大模型AI算法+工程师

岗位定位 负责AI技术在金属材料研发场景的落地应用,构建数据驱动的材料研发范式,是连接材料科学专业知识与AI算法能力的核心桥梁 核心职责 1.Al模型构建与落地:基于材料科学原理与机器学习方法,构建"成分-工艺-组织-性能""四维关联模型,实现材料性能预测、成分逆向设计与工艺参数优化 2.智能体开发与赋能:参与材料智能体的开发,将材料知识、实验经验、设计准则通过大语言模型转化为可调用的自动化工具(如成分推荐、工艺诊断、失效分析) 3.数据工程与特征挖掘:负责高通量实验数据、历史生产数据的清洗、标注与特征工程,构建结构化材料数据库,挖掘关键影响因子 4.工业项目支持:对接真实工业场景的材料研发需求,将AI模型转化为可落地的工程结论,支持客户项目的技术方案设计" 任职要求 -学历与专业:材料科学、冶金工程、金属材料等相关专业,硕士及以上学历。博士应届或硕士3年以上工作经验-材料专业能力:深入理解金属材料(钢、镍基高温合金、钛合金、铝合金等至少一类)的成分设计、热处理工艺、组织表征与性能关联,熟悉相图、热力学计算(如 CALPHAD)、第一性原理计算者优先-Al/算法能力:掌握机器学习核心算法(回归、分类、聚 类、优化),熟悉至少一种主流框架,有模型训练、调优、评估的完整经验 -数据处理能力:熟练使用Python进行数据分析,掌握Pandas、NumPy、Scikit-learn等工具,具备数据清洗、特征工程与可视化能力-大模型应用能力:理解大语言模型原理,熟悉Prompt工程、RAG(检索增强生成)、Function Calling等关键技术,前一刻都能容器有将领域知识注入大模型的实践经验跨学科思维:能将材料科学的专业问题转化为可计算的算法问题,理解AI模型的局限性与适用边界-工程化落地能力:能将研究结果转化为工程可用的结论或工具,具备与工程团队沟通协作的能力-学习与探索:持续跟踪AI+材料的新研究进展(如材料生成模型、自主实验智能体等),有技术敏锐度" 加分项 -有高通量实验、计算仿真或材料基因组项目经验- 熟悉材料计算软件(如Thermo-Calc、JMatPro、COMSOL)有工业界材料研发经验(航空航天、能源装备、汽车等等领域)- 熟悉深度学习框架,有图神经网络(GNN)在材料领域应用经验-有大模型微调(Fine-tuning)或领域知识图谱构建经验" 朝九晚五,双休,五险一金