团队与使命

我们正在寻找一位充满好奇心的工程师，致力于将人工智能技术应用于科学计算与工程仿真的前沿领域。您的核心使命是利用机器学习、特别是强化学习和贝叶斯优化等方法，为我们的仿真软件（simsopt）构建智能、自动化的参数寻优系统。如果您热衷于将 AI 算法与物理模型相结合，解决复杂的优化问题，并显著提升科研与工程效率，我们期待您的加入。

主要职责

AI 调参系统开发：

- 负责设计、实现和优化用于仿真软件（simsopt）的 AI 辅助调参与自动化优化 pipeline。

- 探索并应用先进的机器学习算法（如贝叶斯优化、强化学习、代理模型等）来解决高维、多目标的仿真参数优化问题。

- 构建、训练和评估用于加速参数搜索的代理模型。

仿真与 AI 的集成：

- 深入理解仿真软件（simsopt）的输入、输出和性能指标，明确优化目标与约束条件。

- 将 AI 调参模块与现有的仿真计算流程无缝集成，实现自动化的大规模参数扫描与评估。

- 分析仿真结果，与物理学家/工程师协作，验证 AI 所寻参数的有效性与物理合理性。

数据处理与实验分析：

- 管理仿真产生的参数与性能指标数据集，进行数据清洗、特征工程和分析。

- 设计并进行严格的实验，评估不同 AI 调参算法的性能、效率和鲁棒性。

- 通过可视化等方式，清晰呈现参数优化过程与结果，制作分析报告。

主要安全职责：

- 数据隐私与保护： 确保用于训练和调参的仿真数据（尤其是如果涉及敏感或专有数据）得到妥善保护，如进行脱敏处理或在加密数据域内操作。

- 模型安全： 关注其开发的 AI 调参系统本身是否可能被攻击或产生有偏见的结果，确保算法的鲁棒性。

- 代码与依赖安全： 确保其使用的 AI 框架（如 PyTorch）、数据科学库及其依赖项没有已知的安全漏洞，及时更新。

- 流程安全： 在实验和部署过程中，避免将密钥、令牌等敏感信息硬编码在脚本中，使用环境变量或云平台秘密管理服务。

平台与协作：

- 将成熟的 AI 调参工具产品化，提供友好的用户接口（如 Web 界面或 API）。

- 编写高质量、可复现的研究与工程代码。 - 与团队紧密协作，分享知识，并将研究成果转化为实际生产力。

任职要求

必备条件：

经验与技能：

- 3年以上机器学习/数据科学相关的项目经验，精通Python及其核心数据科学库（如 NumPy, Scikit-learn, Pandas, Matplotlib 等）。

- 拥有至少一个使用机器学习进行参数优化、超参调优或自动化决策的实际项目经验。熟悉贝叶斯优化、强化学习等前沿优化算法之一。

- 具备扎实的数学和统计学基础，能够理解算法背后的原理并进行合理调整。

- 熟练使用 Git 进行版本控制，具备良好的代码规范。

思维能力与领域知识：

- 具备强大的分析问题和解决问题的能力，能够将模糊的业务需求转化为明确的技术任务。

- 对理解物理模型、数学方程或工程仿真背后的原理有浓厚兴趣，不满足于做“黑盒”调参。

- 出色的沟通能力，能够与领域专家（如物理学家、工程师）有效协作。

加分项：

- 拥有使用主流机器学习框架（如 PyTorch, TensorFlow, JAX）的经验。

- 熟悉 simsopt 或类似科学计算、等离子体物理、CFD 仿真软件。

- 拥有科学计算、高性能计算或数值模拟相关背景。

- 有在 Linux 环境下开发和部署的经验，熟悉 Docker 等容器化技术。

- 在 GitHub 上有相关的开源项目或技术博客，展示了您的技术热情和能力。