Öffentlicher Dienst: PhD Student (f/m/d) in Machine Learning for Quantum Computing und der Simulation von Quantenmaterie – eine spannende Gelegenheit in Görlitz, Sachsen!

Bist du eine leidenschaftlicher Forscher*in mit einem abgeschlossenen Hochschulstudium (Master/Diplom) in den Bereichen Physik, Chemie, Informatik, Künstliche Intelligenz oder maschinelles Lernen? Dann könnte diese Position genau das Richtige für dich sein! Der öffentliche Dienst sucht nach Talenten, die bereit sind, die nächste Generation von Quantencomputing mitzugestalten.

Du wirst an innovativen Projekten arbeiten, die sich mit der Entwicklung von Algorithmen für Quantencomputer und der Simulation komplexer quantenmechanischer Systeme beschäftigen. Dabei hast du die Möglichkeit, deine Kenntnisse in Machine Learning anzuwenden und weiterzuentwickeln.

Es gibt auch viele Vorteile, die mit dieser Position einhergehen. Der Tarifvertrag für den öffentlichen Dienst (TVöD-Bund) sichert dir nicht nur eine faire Vergütung, sondern auch 30 Tage bezahlten Urlaub sowie eine betriebliche Altersversorgung. Das bedeutet, du kannst dich nicht nur auf deine Forschung konzentrieren, sondern auch sicher sein, dass deine Work-Life-Balance stimmt.

Die Zusammenarbeit mit erfahrenen Kolleg*innen und der Austausch von Ideen ist ein zentraler Bestandteil dieser Position. Du wirst nicht nur deine eigene Forschung vorantreiben, sondern auch Teil eines großartigen Netzwerks werden, das sich für die Zukunft von Technologie und Wissenschaft einsetzt.

Wenn du bereit bist, die Herausforderungen der quantentechnologischen Forschung anzunehmen und Teil eines dynamischen Teams zu werden, dann zögere nicht, dich zu bewerben! Lass uns gemeinsam die Grenzen des Möglichen verschieben und einen bedeutenden Beitrag zur Wissenschaft leisten!

Jobtitel

PhD Student (f/m/d) in Machine Learning for Quantum Computing and Simulation of Quantum Matter / Completed university studies (Master/Diploma) in the field of Physics, Chemistry, Computer Science, Artificial Intelligence, Machine Learning …