算法工程师-SOX预测

建立并优化车载电化学阻抗谱（EIS）测试方案，设计实车工况下的EIS激励信号施加策略与数据采集流程；

开发并训练基于EIS特征的SOX估计算法，结合人工智能算法模型架构，实现不同温度、不同工况下的高精度SOX预测，完成模型的离线验证与实车在线部署；

开发基于多尺度多物理场机理与数据驱动融合的SOX算法预研与工程化落地。

硕士及以上学历，电化学/应用化学/材料科学/计算机科学/自动化/电子信息等相关专业；

掌握电化学阻抗谱（EIS）测试原理与数据分析方法，熟悉等效电路模型（ECM）或DRT弛豫时间分布分析方法，具备扎实的机器学习基础，熟练使用Python/C++完成特征工程与模型开发，能够使用PyTorch/TensorFlow等深度学习框架独立完成模型搭建、训练与调优；

具备电池机理基础知识（锂离子电池老化机制、SEI膜生长、活性材料损失等），具有从数据清洗到模型部署的全链路工程能力，善于将复杂的电化学机理与数据驱动方法结合，具备良好的文献检索与英文阅读能力；

能够适应实车路测与现场调试出差，具备跨团队协作能力（与BMS硬件、测试、系统等部门高效配合）；

掌握电化学模型，如P2d等；

加分项：具有EIS实验设计与数据分析项目经验，熟悉NASA/Oxford/CALCE等公开电池数据集，有LSTM/Transformer/GNN等模型在时序预测任务上的实战经验，了解嵌入式模型部署（模型量化、剪枝、TensorRT/ONNX推理加速）或BMS开发者优先。