职位描述
电解液决定离子电池的效率、寿命与安全。你将参与 Uni-ELF 电解液配方预训练模型 与 电解液研发 Agent 的研发落地，并与材料仿真与自动化实验团队协作，围绕 MD/QM 工具链优化 打通“数据—模型—仿真/实验”的闭环。
1.模型研发：多任务/多模态预训练与微调（结构、配方、仿真/实验、谱学/EIS 等）；面向导电率、黏度、稳定窗口、溶解度、界面相容性等任务的迁移与评测；引入不确定性估计、主动学习/贝叶斯优化，提升跨温度/浓度外推能力；模型服务化与推理加速，支撑批量筛选与闭环调用。
2.电解液 Agent（工具链与闭环优化）：具备规划与工具调用能力，串联 DFT/MD 计算、数据库、自动化实验/表征；构建/接入电解液知识库与 RAG，按约束生成与筛选配方；结合 BO/强化学习实现实验优先级排序与闭环优化，制定可量化评测指标。
3.MD/QM 工具链优化（材料计算开发）：对现有 MD/QM 工作流进行性能剖析与加速（输入参数与收敛策略优化、GPU、并行/MPI）；开发/维护高通量计算工作流：任务编排（调度）、重试与断点续跑、结果校验与追踪；物性计算流程标准化（扩散系数/导电率、Green-Kubo 黏度、RDF/SDF、溶剂化能、氧化/还原电位、反应路径等），与 Uni-ELF/Agent 对接形成可复用算子；持续基准与 V&V：对标文献/实验，建立数据质量度量与数据卡。任职要求
1.编程与系统：熟练 Python（加分：C++），Linux 环境，良好的工程化与调试能力；
2.机器学习基础：理解常见模型与训练范式；熟练 PyTorch/JAX/TF 之一；
3.计算与仿真：至少熟练一款 DFT(ABACUS/VASP/CP2K)或 MD(LAMMPS/GROMACS)软件，并熟悉软件参数；熟练 ASE/pymatgen/MDAnalysis 等生态，能编写批量流程与后处理脚本;
4.协作与学习：主动性强，善于跨学科沟通与问题分解。
加分项
1.分子/材料方向 GNN/Transformer/等变模型实作；ML 势（DeepMD/NequIP/MACE/Allegro）或QM/MM、粗粒化、多尺度计算等经验；
2.有二次开发与插件化经验，包括自定义 LAMMPS fix/compute、ABACUS/CP2K 批处理脚本、ASE/pymatgen 工作流、MDAnalysis/OVITO 结果后处理；
3.Agent/RAG/工具调用框架经验；BO/主动学习/不确定性估计实战；
4.HPC 与 MLOps（容器化、任务编排、数据/实验追踪、可视化报表）；
5.电解液实验或自动化经验（EIS、CV、装配与老化、实验调度）。
