Das DLR-lnstitut für Physik der Atmosphäre erforscht die Physik und die Chemie der globalen Atmosphäre vom Boden bis zum oberen Rand der mittleren Atmosphäre in etwa 120km Höhe. Die dazugehörige Abteilung Erdsystemmodell-Evaluierung und -Analyse entwickelt innovative Methoden zur Evaluierung und Analyse von Erdsystemmodellen im Vergleich mit Beobachtungsdaten mit dem Ziel, das Erdsystem besser verstehen und vorhersagen zu können. In Kooperation mit internationalen Partnern leitet das Institut die Entwicklung eines Software-Tools zur Überprüfung der Qualität von komplexen Erdsystemmodellen mittels Beobachtungsdaten (ESMValTool). Das ESMValTool unterstützt als frei verfügbare Software die Modellevaluierung und das Erreichen eines besseren Prozessverständnisses innerhalb des Coupled Model Intercomparison Projects (CMIP). Gemeinsam mit Partnern aus Jena, Valencia und New York hat das Institut den hochdotierten European Reserach Council (ERC) Synergy Grant für das Projekt „Understanding and Modelling the Earth System with Machine Learning (USMILE)“ gewonnen. Innerhalb dieses Projekts sollen bisherige Verständnislücken im Klimasystem im Bereich kleinskaliger physikalischer Prozesse, wie Wolken geschlossen werden. Ziel ist es, Änderungen im Klimasystem und deren Auswirkungen auf die Ökosysteme der Erde mit maschinellen Lernverfahren besser verstehen und modellieren zu können. Hierfür suchen wir eine/n Forschungs- und Software-Ingenieur/in der/die Teil des internationalen Entwicklungsteams zum ESMValTool (Core Entwickler) und USMILE wird.

Im Rahmen dieses Forschungsfeldes umfassen Ihre Aufgaben folgende Tätigkeiten: 

• Technische Durchführung von Simulationen mit dem ICON-ML Modell und technische Unterstützung bei zugehörigen Entwicklungen
  • Technische Unterstützung bei der Entwicklung von ICON-ML
  • Technische Durchführung von Simulationen mit ICON-ML auf verschiedenen Großrechensystemen
  • Technische Unterstützung der Abteilungsmitglieder bei der Entwicklung von ICON-ML, Nutzung von ICON-ML Modell und -Simulationen
• Technische Anpassung und Weiterentwicklung von maschinellen Lernverfahren für die Auswertung von Erdsystemdaten und die Verbesserung des ICON-ML Modells
  • Technische Unterstützung der Abteilungsmitglieder bei der Entwicklung von innovativen Methoden zur Analyse von großen Datenmengen, inklusive des Einbaus von maschinellen Lernverfahren in das ESMValTool und deren Testung
  • Technische Unterstützung der Abteilungsmitglieder bei der Implementierung und Entwicklung von maschinellen Lernverfahren für ICON-ML und auf verschiedenen Großrechnersystemen (CPU/GPU)
• Technische Weiterentwicklung des ESMValTools mit Schwerpunkt Optimierung der Software
  • Erweiterung und Optimierung der technischen Infrastruktur des ESMValTools
  • Portierung auf Rechner mit Anschluss an Earth System Grid Federation (ESGF)
  • Unterstützung der ESMValTool-Entwicklungszyklen, Softwareengineering und Fehleranalyse
  • Entwicklung und Durchführung regelmäßiger Tests auf verschiedenen Rechnersystemen
  • Entwicklung effizienter Auswerteverfahren in Bezug auf steigendes Datenvolumen (Petabyte-Anforderungen)
  • Technische Unterstützung der ESMValTool Anwendungsentwickler (auch international)