Tesis Doctoral - Modelos Sustitutos Multi-Escala Confiables (h/m/div.)

Descripción de la Empresa

¿Deseas que las tecnologías beneficiosas se formen a partir de tus ideas? Ya sea en las áreas de soluciones de movilidad, bienes de consumo, tecnología industrial o tecnología de energía y construcción, con nosotros tendrás la oportunidad de mejorar la calidad de vida en todo el mundo. Bienvenido a Bosch.

Robert Bosch GmbH está esperando tu solicitud!

Descripción del Trabajo

La simulación numérica juega un papel importante en el diseño y desarrollo de nuevos productos. Sin embargo, intentar capturar "el verdadero" comportamiento predictivo del diseño de un producto en términos de rendimiento y fiabilidad a menudo es un desafío. Especialmente en el contexto de problemas multi-escala, los modelos matemáticos necesitan resolver muchas escalas y, en consecuencia, son muy intensivos en cálculo en términos de tiempo de ejecución computacional y demanda de memoria. En general, los enfoques de modelado sustituto han demostrado ser una opción viable para acelerar los modelos computacionales. Sin embargo, los enfoques clásicos suelen fallar en problemas multi-escala en entornos industriales.

En esta tesis de doctorado queremos investigar cómo acelerar eficientemente problemas multi-escala usando modelación sustituta en un caso de uso específico de Bosch. Especialmente en el escenario en que queremos combinar datos de simulación con mediciones para mejorar la calidad predictiva. Naturalmente, el planteamiento del problema plantea muchos desafíos, entre los cuales se encuentran:

• Modelar las multi-escalas con sustitutos adecuados
• Combinar datos y simulación con incertidumbre durante la fase de entrenamiento de los modelos sustitutos para añadir una noción de fiabilidad
• Lidiar con espacios de parámetros grandes
• Aproximar un comportamiento funcional fuertemente no lineal

Cualificaciones

• Educación: grado universitario excelente en matemáticas aplicadas
• Experiencia y Conocimientos: conocimientos sólidos en simulación numérica de ecuaciones diferenciales ordinarias y parciales; buen conocimiento de métodos de aprendizaje automático (aprendizaje supervisado y no supervisado), modelado sustituto o reducción del orden de modelos; sólidas habilidades de programación, idealmente en Python; conocimientos sólidos en teoría de la probabilidad / métodos estadísticos
• Entusiasmo: interés en resolver aplicaciones industriales
• Idiomas: fluidez en inglés

Información Adicional

www.bosch.com/research
https://www.bosch-ai.com

El tema final del doctorado está sujeto a tu universidad. Comienzo: Febrero 2024

Por favor, envía todos los documentos relevantes (incl. CV, certificados, expediente académico).

La diversidad y la inclusión no son sólo tendencias para nosotros sino que están firmemente ancladas en nuestra cultura corporativa. Por lo tanto, damos la bienvenida a todas las solicitudes, independientemente del género, la edad, la discapacidad, la religión, el origen étnico o la identidad sexual.

¿Necesitas apoyo durante tu solicitud?
Kevin Heiner (Recursos Humanos)
+49 711 811 12223

¿Necesitas más información sobre el trabajo?
Michael Schick (Departamento Funcional)
+49 711 811 15877

#LI-DNI