职位描述
一、职位概述
我们寻找对高分子智能研发与机器学习模型有扎实基础和浓厚兴趣的实习生。你将加入一个前沿团队，参与开发面向高分子材料的机器学习模型。核心任务是通过预训练、微调、推理加速等技术，构建能够高效预测高分子性质、加速高分子优化过程、甚至辅助新结构设计的智能模型，支撑高分子研发智能体的决策与计算。
二、核心职责
你将参与以下一个或多个方向的研发工作：
高分子机器学习模型开发：设计并实现面向高分子结构-性能预测的机器学习模型（如图神经网络、Transformer等），可能涵盖单任务与多任务预训练、微调与迁移学习。
数据-实验闭环支撑：为高分子研发智能体提供数据查询、实验发起与结果反馈的接口，探索数据与实验协同优化的主动学习策略。
模型服务化与推理优化：封装模型为可调用的服务或算子，优化推理速度，支撑大规模虚拟筛选与智能体实时调用。
高分子计算智能体（Agent）模型组件：参与开发用于高分子研发智能体的模型模块，赋予其规划、工具调用与自主迭代的能力。任职要求
1. 核心要求（必须满足）
机器学习：
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。
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，能够编写可复用的模块与清晰文档。
熟悉Linux开发环境及Git等版本管理工具。
2. 加分项（具备者优先考虑）
领域经验：
具备高分子材料体系的研究背景，理解高分子结构特点与关键性质。
熟悉图神经网络（GNN）在分子/材料领域的应用，或有Transformer等架构的预训练/微调经验。
了解科学模型的知识注入、不确定性估计或主动学习方法。
分子模拟基础：
了解高分子模拟的常见任务与数据格式，熟悉至少一款分子动力学（MD）软件（如LAMMPS、GROMACS）的基本使用流程；
能够理解模拟输出数据（如轨迹、能量、径向分布函数）的物理意义，并用于模型训练或验证。
工程化：
参与过开源项目协作开发，有MLOps实践（如模型版本控制、实验追踪）。
参与过智能体（Agent）工具开发流程
