Promotionsstelle zum Thema Untangling multi-property NMR signals in drug screening with data-driven neural networks (w/m/d)

Einleitung

Das Scientific Computing Center ist das Informationstechnologie-Zentrum des KIT.

Die Nachwuchsgruppe 'Robust and Efficient AI“ am SCC forscht an skalierbaren KI-Methoden für Anwendungen in den Naturwissenschaften. Das Team konzentriert sich insbesondere auf die Frage, wie maschinelles Lernen robuster und effizienter gestaltet werden kann, um den Einsatz solcher Methoden in komplexen und sicherheitskritischen Anwendungsbereichen zu ermöglichen.

Da viele dieser Anwendungen auf extrem großen Datensätzen basieren, spielt High-Performance-Computing (HPC) eine zentrale Rolle in der Forschung der Gruppe.

Neugierig auf eine aufregende und vielseitige Rolle in einem agilen Team? Entdecken Sie mehr über SCC als Ihren beruflichen Place to be: KIT - SCC - Über uns - Arbeiten am SCC

Aufgaben

Im Sonderforschungsbereich (SFB) HyPERiON des KIT wird ein innovatives Promotionsprojekt angeboten, das sich mit der Auflösung von Signalüberlagerungen in der parallelen NMR-Spektroskopie mittels künstlicher Intelligenz (KI) beschäftigt. NMR-Spektroskopie ist ein zentrales Werkzeug der Wirkstoffforschung. In einem parallelen Setup treten jedoch Signal-Kopplungen und Überlappungen auf, die die Extraktion kritischer Molekülinformationen erschweren. Ziel des Projekts ist die Entwicklung von KI-Modellen, die in der Lage sind, aus gekoppelten NMR-Spektren einzelne, entkoppelte Spektren zu generieren.

Im Rahmen des Projekts umfasst ihr Aufgabengebiet:

• Die Entwicklung eines Transformator-basiertes neuronales Netzwerk zur Verarbeitung von NMR-Spektren
• Die Erstellung von Datensätze aus bestehenden Experimenten im SFB sammeln und eigenen Experimente, welche im Rahmen eines Gastaufenthalts am KIT-Institut für Mikrostrukturtechnik (IMT) erstellt werden sollen
• Die Anwendung von selbstüberwachtem Vortraining auf maskierte Sequenzmodellierung und aufgabenspezifisches Feintuning auf das trainierte neuronale Netzwerk
• Analysen, inwieweit das entwickelte Modell die zugrunde liegenden physikalischen Prinzipien der Kernspinresonanz lernen kann

Sie werden außerdem Teil von HyPERiON sein, an den Aktivitäten des SFB teilnehmen und mit den anderen Doktoranden und Projekten zusammenarbeiten.

Eine berufsbegleitende Promotion ist erwünscht.

Profil

Sie bringen mit:

• Ein abgeschlossenes wissenschaftliches Hochschulstudium (Master) in Informatik, Physik, Mathematik oder einem vergleichbaren Fachgebiet
• Sehr gute Kenntnisse in der Programmierung und Softwareentwicklung, vorzugsweise in Python
• Erfahrung in der Entwicklung und dem Training von Deep-Learning-Modellen oder mit Kernspinresonanzverfahren