Job Description

English version see below.

Am Institut für Theoretische Astrophysik der Universität Heidelberg ist ab dem 01.01.2026 eine Stelle als

Akademische r Mitarbeiter in (w/m/d)

in Vollzeit befristet zu besetzen.






Die Position ist Teil der neuen Arbeitsgruppe StarForML, die von Dr. Victor Ksoll geleitet und durch das Nexus-Programm der Carl-Zeiss-Stiftung gefördert wird. Am ITA ist die Gruppe eingebettet in das Zentrum für Astronomie der Universität Heidelberg, zu dem auch das Astronomische Rechen-Institut (ARI) und die Landessternwarte Königstuhl (LSW) gehören. Mit weiteren Instituten wie dem Max-Planck-Institut für Astronomie (MPIA), dem Max-Planck-Institut für Kernphysik (MPIK), dem Heidelberg Institut für Theoretische Studien (HITS), dem Institut für Theoretische Physik (ITP) und dem Interdisziplinäres Zentrum für wissenschaftliches Rechnen (IWR), welche in der Astronomie forschen, ist Heidelberg einer der größten Astronomiestandorte Deutschlands.






Die StarForML-Gruppe spezialisiert sich auf die Entwicklung robuster Auswertungsmethoden basierend auf dem Maschinellen Lernen für Beobachtungen der Sternentstehung. Ziel der Gruppe ist es neue Erkenntnisse über den Sternentstehungsprozess in Sternentstehungsgebieten sowie über die Interaktion zwischen stellarem Feedback junger Sterne und dem Gas/Staub in den Entstehungsgebieten zu gewinnen. Um dies zu erreichen, verwenden wir Simulationen der Sternentwicklung, stellarer Atmosphären sowie von Sternentstehungsgebieten, um Methoden des Deep-Learnings (insbesondere invertierbare neuronale Netzwerke) zu entwickeln und damit Inverse Probleme, wie die Vorhersage stellarer Eigenschaften anhand photometrischer (etwa mit Gaia oder HST) und spektroskopischer Beobachtungen sowie die Rekonstruktion der Verteilung von interstellarem Staub in Sternentstehungsgebieten mittels Karten der thermischen Staubemission (von z. B. Herschel, Spitzer etc.) zu lösen. Weiterhin legt die Gruppe einen Schwerpunkt darauf den Entscheidungsprozess der entwickelten ML-Methoden zu verstehen sowie neue Strategien zu entwickeln, um mögliche Lücken zwischen den astrophysikalischen Simulationen und den echten Beobachtungen zu schließen (mit z. B. Techniken des Transferlernens).

Ihre Aufgaben:

Das Hauptziel des Projektes, welches Sie leiten werden, besteht darin ein invertierbares neuronales Netzwerk zu entwickeln, um stellare Eigenschaften (wie Alter, Masse und Metallizität) anhand photometrischer (und spektroskopischer) Beobachtungen vorherzusagen. Ihre Tätigkeiten beinhalten:



Das Zusammenstellen von Trainingsdaten basierend auf Simulation der Sternentwicklung sowie das Generieren synthetischer Beobachtungen Die Entwicklung eines robusten, simulationsbasierten Auswertungstools für die Charakterisierung von (jungen) Sternen Die Anwendung des entwickelten Tools auf Beobachtungsdaten von großen Sternentstehungsgebieten, um detaillierte Sternentstehungsgeschichten zu rekonstruieren Die Kooperation mit internationalen Kollaborationspartnerinnen Die Dokumentation der entwickelten Software und Daten anhand der FAIR Datenprinzipien Die Veröffentlichung von Forschungsergebnissen in Kollaborationsmeetings, Workshops, internationalen Konferenzen sowie in Fachzeitschriften mit Peer-Review Beiträge zu Workshops und anderen Trainingsveranstaltungen Mentoring von PhD-, Master- und Bachelorstudierenden

Ihr Profil:

Interesse an der Entwicklung simulationsbasierter ML-Auswertungsmethoden für Beobachtungsdaten sowie an Sternentstehung, stellarem Feedback und dem Zusammenspiel von jungen Sternen und dem ISM in den Entstehungsgebieten Abgeschlossene Promotion in Astronomie, Physik, Informatik oder einem äquivalenten Feld Expertise in der Theorie von Sternentstehung und Sternentwicklung Erfahrung mit der Analyse von photometrischen und spektroskopischen Beobachtungen von Sternen Idealerweise Vorwissen von grundlegenden/fortgeschrittenen Konzepten und Arbeitsabläufen des Maschinellen Lernens sowie mit Normalising Flow Architekturen und im Umgang mit ML-Standardbibliotheken (wie z.B. PyTorch) Programmierkenntnisse in Python Fähigkeit im Team zu arbeiten Selbstmotivierte, unabhängige und zielorientierte Arbeitsweise Gute Englischkenntnisse in Wort und Schrift

Wir bieten:

Fortbildungs- und Sprachkurse, Mentoringangebote, Familienförderung und Unterstützung bei der Karriereplanung seitens der Universität Heidelberg, um ihre Karriere voranzubringen und ihr Forschungsprofil zu stärken Eine exzellentes Forschungsumfeld im Bereich der Astronomie Enge Zusammenarbeit in einem kleinen Team sowie mit mehreren internationalen Kollaborationspartnerinnen Die Möglichkeit eigene Forschungsprojekte zu verfolgen, die sich mit den Zielen der Gruppe decken Ein jährliches Reisebudget für die Teilnahme an internationalen Konferenzen und Workshops Zugang zu lokalen Rechenkapazitäten sowie staatsseitigen HPC-Einrichtungen 30 Tage jährlichen Urlaub Bezuschusstes Deutschlandticket, Flexible Arbeitszeiten sowie die Option für reguläres Home-Office






Die Stelle ist ab dem 01.01.2026 zu besetzen und auf 5 Jahre (3 Jahre + 2 Jahre Verlängerung) befristet. Die Vergütung erfolgt nach Entgeltgruppe 13 TV-L. Die Stelle ist grundsätzlich teilbar.






Bewerber innen werden gebeten ein Anschreiben, eine kurze Zusammenfassung der eigenen Forschungserfahrung und -interessen (max. 3 Seiten), einen Lebenslauf inklusive einer Liste der Publikationen, eine Kopie des Promotionszeugnisses sowie ein Empfehlungsschreiben einzureichen.





Bewerbungen sind bis zum

24.10.2025

in einer PDF-Datei (max. 10MB) per E-Mail mit dem Betreff „StarForML Bewerbung“ zu senden an: v.ksoll@uni-heidelberg.de.






Die Universität Heidelberg steht für Chancengleichheit und Diversität. Menschen mit Schwerbehinderung werden bei gleicher Eignung vorrangig berücksichtigt. Informationen zu Stellenausschreibungen und zum Datenschutz finden Sie unter www.uni-heidelberg.de/stellenmarkt.

English version:

At the Institute for Theoretical Astrophysics of Heidelberg University a position (full time) as

Postdoctoral Researcher (f/m/d)

will be available from 01.01.2026.






The position is part of the new research group StarForML that is led by Dr. Victor Ksoll and funded via the Nexus program of the Carl-Zeiss-Stiftung. ITA is embedded in the Center for Astronomy of Heidelberg University, which also includes the Astronomisches Rechen-Institut (ARI) and the Landessternwarte Königsstuhl (LSW). With several other institutes, such as the Max Planck Institute for Astronomy (MPIA), the Max Planck Institute for Nuclear Physics (MPIK), the Heidelberg Institute for Theoretical Studies (HITS), the Institute for Theoretical Physics (ITP), and the Interdisciplinary Center for Scientific Computing (IWR) engaging in astronomical research, Heidelberg is one of the largest hubs for Astronomy in Germany.






The StarForML group focuses on developing robust machine learning tools for the evaluation of star formation observations. We aim to gain new insights into how star formation progresses across star-forming regions and how the stellar feedback of young stars interacts with the ISM in their natal environments. To tackle these scientific questions, we utilize simulations of stellar evolution, stellar atmospheres and star-forming environments to train deep learning approaches (i. e. invertible neural networks) to solve inverse problems such as deriving stellar astrophysical parameters from photometric (e. g. Gaia or HST) and spectroscopic observations, or reconstructing the distribution of interstellar dust in star-forming regions from dust emission maps (with Spitzer, Herschel etc.). In addition, we focus on understanding the decision-making process of the developed ML tools and devising new strategies to bridge potential gaps between the astrophysical simulations and real observed data (using e. g. transfer learning techniques).

Your job:

The primary goal of the project you are going to lead is the development of an invertible neural network tool for the purpose of deriving stellar properties (such as age, mass, metallicity) from photometric (and spectroscopic) observations. This will include:



Curating training data from stellar evolution simulations and generating synthetic observations Development of robust, simulation-based inference tools for the purpose of characterizing (young) stars Application of the developed tools to survey data of (large) star-forming regions to derive detailed star-formation histories Cooperation with international collaboration partners and large research consortia Documentation of software and data according to the FAIR data principles Publication of results in collaboration meetings, workshops, international conferences and peer-reviewed journals Contributions to workshops and training activities Mentoring of PhD, Master and undergraduate students

Your profile:

Keen interest in developing simulation-based machine learning tools for the evaluation of observational data and studying star formation, stellar feedback and the interplay between young stars and the ISM in their natal environments PhD degree in astronomy, physics, computer science or equivalent fields of study Expertise in theoretical star formation and stellar evolution Experience with analyzing photometric and spectroscopic observations of stars Experience with basic/advanced machine learning concepts and workflows, normalizing flow architectures, as well as standard machine learning libraries (e.g. PyTorch) would be considered an asset Programming experience in Python Ability to work in a team Self-driven, independent, and goal-oriented work ethic Good command of written and spoken English

We offer:

Comprehensive courses, language courses, mentoring and career-planning support via Heidelberg University to advance your career and strengthen your profile An extensive astronomical research community to learn from, become part of and contribute to Close collaboration in a small team, as well as with several international collaboration partners Possibilities to pursue own research projects that align with the focus of the group A yearly travel allowance to participate in international conferences and workshops Access to local computing resources, as well as state-side HPC facilities 30 days of annual leave Subsidized Deutschlandticket (valid for public transport across all of Germany), Flexible work hours and options for regular home office






The position is available from 01.01.2026 for a fixed term of 5 years (3 years + 2 years extension). Remuneration is based on the German wage agreement for the public service (TV-L, E13).






Applicants are requested to submit a cover letter, a short summary of research experience and interests (max. 3 pages), curriculum vitae including a list of all publications, copy of PhD certificate, and one letter of recommendation.





All documents are to be submitted electronically in a single PDF file (please do not exceed 10MB) via email with the subject “StarForML Application” to v.ksoll@uni-heidelberg.de by

October 24th, 2025

.





Heidelberg University stands for equal opportunities and diversity. Persons with severe disabilities will be given preference if they are equally qualified. Information on job advertisements and the collection of personal data is available at www.uni-heidelberg.de/en/job-market.