算法研究工程师（Research Engineer）（校招/实习转正）

岗位职责 1. 面向 PnR 场景中的优化、搜索与智能决策问题，开展问题定义、数学建模、算法研究和工程实现。 2. 与领域工程师合作，识别影响实际效果的关键问题，明确目标函数、约束条件、数据需求及评价指标，将工程需求转化为可研究、可验证的算法问题。 3. 根据问题特点，研究并应用凸优化、非凸优化、机器学习、深度学习、强化学习及搜索等方法，选择或设计合理的求解方案。 4. 面对问题定义不完整、数据有限、搜索空间巨大或缺乏标准解法的开放性问题，独立提出研究假设、设计技术路线，并根据实验结果持续修正和迭代。 5. 建立合理的实验基线，开展对照实验、消融分析和误差分析，评估算法效果、稳定性、计算开销及适用边界，保证结论可靠、实验可复现。 6. 跟踪相关领域的前沿研究，实现可复用的算法原型和模块，与其他研发人员协作，将研究成果应用于实际工程流程。 任职要求 1. 相关理工科专业硕士及以上学历，不限定 AI 或计算机背景，特别优秀者可适当放宽。 2. 具备扎实的科研训练和独立研究能力，在本人研究方向形成过深入积累，能够清楚说明代表性工作的核心问题、个人贡献、方法选择依据及实验结论。 3. 在 IEEE / ACM Transactions、本人研究领域的知名期刊，或公认的国际会议发表过高质量研究成果。不限定学科方向，重点考察研究质量、问题难度及个人贡献。 4. 具有扎实的数学基础，熟悉线性代数、概率统计、数值计算及优化理论。 5. 熟练掌握凸优化与非凸优化的主要方法，能够分析实际问题的目标、约束、求解难点及算法性质，并结合问题规模和计算预算选择或设计求解方法。 6. 熟悉主流机器学习、深度学习与强化学习方法，能够判断其适用条件；了解图神经网络（GNN）及图表示学习的基本原理、建模方式和典型应用场景。 7. 具备较强的问题抽象、数学建模和实验设计能力，能够在缺乏现成标准答案或完整 benchmark 的条件下独立探索问题，提出可检验的假设并验证技术方案。 8. 熟练使用 Python 及主流数值计算或深度学习框架，具备良好的软件工程素养，能够将研究思路转化为可测试、可复现、可维护的代码。 加分项 1. 具有跨学科、交叉研究或多领域合作经历，能够将原有领域中的数学、优化、建模或学习方法迁移到新的工业问题。 2. 具有贝叶斯优化、数值优化、最优控制、运筹学、计算物理、可微仿真等方向的深入研究或实践经验。 3. 熟悉 PnR Flow 及相关优化问题，或有时序、拥塞、功耗等优化算法的研究与开发经验。 4. 有从零定义问题并形成算法系统或工业解决方案的经历，能够说明算法从研究原型走向实际应用时，在效果、稳定性和计算成本方面的工程取舍。 5. 具备成熟的 AI 辅助研发实践，能够将优秀的软件工程素养迁移到 AI 工具的日常使用中： （1）信息获取与消化：借助 AI 高效完成文献检索、领域调研、代码阅读和跨学科知识学习，能够核验来源、理解方法假设与适用条件，并形成独立判断。 （2）快速实现与迭代：借助 AI 快速实现算法原型、复现方法、构建实验并迭代方案，同时落实模块设计、代码审查、测试验证和版本管理，保证实现正确性、科研严谨性与实验可复现性。 截止日期：2027年10月06日 招聘人数：1人