职位编号 J20260918182102136713
ai材料科学高级算法专家平台直营
60-80万北京市博士5-8年招聘 1 人预计佣金 85.7K2天前刷新/9月18日 18:29发布
职位信息项目手册职位进展做单须知佣金规则发单顾问
寻访须知
必要条件:专家级 PyTorch（能自研模型）
生成模型（扩散/流匹配/VAE/GAN 实战）
几何深度学习（等变网络/GNN）
物理约束学习（PINN 实战）
优化算法（贝叶斯/进化，高维多目标）
科学计算（懂 PDE 求解、能读仿真文件）
优先条件:有AI4S顶会论文（NeurIPS/ICML/ICLR的* Workshop、ICLR的GEO Workshop，或J. Chem. Phys./*. Mater. Sci.等期刊）且开源代码被社区使用。
有从0到1搭建AI材料计算平台的经验（含数据管道、模型库、自动调参、可视化）。
有与实验团队合作验证AI预测结果的成功案例（AI设计→实验合成→实测验证）。
有商业/开源代理模型库（如*、SchNetPack、MACE）的贡献或深度使用经验。
接受50%左右差旅
目标公司/行业:AI4S 原生公司：深势科技、晶泰科技、算筹、东方晶源、杭州智宇
化工/材料数科：石化盈科、中国化学（天辰/赛鼎）、万华化学数智、各化工集团数科；鲁西化工内部也可留意
新能源材料：宁德时代、比亚迪、贝特瑞、璞泰来、恩捷、当升
必问问题:
待发单方补充
JD基本信息
岗位职责
岗位职责
1. ai代理模型与仿真加速算法(核心)
主导开发基于物理约束深度学习(pinn、守恒律网络)、几何深度学习(gnn等变网络)、神经算子(deeponet、fno)等前沿方法的代理模型算法,替代或加速有限元/第一性原理计算,目标是仿真单次求解时间从小时/天级压缩到秒级,支撑百万级高通量虚拟筛选.
设计主动学习采样策略(基于模型不确定性、多样性、物理有效性),在迭代中以最少仿真/实验次数获取最高信息增益,大幅降低计算与实验成本.
2. 逆向设计与生成式材料设计(核心)
开发基于扩散模型、流匹配、变分自编码器或强化学习,优化算法的逆向设计算法,在给定目标性能(如比容量>x、热导率>y、成本
任职要求
任职要求
基本条件
博士学历(必须),计算机科学、人工智能、计算数学、物理、化学、材料信息学,机械等相关专业.
5年以上(高级)/ 8年以上(资深) ai算法研发经验,其中至少3年聚焦于物理/化学/材料等硬科学领域的ai应用(工业界经验优先,顶尖科研机构亦可).
核心算法能力(硬性)
深度学习框架:专家级pytorch,有从零构建复杂模型(自定义网络层/损失函数/训练循环)的能力.
精通贝叶斯优化(gp/tpe/saasbo)或进化算法(nsga-ii/cma-es),有高维(>15维)、多目标、混合变量优化场景的实际部署经验.
领域知识(加分但非硬性)
了解材料加工成型(如轧制、涂布、注塑、烧结等)的基本物理过程及对应测评指标(力学/热学/电化学性能).
加分项
有ai4s顶会论文(neurips/icml/iclr的ai4science workshop、iclr的geo workshop,或j. chem. phys./comput. mater. sci.等期刊)且开源代码被社区使用.
有从0到1搭建ai材料计算平台的经验(含数据管道、模型库、自动调参、可视化).
有商业/开源代理模型库(如deepmd-kit、schnetpack、mace)的贡献或深度使用经验.
所属行业:人工智能/大模型/算力
职能分类:算法工程师
工作城市:
北京，招聘1人，详细地址：北京市
职位要求
学历要求:博士·统招
工作年限:5-8年
薪资福利
年薪范围:60-80万 13薪
薪资福利:-
面试信息
面试轮次:3轮
视频面试:不可以接受
面试流程:-