Experto en modelización atomística de materiales

Mercor está reclutando expertos en modelización atomística de materiales con una sólida formación en ciencia computacional de materiales, simulaciones de mecánica cuántica y modelización molecular para apoyar la investigación avanzada en IA. Los expertos evaluarán problemas técnicamente exigentes que implican simulaciones atomísticas, propiedades de los materiales, metodologías computacionales y razonamiento científico. El candidato ideal cuenta con amplia experiencia práctica en teoría del funcional de la densidad (DFT), dinámica molecular (MD) y otras técnicas de modelización atomística, además de una sólida comprensión de los principios físicos subyacentes.

Responsabilidades principales

• Evaluar problemas científicos avanzados que implican simulaciones atomísticas y ciencia computacional de materiales.

• Revisar y validar respuestas generadas por IA que involucran cálculos DFT, dinámica molecular y predicciones de propiedades de materiales.

• Evaluar la idoneidad de los métodos computacionales, los parámetros de simulación, los criterios de convergencia y los supuestos físicos.

• Analizar estructuras atómicas, propiedades electrónicas, energética de reacciones, mecanismos de difusión y estabilidad de los materiales.

• Evaluar fenómenos de superficie e interfaz, energías de adsorción, formación de defectos y rutas de reacción química.

• Desarrollar soluciones de referencia de alta calidad, rúbricas de evaluación y explicaciones científicas técnicamente rigurosas.

• Identificar imprecisiones computacionales, limitaciones metodológicas y errores en el razonamiento científico.

• Aplicar experiencia computacional para mejorar el rendimiento de la IA en problemas complejos de ciencia de materiales.

Cualificaciones requeridas

• Doctorado en Ciencia Computacional de Materiales, Ciencia e Ingeniería de Materiales, Química Computacional, Física de la Materia Condensada, Ingeniería Química o un campo muy afín. Se podrán considerar candidatos excepcionales con máster (MSc) y experiencia relevante sustancial.

• Experiencia práctica demostrada en al menos uno de los siguientes:

• Teoría del funcional de la densidad (DFT)

• Dinámica molecular ab initio (AIMD)

• Dinámica molecular clásica (MD)

• Simulaciones de Monte Carlo

• Modelización atomística de materiales o de primeros principios

• Dominio de una o más herramientas computacionales, como VASP, Quantum ESPRESSO, CP2K, GPAW, LAMMPS o software similar.

• Sólida comprensión de la estructura electrónica, las interacciones interatómicas, la termodinámica, la mecánica estadística y las propiedades de los materiales.

• Experiencia interpretando resultados de simulación y validando predicciones computacionales.

• Sólidas habilidades en Python para computación científica, análisis de datos o automatización de flujos de trabajo.

Cualificaciones preferentes

• Experiencia con ASE, pymatgen o herramientas de flujos de trabajo computacionales de materiales.

• Experiencia en modelización de superficies e interfaces, catálisis heterogénea, materiales semiconductores o energética de reacciones.

• Experiencia en cribado computacional de materiales de alto rendimiento (high-throughput).

• Familiaridad con potenciales interatómicos aprendidos por aprendizaje automático y con el descubrimiento de materiales asistido por IA.

• Publicaciones revisadas por pares que demuestren investigación computacional en materiales.

• Experiencia integrando la caracterización experimental de materiales con simulaciones atomísticas.

Detalles de la participación

• Dedicación: Mínimo de 10 horas por semana, con posibilidad de hasta 40 horas por semana.

¿Por qué unirse a Mercor?

• Aplicar experiencia computacional avanzada a la investigación de IA de frontera.

• Ayudar a desarrollar sistemas de IA capaces de comprender y resolver problemas sofisticados de ciencia de materiales.

• Trabajar en evaluaciones científicas exigentes que involucran mecánica cuántica, simulaciones atomísticas y descubrimiento de materiales.

• Colaborar con equipos que trabajan en la intersección entre la IA y la investigación científica.