1. 算法研发与优化
   • 设计并开发基于机器学习/深度学习的神经信号解码算法（如EEG、fNIRS、ECoG、单神经元记录等），实现运动意图、语言、感知等脑功能的实时解码。
   • 优化现有算法（如SVM、CNN、RNN、Transformer等）在低信噪比神经数据上的性能，提升解码准确率与鲁棒性。
   • 探索新型神经编码模型，结合生成式AI（如扩散模型、VAE）或强化学习，提升脑机接口（BCI）系统的自适应能力。
2. 数据处理与分析
   • 构建神经信号预处理流程（去噪、特征提取、时频分析等），开发自动化数据清洗工具。
   • 搭建大规模神经数据集（如公开数据集或自有实验数据），支持算法训练与验证。
   • 运用统计方法与可视化工具（如Python/Matlab/R）分析神经信号与行为数据的关联性。
3. 系统集成与测试
   • 与硬件团队（如电极设计、信号采集设备）协作，优化算法在嵌入式系统或边缘设备上的部署效率。
   • 设计闭环BCI系统实验，验证算法在真实场景（如医疗康复、虚拟现实交互）中的有效性。
   • 参与用户研究，根据临床反馈迭代算法设计（如针对瘫痪患者的运动解码优化）。
4. 跨学科协作与前沿探索
   • 与神经科学家、临床医生合作，理解神经机制并转化为算法设计原则。
   • 跟踪计算神经科学、类脑计算等领域最新进展，探索算法创新方向（如神经形态计算、脉冲神经网络SNN）。

教育背景

• 计算机科学、生物医学工程、电子工程、应用数学或相关领域硕士/博士学历。

技术技能

• 编程能力：精通Python/C++，熟悉TensorFlow/PyTorch等深度学习框架，掌握并行计算（GPU/CUDA）优化。
• 信号处理：熟悉时频分析、滤波器设计、ICA/PCA等神经信号处理方法。
• 机器学习：深入理解监督/无监督学习、强化学习，有处理小样本或非平衡数据的经验。
• 工具经验：熟练使用MNE-Python、FieldTrip、EEGLab等神经数据分析工具包。

加分项

• 有BCI竞赛（如BCI Competition、Kaggle神经科学赛道）获奖经历。
• 发表过计算神经科学或机器学习顶会论文（如NeurIPS、ICML、Nature Neuroscience）。
• 熟悉嵌入式系统开发（如ARM、FPGA）或实时操作系统（RTOS）。
• 具备临床研究经验（如FDA/CE认证流程、伦理审查）。