岗位职责
1. 算法设计与落地：基于MEMS传感器芯片的工作原理与性能需求，设计适配芯片级实现的神经网络算法模型（有监督学习模型），包括但不限于轻量化CNN、RNN，将算法思想转化为可集成于芯片的技术方案。
2. 芯片性能优化：运用神经网络算法解决MEMS芯片研发中的核心痛点，如非线性误差校准、噪声抑制、温漂补偿、交叉灵敏度消除等，通过算法迭代提升芯片的测量精度、响应速度及环境适应性，降低芯片硬件设计复杂度。
3. 算法与测试协同研发：与芯片设计（IC Design）、测试验证团队紧密协作，推动神经网络算法在芯片架构中的适配实现，优化算法的硬件资源占用（算力、存储、功耗），确保算法与MEMS敏感结构、信号调理电路的高效协同。
4. 数据驱动的算法迭代：搭建MEMS传感器芯片测试数据采集与分析体系，利用实测数据（含多工况、多环境下的原始信号）训练、验证及优化神经网络模型，建立算法性能与芯片硬件参数的映射关系，形成数据驱动的芯片研发闭环。
5. 技术预研与创新：跟踪人工神经网络算法（如边缘计算轻量化算法、神经形态计算）及MEMS传感器芯片领域的前沿技术动态，开展前瞻性技术预研，探索神经网络算法在MEMS芯片低功耗设计、多传感器融合、智能感知等场景的创新应用，形成技术专利与核心竞争力。
6. 算法文档与交付：撰写算法设计文档、技术方案报告、测试验证报告，输出可复用的算法模块、模型参数及校准流程，支撑芯片量产阶段的算法落地与问题排查。
任职要求
1. 学历背景：硕士及以上学历，计算机科学、电子信息工程、自动化、微电子、应用数学等相关专业；优秀本科毕业生（具备核心项目经验）可酌情考虑。
2. 算法基础：精通人工神经网络算法原理，具备扎实的深度学习、机器学习理论功底，熟练掌握PyTorch深度学习框架，能独立完成模型设计、训练、调优及部署。
3. 行业认知：具备MEMS传感器芯片研发相关知识，熟悉MEMS传感器的工作原理、信号特性、误差来源及校准方法，了解MEMS芯片从设计、流片到测试量产的全流程。
4. 工程能力：具备算法硬件化思维，熟悉神经网络算法在嵌入式设备、芯片中的轻量化实现方法，了解FPGA/ASIC算法部署流程，能平衡算法性能与硬件资源约束。
5. 技能工具：熟练使用Python编程语言，掌握数据处理、信号分析工具，具备良好的数学建模与问题解决能力。
加分项
1. 拥有MEMS传感器芯片算法研发、神经网络算法芯片级部署（如边缘AI芯片、神经形态芯片）项目经验者优先。
2. 熟悉低功耗算法设计、多传感器数据融合算法，或在非线性校准、噪声抑制领域有成熟技术方案者优先。
3. 具备IC设计、版图设计或MEMS传感器测试验证经验，能独立搭建算法验证平台者优先。
4. 拥有相关领域发明专利、顶会论文或核心技术成果者优先。
5. 具备良好的跨团队沟通能力、项目管理意识及技术创新思维，能快速响应研发需求并推进项目落地。