⼈⼯智能⼯程师（可以科研数据智能分析⽅向）

（1）将物理/化学机制与深度学习结合，利⽤PINN等前沿技术，对中药⾊谱分离过程（如⾊谱柱筛选、流动相配⽐优化）进⾏建模与仿真，加速分析⽅法开发。
（2）构建中药制造⼯⼚的数字孪⽣系统，集成过程分析技术（PAT）数据，实现⽣产过程的实时模拟、状态监测与反馈控制，提升研发到⽣产转化的效率与质量⼀致性。
4.跨团队协作与技术落地
与药理学家、化学家及医学专家紧密合作，将复杂的业务需求转化为可执⾏的算法⽅案。推动算法模型在实际业务系统或平台中的集成与上线，赋能新药发现及研发流程优化。

岗位要求：
1.教育背景与经验
（1）计算机科学、⼈⼯智能、计算化学、⽣物信息学、药学信息学等相关专业硕⼠及以上学历。
（2）具有2年以上AI算法研发及落地经验，曾作为核⼼⻣⼲或独⽴Owner主导过⾄少⼀个AI项⽬从数据准备、模型训练到⼯程部署的全⽣命周期。
2.核⼼技术能⼒
（1）编程与框架：精通Python，熟练使⽤PyTorch/TensorFlow、DGL/PyG等深度学习框架。
（2）数据科学：熟悉化学信息学⼯具（RDKit、DeepChem）、⽣物信息学分析流程（如差异表达分析、富集分析），掌握Pandas/NumPy/SciPy等数据处理库。
（3）算法模型：具备扎实的AI算法基础，熟练掌握⾄少⼀种主流深度学习框架（如PyTorch、TensorFlow），对GNN、预训练⼤模型或NLP在垂域的应⽤有深刻理解。
（4）垂域建模：熟悉药物发现核⼼任务（虚拟筛选、分⼦⽣成、结构解析、靶点识别）的建模⽅法，了解分⼦表征（指纹、SMILES、3D构象）与模型设计的结合。
3.学习与协作能⼒
（1）与药物化学、⽣物学、中药学专家紧密合作，将算法输出转化为可验证的实验假设，并参与实验⽅案设计与结果复盘。
（2）负责模型的⼯程化封装（如API服务）、性能优化及⽂档编写，确保算法在内部研发平台的⾼效稳定运⾏。

4.架构与优化
不局限于调参，需具备针对特定垂域场景（如⼩样本学习、泛化能⼒提升）进⾏⽹络结构创新和底层优化的能⼒。

特别优秀者薪资可谈。