Stellenbeschreibung

Die Abteilung Klimamodellierung der Universität Bremen bietet eine Postdoc-Stelle auf dem Gebiet der Entwicklung von auf maschinellen Lernverfahren (ML) - basierten Turbulenzparametrisierungen 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 grundlegende Abweichungen und erhebliche Unsicherheiten bei den Modellergebnissen. Insbesondere hat sich die Spanne der Klimamodellresultate für die Empfindlichkeit des Gleichgewichtsklimas gegenüber einer Verdoppelung der CO2-Konzentration seit den 1970er Jahren nicht verringert. Eine Hauptursache hierfür sind Unterschiede in der Darstellung von Wolken und anderen Prozessen, die auf räumlichen Skalen kleiner als die Auflösung des Modellgitters auftreten. Diese müssen durch Parametrisierungen angenähert werden, die den statistischen Effekt des Prozesses auf der Gitterskala des Modells darstellen. Dies schränkt die Fähigkeit der Modelle ein, das globale, aber auch das regionale Klima, den Wasserkreislauf und Extremereignisse akkurat zu simulieren und vorherzusagen. Während derzeit Anstrengungen unternommen werden, konvektionsauflösende, hochauflösende globale Klimamodelle zu entwickeln, in denen einige der physikalischen Prozesse explizit modelliert werden können, werden für Modellexperimente, die lange Zeiträume abdecken müssen oder für solche, die eine zusätzliche Komplexität über das traditionellen physikalische Klimamodell hinaus erfordern, weiterhin gröbere Erdsystemmodellsimulationen erforderlich sein. Ein vielversprechender Ansatz dafür ist die Entwicklung von atmosphärischen Parametrisierungen basierend auf maschinellen Lernverfahren (insbesondere Deep-Learning), die im Rahmen dieser Stelle für das ICOsahedral Nonhydrostatic (ICON) Klimamodell entwickelt werden sollen. In dieser Position wird der Schwerpunkt auf der Entwicklung einer ML-basierten Turbulenzparametrisierung für ICON liegen.

Aufgabenschwerpunkte

Die/Der Bewerber:in wird hochauflösende Simulationen und Beobachtungsdaten durchführen und verwenden, um eine Parametrisierung auf Grundlage von maschinellen Lernverfahren (ML) zu entwickeln. Die ML-Parametrisierung wird in ICON implementiert.

• Durchführung von hochaufgelösten ICON Simulationen als Trainingsdaten für die Entwicklung von ML-basierten Parametrisierung
• Entwicklung von auf maschinellen Lernverfahren und insbesondere Deep Learning basierten Turbulenzparametrisierungen für Klimamodelle
• Implementierung in ICON
• Durchführung von entsprechenden Klimasimulationen mit ICON-ML
• Bewertung des resultierenden ICON-ML mit dem Earth System Model Evaluation Tool (ESMValTool)
• Dokumentation und Software als Open Source

Voraussetzungen

• Erfolgreich abgeschlossenes wissenschaftliches Hochschulstudium (Master/Universitätsdiplom) Abschluss in Physik, Datenwissenschaft, Informatik oder gleichwertiger Abschluss einem ähnlichen Bereich
• Promotion in Physik, Datenwissenschaft, Informatik oder einem ähnlichen Fachgebiet
• Ausgezeichnete Programmierkenntnisse (vorzugsweise Python), einschließlich objektorientierter und paralleler Programmierung
• Erfahrung mit maschinellem Lernen, Datenanalyse und großen Datensätzen
• Interesse an der Klimaforschung
• Ausgezeichnete analytische Fähigkeiten und die Fähigkeit, sowohl unabhängig als auch im Team zu arbeiten
• Enthusiasmus, Motivation und Kreativität
• Fließende Englischkenntnisse in Wort und Schrift (mind. C1 – CEF)
• Bereitschaft zum Reisen

Wünschenswerte Kenntnisse und Fähigkeiten:

• Erfahrung in der Erdsystemmodellierung, Parametrisierung und Klimawissenschaft ist von Vorteil

Allgemeine Hinweise

Ihre Vorteile

In der Abteilung "Klimamodellierung" bieten wir eine hervorragende Ausstattung und die Möglichkeit, mit weltweit anerkannten Experten auf dem Gebiet der Erdsystemmodellierung und der Entwicklung maschineller Lernverfahren 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 Mitarbeiterin / der Mitarbeiter kann von einer dynamischen Gruppe und einer engen Zusammenarbeit mit der Abteilung Evaluation und Analyse von Erdsystemmodellen des DLR-Instituts für Physik der Atmosphäre sowie von der Interaktion mit anderen Forschern profitieren, die am Synergy Grant des Europäischen Forschungsrats (ERC) "Understanding and Modelling the Earth System with Machine Learning" (USMILE, https://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 Klimaberichten des Intergovernmental Panel on Climate Change (IPCC) bei.

Allgemeine Hinweise

Die Universität Bremen beabsichtigt, den Anteil von Frauen im Wissenschaftsbereich zu erhöhen und fordert deshalb Frauen ausdrücklich auf, sich zu bewerben. Bewerber:innen mit Migrationshintergrund sind ausdrücklich erwünscht. Schwerbehinderte Bewerber:innen werden bei im Wesentlichen gleicher fachlicher und persönlicher Eignung bevorzugt berücksichtigt.

Kontakt

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

Fragen zur Bewerbung
Frau Sandra Smit  
E-Mail: smitprotect me ?!iup.physik.uni-bremenprotect me ?!.de
Telefon: +49 421 218 62118

Bitte senden Sie Ihre Bewerbung (Anschreiben, Lebenslauf, mindestens zwei Empfehlungsschreiben und Kopien Ihrer Abschlusszeugnisse) bis zum 02.06.2023 unter Angabe der Kennziffer A253/22 an:

Universität Bremen / FB1
Teamassistenz von Prof. Eyring
Frau S. Smit
Universitätsallee GW1, Raum A1185
28359 Bremen
Deutschland

oder per E-Mail (möglichst in einer einzigen PDF-Datei): smitprotect me ?!iup.physik.uni-bremenprotect me ?!.de

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