AI 应用工程师 / 科学机器学习工程师 / 聚变工程数据与智能仿真工程师

该职位来源于猎聘 岗位职责： 1. 负责聚变第1壁、包层方向 AI 应用场景设计，包括材料性能预测、寿命评估、失效识别、仿真代理模型、实验数据分析和设计优化。 2. 建设聚变工程 AI 数据集，整理仿真、实验、表征、文献和传感器数据，完成清洗、标注、元数据管理、数据质量控制和可追溯管理。 3. 开发机器学习/深度学习模型，用于材料性能预测、辐照损伤分析、腐蚀/氚渗透预测、高热流实验数据建模、图像识别和异常检测。 4. 开发多物理场仿真代理模型和降阶模型，支撑中子学、热工水力、结构力学、氚输运等计算的快速预测和参数优化。 5. 开发面向工程人员的 AI 工具、API 或 Web 服务，支持数据查询、模型推理、结果可视化和仿真流程集成。 6. 对接 HPC、CAE 软件和数据库平台，完成模型训练、批量推理、自动化工作流和 MLOps 部署。 7. 与材料、热工水力、中子学、结构、氚工艺和实验团队协同，推动 AI 模型在真实工程问题中验证和迭代。 8. 跟踪 AI for Fusion、核材料机器学习、科学机器学习和材料基因组等方向的前沿进展。 任职要求： 1. 计算机、人工智能、软件工程、应用数学、数据科学、材料信息学、核工程、力学等相关专业硕士及以上学历。 2. 熟练掌握 Python，熟悉 numpy、pandas、scipy、scikit-learn，掌握 PyTorch 或 TensorFlow。 3. 熟悉机器学习基本方法，包括回归、分类、聚类、时间序列、异常检测、模型评估和特征工程。 4. 熟悉深度学习模型开发，有图像识别、科学计算代理模型、GNN、Transformer、PINN 或贝叶斯优化经验者优先。 5. 具备工程数据处理能力，熟悉 PostgreSQL/MySQL、数据建模、ETL、API 开发，了解 FastAPI/Flask。 6. 熟悉 CAE/科学计算流程，理解几何、网格、边界条件、求解器、后处理、参数扫描和 V&V 概念。 7. 具备良好的数学和物理基础，理解偏微分方程、数值计算、统计学习、不确定度量化者优先。 8. 能熟练阅读英文论文和技术文档，具备跨学科沟通能力，能把工程问题转化为可验证的 AI 任务。