Praktikum Modellierung der physikalischen Dynamik mikroelektromechanischer Systeme (MEMS) (wmdiv.)

In diesem Praktikum arbeiten Sie an einer anspruchsvollen Aufgabe mit hoher Wirkung an der Schnittstelle von Physik Ingenieurwesen und maschinellem Lernen: dem Verständnis und der Modellierung der kausalen physikalischen Dynamik von mikroelektromechanischen Systemen (MEMS). MEMS sind Sensorsysteme die mikrometergroße mechanische Strukturen mit Elektronik kombinieren. Sie gehören heute zu den am weitesten verbreiteten Sensorsystemen dank ihrer Funktionalität und ihrer praktisch kleinen Baugröße und werden in Alltagsgeräten wie Smartphones Laptops und Autos широко eingesetzt. Dieses Praktikum richtet sich an hochmotivierte Studierende mit starkem akademischem Hintergrund die Erfahrung darin sammeln möchten ihre physikalische Intuition und ihr abstraktes Denken auf reale industrielle Systeme anzuwenden.

Die Herstellung der mikrometergroßen Strukturen ist ein mehrstufiger Prozess mit hoher Dimensionalität und anfällig für Störungen sowie Kontamination. Diese Komplexität macht kontrollierte Anpassungen Optimierungen und Ursachenanalysen zeitaufwendig und erfordert häufig unterschiedliche Vorgehensweisen. Ein kausales Modell also ein Modell das die Ursache-Wirkungs-Beziehungen zwischen Systemvariablen über ein Gleichungssystem und eine zugehörige Graphstruktur erklärt kann diese Ziele effizienter unterstützen. Ziel dieser Arbeit ist es dass Sie iterativ ein kausales Modell für einen Produktions-Teilprozess erstellen. Dazu erarbeiten Sie sich zunächst anhand bereitgestellter Literatur die Grundlagen der Kausalität und von MEMS-Bauelementen. Anschließend nutzen Sie Ihr erworbenes Wissen über die physikalische Dynamik und Wechselwirkungen sowie deren mathematische Beschreibung um die Systemgleichungen aus physikalischen Prinzipien herzuleiten und in einer Graphstruktur abzubilden; dabei validieren Sie Ihre Annahmen iterativ gemeinsam mit Fachexpertinnen und Fachexperten. Nach erfolgreicher Modellerstellung vergleichen Sie gängige Algorithmen des maschinellen Lernens die darauf abzielen kausale Zusammenhänge aus Daten zu erschließen. Abschließend fassen Sie Ihre Arbeit und Ergebnisse in einem Bericht zusammen.

Die Modellerstellung erfordert ein tiefes Verständnis der physikalischen Dynamik von MEMS und ihrer Fertigung sowie deren mathematische Beschreibung (z.B. Differentialgleichungen). Während des Praktikums entwickeln Sie ein fundiertes Verständnis von MEMS und Kausalität stärken Ihre Modellierungskompetenzen und sammeln Erfahrung in der Bearbeitung offener industrieller Forschungsfragestellungen.

Qualifications :

• Ausbildung: Masterstudium im Bereich Physik Elektrotechnik Maschinenbau oder eine vergleichbare Qualifikation mit guten Noten
• Erfahrung und Kenntnisse: Fundiertes Verständnis von Statistik Wahrscheinlichkeitstheorie und Differentialgleichungen; gutes Verständnis von Physik und MEMS; grundlegende Python-Kenntnisse; grundlegende SQL-Kenntnisse
• Persönlichkeit und Arbeitsweise: Sie sind offen eigenmotiviert und ausdauernd
• Arbeitsroutine: Ihre Präsenz vor Ort ist erforderlich
• Begeisterung: Faszination für physikalische Dynamik sowie deren mathematische Beschreibung; Sie arbeiten gerne an offenen Fragestellungen ohne vorgegebene Lösungen
• Sprachen: Gute Kommunikationsfähigkeiten in Wort und Schrift in Englisch und Deutsch

Zusätzliche Informationen :

Start: nach vorheriger Absprache Dauer: 36 Monate Voraussetzung für dieses Praktikum ist die Immatrikulation an einer Hochschule/Universität. Bitte fügen Sie Ihrer Bewerbung Ihren Lebenslauf eine aktuelle Notenübersicht (Transcript of Records) die Immatrikulationsbescheinigung die Prüfungsordnung sowie falls erforderlich eine gültige Arbeits- und Aufenthaltserlaubnis und Inklusion sind für uns nicht nur Trends sondern fest in unserer Unternehmenskultur verankert. Daher begrüßen wir alle Bewerbungen unabhängig von Geschlecht Alter Behinderung Religion oder Weltanschauung ethnischer Herkunft oder sexueller Identitäötigen Sie weitere Informationen zur Stelle Anna Hunstig (Fachbereich)Work #LikeABosch starts here: Jetzt bewerben! #LI-DNI

Remote Work :

No

Employment Type :

Full-time