职位描述
我们寻找对化工/高分子领域有扎实基础、并愿意将领域知识与智能化平台相结合的实习生。你将作为 Forward Deployment Engineer（FDE），深入参与面向客户的高分子/化工智能研发解决方案的落地交付。核心任务是将客户研发需求转化为可执行的计算模拟方案，利用分子模拟、机器学习与 Agent 平台，支撑从分子设计、界面机理分析到配方优化的全链条研发闭环，并将方案在客户场景中部署与迭代。您将参与以下一个或多个方向的研发工作：
1.需求分诊与方案设计：
- 对接客户研发需求，将多方向、多成熟度的研发问题按可验证性分层，明确首批 POC 聚焦范围与技术路线。
- 设计从分子结构设计、界面机理模拟到实验验证的研发闭环方案，确保计算结果与实验可观测中间量对齐。
2.分子模拟与机理计算：
- 针对高分子交联体系、小分子-高分子界面体系等，开展分子动力学（MD）模拟，开展高分子热学、电学、力学等性质计算。
- 开展高分子建模（线性、支化、交联结构），构建端到端模拟工作流，涵盖输入文件生成、模拟执行、结果分析与可视化。
- 粗粒化模拟
- 利用 DFT、力场构建与参数化方法，支撑分子反应活性评估与性质预测
- 将计算模拟方案封装为可部署的算子或工作流，支撑客户场景下的高通量计算与智能调度。
3.数据与模型支撑：
- 配合数据团队从文献/专利中提取高分子材料数据（配方、合成方法、性能参数等），构建高质量数据集。
- 结合合作实验团队的表征数据，用于模型验证或计算结果校准/标定。
4.干湿闭环迭代：
- 与实验团队协作，推动「计算筛选-实验验证-模型迭代」闭环，确保方案在客户场景中持续产出可信结果。任职要求
1. 高分子/化工领域基础：具备扎实的高分子物理/化学或化工领域知识，在高分子材料体系或化工领域有一定科研经历。
2.编程与工程化能力：熟练掌握 Python，具备良好的编程习惯和工程化思维，能够将科研脚本转化为结构清晰、健壮、可复用的工程模块。熟悉 Linux 开发环境及 Git 等版本管理工具。
3.算法经验，以下两个方向满足其一
分子模拟经验：精通至少一款分子动力学（MD）模拟软件，如 GROMACS、LAMMPS、openMM、GPUMD、Jax-MD 等。拥有独立完成完整分子模拟项目（从建模、模拟到数据分析）的实践经验。
机器学习经验：熟悉至少一种深度学习框架（PyTorch / JAX / TensorFlow），能够独立完成模型训练、评估与调试。
4.加分项（具备者优先考虑）
领域经验：
- 熟悉化工/高分子关键材料常见的合成方法、表征技术与性能指标。
- 有交联高分子建模与模拟经验，熟悉力场构建、参数化流程或相关工具（如 GAFF、HTpolynet 等）。
- 有界面/界面相互作用模拟经验，如聚合物-表面吸附、油-剂-金属界面机理等。
- 有配方设计或添加剂分子设计相关研究背景。
- 熟悉粗粒化（CG）模拟方法及相关力场。
进阶技能：
- 了解或使用过机器学习力场（如 DeePMD）或机器学习模型（GNN、Transformer）在材料领域的应用。
- 有使用增强采样方法（元动力学、副本交换等）的经验。
- 了解 LLM 应用开发（Agent Loop、Harness、RAG等），有从文献中自动化提取数据的经验。
工程化：
- 了解科学计算工作流引擎（如 dflow/AiiDA）、容器化（Docker/k8s）。
- 参与过开源项目协作开发或智能体（Agent）工具开发流程。
- 有面向客户的技术交付或解决方案落地经验。
你将获得
- 深度科研与工程融合实践：亲身参与从客户需求到计算方案设计、再到工程化落地的全链条项目，获得宝贵的「AI for Science」实战经验。
- 复合型能力提升：在理解高分子物理化学本质的同时，提升将复杂研发问题转化为可部署软件解决方案的工程化能力。
- 跨界思维培养：在高分子物理化学原理、分子模拟方法与现代软件工程、人工智能的交叉点上，培养解决复杂系统性问题的能力。
