一、崗位職責(zé)
MoE架構(gòu)設(shè)計(jì)與開(kāi)發(fā)
針對(duì)污水廠多變量、非線(xiàn)性、高噪聲的工藝數(shù)據(jù),設(shè)計(jì)并實(shí)現(xiàn)混合專(zhuān)家模型(Mixture of Experts)架構(gòu),優(yōu)化門(mén)控網(wǎng)絡(luò)(Gating Network)與專(zhuān)家子模型協(xié)同機(jī)制。?
開(kāi)發(fā)面向污水處理場(chǎng)景的MoE應(yīng)用,如水質(zhì)多指標(biāo)預(yù)測(cè)、工藝參數(shù)動(dòng)態(tài)優(yōu)化、多設(shè)備協(xié)同控制等。?
模型訓(xùn)練與調(diào)優(yōu)
處理時(shí)序數(shù)據(jù)(如傳感器流數(shù)據(jù)、工藝運(yùn)行日志),構(gòu)建大規(guī)模訓(xùn)練數(shù)據(jù)集,解決數(shù)據(jù)稀疏性與噪聲問(wèn)題。?
優(yōu)化MoE模型的分布式訓(xùn)練效率(如使用Megatron-LM、DeepSpeed框架),提升模型收斂速度與推理性能。?
工業(yè)場(chǎng)景落地
將MoE模型輕量化并部署至邊緣計(jì)算設(shè)備或工業(yè)云平臺(tái),實(shí)現(xiàn)低延遲實(shí)時(shí)決策(如加藥量動(dòng)態(tài)調(diào)整、曝氣量?jī)?yōu)化)。?
與自動(dòng)化團(tuán)隊(duì)協(xié)作,將MoE模型嵌入PLC/DCS系統(tǒng),開(kāi)發(fā)自適應(yīng)控制策略。?
前沿技術(shù)探索
研究MoE與強(qiáng)化學(xué)習(xí)(RL)、聯(lián)邦學(xué)習(xí)(FL)等技術(shù)的結(jié)合,探索跨污水廠的分布式模型協(xié)作方案。?
跟蹤稀疏化訓(xùn)練、動(dòng)態(tài)路由等MoE領(lǐng)域最新進(jìn)展(如Google的Switch Transformer、Mixtral 8x7B),推動(dòng)技術(shù)迭代。?
二、任職要求
專(zhuān)業(yè)背景
博士,計(jì)算機(jī)科學(xué)、人工智能、數(shù)學(xué)/統(tǒng)計(jì)等相關(guān)專(zhuān)業(yè),博士?jī)?yōu)先。?
熟悉污水處理關(guān)鍵參數(shù)(COD、氨氮、DO)及工藝邏輯(AAO、MBR)者加分。?
技術(shù)能力
核心要求:
精通MoE原理及主流框架(如PyTorch的Tutel、FairScale),具備MoE模型從零搭建經(jīng)驗(yàn)。?
熟練掌握深度學(xué)習(xí)框架(PyTorch/TensorFlow),熟悉模型并行、數(shù)據(jù)并行訓(xùn)練技術(shù)。?
扎實(shí)的時(shí)序數(shù)據(jù)處理能力,熟悉特征工程、異常值處理及數(shù)據(jù)增強(qiáng)方法。?
加分項(xiàng):
有MoE相關(guān)頂會(huì)論文(NeurIPS、ICML)或開(kāi)源項(xiàng)目貢獻(xiàn)(如Hugging Face模型庫(kù))。?
熟悉工業(yè)控制協(xié)議(OPC UA、Modbus)或邊緣計(jì)算部署(TensorRT、ONNX Runtime)。?
項(xiàng)目經(jīng)驗(yàn)
2年以上MoE或復(fù)雜模型架構(gòu)研發(fā)經(jīng)驗(yàn),有工業(yè)場(chǎng)景(如流程控制、預(yù)測(cè)性維護(hù))落地案例。?
具備高并發(fā)、低延遲推理優(yōu)化經(jīng)驗(yàn)(如模型剪枝、量化、動(dòng)態(tài)計(jì)算路徑設(shè)計(jì))。?
軟性素質(zhì)
對(duì)AI技術(shù)解決環(huán)保問(wèn)題有強(qiáng)烈熱情,能從業(yè)務(wù)痛點(diǎn)抽象建模問(wèn)題。?
具備較強(qiáng)的技術(shù)文檔撰寫(xiě)能力及跨團(tuán)隊(duì)協(xié)作意識(shí),適應(yīng)階段性出差支持。 ?
工作地點(diǎn):合肥、廣州、天津、新加坡等。