一、招聘要求

（一）学历与专业背景

1、硕士及以上学历，材料科学与工程、计算化学、应用物理、人工智能、数据科学等相关专业；博士优先（尤其材料AI设计或固态储氢方向）；

2、1年以上AI研发或训练经验。

（二）核心技术能力

1、精通Python及机器学习框架（PyTorch/TensorFlow），熟练使用GNN（DGL/PyTorch Geometric）、GAN、强化学习（Stable Baselines）等模型工具；

2、掌握材料信息学方法，如高通量计算、特征工程，有DFT+机器学习耦合仿真经验者优先；

3、了解固态储氢材料主流技术路线（如稀土系、Mg基、MOFs），熟悉氢能系统集成关键环节（如储氢罐设计、加氢站工艺）者优先。

（三）软技能与素养

1、具备材料、化学、计算机多领域知识整合能力，能有效推动AI模型与实验团队协作（如制定数据标注规范、解读模型预测结果）；

2、了解AI驱动的自主实验系统（如机器人实验平台），能设计“数据-模型-实验”闭环迭代流程者优先；

3、持续关注AI技术动态（如大模型训练架构创新、硬件加速技术），主动探索新技术在实际项目中的应用。

二、岗位职责

（一）AI模型研发与优化：

1、开发、训练和优化机器学习模型，用于预测合金储氢材料的关键性能（如储氢容量、吸附/解吸动力学、循环稳定性、热力学性质）；

2、应用自然语言处理技术，从海量的科学文献、专利和材料数据库中自动提取知识和构建材料知识图谱；

3、探索并使用生成式AI、强化学习等先进算法进行逆向材料设计。

（二）数据管道与平台构建：

1、构建和维护材料科学数据平台，整合来自实验、计算和文献的多源、异构数据；

2、设计和实现自动化数据预处理、特征工程和模型训练的标准化流程。

（三）产品开发与本地部署：

1、将经过验证的AI模型进行产品化封装，开发成可供材料研究人员使用的软件工具或Web服务；

2、负责AI模型在本地服务器或边缘计算设备上的部署、性能监控与维护，确保系统的稳定性和高效性；

3、与实验团队和工程团队紧密合作，将AI模型的预测结果用于指导实验方案设计和装置性能优化。

（四）工程化应用与协作

1、针对固态氢能UPS、撬装式移动充氢站、氢能重卡、分布式储能等场景，开发强化学习算法优化固态储氢系统热管理策略，结合数字孪生技术，动态模拟不同工况下的平台压力、温度变化，提升系统能效；

2、跨学科协作：与材料科学家、化学工程师和机械工程师深度协作，理解业务需求，并将复杂的科学问题转化为可解决的AI任务，推动AI模型与实验验证结合，撰写技术方案、技术专利与研发报告（如设计方案、工艺优化白皮书）。