this post was submitted on 15 Nov 2025
8 points (72.2% liked)

Nicht der Postillon

148 readers
2 users here now

Manchmal hat das echte Leben bereits genug an Satire zu bieten.

Regeln

  1. Verlinkte Beiträge dürfen nicht vom Postillon stammen.
  2. Der Originaltitel darf gerne gekürzt oder angepasst werden, um die Pointe hervorzuheben.

founded 7 months ago
MODERATORS
d_k_bo@feddit.org
8
Gesucht: "Software-Ingenieur/in (w/m/d): Technische Entwicklung eines Klimamodells mit Quantum Machine Learning Komponenten" (jobs.dlr.de)
submitted 3 weeks ago* (last edited 2 weeks ago) by HaraldvonBlauzahn@feddit.org to c/nichtderpostillon@feddit.org
10 comments fedilink hide all child comments
 

Nur zur Erinnerung: Es gibt noch keine Quantencomputer, die mehr als ein paar Bits verarbeiten können mit Millionenaufwand. Dagegen sind Klimamodelle wie auch Wettermodelle so mit die rechenaufwendigsten Anwendungen, die auf heutigen Supercomputern laufen.

Und das andere: Der Grund, warum man in der Klimaforschung mit grossen Rechenmodellen und Simulationen arbeitet, ist um die vielfältigen Prozesse und ihre Relevanz besser zu verstehen. Man kann Modelle gezielt verändern um zu sehen, ob sie besser zu den aus vielen tausend vergangenen Jahren aufwendig gewonnenen Daten passen. Mit dem besseren Verständnis der Prozesse kann man dann zukünftige Entwicklungen besser vorhersagen.

Genau das kann "Machine Learning", auch genannt automatische Mustererkennung aber eben nicht - die Rechenverfahren können die benutzten Muster nicht benennen, verstehen, oder identifizieren, die Modelle sind eine Black Box.

you are viewing a single comment's thread
view the rest of the comments
[–] renormalizer@feddit.org 1 points 2 weeks ago

Man braucht Parametrisierungen auch, um Prozesse auf feinerer Skala als die Modellauflösung zu berechnen. Die haben einen großen Einfluss auf die Simulationen. Da geht es dann um Fragen wie "Wie viel Prozent meiner Gitterbox sind bewölkt, wenn im Mittel 80% Luftfeuchte und 10C herrschen, und die Luft mäßig turbulent ist?" Da kann man viel mit ML aus Beobachtungen lernen.

Bei Quantenalgorithmen muss es auch nicht um universelle (Gate-) Quantencomputer gehen. Da gibt es z.B. quantum annealing, das sich prinzipiell gut für globale Optimierung eignet. Und da gibt es schon Maschinen mit tausenden qubits.

Ob sie da aber jemanden finden, der das für TVöD E12 macht, halte ich für fraglich.