研究方向（满足之一）：

1. 工业智能边缘计算方向

l 聚焦 ARM/GPU 架构边缘计算单元开发，构建支持 TensorRT/TensorFlow Lite 等轻量化推理框架的嵌入式 AI 系统

l 研究设备振动 / 温度 / 声学等多模态信号的特征融合方法，开发面向工业时序数据的自适应异常检测算法（如基于 Transformer 的在线学习模型）

l 攻克边缘端模型动态更新技术，实现基于联邦学习的分布式设备健康管理协同优化

l 构建符合
ISO-13374 标准的预测性维护系统架构，完成从边缘数据采集到云边协同决策的全链路验证

2. AI材料智能设计方向

l 开发基于分子图神经网络（GAT/GraphSAGE）的摩擦材料构效关系模型，整合配方数据库

l 构建多目标强化学习框架（PPO/SAC
算法），优化摩擦系数 - 耐磨性 - 成本等多维度性能平衡

l 建立材料虚拟实验平台，实现配方性能的跨尺度预测（微观结构→宏观特性）

3. 人形机器人及其他新技术产业融合应用

l 结合汽车生产检测测试行业需求，研究机器人的产业落地。及相关产品应用。

l 探索汽车检测与机器人场景的通用AI算法（如多模态异常检测、小样本迁移学习）；

l 研究人形机器人在汽车检测场景的自动化应用（如基于视觉/力控的车辆部件智能巡检/智能操作）。

任职要求：博士学位（计算机、电子信息、控制工程、自动化或其他相关专业）

1. 精通嵌入式 Linux 开发，具备 ROS/OpenCL 等边缘计算框架实战经验

2. 熟悉 OPC-UA/Modbus 等工业通讯协议，有预测性维护系统开发经历者优先

3. 扎实的AI算法、优化算法、边缘计算等基础知识

4. 熟悉常用的机器学习与深度学习框架，具有故障诊断或工业应用相关研究经验者优先

5. 良好的编程与数据分析能力，熟悉Python、MATLAB编程。熟悉pytorch、tensorflow等深度学习架构。

6. 具备团队协作精神及良好的跨学科科研创新能力。