强化学习与优化算法工程师

算法研发与落地：负责强化学习（RL）与优化算法的研发，支撑科学发现场景（如材料设计、化学配方筛选）的决策与生成任务；

黑盒优化与自动调参：开展复杂高维条件下的黑盒函数优化，构建并迭代多目标优化优化流程，设计高效的实验设计（DOE）与自动化闭环寻优系统。

复杂约束与空间搜索：针对海量材料组合或高维实验数据场景下，设计采样算法；

前沿技术融合：探索大语言模型或深度学习算法（如 Transformer 架构）与优化算法的结合，推动从非结构化文献中提取领域知识（物理法则、化学属性），并将其转化为优化引擎的先验约束

硕士及以上学历，计算机、数学、统计学、计算化学/物理等相关专业优先，具备 1-2 年以上相关算法研发经验；

了解常见多目标优化算法及常见敏感度分析方法；

熟悉深度强化学习框架，了解基于 Transformer 架构的编码/解码模型在科学领域的应用原理；

熟练使用 Python 及 PyTorch 等主流深度学习框架；

优秀的数学功底，能独立阅读该领域的顶会论文并完成复杂算法的工程复现。

熟练使用且对主流优化/强化学习框架（如 Ax, BoTorch, SMAC3, LaMCTS 等）有二次开发、源码级修改或贡献经验优先；

具备新材料发现、电池电解液/配方优化等真实闭环实验室优化（Closed-loop optimization）落地经验者优先