
Quantum Machines فناوریهایی برای رایانش کوانتومی عملی توسعه میدهد و بر سامانههای کنترلی تمرکز دارد که به پژوهشگران و مهندسان کمک میکنند سختافزارهای پیشرفتهٔ کوانتومی را راهاندازی و مدیریت کنند. پلتفرم Quantum Orchestration این شرکت ابزارهای لازم برای برنامهریزی، مدیریت و بهینهسازی آزمایشهای کوانتومی را در کنار هم قرار میدهد و از توسعهٔ سامانه تا پیادهسازی پشتیبانی میکند. تیم دانشمندان و مهندسان کوانتومی شرکت روی زیرساختهایی کار میکند که هدفشان انتقال فناوریهای کوانتومی از محیطهای پژوهشی به کاربردهای دنیای واقعی است.
مهندس یادگیری ماشین، کنترل کوانتومی (هیبریدی، آلمان)
سامانههای یادگیری ماشین را برای کالیبراسیون، کنترل و بهرهبرداری از پردازندههای کوانتومی بسازید و بهکار بگیرید. یادگیری تقویتی، استنباط بیزی و سرویسهای پایتون را روی سختافزار واقعی در آزمایشگاههای عملیاتی به کار ببرید.
توضیحات
- سامانههای یادگیری ماشین را برای بهبود کالیبراسیون، کنترل و بهرهبرداری از پردازندههای کوانتومی بسازید و بهکار بگیرید
- چالشهای کنترلی پرنویز، متغیر و ایمنیحساس را به راهکارهای یادگیری ماشین برای سختافزار آزمایشگاهی عملیاتی تبدیل کنید
- سیاستهای یادگیری تقویتی، روشهای استنباط بیزی و چارچوبهای عاملمحور را برای کنترل کوانتومی خودکار، کارآمد و مقاوم در برابر دریفت توسعه دهید
- روشهایی برای بهینهسازی پارامترها، پایش دریفت و اندازهگیری تطبیقی روی سختافزار واقعی ایجاد کنید
- هدایت پارامترها در زمان واقعی را برای کالیبراسیون هنگام QEC و بین مدارها پیادهسازی کنید
- چارچوبهای عاملمحور را که کنترل و کالیبراسیون سامانه را خودکار میکنند بسازید و نگهداری کنید
- سرویسها و کتابخانههای یادگیری ماشین پایتون را که با پشته Quantum Machines، شامل QUA، Qualibrate و OPX1000، یکپارچه میشوند بسازید و نگهداری کنید
- برای استقرار، اعتبارسنجی و بهبود راهکارهای یادگیری ماشین در محیطهای آزمایشی با مشتریان و همکاران آزمایشگاهی همکاری کنید
- در زمینه کتابخانههای داخلی، SDKهای مشتری و منابع آموزشی با تیمهای محصول، تحقیقوتوسعه و سختافزار همکاری کنید
شرایط لازم
- مدرک دکترا یا کارشناسی ارشد در یادگیری ماشین، فیزیک، فیزیک کاربردی، علم اطلاعات کوانتومی یا رشتهای مرتبط
- حداقل چهار سال سابقه حرفهای مرتبط
- تسلط قوی بر یادگیری ماشین و یادگیری عمیق، همراه با تجربه عملی در یادگیری عمیق، یادگیری تقویتی یا هوش مصنوعی عاملمحور
- مهارت پیشرفته در پایتون، شامل کار با کدبیسهای علمی یا سامانهمحور
- تسلط بر شیوههای مهندسی نرمافزار شامل معماری، گردشکار Git، آزمون و بازبینی کد
- توانایی اثباتشده برای رساندن سامانههای یادگیری ماشین از نمونه اولیه تا استقرار در شرایط دادههای غیرایستا، ارزیابیهای پرهزینه یا فضاهای کنشی ایمنیحساس
- تجربه قابل انتقال در رباتیک، کنترل برخط، خودروهای خودران یا یادگیری ماشین سختافزاردرحلقه
- توانایی تحلیلی و حل مسئله قوی با رویکرد مشتریمحور
- توانایی کار مؤثر بهصورت مستقل و در تیمهای میانرشتهای
- سابقه تثبیتشده در توسعه نرمافزار و مهارت عالی در ارتباطات فنی
- دانش مفاهیم رایانش کوانتومی مانند کالیبراسیون کیوبیت، بنچمارکینگ تصادفی، QEC و کنترل بهینه مزیت محسوب میشود
- تجربه در روشهای شبیهسازی تا واقعیت، یادگیری تقویتی چندهدفه یا متا-یادگیری مزیت محسوب میشود
مزایا
- در تقاطع یادگیری ماشین، فیزیک کوانتومی و مهندسی نرمافزار کار کنید
- با فناوریهای متنوع کیوبیت و معماریهای کوانتومی آشنا شوید
- از چرخه بازخورد مستقیم میان مدلهای یادگیری ماشین و سختافزار آزمایشگاهی عملیاتی استفاده کنید
- راهکارهای یادگیری ماشین را برای آزمایشگاهها و شرکتهای پیشرو در سامانههای کوانتومی ارائه دهید