AI大模型算法（大型能源）

1、油气行业大模型研发与优化：聚焦油气领域多模态大模型（涵盖文本、时序、图结构、地球物理数据等）的架构设计、预训练策略及高效微调方法，研发适用于低资源条件下的轻量级、可解释性强的智能模型； 2、面向业务场景的算法创新：深入参与油气勘探、开发生产、新能源等核心环节，针对地震资料解释、测井智能分析、钻井参数调控、设备预测性维护、碳中和路径设计等具体场景，定制专用算法方案；开展多源异构数据（如地震体数据、测井曲线、钻井日志、传感器时序）的融合处理与特征挖掘技术研究，构建融合行业知识的智能决策系统；探索人工智能与数值模拟、机理模型的深度融合机制，提升模型在复杂物理环境中的泛化性能与可信度； 3、技术体系搭建与前沿技术探索：持续追踪大模型Agent、具身智能、因果推理、生成式AI等前沿方向，推动其在油气智能决策、数字孪生系统、碳排放管理与能源系统优化等新兴场景中的应用落地；主导行业级数据集规范、算法评估标准及开源工具链建设，增强技术复用能力与行业辐射力；联合高校及科研单位开展关键技术攻关，布局具有前瞻性的技术路线； 4、跨领域协作与技术转化：联动业务专家、产品团队与工程实施方，实现算法从原型验证到规模化部署的全流程闭环；注重团队能力建设，培养兼具行业理解与算法研发能力的复合型技术骨干，打造高水平研发梯队。 要求： 1、计算机科学、人工智能、地球物理、石油工程、应用数学等相关专业硕士及以上学历，博士优先考虑； 2、具备5年以上大模型或深度学习算法研发经历，熟练掌握Transformer、GNN、强化学习等主流模型架构，有从零构建行业大模型或核心模块的实际经验； 3、精通PyTorch/TensorFlow底层原理，具备分布式训练（如Megatron-LM、DeepSpeed）和高性能计算（CUDA/ROCM）实战能力，熟悉模型压缩与加速技术； 4、有行业大模型项目经验者优先，熟悉AI Agent技术体系（RAG、规划、工具调用）、因果推断、物理信息神经网络（PINN）等方向者更佳； 5、具备多模态数据（时序、图结构、空间数据）建模与融合分析能力，了解油气行业典型数据格式（如SEGY、LAS、WITSML）者优先； 6、在能源、工业、航天等复杂物理系统中有实际算法落地案例，具备较强的业务抽象与工程落地能力；具备良好的英文技术沟通能力，有国际顶会论文、专利产出或主导过国际合作项目者优先； 7、具备优秀的跨团队协作与项目推进能力，能够适应油气行业多层次组织架构下的技术推动模式。