Over de functie
- Locatie: Op afstand
- Type: Contract / Deeltijd
- Inzet: 20 tot 40 uur per week
- Vergoeding: Tot 40 USD / uur
- Projectduur: 2 maanden, met mogelijkheid tot verlenging
Over de functie
Wij creëren hoogwaardige STEM-trainingsdata voor frontier-AI-modellen. Onze data wordt direct gebruikt in trainings- en evaluatiepijplijnen bij toonaangevende AI-labs om het redeneervermogen van modellen in technische domeinen te verbeteren.
Wij zoeken experts in de natuurkunde om rigoureuze, deterministische problemen te ontwerpen die echt uitdagend zijn voor state-of-the-art AI-systemen. Elk probleem moet precies één verifieerbaar juist antwoord hebben en worden ingediend samen met een volledige, geverifieerde oplossing.
Wat je gaat doen
- Geavanceerde natuurkundeproblemen ontwerpen voor training en evaluatie van frontier-AI
- Deterministische problemen creëren met precies één juist antwoord
- Volledige, geverifieerde oplossingen schrijven en het redeneerproces duidelijk documenteren
- Problemen ontwikkelen die diepgaand natuurkundig redeneren en meerstapsanalyse testen, niet alleen memorisatie
- Waar relevant Python of gespecialiseerde tools gebruiken om simulaties, modellen of computationele workflows te bouwen
- Zorgen dat alle output technisch precies, reproduceerbaar en goed geschreven in het Engels is
Wat wij zoeken
- Master- of PhD-diploma in Natuurkunde of een nauw verwant vakgebied
- Sterke onderzoeks- of industrie-ervaring met theoretische, experimentele of computationele natuurkunde
- Sterke Python-vaardigheden; vertrouwdheid met wetenschappelijke bibliotheken zoals numpy, scipy of vergelijkbaar
- Solide begrip van modellering, simulatie, numerieke methoden en probleemoplossing in meerdere stappen
- Vermogen om originele, moeilijke problemen te ontwerpen die echte natuurkundige workflows weerspiegelen
- Uitstekend oog voor detail en technische schrijfvaardigheden in het Engels
Prettig om te hebben
- Ervaring met simulatiehulpmiddelen of domeinspecifieke natuurkundesoftware (bijv. eindige-elementen-tools, circuitsimulatoren, symbolische systemen)
- Achtergrond in gebieden zoals computationele natuurkunde, statistische mechanica, elektromagnetisme, kwantummechanica of verwante vakgebieden
- Ervaring met het evalueren van modelredeneringen, benchmarking of het ontwerpen van technische beoordelingen