研究员-动力系统AI研究

数据驱动的代理模型构建：基于高保真仿真与实验数据，利用机器学习（高斯过程回归、神经网络等）构建热泵动力系统性能的快速预测代理模型（Surrogate Model），大幅缩短设计优化周期；

故障诊断与健康管理：开发基于时序数据分析（LSTM、Transformer等）的系统可靠性诊断与预测性维护算法，实现关键部件健康状态的在线评估与预警；

数字孪生平台构建：参与热泵动力系统数字孪生平台的架构设计与开发，实现“仿真-测试-AI”三位一体的虚实映射与闭环优化；

数据基础设施与算法落地：负责仿真与测试数据的标准化处理、特征工程与数据库建设，推动AI算法在产品研发流程中的工程化落地。

学历背景：博士，机械、力学、热学等相关专业；

AI技术能力：熟悉机器学习与深度学习算法（如Gaussian Process、LSTM、Transformer、强化学习等），了解至少一种深度学习框架（TensorFlow、PyTorch等）；

领域知识：具备热泵/制冷系统或旋转机械领域的基础知识，理解压缩机运行物理机理，能将物理规律融入AI模型设计；

编程能力：精通Python，熟悉SQL及大数据处理工具（如Spark、Pandas等）；

工程思维：具备将前沿AI算法转化为工程应用的能力，有工业场景AI项目经验者优先。