Über den Job Das Paul Scherrer Institut PSI ist das grösste Forschungsinstitut für Natur- und Ingenieurwissenschaften in der Schweiz. Wir betreiben Spitzenforschung in den Bereichen Zukunftstechnologien, Energie und Klima, Gesundheitsinnovation und Grundlagen der Natur. Durch Grundlagen- und angewandte Forschung arbeiten wir an nachhaltigen Lösungen für grosse Herausforderungen der Gesellschaft, Wissenschaft und Wirtschaft. Das PSI engagiert sich in der Ausbildung zukünftiger Generationen. Daher sind etwa ein Viertel unserer Mitarbeitenden Postdocs, Doktorierende oder Lernende. Insgesamt beschäftigt das PSI 2300 Personen. Dieses Doktoratsprojekt ist Teil des neuen Schweizer Projekts „Learning the electrons: Design, training and application of a general model of the electronic structure of matter“, das darauf abzielt, maschinelle Lernmodelle der nächsten Generation für die elektronische Strukturtheorie zu entwickeln. Aufbauend auf jüngsten Fortschritten bei maschinell gelernten interatomaren Potentialen und Simulationen der elektronischen Struktur soll das Projekt übertragbare und skalierbare Modelle schaffen, die nicht nur Energien und Kräfte, sondern auch fortgeschrittene elektronische Eigenschaften von Materialien mit hoher Genauigkeit und Effizienz vorhersagen können. Das Projekt verbindet Entwicklungen im maschinellen Lernen, quantenmechanischen Simulationen und wissenschaftlicher Softwareinfrastruktur und wird gemeinsam von Dr. Giovanni Pizzi vom PSI und Prof. Dr. Michele Ceriotti von der EPFL geleitet. Ziel ist es, maschinelle Lernansätze zu entwickeln und anzuwenden, die eine explizite Darstellung der elektronischen Struktur von Materialien ermöglichen und die Vorhersage fortgeschrittener elektronischer Eigenschaften über Standard-Interatom-Potentiale hinaus erlauben. Aufbauend auf modernsten Methoden der elektronischen Struktur und modernen ML-Architekturen wird das Projekt das Design, Training und die Validierung übertragbarer elektronischer ML-Modelle über ein breites Spektrum von Materialsystemen untersuchen, einschließlich Ansätzen basierend auf übertragbaren Foundation-Modellen für Materialien und gross angelegten ML-Architekturen, die im gesamten Periodensystem anwendbar sind. Für die Materials Software and Data Group im Labor für Materialsimulationen des PSI Center for Scientific Computing, Theory and Data suchen wir eine/n Ihre Aufgaben Mitwirkung an der Mitentwicklung übertragbarer elektronischer ML-Modelle, Untersuchung des Zusammenspiels von Modelldesign, Trainingsstrategien, Recheneffizienz, Übertragbarkeit und Vorhersagegenauigkeit über ein breites Spektrum von Materialsystemen Erzeugung und Pflege hochwertiger elektronischer Strukturdatensätze mittels automatisierter und reproduzierbarer, auf AiiDA basierender Workflows für Modelltraining und Benchmarking Validierung und Benchmarking der Vorhersageleistung der Modelle für fortgeschrittene Materialeigenschaften über Standard-Bandstrukturen und Ladungsdichten hinaus, inklusive Elektron-Phonon-Kopplung sowie Operatoren und Observablen im Zusammenhang mit Berry-Phasen und anderen elektronischen Strukturgrössen Erforschung der Entwicklung übertragbarer Foundation-Modelle für Materialien, die im gesamten Periodensystem anwendbar sind Mitwirkung an der Entwicklung robuster, wiederverwendbarer und effizienter Open-Source-Software und Workflows, Integration von maschinellen Lernframeworks mit etablierten elektronischen Strukturcodes Ihr Profil Wir suchen eine/n hochmotivierte/n Kandidat/in mit Hintergrund in der rechnergestützten Materialwissenschaft oder Festkörperphysik und grossem Interesse an der Entwicklung und Anwendung fortgeschrittener Simulationsmethoden sowie deren Implementierung in Workflows. Sie verfügen über Erfahrung in selbstständiger Arbeit, arbeiten aber auch gerne in einem interdisziplinären und kollaborativen Umfeld und sind bestrebt, methodische Entwicklungen mit realen wissenschaftlichen Anwendungen zu verbinden. Wir erwarten nicht, dass Kandidat/innen zu Beginn des Doktorats in allen Techniken Experten sind; Ausbildung und Lernen sind integraler Bestandteil des Projekts. Voraussetzungen für Kandidat/innen sind: Masterabschluss (oder kurz vor Abschluss) in Physik, Materialwissenschaft, Chemie, Ingenieurwesen oder einem eng verwandten Fach Praktische Erfahrung mit Dichtefunktionaltheorie (DFT) für Forschung oder Projekte und/oder Erfahrung in der Entwicklung von maschinellen Lernmodellen (ML) für Materialien Kenntnisse in Python für wissenschaftliches Rechnen und Datenanalyse Sicheres Kommunizieren von Forschungsideen und -ergebnissen in Englisch, schriftlich und mündlich Interesse an Quanten-Simulationen, modernen maschinellen Lernmodellen, der Entwicklung neuer Rechenmethoden und/oder Materialmodellierung Sie sind vollständig am Paul Scherrer Institut PSI in der Materials Software and Data Group von Dr. Giovanni Pizzi tätig und arbeiten in enger Zusammenarbeit mit der Gruppe von Prof. Dr. Michele Ceriotti an der EPFL. Sie werden im Doktoratsprogramm für Materialwissenschaft und -technik (EDMX) an der EPFL eingeschrieben. Das Doktoratsstudium umfasst Kurse an der EPFL und kann Lehrtätigkeiten beinhalten. Die während des Doktorats erzielten Ergebnisse werden voraussichtlich in peer-reviewed Fachzeitschriften veröffentlicht und auf internationalen Konferenzen präsentiert. Wir sind überzeugt, dass unser Forschungsteam am besten funktioniert, wenn es maximal divers ist, und wir ermutigen insbesondere Bewerbungen von Mitgliedern unterrepräsentierter Gruppen. Wir bieten Unsere Institution basiert auf einer interdisziplinären, innovativen und dynamischen Zusammenarbeit. Sie profitieren von einer systematischen Einarbeitung am Arbeitsplatz, zusätzlich zu Möglichkeiten der persönlichen Entwicklung und unserer ausgeprägten Berufsausbildungskultur. Wenn Sie Arbeit und Familienleben oder andere persönliche Interessen optimal verbinden möchten, können wir Sie mit unseren modernen Arbeitsbedingungen und der Infrastruktur vor Ort unterstützen. Für weitere Informationen wenden Sie sich bitte an Dr. Giovanni Pizzi, E-Mail giovanni.pizzi@psi.ch. Bitte reichen Sie Ihre Bewerbung online bis 21. Juni 2026 ein, inklusive eines einseitigen Anschreibens, das Ihr Interesse an der Stelle und Ihre Qualifikation für diese Rolle zusammenfasst, Ihres Lebenslaufs, Ihres Notenspiegels und der Kontaktdaten von zwei Referenzpersonen für die Position als Doktorand/in im Bereich maschinelles Lernen der elektronischen Struktur für Materialien (Index-Nr. 7301-28526). www.psi.ch