高级AI材料科学家（Base 杭州）

岗位摘要
我们正在寻找一位具备大厂或顶级 AI 实验室背景的 AI for Science 人才，负责搭建面向新一代材料研发的材料智能平台。
你将把机器学习、材料科学、化学实验与工艺数据连接起来，用 AI 挖掘材料结构空间，预测关键材料性能，并优化材料合成与放大，及其下游聚合与加工工艺，推动材料研发从经验驱动走向数据与模型驱动。
这个岗位不是普通算法岗，也不是单纯的计算材料研究岗。我们希望你能把模型真正放进材料研发流程里，形成“数据-模型-实验-工艺”的闭环。
你将负责：
1. 建立材料结构-性能-工艺一体化建模框架，覆盖分子结构、聚合物结构、配方、微观形貌、加工参数与终端性能。
2. 构建材料性能预测模型，预测物理性能、加工性能、材料应用性能等关键指标。
3. 设计材料结构探索与反向设计方法，用生成模型、图神经网络、Transformer、主动学习等方法寻找高潜力材料候选。
4. 建立实验闭环：与化学、材料、工艺、检测团队协作，把模型建议转化为实验方案、DOE 设计和下一轮优化。
5. 优化合成与加工工艺，包括单体路线、聚合条件、催化体系、温度/时间/压力、纺丝、后处理和中试放大参数。
6. 整合内部实验数据、检测数据、文献、专利、谱图、热分析、流变、显微图像和生产过程数据，搭建可持续迭代的材料数据资产。
7. 评估模型不确定性和实验风险，建立从小试到中试的模型验证标准。
我们希望你具备：
1. 计算机、机器学习、材料科学、化学、物理、计算化学、高分子等相关专业背景。
2. 5 年以上机器学习、AI for Science、材料信息学或计算材料相关经验，其中至少 2 年负责过真实科学或工程问题的模型落地。
3. 做过材料、分子、化学反应、聚合物、晶体、配方或工艺参数相关建模，不只是通用推荐、广告、搜索算法。
4. 能和实验科学家、工艺工程师、检测团队沟通，理解数据噪声、实验约束、放大风险和产业化节奏。
5. 有从问题定义、数据治理、模型训练、实验验证到迭代优化的完整项目经验。
加分项
1. 有大厂 AI Lab、AI for Science 团队、头部科技公司研究院、材料/化学软件公司或顶级科研机构背景。
2. 有 DFT、MD、量子化学、分子模拟、多尺度模拟与机器学习结合经验。
3. 有高通量实验、机器人实验室、ELN/LIMS、自动化实验平台或材料数据库建设经验。
4. 发表过 AI for Science、materials informatics、molecular machine learning、scientific machine learning 相关高质量论文，或拥有材料 AI/工艺优化相关专利。
5. 有把模型部署到研发流程、生产流程或中试流程中的经验