岗位职责：
1. AI算法与模型研发
• 开发和优化机器学习、深度学习算法，用于锂电池材料性能预测、配方优化和寿命预测。
• 基于实验室数据和多物理场仿真数据，构建数据驱动与机理结合的混合建模方法。
• 设计自适应优化算法，提升锂电池研发效率和材料开发成功率。
2. 数据管理与分析
• 参与锂电池实验数据的收集、清洗、标注与存储，优化数据管理流程。
• 构建高效数据分析工具，用于挖掘锂电池性能与工艺参数之间的深层关系。
• 融合多源数据（实验数据、仿真数据和生产数据）进行全生命周期建模。
3. 创新与技术探索
• 跟踪AI领域前沿研究，探索先进算法（如生成对抗网络、强化学习）在锂电池材料设计中的应用。
• 推动AI与电化学、材料学的交叉融合，提出新的研究方向和方法论。
• 参与专利撰写、论文发表和技术标准制定。
4. 研发平台支持
• 支持研发中心搭建智能化材料设计与优化平台。
• 开发用户友好的AI工具与可视化界面，赋能实验室研究人员使用AI工具进行自主研发。
岗位要求：
1. 学历与经验
• 硕士及以上学历，计算机科学、人工智能、材料科学、电化学或相关专业；博士优先。
• 3年以上AI研究或工程实践经验，有材料研发或工业AI应用背景者优先。
2. 技术能力
• 精通常见机器学习/深度学习框架（TensorFlow、PyTorch、Scikit-learn），具有实际项目经验。
• 熟悉高性能计算和分布式数据处理技术（如HPC、Spark）。
• 掌握物理建模工具（如COMSOL、MATLAB），了解材料科学或电化学相关知识优先。
3. 科研与创新能力
• 在顶级期刊或会议上发表过与AI相关的研究论文者优先。
• 熟悉AI算法在科学计算领域的应用（如优化材料结构、预测反应路径）。
4. 软技能
• 善于沟通协作，能够跨团队与材料科学家、电化学工程师紧密合作。
• 具备较强的学习能力和探索精神，对创新技术有敏锐的洞察力。
优先条件：
• 曾主导或参与过AI驱动的锂电池研发项目。
• 有材料基因工程、实验自动化或高通量实验数据处理经验。
• 掌握多模态数据处理（如结合文本、图像、光谱数据建模）