AI算法研发工程师

岗位职责 1. AI 模型开发：承担物理AI模型的研发工作，包括构建地形编码器、建筑物编码器及气象数据编码器，搭建Transformer时序预测模块，并设计包含质量守恒、动量守恒等物理约束的损失函数。 2. 模型训练与优化：利用CFD数据库开展AI低空风场预测模型的训练，制定融合数据损失与物理损失的复合损失函数，优化网络结构与超参数配置，完成从数据加载到训练、验证与测试的全流程实现，同时建立模型版本控制与实验记录机制。 3. 时序预测模型研发：构建LSTM/GRU/Transformer类时序预测模型，实现具备物理约束的插值算法，设计并落实多尺度信息融合策略。 4. 模型部署与性能提升：推进模型在边缘端的推理部署，优化推理效率与响应速度，实施A/B测试以评估模型效果，持续监控模型运行表现与预测精度。 5. 技术文档编写：撰写涵盖模型架构设计、训练流程说明及使用指南在内的完整技术文档。 任职要求 学历要求： • 硕士及以上学位，计算机科学、人工智能、机器学习、应用数学等相关专业 技能要求： • 深度学习框架：精通PyTorch（必备），了解TensorFlow（加分项），熟悉深度学习模型开发的标准流程 • 模型架构：掌握CNN、Transformer、LSTM/GRU等主流结构，了解Film编码方式与注意力机制，具备物理信息神经网络（PINN）相关技术背景者优先 • 编程能力：熟练使用Python编程语言，掌握NumPy、SciPy等科学计算工具，熟悉PyTorch Lightning、Hugging Face等开发库，具备Linux环境下的操作经验 • 专业知识：扎实理解深度学习理论基础（如反向传播、优化算法等），熟悉融入物理规律的深度学习方法，了解流体力学基本原理（如质量守恒、动量守恒），掌握常用时序预测技术 • 模型部署：熟悉TensorFlow Serving、TorchServe等部署方案，掌握模型压缩技术（如量化、剪枝、TensorRT加速），了解分布式训练框架（如DDP、Horovod） 工作经验： • 具备3年以上AI算法研发经历 • 有物理引导型深度学习模型开发经验者优先 • 参与过气象或流体力学领域AI项目者优先 • 在Transformer、神经算子及时序建模方面有实际开发经验者优先 • 具备大规模模型训练与线上部署实践经验者优先 其他要求： • 具备扎实的数学功底与算法分析能力 • 能够独立设计实验并进行系统性结果分析 • 具备良好的团队合作意识与沟通表达能力 • 拥有较强的学习主动性与技术创新意识