险峰(K2VC) ae jobs (salary & requirements)

岗位定位：
负责研究面向 CAE 仿真的代理模型与快速预测算法，构建既包括纯数据驱动方法，也包括物理信息嵌入方法的 CAE 代理模型体系。该岗位面向结构强度、刚度、疲劳、碰撞安全、NVH、CFD流体、热管理、电磁、多体动力学、多物理场耦合等广泛 CAE 场景，基于高保真仿真数据、实验数据、工程参数和物理约束，构建可用于仿真加速、场变量预测、参数敏感性分析、设计空间探索和优化推荐的快速预测模型。
主要职责：
1.面向结构、流体、热、声振、碰撞、电磁、多体动力学及多物理场等 CAE 场景，研究和构建代理模型与快速预测算法。
2.基于高保真仿真数据、实验数据和工程参数，构建数据驱动代理模型，实现仿真结果的快速预测。
3.研究 PINN、PINO、神经算子、物理约束损失、边界条件约束、守恒律约束等物理信息嵌入方法，提高代理模型的物理一致性和泛化能力。
4.设计 CAE 代理模型的数据输入输出结构，包括几何、网格、材料、边界条件、载荷工况、求解参数、标量指标、场变量和时序响应。
5.研究适用于 CAE 数据的深度学习模型，包括 GNN、MeshGraphNet、FNO、DeepONet、Transformer、PointNet、Point Transformer、Diffusion、Autoencoder、ROM 等。
6.构建标量指标预测模型、场变量预测模型、时序响应预测模型、风险区域识别模型和参数敏感性分析模型。
7.与物理AI/工业世界模型研究员协作，探索代理模型与世界模型、可微仿真、AI-Physics 混合求解和工业数字孪生的结合方式。
8.建立模型训练、验证、测试、不确定性评估和工程适用边界判断流程。
9.对代理模型预测结果进行误差分析、物理合理性分析和工程可信度评估，明确模型可用范围和高保真仿真回退条件。
10.将代理模型封装为可部署、可调用、可集成的算法模块或模型服务，支持 AI-CAE 平台、智能体系统或工程研发工作台调用。
11.跟踪 CAE 代理模型、AI4Simulation、Scientific ML、神经算子、几何深度学习等方向前沿论文和开源项目，形成内部技术路线、算法原型、专利或研究报告。
任职要求：
1.计算机、人工智能、计算力学、应用数学、机械工程、车辆工程、航空航天、流体力学、热能工程、声学、电磁、数据科学等相关专业背景，硕士及以上学历，博士优先。
2.熟悉机器学习、深度学习、回归建模、表示学习、时空场预测、科学机器学习中的一种或多种方法。
3.熟练使用 PyTorch、JAX、TensorFlow 等至少一种深度学习框架。
4.理解 CAE 数据特点，包括几何、网格、材料参数、边界条件、载荷工况、求解设置和场变量输出。
5.熟悉 GNN、Transformer、CNN、PointNet、神经算子、Autoencoder、Diffusion、ROM、Gaussian Process 等一种或多种模型。
6.理解 PINN、PINO、FNO、DeepONet、物理约束损失、守恒律约束、边界条件约束等物理信息嵌入方法者优先。
7.具备较强的数据处理、实验设计和误差分析能力，能够完成从数据构建、模型训练、结果评估到工程验证的完整流程。
8.具备良好的工程意识，能够判断模型预测误差、泛化边界和不确定性对实际工程决策的影响。
9.具备较强科研能力，能够阅读前沿论文、复现算法、设计实验并形成技术结论。
加分项
1.有 CAE 代理模型、物理信息代理模型、仿真数据建模、数字孪生、AI4Simulation 项目经验。
2.有结构强度、CFD、热管理、NVH、碰撞、疲劳、多体动力学、电磁、多物理场等仿真数据建模经验。
3.熟悉 PINN、PINO、FNO、DeepONet、GNO、MeshGraphNet、Neural Operator、DoMINO、Neural Concept 类方法。
4.有点云、网格、CAD/B-Rep、隐式场、VTK、Open3D、PyVista、PyTorch Geometric、DGL 等经验。
5.熟悉主动学习、DOE、贝叶斯优化、多目标优化、不确定性评估、OOD 检测和可信度评估。
6.熟悉 Abaqus、Ansys、LS-DYNA、Nastran、Fluent、Star-CCM+、OpenFOAM、Adams、Actran、COMSOL 等 CAE 软件或其数据格式。
7.熟悉 OpenFOAM、FEniCS、deal.II、MFEM、MOOSE、SU2、CalculiX、Code_Aster、Elmer、Kratos、PETSc、Trilinos 等开源数值计算框架者优先。
8.有模型部署、MLOps、API服务化、仿真平台集成或工程软件开发经验。
9.有论文、专利、开源项目、科研项目或工业算法落地经验者优先。