SW Sviluppatore / Experimental Physicist (EP-ATL-OSW-2026-121-GRAP) — CERN
CHF 60'500 - 91'500
CERN · Geneva, GENEVA, Switzerland (GE)
- Località
- Geneva
- Contratto
- full-time
- Pubblicato
- 8 giorni fa
SalarioCHF 60'500 - 91'500
Panoramica
L'Event Filter (EF) fa parte del sistema ATLAS Trigger e Data Acquisition (TDAQ) ed è costituito da un'azienda multi-thread di elaborazione asincrono di server merce (CPU con o senza acceleratori) che esegue un sottoinsieme di algoritmi di ricostruzione offline insieme alla selezione di eventi guidata da menu.
Le condizioni di elevata luminosità previste durante le operazioni di Fase-II presentano sfide significative per gli algoritmi di ricostruzione degli oggetti e degli eventi previsti per l'EF, in particolare per la ricostruzione delle tracce. del CERN
Scopri un mondo in cui l'impossibile è reso possibile!
- L'Event Filter (EF) fa parte del sistema ATLAS Trigger e Data Acquisition (TDAQ) ed è costituito da un'azienda multi-thread di elaborazione asincrono di server merce (CPU con o senza acceleratori) che esegue un sottoinsieme di algoritmi di ricostruzione offline insieme alla selezione di eventi guidata da menu.
- Le condizioni di elevata luminosità previste durante le operazioni di Fase-II presentano sfide significative per gli algoritmi di ricostruzione degli oggetti e degli eventi previsti per l'EF, in particolare per la ricostruzione delle tracce. del CERN
- Le tue responsabilità:
- Condurre la ricerca sull'apprendimento automatico (ML) e gli approcci basati sull'intelligenza artificiale per la ricostruzione del tracciato, con un focus sull'applicabilità e le prestazioni di questi metodi nell'alto ambiente di accumulazione dell'HL-LHC.
- Esperienza nello sviluppo e nell'applicazione di metodi di apprendimento automatico o di apprendimento profondo in un contesto di fisica o di calcolo scientifico.
- Esperienza pratica nello sviluppo di software di ricostruzione offline e/o online.
Responsabilità principali
- Le tue responsabilità:
- Condurre la ricerca sull'apprendimento automatico (ML) e gli approcci basati sull'intelligenza artificiale per la ricostruzione del tracciato, con un focus sull'applicabilità e le prestazioni di questi metodi nell'alto ambiente di accumulazione dell'HL-LHC.
- Investigate e benchmark nuovi algoritmi di tracciamento basati su ML e la loro integrazione nel flusso di lavoro di monitoraggio EF basato su ACTS.
- Contribuisci a studi sia sulle prestazioni fisiche che sulle prestazioni computazionali delle diverse configurazioni in studio.
- Questo ruolo include responsabilità di supervisione del team. Il tuo profilo:
- Comprendere le sfide di tracciamento in ambienti ad alta densità di traccia, come ad esempio presso l'High-Luminosity LHC.
Requisiti principali
- Esperienza nello sviluppo e nell'applicazione di metodi di apprendimento automatico o di apprendimento profondo in un contesto di fisica o di calcolo scientifico.
- Esperienza pratica nello sviluppo di software di ricostruzione offline e/o online.
- Capacità di guidare le squadre e definire le direzioni. Competenze:
- Quadri di apprendimento della macchina e di apprendimento profondo.
- Esperienza con l'implementazione dell'inferenza ML.
- Conoscenza della formazione, della valutazione e dell'ottimizzazione del modello ML, compresa la messa a punto iperparametrica e il benchmarking delle prestazioni.
- di programmazione: C++ e Python, inclusi i flussi di lavoro di sviluppo software (Git, Jira).
- L'esperienza con framework di software scientifici su larga scala (ad esempio ACTS, Athena) è considerata un bene.
- Parlato e scritto inglese, con un impegno per imparare il francese. Criteri di ammissibilità:
- Hai uno sfondo professionale in PhD in fisica delle particelle / CS (o un campo correlato) e hanno o:
- un Master con 2 a 6 anni di esperienza professionale post-graduazione;
- o un dottorato con non più di 3 anni di esperienza professionale post-graduazione.
Cosa offre l’azienda
- La recente definizione dell'azienda EF come architettura eterogenea che combina CPU e GPU apre nuove opportunità per implementare modelli di machine learning all'interno del flusso di lavoro di tracciamento EF.
- Sarete parte del team CERN ATLAS e contribuirà alla ricerca nell'applicazione delle tecniche ML per la ricostruzione della pista presso l'HL-LHC, con l'obiettivo di identificare ed esplorare gli approcci più promettenti per l'implementazione nel tracciamento ATLAS EF.
- La posizione è parte del programma Next Generation Trigger. globali
- Una spesa mensile tra 6372-7004 Franco Svizzero al mese (gratuito dalla tassa) a seconda della laurea.
- 30 giorni di congedo retribuito all'anno più 2 settimane di chiusura annuale.
- Copertura dell’assicurazione sanitaria completa del CERN (per te, il tuo coniuge e i tuoi figli) e dell’iscrizione al CERN Pension Fund.
- Indennità mensili di famiglia, bambino e bambino a seconda delle circostanze individuali.
- Un pacchetto di trasferimento (concessione di installazione e spese di viaggio) a seconda delle vostre circostanze individuali.
- Possibilità di estendere il contratto fino a 36 mesi.
- On-the-job e formazione formale, comprese le lezioni di lingua.
Azienda e contesto
- In piedi, quando richiesto dalle esigenze dell'Organizzazione.
- Lavorare durante le notti, la domenica e le vacanze ufficiali, quando richiesto dalle esigenze dell'Organizzazione.
- Riferimento del lavoro: EP-ATL-OSW-2026-121-GRAP Campo di lavoro: Fisica sperimentale Lavoro Benchmark: 200140 Medico Applicato
- Al CERN, l'Organizzazione europea per la ricerca nucleare, stiamo spingendo le frontiere della scienza e della tecnologia.
- Il nostro lavoro innovativo riunisce non solo i fisici, ma anche una vasta gamma di professionisti provenienti da settori ingegneristici, tecnici, scientifici e amministrativi.
- Insieme, promuoviamo un ambiente in cui l'innovazione e la collaborazione prosperano.
Dettagli ulteriori
- Le condizioni di elevata luminosità previste durante le operazioni di Fase-II presentano sfide significative per gli algoritmi di ricostruzione degli oggetti e degli eventi previsti per l'EF, in particolare per la ricostruzione delle tracce.
- La posizione è parte del programma Next Generation Trigger.
- Questo ruolo include responsabilità di supervisione del team.
- Capacità di guidare le squadre e definire le direzioni.
- Lingue di programmazione: C++ e Python, inclusi i flussi di lavoro di sviluppo software (Git, Jira).
- Parlato e scritto inglese, con un impegno per imparare il francese. Criteri di ammissibilità:
- Durata del contratto: 24 mesi, con una possibile estensione fino a 36 mesi massimo. Orario di lavoro: 40 ore settimanali Flessibilità del lavoro: Fully Onsite Data di inizio obiettivo: 01-ottobre-2026 Questa posizione comporta:
- Riferimento del lavoro: EP-ATL-OSW-2026-121-GRAP Campo di lavoro: Fisica sperimentale Lavoro Benchmark: 200140 Panoramica del CERN
Note e contenuto originale
- Il tuo profilo:
- Competenze:
- Parlato e scritto inglese, con un impegno per imparare il francese.
- Criteri di ammissibilità:
- Durata del contratto: 24 mesi, con una possibile estensione fino a 36 mesi massimo.
- Orario di lavoro: 40 ore settimanali
- Flessibilità del lavoro: Fully Onsite
- Data di inizio obiettivo: 01-ottobre-2026
- Questa posizione comporta:
- Riferimento del lavoro: EP-ATL-OSW-2026-121-GRAP
