An der Technischen Hochschule Nürnberg Georg Simon Ohm arbeiten viele unterschiedliche Menschen gemeinsam an den Herausforderungen der Zukunft. Wir verstehen Vielfalt als Chance, die wir konstruktiv nutzen wollen, indem wir sie anerkennen und ihr Potenzial einsetzen. Werden auch Sie Teil der Ohm, arbeiten Sie mit an neuen Projekten und Perspektiven, die Innovation in die Gesellschaft tragen. Auch Quereinsteigerinnen und Quereinsteiger sind bei uns willkommen.

• Sie forschen im DFG Projekt RLiableDrives zur Entwicklung zuverlässiger und sicherer Reinforcement Learning Verfahren für die Regelung elektrischer Antriebe
• Sie untersuchen Reinforcement Learning Algorithmen (DDPG, TD3) in simulationsbasierten Umgebungen (Matlab, Python) für elektrische Antriebssysteme (permanenterregte Synchronmaschinen)
• Sie entwickeln Methoden zur Reduktion der Streuung der Regelgüte
• Sie erforschen sichere Trainingsstrategien unter Berücksichtigung physikalischer Systemgrenzen, insbesondere von Strom und thermischen Grenzwerten
• Sie validieren die entwickelten Methoden experimentell im Labor
• Sie arbeiten mit wissenschaftlichen und industriellen Projektpartnern zusammen, unter anderem im Bereich FPGA basierter Hardwarebeschleunigung sowie der echtzeitfähigen Implementierung neuronaler Netze
• Sie veröffentlichen und präsentieren Ihre Forschungsergebnisse auf wissenschaftlichen Konferenzen, in Fachzeitschriften sowie im Rahmen geplanter Open Source Software

Eine Promotion kann bei entsprechender fachlicher Eignung und dem hierzu nötigen persönlichen und wissenschaftlichen Engagement angestrebt werden.

• Abgeschlossenes Masterstudium der Elektrotechnik, des Maschinenbaus, der Informatik oder eines vergleichbaren Studiengangs mit sehr guten Studienleistungen
•  Fundierte Kenntnisse in der Regelungstechnik und/oder elektrischen Antriebstechnik
•  Interesse an maschinellem Lernen, insbesondere Reinforcement Learning, sowie an dessen Anwendung in technischen Systemen
• Programmiererfahrung (Python, MATLAB/Simulink, Baremetal C-Code)
• Freude an wissenschaftlichem Arbeiten, an experimenteller Forschung und an der eigenständigen Bearbeitung anspruchsvoller Fragestellungen
• Sehr gute Deutsch- und Englischkenntnisse