算法工程师

算法实习生（AI+材料方向） 团队介绍 我们是一个致力于AI驱动材料科学与工程创新的研发团队，研究方向涵盖材料科学大模型、生成式AI、实验自动化、自驱动实验平台等前沿交叉领域。团队成员拥有来自人工智能、材料科学、自动化与机器人、物理建模等多学科背景，已在AI4Science / AI4Materials / AI4Robotics等方向积累了丰富的研究与工程经验，发表多篇高水平论文，并积极推动技术成果的产业化落地。我们欢迎志同道合的年轻科研力量，共同探索AI赋能新材料研发的无限可能。 --- 职位内容 你将参与以下若干方向的前沿研发工作（具体任务将根据背景匹配）： - 参与构建或优化材料科学领域大模型（如Graph-based、3D Structure-based、Multimodal等）。 - 支持自动化材料实验平台的算法开发，包括自主决策、试验优化、数据分析等。 - 基于强化学习 / 贝叶斯优化 / 神经算子等方法进行工艺参数调优或结构性能优化。 - 构建或使用ROS/Gazebo等机器人仿真平台，对接实际硬件控制。 - 协助团队完成算法验证、实验部署与系统集成。 --- 职位要求 - 学历背景：硕士在读优先，特别优秀的本科生也可考虑，专业不限，建议方向为：计算机、人工智能、材料科学、机械工程、自动化、应用数学等。 - 基础能力： - 扎实的编程能力（Python优先），良好的代码规范与协作能力。 - 熟悉常见的深度学习/机器学习框架（如PyTorch、TensorFlow、scikit-learn等）。 - 专项加分项（满足一项或多项者优先）： - 有材料结构建模、大模型训练或AI for Science相关经验（如MatSciBERT、OC20、MEGNet等）。 - 熟悉三维数据处理：如晶体结构、分子图、点云、网格（Mesh）等。 - 有ROS/MoveIt/Gazebo等机器人开发经验，或熟悉自驱动实验系统。 - 有强化学习、贝叶斯优化、主动学习等算法实战经验。 - 熟悉科研数据处理与可视化工具（如Pandas, matplotlib, Plotly等）。 --- 发展路径 - 技术成长：直接参与国家级/企业级重点项目，与具有AI与材料交叉背景的专家深入协作。 - 论文与竞赛支持：支持发表高水平论文（ICML/NeurIPS/ICCV等），鼓励参与算法竞赛与开源项目。