CAE与AI融合方向高级工程师

岗位要求：
1. 具备力学、机械工程、航空航天工程、计算机科学与技术、人工智能、应用数学等专业研究生及以上学历。
2. 1年及以上CAE领域与AI技术结合的项目经验，熟悉CAE仿真全流程（如模型建模、网格划分、边界条件设置、求解计算、结果后处理等），且有实际主导或核心参与CAE-AI融合项目落地的案例。
3. 熟练掌握CAE领域降阶模型构建方法（如POD、ROM-ML混合模型、代理模型等），有过结构力学、CFD或其他工程领域降阶模型开发与应用的实战经验，能够独立完成降阶模型的训练、验证与优化。
4. 深入理解神经网络的基本原理、架构设计与训练方法，熟悉主流深度学习框架（如PyTorch、TensorFlow、MindSpore等），能够根据CAE仿真数据特点设计定制化的神经网络模型，解决CAE场景下的回归、分类、生成等问题。
5. 对CAE核心算法（有限元法、边界元法、格子玻尔兹曼方法、计算流体力学求解算法等）有深入了解，能够分析CAE算法的优缺点与适用场景，并结合AI技术提出改进思路，具备一定的CAE算法代码阅读与调试能力者优先。
6. 具备优秀的技术文档撰写能力，能够独立完成高质量的CAE-AI融合项目技术方案、报告等文档；同时具备良好的跨部门沟通与协作能力，能够清晰表达技术思路，推动团队达成目标。
7. 具备较强的学习能力与问题解决能力，对CAE与AI融合领域的新技术、新趋势有敏锐的洞察力；有相关技术专利、学术论文发表或参与过国家级/省部级CAE-AI相关项目者优先。
岗位职责：
1. 负责CAE领域与AI技术的深度融合项目，主导从需求分析到方案落地的全流程，包括技术路线规划、核心算法选型与项目进度把控。
2. 牵头CAE领域降阶模型（ROM）构建工作，针对结构力学、CFD、电磁仿真等场景，设计并优化降阶方案，解决大规模CAE仿真效率低、耗时久的问题，满足工程化应用需求。
3. 基于神经网络机理，结合CAE仿真数据特性，开发适配CAE场景的深度学习模型（如CNN、Transformer、LSTM等），实现仿真数据驱动的预测、优化与故障诊断，提升CAE分析的智能化水平。
4. 深入理解CAE核心算法（如有限元法、边界元法、计算流体力学控制方程求解算法等），能够结合AI技术对传统CAE算法进行改进与优化，提升仿真精度与计算效率。
5. 负责撰写CAE与AI融合项目的技术方案、可行性分析报告、项目总结报告等文档，为项目决策与成果交付提供专业支撑；同时参与技术专利、学术论文的撰写，推动技术成果转化与沉淀。
6. 与跨部门团队（CAE仿真团队、算法团队、工程应用团队等）紧密协作，提供CAE-AI融合技术支持，解决项目推进中的关键技术难题，保障项目顺利落地。
职位福利：五险一金、绩效、项目奖、年终奖、周末双休、节日/生日福利、带薪年假、餐补、定期体检等