Machine Learning Entwickler (EP-CMG-OS-2025-260-GRAP)

CERN European Organization for Nuclear Research
Geneva, Switzerland
24 days ago

Role details

Contract type
Temporary contract
Employment type
Full-time (> 32 hours)
Working hours
Regular working hours
Languages
German, English, French
Experience level
Intermediate
Compensation
CHF 83K

Job location

Geneva, Switzerland

Tech stack

Data analysis
C++
Continuous Integration
Field-Programmable Gate Array (FPGA)
Github
Hardware Description Language
Machine Learning
Software Engineering
Verilog
VHDL
Data Logging
Gitlab
Machine Learning Operations

Job description

  • Entwurf und Training von ML-Modellen zur Verbesserung der physikalischen Selektionen des CMS Phase-2 Level-1 Triggers durch gezielte Ansprache spezifischer Signaturen und Optimierung des Informationsflusses im Multi-Algorithmus-System.
  • Entwicklung, Bereitstellung, Integration und Test von ML-Modellen in FPGAs (einschließlich RTL/HLS-Komponenten und Software-Emulatoren).
  • Demonstration von Leistungssteigerungen in der Physik und Präsentation der Ergebnisse innerhalb von CMS, am CERN und auf internationalen Konferenzen.
  • Entwurf und Implementierung von MLOps-Praktiken, Skalierung von Workflows zur Sicherstellung reproduzierbaren Trainings, Validierung und Bereitstellung von ML-basierten Trigger-Algorithmen.
  • Enge Zusammenarbeit mit Kollegen in CMS, CERN-Abteilungen und externen Instituten, die an ML-für-Trigger-Forschung arbeiten.

Requirements

Erfahrung:

  • Erfahrung in der Entwicklung und Anwendung von Machine Learning Algorithmen für physikalische oder wissenschaftliche Datenanalysen;
  • Vertrautheit mit Fast ML / hardwarebeschränkten ML-Techniken ist von Vorteil;
  • Kenntnisse in Physikanalyse oder Methoden der physikalischen Ereignisrekonstruktion;
  • Erfahrung mit Trigger- und Datenerfassungssystemen, einschließlich Hardwarearchitekturen;
  • Praktische Erfahrung in der Softwareentwicklung (z.B. GitHub/GitLab, Continuous Integration, MLOps);
  • Grundkenntnisse im FPGA-Design einschließlich HDLs (VHDL/Verilog) und/oder High Level Synthesis (C++);

Fähigkeiten:

  • Machine Learning & Fast Machine Learning;
  • Physikalische Datenanalyse & Rekonstruktion;
  • Trigger-Systeme & Datenerfassung (TDAQ);
  • MLOps, Continuous Integration (CI) & CI/CD-Pipelines;
  • FPGA-Design & Programmierung;
  • Hardwarebeschreibungssprachen (HDL) & High-Level Synthesis (HLS);
  • Englisch in Wort und Schrift, mit der Bereitschaft, Französisch zu lernen.

Zulassungskriterien:

  • Sie sind Staatsangehöriger eines CERN-Mitglieds- oder assoziierten Mitgliedsstaates.
  • Sie verfügen über einen beruflichen Hintergrund in Physik (oder einem verwandten Bereich) und haben entweder:
  • einen Masterabschluss mit 2 bis 6 Jahren Berufserfahrung nach dem Abschluss;
  • oder eine Promotion mit nicht mehr als 3 Jahren Berufserfahrung nach dem Abschluss.
  • Sie hatten zuvor keinen CERN-Stipendien- oder Absolventenvertrag.

Benefits & conditions

  • Ein monatliches Stipendium zwischen 6287-6911 Schweizer Franken pro Monat (steuerfrei), abhängig von Ihrem Abschluss.
  • 30 Tage bezahlter Urlaub pro Jahr plus 2 Wochen Jahresabschluss.
  • Abdeckung durch das umfassende Krankenversicherungssystem des CERN (für Sie, Ihren Ehepartner und Kinder) sowie Mitgliedschaft im CERN-Pensionsfonds.
  • Familien-, Kinder- und Säuglingszulagen, abhängig von Ihren individuellen Umständen.
  • Ein Umzugspaket (Installationszuschuss und Reisekosten), abhängig von Ihren individuellen Umständen.
  • Möglichkeit zur Verlängerung Ihres Vertrags auf bis zu 36 Monate.
  • On-the-Job- und formale Schulungen einschließlich Sprachkurse.

Überblick über CERN - Entdecken Sie eine Welt, in der das Unmögliche möglich wird!

Am CERN, der Europäischen Organisation für Kernforschung, treiben wir die Grenzen von Wissenschaft und Technologie voran. Unsere bahnbrechende Arbeit vereint nicht nur Physiker, sondern auch eine vielfältige Gruppe von Fachleuten aus den Bereichen Ingenieurwesen, Technik, Wissenschaft und Verwaltung. Gemeinsam fördern wir ein Umfeld, in dem Innovation und Zusammenarbeit gedeihen.

Jeden Tag stehen wir vor spannenden neuen Herausforderungen und Möglichkeiten, zu Spitzenforschung beizutragen, die unser Verständnis des Universums prägt. Wir begegnen diesen Herausforderungen durch die vielfältigen Perspektiven in unseren Teams, wobei jeder Beitrag geschätzt wird und unser gemeinsames Gefühl von Inklusion und Zweck vorangetrieben wird. Vielfalt ist seit der Gründung ein Kernwert des CERN und bleibt zentral für unsere Mission und unseren anhaltenden Erfolg.

About the company

Schließen Sie sich uns an, um die Grenzen des Echtzeit-Machine Learning (ML) in einer der anspruchsvollsten Rechenumgebungen der Welt zu erweitern. Sie werden hochmoderne ML-Modelle für den CMS Level-1 Trigger entwickeln - ein ultra-niedriglatenzfähiges, FPGA-basiertes System, das in Echtzeit die interessantesten LHC-Kollisionen auswählt. Sie helfen bei der Gestaltung der nächsten Generation von Trigger-Algorithmen für die High Luminosity LHC-Ära, indem Sie ML-Modelle über verschiedene Systeme hinweg gemeinsam trainieren, um die physikalische Leistung zu maximieren und gleichzeitig den Informationsfluss, die Bandbreite und die Ressourcennutzung auf dem Gerät zu optimieren. Dies umfasst die Entwicklung und Skalierung von MLOps-Workflows, die Integration von ML-Modellen in FPGAs und die Bereitstellung von Demonstratoren, die die Leistung der gesamten Kette von Training und physikalischer Leistung bis hin zur Hardwarebereitstellung validieren. Diese Position ist Teil des NextGen Triggers (NGT) Projekts, einer 5-jährigen Zusammenarbeit zwischen den LHC-Experimenten und den CERN Forschungs- und Rechenabteilungen. Das Projekt nutzt innovative Technologien der Künstlichen Intelligenz und Hochleistungsrechenarchitekturen, um die Triggerauswahl, Datenverarbeitung und theoretische Interpretation für LHC-Experimente zu verbessern. Die gewonnenen Erkenntnisse werden die zukünftige Entwicklung von Detektoren, Datenflüssen und theoretischen Werkzeugen informieren.

Apply for this position