Sebastian Rietsch

Hi, ich bin Sebastian, 29 Jahre alt und komme aus Erlangen.

Ich arbeite seit 2021 am Fraunhofer Institut IIS, wo ich als Research Assisstent anwendungsorientiertes Machine Learning erforsche. Ich befinde mich gerade an dem Scheideweg, ob ich einen PhD beginnen soll, oder in die Softwareentwicklung wechsle.

Ich bin super freundlich, aufgeschlossen und arbeite mich in neue Thematiken und Techniken sehr schnell ein. Und ich freue mich immer auf ein persönliches Gespräch, bei dem man sich gegenseitig kennenlernen kann, und beidseitig kommuniziert, was man von seinem Job/Angestellten erwartet.

Wissenschaftlicher Mitarbeiter @ Fraunhofer-Institut für Integrierte Schaltungen IIS 

Nürnberg, 2021-Gegenwart

Enge Zusammenarbeit mit Kollegen und Partnern, um die Forschung im Bereich des angewandten Reinforcement Learning (RL) als Teil der Gruppe Selbstlernende Systeme unter der Aufsicht von drei verschiedenen leitenden Wissenschaftlern in fünf verschiedenen Projekten voranzutreiben

Ausgewählte Projekterfahrung 

Autonomes Fahren (ADA Lovelace Center)

• Veröffentlichung einer quelloffenen RL-Umgebung, die auf einer Co-Simulation zwischen SUMO- und Carla-Simulatoren basiert, als standardisierender Benchmark von RL-Algorithmen unter breiten und flexiblen MDP-Konfigurationen (derzeit 50 GitHub-Sterne)
• Co-Autor einer nachweislich sicheren RL-Methode, die mit dem IEEE Best Paper Award auf dem IV Symposium ausgezeichnet wurde
• Leitung einer erfolgreichen Gruppenkollaboration innerhalb des ADA Lovelace Centers zum Thema “uncertainty-aware RL” und Konsolidierung unserer Ergebnisse in Form eines Videodemonstrators, um die Sichtbarkeit der Gruppe zu erhöhen
• Co-Autor von Kapiteln eines kommenden Buches, das Forschung und Anwendungen der ADA-Projekte zusammenfasst

ML for Quantum Computing (Munich Quantum Valley)

• Entwicklung einer AlphaZero-basierten Methode zur Kompilierung von unitären Schaltkreisen, die den Stand der Technik in Bezug auf die Laufzeitkomplexität und die Anwendbarkeit auf größere Schaltkreise von zuvor zwei bis fünf Qubits verbessert
  • Implementierung eines Jax-basierten unitären Quantensimulators mit voller JIT-Unterstützung, der die Trainingszeit um mehrere Größenordnungen reduziert und es ermöglicht, Forschungsideen schnell zu prototypisieren und zu testet
  • Derzeit in der Publikationsphase
• Co-Autor einer auf ZX-Calculus basierenden Methode zum Schneiden von Schaltkreisen, die kürzlich in der Zeitschrift Quantum angenommen wurde

Weitere Erfahrungen

• Betreuung eines Diplomanden während seiner Masterarbeit (hat jetzt seine Promotion begonnen) und vier studentischer Hilfskräfte
• Materialisierung der Übungsinhalte für die 2021 eingeführte Reinforcement-Learning-Vorlesung an der FAU und Durchführung wöchentlicher Übungssitzungen über drei Semester, deren Teilnehmerzahl bis 2023 stetig auf anfänglich rund 150 Personen anstieg

M.Sc. Computer Science, (Note: 1,3)

B.Sc. Computer Science

Abitur