Postdoc in Numerischer Mathematik (Technische Universität München)

Am Lehrstuhl für Numerische Mathematik an der TUM School of Computation, Information and Technology ist eine

Promotions- oder Postdoc-Stelle in Numerischer Mathematik

mit starkem Bezug zu partiellen Differentialgleichungen (Numerik / Analysis / Modellierung) (100%, TV-L) ab sofort zu besetzen.

Die Position in der Gruppe von Prof. Dr. Barbara Wohlmuth ist eine projektungebundene Forschungsstelle ohne Lehrtätigkeit und bietet damit die Möglichkeit zu projektunabhängiger Forschung in einem der zahlreichen Forschungsgebiete der Gruppe, mit Schwerpunkten in der Angewandten Mathematik und der Numerischen Simulation owie in deren verschiedenen interdisziplinären Projekten.

Im Einklang mit unserem Engagement für die Förderung der Geschlechtergerechtigkeit in der Forschung freuen wir uns, diese herausragende Stelle ausschreiben zu können. Diese Initiative verfolgt das Ziel, die Repräsentation von Wissenschaftlerinnen in unseren Projekten zu stärken und talentierten Frauen eine hervorragende Möglichkeit zu bieten, sich an wegweisender Forschung in unserem Fachgebiet zu beteiligen.

• Stellen und Themen-Überblick:
• Bei der ausgeschriebenen Stelle handelt es sich um eine projektungebundene Forschungsstelle ohne Lehrtätigkeit. Dies ermöglicht eine unabhängige Wahl des konkreten Forschungsgegenstandes aus den in der Arbeitsgruppe vertretenen Themen. Die interdisziplinäre Ausrichtung der Gruppe umfasst neben klassischen Themen der Numerischen Analysis, wie z.B. der Analysis nichtlinearer PDEs oder der Entwicklung neuer Lösungs- oder Kopplungsmethoden sowie deren Konvergenzanalysis auch Modellierungs- und Simulationsaspekte in verschiedensten Bereichen, von der Biomechanik über die Geophysik bis hin zur Polymer-Fluid-Kopplung, numerische Algorithmen für hochdimensionale Probleme sowie neben klassischen (hauptsächlich Finite Elemente) auch alternative Diskretisierungsmethoden (z.B. LBM) und High-Performance-Computing.
• Eine Auswahl möglicher Forschungsgebiete finden Sie auf unserer Website: https://www.math.cit.tum.de/math/forschung/gruppen/numerical-analysis/research/
• Typische Aufgaben, die Sie erwarten:
• Entwicklung und Analysis neuer mathematischer (PDE-)Modelle für anwendungsspezifische Phänomene aus z.B. den Natur- und Ingenieurswissenschaften oder der Medizin
• Starker, interdisziplinärer Austausch mit den Anwendungswissenschaften u.A. zur Modellvalidierung oder Identifikation relevanter Erweiterungen
• Mathematische Herleitung, Analyse und Vergleich von numerischen Methoden und Simulationsansätzen zur Lösung von PDEs,
• Formale Beweise für z.B. Konvergenzaussagen, Existenz und Eindeutigkeit von Lösungen,
• Fast-Prototyping neuer Ideen in individuellem Code, genauso aber auch die Implementierung neuer Modelle, Methoden und Algorithmen in bereits bestehende Frameworks auch mit Hinblick auf Effizienz
• Gestaltung und Realisierung relevanter Simulations-Pipelines: von realen Daten zu mathematischen und (z.B. klinisch) verwertbaren Ergebnissen
• Publikation der Ergebnisse in der wissenschaftlichen Fachöffentlichkeit (Fachzeitschriften, Konferenzbeiträge, Vorlesungsbeiträge etc.)
• Aktive Beteiligung in der akademischen Selbstverwaltung; z.B. bei der Co-Betreuung von Bachelor- und Masterarbeiten

• Master- oder PhD-Abschluss mit überdurchschnittlichem Erfolg in Angewandter Mathematik (Analysis, Numerik, Modellbildung) oder vergleichbaren Studiengängen mit einem starken Mathematik-Bezug und Kenntnissen in z.B. Funktionalanalysis sowie der Theorie und Numerik von PDEs
• Ausgeprägte Fähigkeiten im Bereich der mathematischen Modellierung mit partiellen Differentialgleichungen
• Erweiterte Kenntnisse im Bereich Numerik und Simulation, ebenfalls insbesondere von PDEs und speziell mit Finiten Elementen
• gute Programmierkenntnisse und Erfahrung in einer Auswahl von: C/C++, FORTRAN, python, julia oder MATLAB
• eine teamorientierte, gewissenhafte und organisierte Arbeitsweise
• Begeisterung für interdisziplinäre Projekte
• optional (bei einzelnen Themen hilfreich): Erfahrung mit Lattice-Boltzmann-Methoden und deren Implementierung, High-Performance-Computing Erfahrung, Methoden der Uncertainty Quantification