职位描述
岗位简介
面向电解液新材料发现，结合机器学习、分子/配方模拟与自动化工站，构建“AI预测—实验验证—数据反馈”的闭环研发流程，加速电解液新材料与配方的筛选和优化。
岗位职责
1. 跟踪电解液、电池材料及AI4S相关文献与专利，参与构建电解液材料/配方数据库；
2. 基于分子描述符、配方参数及实验数据，开展性质预测、配方筛选、主动学习/贝叶斯优化等AI模型训练与评估；
3. 对接自动化工站与实验数据系统，协助完成实验任务编排、数据采集、清洗与结构化入库；
4. 参与设计“模型预测—自动实验—结果反馈”的闭环迭代流程，协助分析实验与模型偏差；
5. 编写数据处理、模型训练及可视化脚本，形成可复用的研发工具与实验报告；
6. 与算法、实验及电化学团队协作，推动候选材料/配方进入验证阶段。任职要求
任职要求
1. 硕士研究生及以上在读，计算材料、计算物理、计算化学等相关背景；
2. 具备机器学习基础，熟悉Python及常用数据分析/机器学习框架（如scikit-learn、PyTorch等）；
3. 了解分子模拟或计算化学方法（如DFT、MD等）者优先；
4. 具备电解液、电池材料或电化学相关基础知识，愿意深入理解实验需求；
5. 具备良好的数据意识、逻辑分析能力和跨团队沟通能力；
6. 能稳定实习不少于3个月。
加分项
- 有电解液配方、电池材料筛选或电化学数据建模经验；
- 熟悉主动学习、贝叶斯优化、生成模型或高通量筛选；
- 有自动化工站、LIMS、实验数据平台或Linux/HPC使用经验；
- 在相关方向发表过论文或拥有项目成果。
