직무 소개
Turing 소개:
Turing은 강력한 AI 시스템의 발전과 배포를 가속하는, 세계에서 가장 빠르게 성장하는 AI 기업 중 하나입니다.
Turing은 두 가지 방식으로 고객을 지원합니다. 하나는 세계 선도적인 AI 연구소와 협력하여 사고, 추론, 코딩, 에이전트 행동, 멀티모달리티, 다국어, STEM, 최첨단 지식 분야의 최첨단 모델 역량을 발전시키는 것이고, 다른 하나는 그 성과를 활용하여 기업의 핵심 과제를 해결하는 실제 AI 시스템을 구축하는 것입니다.
직무 개요:
최첨단 AI 학습 및 평가 이니셔티브를 위해 현실적인 터미널 기반 과학 과업을 개발하는 기술 트레이너 팀을 이끌어 줄, 경력 있는 재료과학 전문가를 찾고 있습니다.
이 직무에서는 약 5–10명의 트레이너로 구성된 Pod를 총괄하며, 재료과학 과업의 기술적 정확성, 재현성, 평가 품질을 검토하고, 과업이 실제 전산 재료 연구 워크플로를 반영하도록 관리합니다. 또한 트레이너를 멘토링하고, 품질 기준을 유지하며, 도전적인 과학 과업이 일관되게 납품되도록 이끕니다.
담당 업무:
-
기술 트레이너 Pod를 이끌고 멘토링하며, 재료과학 과업의 일관된 품질, 생산성 및 적시 납품을 보장합니다.
-
문제 정의서, 결정 구조, 원자 간 퍼텐셜, 열역학 데이터베이스, 시뮬레이션 입력값, 참조 솔루션, 자동화 테스트를 포함하여 과학 과업을 처음부터 끝까지 검토합니다.
-
밀도범함수이론(DFT), 분자동역학, 계산 열역학, 상평형도, 결정학, 재료 특성 분석, 기계적 물성, 반도체, 에너지 소재와 관련된 과업을 검증합니다.
-
과업이 현실적인 재료 연구 워크플로를 반영하고, 단순한 데이터베이스 조회나 라이브러리 호출이 아니라 의미 있는 다단계 과학적 추론을 요구하도록 합니다.
-
단위, 결정 대칭성, 수렴 기준, 전자 구조 계산, 열역학적 일관성, 시뮬레이션 파라미터 전반에 걸쳐 과학적 정확성을 검증합니다.
-
결과의 재현성을 보장하기 위해 계산 환경, 과학 소프트웨어, 의사퍼텐셜, 원자 간 퍼텐셜, 의존성을 검증합니다.
-
자동 채점기가 격자 상수, 형성 에너지, 밴드갭, 탄성 상수, 포논 특성, 상분율, 확산 계수, 미세조직 지표와 같은 의미 있는 과학적 출력을 평가하는지 검토합니다.
-
기술적 부정확성, 비현실적인 가정, 잘못된 수치 허용 오차, 그리고 과학 계산이나 시뮬레이션을 우회할 수 있는 여지를 찾아냅니다.
-
명확하고 실행 가능한 기술 피드백을 제공하고, 수정 이력을 추적하며, 과업 승인 전에 품질 문제가 해결되도록 합니다.
-
트레이너를 온보딩하고, 업무를 배분하며, 품질과 처리량을 모니터링하고, 장애 요소를 상위에 보고하며, 기술 문서와 모범 사례를 관리합니다.
찾고 있는 인재:
-
재료과학, 금속공학 또는 이에 밀접하게 관련된 분야의 박사 학위, 박사후 연구 경험 또는 이에 상응하는 고급 기술 경력.
-
Python, C/C++, Fortran 또는 Julia에 대한 뛰어난 프로그래밍 능력과 Linux 및 터미널 기반 환경에 대한 숙련도.
-
다음 주요 분야 중 하나 이상에서의 실무 전문성: 원자 수준 시뮬레이션, 계산 열역학, 메조스케일 모델링, 전자 구조 계산, 재료 특성 분석 데이터 분석.
-
재료과학 기초, 수치 해석 기법, 계산 모델링, 과학적 검증에 대한 깊은 이해.
-
복잡한 기술 업무, 과학 코드, 계산 시뮬레이션, 원고 또는 연구 결과물을 검토한 경험.
-
과학적 가정, 수치 정확도, 시뮬레이션 수렴, 계산 결과의 신뢰성을 평가할 수 있는 능력.
-
기술적 오류, 엣지 케이스, 결함 있는 과학적 가정을 식별할 수 있는 뛰어난 분석적 판단력.
-
소규모 기술 또는 연구 팀을 멘토링하거나 검토하거나 이끈 경험.
-
정확한 기술 피드백을 제공하고 품질 기준을 문서화하기 위한 우수한 글쓰기 소통 능력.
우대 사항:
-
Quantum ESPRESSO, VASP, GPAW, ABINIT, LAMMPS, pymatgen, ASE, spglib, phonopy, pycalphad, MOOSE, FiPy, OVITO, DREAM3D 등 전산 재료과학 도구 사용 경험.
-
머신러닝 기반 원자 간 퍼텐셜, 고처리량 재료 시뮬레이션 또는 Materials Project와 같은 재료 데이터베이스 사용 경험.
-
Docker, Git, CI/CD 파이프라인, 자동화 테스트, 고성능 컴퓨팅(HPC) 환경에 대한 이해.
-
과학 벤치마크, 프로그래밍 챌린지, 시뮬레이션 기반 평가 또는 자동 채점 시스템을 개발한 경험.
-
AI 코딩 에이전트, 터미널 기반 에이전트 또는 LLM이 생성한 과학적 솔루션을 개발하거나 평가한 경험.
-
반도체, 배터리, 합금, 첨단 소재 또는 제조 분야의 업계 경력.
-
전산 재료과학 분야의 논문 발표, 연구 기여 또는 오픈 소스 개발 경험.
-
AI 학습, 과학 품질 관리, 벤치마크 개발 또는 평가 프로그램 경험.
제안 조건:
- 필수 투입 조건: 하루 최소 4시간, 주당 최소 40시간 근무하며 PST와 4시간 겹침.
- 고용 형태: 계약자 배정(의료 혜택 및 유급 휴가 없음)
- 계약 기간: 4주 [예상 시작일은 다음 주]