1.專業(yè)背景
①材料科學(xué)、計算化學(xué)、計算機科學(xué)、人工智能或相關(guān)專業(yè),博士優(yōu)先。
②熟悉材料研發(fā)流程者優(yōu)先;項目管理經(jīng)驗、部門負責(zé)人經(jīng)驗優(yōu)先。
2.技術(shù)能力
①熟練掌握Python,熟悉Linux開發(fā)環(huán)境及分布式計算框架(如Spark、Hadoop)。
②精通TensorFlow、PyTorch等深度學(xué)習(xí)框架,具備模型部署(如TensorRT、ONNX)經(jīng)驗。
③熟悉材料計算工具(如Thermo-Calc、DFT)或化學(xué)信息學(xué)軟件者優(yōu)先。
④熟悉pytorch、transformers 等主流深度學(xué)習(xí)框架,熟悉deepseek、百川、千問等主流開源大模型框架;
⑤同等條件下具備人工智能、大模型、博弈決策算法理論基礎(chǔ)與研發(fā)經(jīng)驗者優(yōu)先考慮;
3.項目經(jīng)驗
①有AI+材料研發(fā)項目落地經(jīng)驗,如材料性能預(yù)測、高通量實驗優(yōu)化、專利分析等。
②發(fā)表過相關(guān)領(lǐng)域論文或?qū)@邇?yōu)先。
4.綜合素質(zhì)
①具備跨學(xué)科溝通能力、創(chuàng)新思維及問題解決能力,能適應(yīng)高強度研發(fā)節(jié)奏,身體健康。
工作職責(zé):
1. AI模型開發(fā)與應(yīng)用:①利用機器學(xué)習(xí)、深度學(xué)習(xí)算法(如強化學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò))加速材料研發(fā)流程,優(yōu)化材料性能預(yù)測、配方設(shè)計及工藝參數(shù)。
②開發(fā)材料研發(fā)智能平臺,集成數(shù)據(jù)挖掘、高通量實驗與AI建模功能,支持材料設(shè)計全生命周期管理。
2. 跨學(xué)科協(xié)作:與材料科學(xué)家、化學(xué)工程師合作,將AI模型嵌入實際研發(fā)場景,解決材料篩選、性能優(yōu)化、供應(yīng)鏈預(yù)測等實際問題。
3. 數(shù)據(jù)管理與分析:構(gòu)建材料數(shù)據(jù)庫,整合實驗數(shù)據(jù)、文獻及專利信息,開發(fā)自動化數(shù)據(jù)清洗與特征提取工具。
4.技術(shù)研究與創(chuàng)新:跟蹤AI+材料領(lǐng)域前沿技術(shù)(如原子大模型、生成式AI),探索新材料發(fā)現(xiàn)的新范式。