工作职责：
1.开发机器学习/深度学习模型，预测电池材料性能（能量密度、循环寿命、安全性等关键指标）
2.构建材料基因组数据库，实现高通量计算筛选与实验设计的闭环优化
3.利用AI加速固态电解质、高镍正极、硅碳负极等新型材料的研发周期
4.将电化学机理（如离子传输、界面反应、SEI膜形成）转化为可计算的物理约束条件
5.结合第一性原理计算（DFT）、分子动力学（MD）与AI模型，建立多尺度材料仿真体系
6.开发电池衰减机理的智能诊断与寿命预测算法
7.推动搭建电池实验数据-计算数据-AI模型的统一管理平台
8.设计自动化实验（self-driving lab）的数据采集与反馈系统
产学研协同
9.与电化学实验团队紧密协作，验证AI预测结果并迭代优化模型
10.跟踪AI4Science、材料信息学领域前沿技术，推动技术落地
1、3年以上工作经验，计算机科学、数据科学、电化学、材料科学与工程等相关专业；具备电化学储能或机器学习交叉学科背景者优先。
2、熟练掌握Python、SQL等编程语言，精通TensorFlow、PyTorch等深度学习框架；具备扎实的机器学习理论基础，熟悉CNN、LSTM、Transformer等算法模型在材料科学或工业场景中的应用；掌握数据库设计流程及数据可视化工具；了解固态电池基本原理、关键材料特性及工艺流程。
3、有材料配方优化、工艺参数调优或良率提升等工业AI项目落地经验者优先；具备完整的从数据清洗、特征工程到模型部署的全流程开发能力。
4、具备较强的数据敏感度和逻辑分析能力，能够从复杂工艺数据中提炼规律；拥有良好的跨学科沟通协作能力，能与材料研发、工艺工程师有效对接；具备工程化思维，注重模型在实际生产环境中的可解释性与稳定性；对固态电池技术发展趋势保持关注，具有持续学习和解决复杂问题的意愿。
任职要求：
1、3年以上工作经验，计算机科学、数据科学、电化学、材料科学与工程等相关专业；具备电化学储能或机器学习交叉学科背景者优先。
2、熟练掌握Python、SQL等编程语言，精通TensorFlow、PyTorch等深度学习框架；具备扎实的机器学习理论基础，熟悉CNN、LSTM、Transformer等算法模型在材料科学或工业场景中的应用；掌握数据库设计流程及数据可视化工具；了解固态电池基本原理、关键材料特性及工艺流程。
3、有材料配方优化、工艺参数调优或良率提升等工业AI项目落地经验者优先；具备完整的从数据清洗、特征工程到模型部署的全流程开发能力。
4、具备较强的数据敏感度和逻辑分析能力，能够从复杂工艺数据中提炼规律；拥有良好的跨学科沟通协作能力，能与材料研发、工艺工程师有效对接；具备工程化思维，注重模型在实际生产环境中的可解释性与稳定性；对固态电池技术发展趋势保持关注，具有持续学习和解决复杂问题的意愿。