岗位职责：
1. 数据驱动预测模型研发。基于时间序列预测算法（如 LSTM、Transformer、ARIMA 等），构建高精度轨道预测模型，处理在轨目标的轨道参数、空间环境等时序数据，提升轨道预报的准确性与时效性。
2. 参与在轨设备状态预测、故障预警等相关预测任务，通过历史遥测数据挖掘潜在规律，支撑在轨系统健康管理。
3. 智能优化算法应用。基于强化学习算法（如 PPO、TD3、DQN 等），设计智能化优化策略，解决在轨激光通信终端的同轴度标校、粗精超瞄机构（二轴转台、压电）控制优化等问题，提升设备调试效率与精度。
4. 在轨遥测数据分析与建模。负责在轨系统遥测数据的清洗、特征工程与分析，挖掘数据中隐藏的模式与异常，为预测模型与优化策略提供数据支撑。
5. 结合领域知识，构建数据与物理模型融合的分析框架，提升算法在复杂空间环境下的鲁棒性。
6. 算法工程化实现。基于 C、Python 编程语言，将研发的算法模型工程化落地，开发高效、可复用的代码模块，确保算法在在轨嵌入式系统或地面仿真平台中的稳定运行。
7. 参与算法性能评估与迭代优化，结合实际测试数据调整模型参数，提升算法的工程适用性
任职要求：
1. 本科及以上学历，人工智能、计算机科学与技术、自动化、数据科学等相关专业；
2. 熟悉时间序列预测算法（LSTM、Transformer、ARIMA 等），具备相关算法的实际项目开发经验（如轨迹预测、状态预报等）者优先；
3. 熟悉主流强化学习算法（PPO、TD3、DQN 等），有基于强化学习解决优化问题（如控制策略优化、资源调度等）项目经验者优先；
4. 精通 C、Python 编程语言，具备良好的代码规范与工程化能力，能独立完成算法的实现与调试；
5. 了解空间在轨系统（如卫星、航天器）相关知识（如轨道力学、遥测数据特性等）者优先；
6. 具备良好的问题分析能力、逻辑思维能力及团队协作精神，能适应复杂工程问题的攻坚 ；