1.制定并实施采样实验策略，将复杂的计算机模型或模拟器与观察到的实验或现场数据进行校准；
2.识别并描述我们建模框架中所有的不确定性来源（例如，参数、模型形式、实验性不确定性）；
3.分析并将这些不确定性通过模型进行传播，以生成概率预测并量化模型预测的可信度；
4. 设计、拟合和解释 BSS-ANOVA 模型，以执行敏感性分析，识别有影响的输入，并为计算成本高昂的模拟创建高精度的仿真模型（元模型）；
5.研究、倡导并应用贝叶斯统计、不确定性量化和仿真建模领域的最新尖端技术；
6.与领域科学家、工程师和产品经理密切合作，理解模型需求，并向技术和非技术利益相关者有效传达不确定性量化结果；
7.开发健壮、文档完善的代码和流程，将不确定性量化标准化为我们建模工作流的一部分；
8.参与团队日常管理事务的执行，完成上级交办的其它工作。

1.拥有统计学、应用数学、数据科学、工程学或相关定量领域的硕士或博士学位，并具备扎实的统计学理论基础；
2.在参数校准和不确定性量化方面，拥有统计建模、数据科学或研究的专业经验；
3.拥有经实践证明的、亲手操作Bayesian Smoothing Spline ANOVA(BSS-ANOVA)的经验，或使用密切相关的基于高斯过程的方法进行仿真和敏感性分析；
4.深刻理解贝叶斯统计，包括先验设定、后验采样（如MCMC、哈密顿蒙特卡洛）和模型检验；
5.精通R和/或Python，并具有相关统计库的使用经验；
6.在实验设计、敏感性分析和回归技术方面有扎实的基础；
7.优秀的问题解决能力，以及独立处理复杂技术挑战的能力；
8.有其他不确定性量化软件或框架的使用经验、处理计算成本高昂的模型或模拟器的经验、熟悉高性能计算 (HPC)环境和并行计算、在相关科学会议或期刊上有发表论文或进行演讲经验者优先录用