A Quantum Machines a gyakorlati kvantumszámításhoz fejleszt technológiákat, és azokra a vezérlőrendszerekre összpontosít, amelyek segítik a kutatókat és mérnököket a fejlett kvantumhardverek működtetésében. Quantum Orchestration Platform platformja egyesíti a kvantumkísérletek programozásához, kezeléséhez és optimalizálásához szükséges eszközöket, támogatva a rendszerfejlesztéstől a megvalósításig tartó munkát. A vállalat kvantumkutatókból és mérnökökből álló csapata olyan infrastruktúrán dolgozik, amelynek célja a kvantumtechnológiák kutatási környezetből valós alkalmazások felé történő továbbvitele.
Gépi tanulási mérnök, kvantumvezérlés (hibrid, Németország)
Gépi tanulási rendszereket épít és vezet be kvantumprocesszorok kalibrálásához, vezérléséhez és működtetéséhez. Megerősítéses tanulást, Bayes-i következtetést és Python-szolgáltatásokat alkalmaz valódi hardveren, éles laboratóriumi környezetben.
Leírás
- Kvantumprocesszorok kalibrálását, vezérlését és működtetését fejlesztő gépi tanulási rendszereket hoz létre és vezet be
- A zajos, változó és biztonságkritikus vezérlési kihívásokat éles laboratóriumi hardverhez használható gépi tanulási megoldásokká alakítja
- Megerősítéses tanulási szabályzatokat, Bayes-i következtetési módszereket és ágensalapú keretrendszereket fejleszt autonóm, hatékony és driftálló kvantumvezérléshez
- Paraméteroptimalizálási, driftfigyelési és adaptív mérési módszereket hoz létre valódi hardveren
- Valós idejű paramétervezérlést valósít meg a kalibráláshoz QEC közben és az áramkörök között
- A rendszervezérlést és a kalibrálást automatizáló ágensalapú keretrendszereket épít és tart karban
- Python-alapú gépi tanulási szolgáltatásokat és könyvtárakat épít és tart karban, amelyek integrálódnak a Quantum Machines stackjébe, beleértve a QUA, a Qualibrate és az OPX1000 rendszereket
- Ügyfelekkel és laboratóriumi együttműködőkkel dolgozik a gépi tanulási megoldások kísérleti környezetben történő bevezetésén, validálásán és továbbfejlesztésén
- A termék-, K+F- és hardvercsapatokkal együttműködik belső könyvtárakon, ügyfél-SDK-kon és képzési anyagokon
Követelmények
- Gépi tanulás, fizika, alkalmazott fizika, kvantuminformatika vagy kapcsolódó szakterület doktori vagy mesterfokozata
- Legalább négy év releváns szakmai tapasztalat
- Erős gépi tanulási és mélytanulási szaktudás, gyakorlati tapasztalattal a mélytanulás, a megerősítéses tanulás vagy az ágensalapú MI területén
- Haladó Python-ismeretek, beleértve a tudományos vagy rendszerorientált kódbázisokkal végzett munkát
- Megbízható szoftverfejlesztési gyakorlatok az architektúra, a Git-munkafolyamatok, a tesztelés és a kódellenőrzés terén
- Bizonyított képesség gépi tanulási rendszerek prototípustól éles bevezetésig történő eljuttatására nem stacionárius adatok, költséges kiértékelések vagy biztonságkritikus cselekvési terek mellett
- Átvihető tapasztalat a robotika, az online vezérlés, az autonóm járművek vagy a hardver a hurokban típusú gépi tanulás területén
- Erős analitikus és problémamegoldó képesség ügyfélközpontú hozzáállással
- Képesség önállóan és interdiszciplináris csapatokban egyaránt hatékonyan dolgozni
- Bizonyított szoftverfejlesztési múlt és kiváló műszaki kommunikációs készség
- A kvantumszámítás olyan fogalmainak ismerete, mint a qubitkalibráció, a randomizált benchmarkolás, a QEC és az optimális vezérlés, előnyt jelent
- A szimulációból a valóságba átültető módszerek, a többcélú megerősítéses tanulás vagy a meta-tanulás terén szerzett tapasztalat előnyt jelent
Juttatások
- A gépi tanulás, a kvantumfizika és a szoftverfejlesztés metszéspontjában dolgozhat
- Különböző qubittechnológiákkal és kvantumarchitektúrákkal szerezhet tapasztalatot
- Közvetlen visszacsatolási ciklust használhat a gépi tanulási modellek és az éles laboratóriumi hardver között
- Vezető kvantumrendszer-laboratóriumok és vállalatok számára szállíthat gépi tanulási megoldásokat