任职要求：

 教育背景：

博士学历（或硕士+3年经验），物理、材料科学、计算机、应用数学等相关专业；

加分项：具备凝聚态物理、分子动力学模拟研究背景。

技术能力：

精通Python，熟悉PyTorch/TensorFlow等深度学习框架，有科学计算库（NumPy/SciPy）使用经验；

熟悉机器学习经典算法（如随机森林、贝叶斯优化）及前沿模型（图神经网络、强化学习）；

了解分子动力学模拟工具（如LAMMPS、GROMACS）或第一性原理计算者优先；

熟练使用Linux环境及高性能计算（HPC）集群。

经验要求：

 在材料计算、化学信息学、物理建模等领域有AI算法开发经验（学术或工业项目均可）；

加分项：发表过AI+材料交叉领域的论文，或参与过新能源/汽车材料相关项目。

软性素质：

强烈的跨学科学习能力，能将物理直觉与数据驱动方法结合；

优秀的沟通能力，能协同材料科学家、工程师推动技术落地。

岗位职责：

AI算法开发与优化

开发基于机器学习和深度学习的算法模型，用于材料性能预测（如力学特性、热稳定性、导电性等）、新材料逆向设计及工艺优化；

优化分子动力学（MD）模拟与AI的融合方法，提升材料计算效率与精度（如替代传统力场计算）。

跨学科数据建模

整合材料科学实验数据、模拟数据（如LAMMPS输出）及产业需求，构建高泛化性的多尺度材料数据库；

设计特征工程方案，解决材料领域的小样本、高维度数据建模挑战。

工业场景落地

针对新能源电池、汽车轻量化材料等业务需求，开发AI驱动的解决方案（如电池隔膜缺陷检测、电解液配方优化）；

协同材料科学家与工程师，推动算法在产线中的部署与应用（如实时质量控制）。

前沿技术探索

跟踪生成式AI（如Diffusion Model、GAN）在材料设计中的应用，探索自主知识产权的创新算法；

参与产学研合作，发表高水平论文或申请技术专利。