高性能计算工程师

岗位定位 负责物理模型的机器学习层——代理模型训练与参数优化求解，持续提升模型的预测与求解能力。 岗位职责 1.设计并训练代理模型，在物理模型采样数据上拟合高维工艺参数与性能指标之间的映射 2.实现多目标贝叶斯优化流程，在目标性能约束下进行多目标寻优，输出候选方案集合 3.构建参数求解管线：给定目标性能指标，求解可执行的工艺参数方案 4.实现模型置信度评估体系，指导参数应用与实验验证 5.与物理工程师协作，确保代理模型的物理可解释性与外推安全性 6.部署模型推理服务，保证低延迟的求解响应 任职要求 硬性要求： 计算机科学、统计学、应用数学或相关专业硕士及以上学历 扎实的机器学习基础：GP、贝叶斯优化、神经网络、迁移学习 精通 Python 科学计算栈：NumPy / SciPy / scikit-learn / PyTorch 熟悉至少一个贝叶斯优化框架（BoTorch / Optuna / GPyOpt） 能写高质量、可维护的工程代码（不是 notebook 脚本） 加分项： 有科学计算 / 物理信息神经网络（PINN）经验 了解半导体器件物理基础概念 有代理模型 / 数字孪生项目经验 熟悉端侧 / 边缘设备的推理优化 有大模型预训练 / 微调经验（可兼任大模型训练工作） 薪资与福利：薪资面议（核心岗位，有期权）；苏州工业园区，符合条件可申请人才补贴；灵活办公，结果导向。