Wiss. Mitarbeiter*in (Praedoc) (m/w/d) 75% Teilzeitbeschäftigung befristet bis zum 30.06.2028 (Projektende) Entgeltgruppe 13 TV-L FU Kennung: AGStoch (Praedoc) 2024-2028 TRR388 (B06)

In dem SFB/Transregio 388 wird das Zusammenspiel von rauer Analysis und stochastischer Dynamik untersucht. Zentrale Aspekte kommen dabei von den rauen Pfaden, sowie darauf aufbauende
Entwicklungen für nichtlineare stochastische partielle Differentialgleichungen. Die Theorie der rauen Pfade, Signaturen und rauen Volatilität schafft vielfältige Verbindungen zu Algebra,
Statistik, Finanzmathematik und Biologie.

Die Arbeitsgruppe „Numerische Analysis und Stochastik“ an der Freien Universität Berlin (https://www.mi.fuberlin.de/en/math/groups/ag-num-ana-and-stoch/index.html) beschäftigt sich mit
der Analyse und numerischen Analyse von (stochastischen) partiellen Differentialgleichungen (PDGs), insbesondere mit interagierenden Partikelsystemen, Oberflächen-PDGs und
Unsicherheitsquantifizierung. Die Gruppe ,,Numerische Analyse stochastischer und deterministischer partieller Differentialgleichungen“ an der Freien Universität Berlin
(https://www.mi.fuberlin.de/math/groups/naspde) beschäftigt sich mit angewandter und rechnerischer Mathematik, insbesondere mit Optimierung, inversen Problemen und
Unsicherheitsquantifizierung.

Aufgabengebiet:
Das Ziel des Projekts 806 des SFB/TRR 388 ist die Entwicklung einer abstrakten Well-Posedness- und Regularitätstheorie für (S)PDEs auf zufälligen zeitabhängigen Domänen und deren
numerische Analyse. Wir werden Quasi-Monte-Carlo-Methoden (QMC) für die numerische Diskretisierung der Zielgrößen sowohl in der Vorwärts- als auch in den (Bayes’schen) inversen Modellen
betrachten.
Außerdem werden wir Wellposedness von SPDEs auf zeitabhängigen Domänen analysieren und SPDEs auf zufälligen zeitabhängigen Domänen untersuchen. Das drittmittelfinanzierte
Forschungsprojekt bietet die Möglichkeit eine Promotion durchzuführen.

Einstellungsvoraussetzungen:
Abgeschlossenes wissenschaftliches Hochschulstudium (Master) im Fach Mathematik bis Oktober 2024

Erwünscht:
– Sehr guter Hochschulabschluss in Mathematik
– Fundierte Kenntnisse der stochastischen Analysis, insbesondere in SPDEs
– Fundierte Kenntnisse über numerische Methoden für partielle Diffrentialgleichungen
– Programmiererfahrung in Matlab oder Python
– Fundierte Kenntnisse der Uncertainty Quantification, insbesondere in Bayesian inverse problems and Monte Carlo methods
– ausgezeichnete Englischkenntnisse sowie gute Fähigkeiten im wissenschaftlichen Schreiben und Präsentieren

Weitere Informationen erteilt Frau Prof. Dr. Ana Djurdjevac (adjurdjevac@zedat.fu-berlin.de / +43 30 838 60608).

Weitere Informationen

Bewerbungen sind mit aussagekräftigen Unterlagen unter Angabe der Kennung im Format PDF (vorzugsweise als ein Dokument) elektronisch per E-Mail zu richten an Frau Prof.
Dr. Ana Djurdjevac: adjurdjevac@zedat.fu-berlin.de oder per Post an die

Freie Universität Berlin

Prof. Dr. Ana Djurdjevac

Mit der Abgabe einer Onlinebewerbung geben Sie als Bewerber*in Ihr Einverständnis, dass Ihre Daten elektronisch verarbeitet und gespeichert werden.
Wir weisen darauf hin, dass bei ungeschützter Übersendung Ihrer Bewerbung auf elektronischem Wege von Seiten der Freien Universität Berlin keine Gewähr für die Sicherheit übermittelter
persönlicher Daten übernommen werden kann.