科学领域交汇处：人工智能与高能量密度物理。你将运用先进的机器学习与人工智能方法，深度参与惯性约束聚变或Z箍缩聚变的核心研究，从理解极端物理过程、优化实验设计，到加速实现点火与能量增益的宏伟目标。你的工作将直接推动聚变能源从科学可行性向工程现实迈进。
核心职责
· AI/ML算法开发与应用：研究、开发并应用尖端的机器学习模型（如深度学习、强化学习、生成模型、物理信息神经网络PINNs、算子学习等），以解决聚变研究中的高维、非线性、多尺度物理问题。
· 多模态数据融合与洞察：利用AI整合并分析来自大规模仿真（辐射流体力学、粒子模拟等）、复杂诊断（X射线、中子、光学等）和海量实验装置的多模态、高维度数据，提取物理机制，发现新规律。
· 替代模型与加速计算：为计算密集型的聚变物理仿真构建高保真、高效率的AI替代模型，实现参数空间的快速扫描、不确定性量化与实验方案的实时优化。
· 物理指导的AI建模：将物理第一性原理（如守恒律、方程组、不稳定性理论）深度嵌入AI模型架构与训练过程，开发可解释、可信赖的“AI物理学家”工具。
· 关键问题攻关：针对ICF（如内爆对称性、混合、流体不稳定性）或Z箍缩（如负载设计、等离子体不稳定性、辐射产生）中的具体挑战，提出创新的AI驱动解决方案。
· 跨学科协作：与理论物理、实验物理、计算科学及工程团队紧密合作，将AI工具集成到完整的研究与设计循环中，并验证其有效性。
· 知识传播：在顶级期刊和会议上发表研究成果，积极贡献于AI与聚变科学交叉领域的知识体系。
任职要求
必备条件：
· 在获得博士学位（或答辩通过）时，专业为计算机科学、人工智能、应用数学、物理、核工程或密切相关领域。
· 博士学位论文或主要研究经历集中于机器学习/人工智能的高级应用，并展现出强大的创新能力和工程实现水平。
· 具备坚实的计算和编程能力，熟练使用Python及主流的深度学习框架（如PyTorch, TensorFlow, JAX）。
· 对高能量密度物理、等离子体物理或惯性约束聚变/Z箍缩聚变有浓厚的兴趣和基本的理解，并有强烈的意愿深入学习相关物理。
· 出色的解决问题能力、批判性思维以及在高度协作、快节奏的研究环境中高效工作的能力。
· 优秀的书面和口头沟通能力。
优先条件：
· 有将AI应用于物理科学（尤其是等离子体物理、流体力学、天体物理）或工程优化问题的直接经验。
· 熟悉大规模科学计算、高性能计算（HPC）环境及并行编程。
· 具备处理大型科学数据集（如来自仿真或实验诊断）的经验。
· 对ICF或Z箍缩的特定物理过程、主流仿真代码（如HYDRA, FLASH, OSIRIS, GORGON等）或实验诊断有了解。