材料基因工程师（高通量计算+AI）

一、岗位职责描述

1. 面向光伏、电池、储能、催化等新能源材料体系，开展材料计算、高通量筛选及AI for Materials技术研发，构建材料设计、性能预测、计算验证与实验应用相结合的智能研发体系；

2. 运用第一性原理、分子动力学、蒙特卡洛、相场或CALPHAD等方法，开展材料结构、热力学、动力学、缺陷、界面及服役性能研究，为新能源材料设计、性能优化和机理分析提供理论支撑；

3. 负责高通量材料计算及自动化研发流程开发，实现材料结构生成、计算任务调度、结果解析、性能评价、数据筛选和异常监控，持续提升材料计算效率与研发流程的标准化、自动化水平；

4. 结合机器学习、深度学习及材料信息学方法，开展材料结构—性能关系建模、材料性能预测和智能设计，推动图神经网络、机器学习势函数、材料生成模型、主动学习及智能搜索等技术在新能源材料研发中的应用；

5. 负责材料计算数据、实验数据及工艺数据的标准化管理和融合应用，协同实验、中试及工程团队完成模型验证、工艺优化和研发成果转化，推动AI与材料计算技术在实际研发场景中的落地。

二、岗位要求

1. 博士学历，具备材料科学、物理学、化学、计算数学、力学、计算机科学、人工智能或大数据等至少两个领域的交叉学科背景，具有新能源材料相关研究或项目经验；

2. 熟练掌握第一性原理、分子动力学、蒙特卡洛、相场或CALPHAD中至少一种材料模拟方法，能够独立使用VASP、LAMMPS、ASE等主流材料计算与仿真工具；具有高通量计算任务或自动化模拟流程开发经验者优先；

3. 精通Linux操作系统，熟练使用Python、C或C++中至少一门编程语言完成计算脚本、数据处理和算法开发；熟悉高性能计算、GPU计算或任务调度系统者优先；

4. 掌握数据结构、数据库设计及材料数据标准化管理方法，具有独立开发材料计算自动化流程、高通量筛选系统、定制化仿真算法或材料计算平台的实战经验，能够对接现有材料数据库完成计算数据的标准化入库与应用；

5. 具备新能源材料研发项目经验，发表过材料计算、人工智能或新能源材料相关高水平论文；具有图神经网络、机器学习势函数、材料生成模型或AI for Materials项目落地经验者优先；具备较强的问题拆解、自主学习、技术攻关及跨团队协作能力。