AI材料博士

核心职责
材料AI建模与算法开发
建立材料成分、工艺、结构与性能的预测模型（介电、力学、热学、光学、可靠性等）。
开展配方/组分AI逆向设计、多目标优化，输出可实验验证的方案。
融合物理机理与机器学习，构建机理驱动+数据驱动混合模型。
材料数据治理与平台建设
梳理历史实验、中试、生产数据，建立标准化材料数据库与特征工程体系。
搭建企业内部材料AI计算/仿真流程，对接实验设备与业务系统。
研发与工艺落地
与材料研发、工艺、生产团队协同，将AI预测结果转化为可量产方案。
利用AI优化烧结、涂布、热处理、合成等关键工艺参数，提升一致性与良率。
技术规划与前沿跟踪
制定公司材料AI技术路线图，负责专利、论文、技术标准输出。
跟踪材料大模型、高通量实验、多尺度模拟、自动化合成等前沿进展。
任职要求
1. 基本要求
学历：硕士及以上，博士优先
专业：材料科学与工程、材料物理、材料化学、化工、物理、计算材料、材料信息学、AI交叉学科等
2. 能力要求（硬技能）
材料专业能力
熟悉无机非金属/陶瓷/玻璃/高分子/电子材料任一体系。
理解成分—微观结构—制备工艺—宏观性能关系。
AI与编程能力
熟练使用 Python，掌握常用科学库（NumPy/Pandas/Scikit-learn）。
熟悉至少一种深度学习框架：PyTorch / TensorFlow。
了解回归、分类、聚类、特征选择、优化算法等基本流程。
计算与工具加分项
有材料数据库、Materials Project、AFLOW、OQMD等使用经验。
了解DFT、分子动力学、相场模拟、COMSOL等优先。
有数据可视化、模型部署（API/服务化）经验优先。
工程落地能力
能独立完成：数据清洗→建模→验证→迭代→交付。
能将AI语言翻译成实验/工艺语言，推动成果落地。
3. 软实力
逻辑清晰、动手能力强、结果导向。
跨部门沟通协作，愿意深入产线与实验室。
学习能力强，能快速适配企业材料体系。