光学算法开发岗

针对色漆/效果颜料体系，建立“光在材料内部传播（吸收、散射、多次反射）”与“光在材料表面传播（菲涅尔反射、微面元衍射、掠射行为）”的联合物理模型，完成可求解的光学正向/反向模型推导与代码实现；

基于上述模型，进行复杂材料光学系数->材料显示效果的反演算法设计与持续优化；

跟踪汽车涂料、效果颜料（珠光、铝粉、随角异色等）微观结构建模前沿，进行更精确的漆面虚拟重建；

与配方反推团队协同，开发“光学目标→配方空间”反向优化算法（贝叶斯优化、强化学习或混合整数规划），实现颜色-外观-成本多目标自动寻优；

编写核心算法 API、单元测试与自动化脚本，维护版本管理、CI/CD 流程及技术文档，确保代码在汽车级安全与质量规范下交付

光学工程、应用光学、计算机图形学、材料物理等相关专业博士及以上，具备扎实的辐射传输、双向散射分布（BSDF）、色度学及线性光学理论基础；

精通 Python/C++，掌握 TensorFlow/PyTorch 或类似科学计算框架，能独立实现并加速光学反演、机器学习或最优化算法；

熟悉至少一种光学测量设备（Multi-angle spectrophotometer、goniospectrometer、imaging sphere）及数据格式，有真实车漆/外观数据集项目经验者优先；

理解主流渲染管线（PBR、路径追踪、实时 Ray-Tracing）与 BRDF 模型（Cook-Torrance、GGX、Clearcoat），能将光学参数映射至 Unity/Unreal/Omniverse 等引擎；

具备优秀的数学建模与实验设计能力，能完成高维参数敏感性分析、不确定性量化及误差溯源；

良好的跨团队沟通与英语技术文献阅读能力，抗压能力强，对“零物理样件”智能制造目标有高度热情