AI for Science工程师

1. 01

   结构化数据体系构建:定义材料成分、工艺参数、微观结构和宏观性能之间的标准化数据规范与元数据框架。主导从实验/文献中提取关键信息,建立高质量、可追溯的结构化数据库；

2. 02

   AI大模型合作开发:与算法团队紧密合作,参与材料领域大语言模型(LLM)及专用AI模型的开发、微调与验证工作,推动AI在材料设计、性能预测等场景中的深度应用；

3. 03

   计算模拟与实验融合:搭建密度泛函理论(DFT)、分子动力学(MD)等多尺度计算工作流,结合机器学习势函数等先进方法驱动材料模拟加速；

4. 04

   商业化与技术落地:具备敏锐的商业意识,能将复杂科研成果转化为具备市场竞争力的产品方案。深入科研与产业一线,挖掘客户痛点，确保解决方案的可行性与商业化路径；

5. 05

   跨学科协作:作为技术枢纽,协调材料学家、算法工程师与产品团队的沟通,定义产品需求并推动研发进度；

6. 06

   制定清晰的AI4S的技术路线图，主导或协助技术立项

学历专业：材料科学、化学、物理学或相关专业博士学历； 知识技能：具备材料计算经验(如DFT、MD、MC模拟)编程能力； 熟练使用Python及主流深度学习框架(PyTorch/ TensorFlow)； 工作经验：拥有AI/机器学习在材料/化学领域的研究或项目经验(如使用图神经网络、强化学习、主动学习等)； 有材料数据库构建或数据标准化经验； 熟悉高通量计算/实验平台开发； 有AI4Science产品或项目从0到1的落地经验 有专利申请或商业转化相关成果的能力 语言：CET6 其他：