职位描述 1. 主导科学智能领域核心项目的高性能优化工作，重点突破OpenLAM系统级性能瓶颈，包括： - 面向上亿级科学数据的大模型训练场景，优化分布式训练框架的通信效率与计算资源利用率； - 软硬结合优化算子效率，极限压榨硬件性能； - 探索CUDA内核级优化与PyTorch计算图编译技术的前沿应用； - 构建超大规模晶体材料数据库（亿级原子体系）的高效数据预处理与并行计算方案； 2. 深度参与AI for Science基础设施体系建设： - 将优化成果沉淀为通用加速组件，持续提升DeePMD-kit等开源软件的计算效率； - 构建面向材料、能源等领域的端到端加速方案，驱动工业级科学软件的研发。

职位要求 【必要项】 - 计算机/应用数学/计算材料学等相关专业硕士及以上学历（非常优秀的本科生也可考虑），2年以上HPC优化经验 - 精通CUDA编程与GPU性能分析工具（Nsight/VTune），有PyTorch/TensorFlow框架层优化经验 - 掌握MPI/OpenMP并行编程技术，具有千卡级分布式训练实战经验者优先 - 熟悉典型AI模型计算特征（Attention/卷积/稀疏计算），能针对性设计内存/通信优化方案【加分项】 - 有MLSys/SC/PPoPP等体系结构顶会论文 - 熟悉科学计算典型负载（DFT/MD等）的加速技巧，或参与过Deep Modeling社区其他明星项目或AlphaFold等其他知名科学智能项目 - 具备物理化学场景计算优化经验，或超大规模图数据处理实战经历成长地图 - 学术纵深：顶会/期刊论文发表，与北京大学/普林斯顿等顶尖实验室深度合作 - 产业落地：对接知名材料、制药产业伙伴，见证技术成果转化为工业软件 - 职业弹性：获得AI算法研发与材料计算（院士团队）双重培养路径