Schrift)

Wünschenswerte Kenntnisse und Fähigkeiten:

  • Erfahrungen in Erdsystemmodellierung, maschinellem Lernen und Klimawissenschaft sind von Vorteil
     

Ihre Vorteile

In der Abteilung "Klimamodellierung" bieten wir eine hervorragende Ausstattung und die Möglichkeit, mit weltweit anerkannten Expert:innen auf dem Gebiet der Erdsystemmodellierung und -beobachtung zusammenzuarbeiten. Die Abteilung entwickelt innovative Methoden, einschließlich ML-Techniken, für die Bewertung und Analyse von Erdsystemmodellen im Vergleich zu Beobachtungen mit dem Ziel, den Klimawandel besser zu verstehen und zu prognostizieren. Die Doktorandin / der Doktorand (w/m/d) kann von einer dynamischen Gruppe und einer engen Zusammenarbeit mit der Abteilung „Erdsystemmodell-Evaluation und -Analyse“ des DLR-Instituts für Physik der Atmosphäre sowie von der Interaktion mit anderen Forscher*innen profitieren, die am Synergy Grant des Europäischen Forschungsrats (ERC) "Understanding and Modelling the Earth System with Machine Learning" (USMILE, www.usmile-erc.eu) teilnehmen. Die Abteilung ist stark in die internationalen Forschungsaktivitäten im Rahmen des Weltklimaforschungsprogramms (WCRP) eingebunden, mit wesentlichen Beiträgen insbesondere zum Coupled Model Intercomparison Project (CMIP), und trägt regelmäßig zu den internationalen Klima- und Ozonbewertungen des Intergovernmental Panel on Climate Change (IPCC) und der World Meteorological Organization (WMO) bei.

 

Allgemeine Hinweise

Die Universität Bremen ist bestrebt, den Anteil von Frauen in der Wissenschaft zu erhöhen; deshalb werden Frauen ausdrücklich zur Bewerbung aufgefordert. Bewerberinnen und Bewerber mit Migrationshintergrund sind ausdrücklich erwünscht.
Schwerbehinderte Bewerberinnen und Bewerber werden bei im Wesentlichen gleicher Eignung bevorzugt berücksichtigt.

Kontakt

Fragen zu wissenschaftlichen Themen:
Prof. Dr. Veronika Eyring, veronika.eyringprotect me ?!uni-bremenprotect me ?!.de  

Bitte senden Sie Ihre Bewerbung (Anschreiben, Lebenslauf und Kopien Ihrer Abschlusszeugnisse) bis zum 09.12.2021 unter Angabe der Kennziffer A267/21 an:

Universität Bremen / FB1
Sekretariat von Prof. Eyring
Frau Sandra Smit
Otto-Hahn-Allee 1
D-28359 Bremen
Deutschland

oder per E-Mail (möglichst in einer einzigen PDF-Datei) an: sandra.smitprotect me ?!uni-bremenprotect me ?!.de (Telefon: +49 421 218 62141)

Bewerbungen in Papierform werden nur als Kopie benötigt (keine Mappen); sie werden nach Abschluss des Bewerbungsverfahrens vernichtet.