d) im Bereich Machine- Learning- Methoden zur numerischen Wettervorhersage

Jetzt bewerben

Drucken

Zentrum für Sonnenenergie- und Wasserstoff-Forschung Baden-Württemberg (ZSW)

Stuttgart

Informationen zur Anzeige:

Abschlussarbeit Master (m/w/d) im Bereich Machine- Learning- Methoden zur numerischen Wettervorhersage

Zentrum für Sonnenenergie- und Wasserstoff-Forschung Baden-Württemberg (ZSW)

Stuttgart

Aktualität: 16.05.2025

Anzeigeninhalt:

16.05.2025, Zentrum für Sonnenenergie- und Wasserstoff-Forschung Baden-Württemberg (ZSW)

Stuttgart

Einleitung

// Energie mit ZukunftDas Zentrum für Sonnenenergie- und Wasserstoff-Forschung Baden-Württemberg (ZSW) gehört zu den führenden Instituten für angewandte Forschung in den großen Themen der Energiewende: Photovoltaik, Windenergie, Batterien, Brennstoffzellen, Elektrolyse, eFuels, Circular Economy, Politikberatung sowie die Nutzung von KI zur Prozess- und Systemoptimierung. Gemeinsam mit der Industrie ebnen wir neuen Technologien den Weg in den Markt. An den ZSW-Standorten Stuttgart und Ulm arbeiten dafür mehr als 300 Kolleginnen und Kollegen sowie rund 100 wissenschaftliche und studentische Hilfskräfte. Das ZSW betreibt zudem ein Testfeld für Windenergie und ein weiteres Testfeld für PV-Anlagen. Wir sind Mitglied der Innovationsallianz Baden-Württemberg (innBW), einem Bündnis aus zehn wirtschaftsnahen ForschungseinrichtungenFür das Fachgebiet Systemanalyse (SYS) am Standort Stuttgart suchen wir zum nächstmöglichen Zeitpunkt Studierende (m/w/d) für ZSW
Energie & Umwelt

Abschlussarbeit Master (m/w/d) im Bereich Machine- Learning- Methoden zur numerischen Wettervorhersage

Abschlussarbeiten, Forschung & Entwicklung
Stuttgart

Abschlussarbeit Master im Bereich Machine- Learning- Methoden zur numerischen Wettervorhersage

Im Jahr 2022 veröffentlichte eine mit Google assoziierte Forschungsgruppe das Modell GraphCast ([Lam et al., arXiv:2212.12794]), ein Graph-Neuronales-Netzwerk-Modell zur globalen Wettervorhersage. Dieses Modell dient als datengesteuerter Surrogate für eines der fortschrittlichsten globalen numerischen Wettervorhersagemodelle (NWP), das Integrated Forecasting System High Resolution Model (IFS HRES), das vom European Centre for Medium Range Weather Forecasting (ECMWF) entwickelt und betrieben wird. Das IFS HRES prognostiziert den globalen Zustand der Atmosphäre auf einem Gitter mit einer horizontalen Auflösung von 9 km, 137 vertikalen Schichten und 6-stündigen Zeitschritten.Ziel dieser Masterarbeit ist es, sich intensiv mit den Fortschritten im Bereich des maschinellen Lernens für die Wettervorhersage auseinanderzusetzen, indem das GraphCast-Modell sowie seine aktuellen Forschungsanwendungen untersucht und eine Vorhersagepipeline mit dem GraphCast-Modell auf der lokalen GPU-Architektur des ZSW implementiert wird

Ihr Aufgabengebiet

Beschreibung des GraphCast-Modells und dessen Datenbasis
Übersicht alternative Ansätze zur datengetriebenen Wettervorhersage (z.B. FourCastNet, FuxiWeather, PanguWeather)
Übersicht des Stands der von GraphCast »abgeleiteten« Forschung, insbesondere hinsichtlich der Entwicklung von GNN-basierten Lokalmodellen
Implementierung eines Frameworks zum Erstellen von GraphCast-Vorhersagen auf der ZSW-Infrastruktur
Bewerten der Vorhersage-Güte des globalen GraphCast-Modells für Deutschland im Vergleich zu ICON-D2 Vorhersagen
Anwenden des Ansatzes [Oskarsson et al., arXiv:2309.17370] zur Implementierung eines GNN-Lokalmodells für Deutschland basierend auf ICON-D2
Training des Modells auf historischen ICON-D2 Vorhersagen
Evaluation optimaler Modellkonfigurationen

Ihr Profil

Studium in einem für eine Teilmenge der Themen Deep Learning, Optimierung, und Meteorologie relevanten Studiengang
Souveränes Arbeiten in Python, insbesondere Machine-Learning Module (pytorch, tensorflow)
Sehr gute Englisch-Kenntnisse
Begeisterung für Fragestellungen der anwendungsorientierten Forschung
Vorherige Erfahrungen in der Domäne der Numerischen Wettervorhersage sind ein großer Vorteil
Souveräner Umgang mit Linux ist ein großer Vorteil

Ihr Kontakt zu uns

Das Arbeitsverhältnis ist nach Absprache befristet. Wenn Sie Interesse haben, bewerben Sie sich bitte über den "Jetzt online bewerben"-Button. Fachliche Fragen beantwortet Ihnen Herr Christian Bär gerne unter der Telefonnummer +49 711 7870-325. Weitere Informationen zum ZSW erhalten Sie unter www.zsw-bw.de.

Unser Angebot an Sie

Exzellente Forschung trifft unmittelbare Anwendung: Wir forschen für und unmittelbar mit der Industrie und gestalten heute die Energieversorgung von morgen - wissenschaftlich exzellent aber stets anwendungsorientiert
Kreative Arbeitsatmosphäre: Wir leben eine offene Unternehmenskultur mit flachen Hierachien und viel Freiraum für kreative Entfaltung
Flexible Arbeitszeiten
Gute Anbindung an den ÖPNV und Fahrradstellplätze mit Servicebereich
Modernes Institutsgebäude mit erstklassiger Infra- und Laborstruktur bieten eine ansprechende Arbeitsumgebung
Betriebliches Gesundheitsmanagement mit zahlreichen Sport- und Gesundheitskursen und Mitarbeiterrabatte

Standorte

Stuttgart

Passende Jobs zu Ihrer Suche ...

Abschlussarbeit Master (m/w/d) im Bereich Machine- Learning- Methoden zur numerischen Wettervorhersage