機器學習工程師，量子控制（混合辦公，德國）
建構並部署用於量子處理器校準、控制與運作的機器學習系統。 將強化學習、貝葉斯推論與 Python 服務應用於生產實驗室中的真實硬體。
說明
- 建立並部署可提升量子處理器校準、控制與運作的機器學習系統
- 將生產實驗室硬體中嘈雜、持續變化且涉及安全關鍵的控制難題轉化為機器學習解決方案
- 開發強化學習策略、貝葉斯推論技術與代理式框架，實現自主、高效且可容忍漂移的量子控制
- 為真實硬體建立參數最佳化、漂移監測與自適應量測方法
- 實作量子錯誤更正期間及電路之間校準所需的即時參數調節
- 建構並維護自動化系統控制與校準的代理式框架
- 建構並維護 Python 機器學習服務與函式庫，整合 Quantum Machines 技術堆疊，包括 QUA、Qualibrate 與 OPX1000
- 與客戶及實驗室合作夥伴合作，在實驗環境中部署、驗證並改進機器學習解決方案
- 與產品、研發及硬體團隊合作開發內部函式庫、客戶 SDK 與培訓資源
職位要求
- 具備機器學習、物理學、應用物理學、量子資訊科學或相關學科的博士或碩士學位
- 至少四年相關專業經驗
- 具備扎實的機器學習與深度學習專業能力，並有深度學習、強化學習或代理式 AI 的實務經驗
- 具備進階 Python 技能，包括科學計算或系統導向程式碼庫的開發經驗
- 熟悉良好的軟體工程實務，包括架構設計、Git 工作流程、測試與程式碼審查
- 證明能在非平穩資料、評估成本高或動作空間涉及安全關鍵的環境中，將機器學習系統從原型推進至部署
- 具備機器人、線上控制、自動駕駛或硬體迴路機器學習方面可轉移的經驗
- 具備出色的分析與問題解決能力，並以客戶為導向
- 能夠獨立工作，也能在跨學科團隊中有效協作
- 擁有扎實的軟體開發紀錄與優異的技術溝通能力
- 了解量子計算概念，如量子位元校準、隨機基準測試、量子錯誤更正與最佳控制者優先
- 具備模擬到真實方法、多目標強化學習或元學習經驗者優先
福利待遇
- 在機器學習、量子物理與軟體工程的交會領域工作
- 接觸多樣的量子位元技術與量子架構
- 運用機器學習模型與生產實驗室硬體之間的直接回饋循環
- 為領先的量子系統實驗室與企業提供機器學習解決方案