岗位职责:
1.基于分子动力学或机器学习方法，构建材料结构（如晶体结构、表面形貌）与性能（如导电性、循环寿命）之间的数学模型。
2.开发或优化算法（如密度泛函理论 DFT、蒙特卡洛模拟、神经网络），预测新材料的性能指标
3.选择合适的机器学习 / 深度学习框架（如 PyTorch、TensorFlow），训练构效关系预测模型
4.将算法模型应用于实际研发流程，如新材料配方设计、工艺参数优化
任职要求:
1具有计算材料学/计算化学等相关专业硕士学位，在SCI期刊上以第一作者或通信作者发表过强相关研究成果者优先考虑，有材料研发计算项目落地经验
2.熟悉材料计算的基础理论，了解材料结构及材料性质的第一性原理计算的过程，熟练掌握分子动力学模拟流程；
3.精通至少一种与材料第一性原理计算相关的软件和至少一种分子动力学软件，如VASP、Material Studio、Lammps、Gromacs、NAMD、Amber等，有三年及以上工作经验
4.对于负责的项目可以独立设计计算方案，并及时完成计算，同时对计算结果分析和数据处理的能力，具有指导和实施计算结果落地及材料合成能力；
5. 具有较强Python编程能力、熟练掌握Pytorch、Tensorflow等深度学习推理框架，具有利用AI算法模型解决化学材料领域相关问题的经验