一、岗位职责 1. 自动化实验平台数据闭环搭建（核心） 对接高通量自动化实验室硬件系统（机器人实验平台、自动进样、反应装置等），完成设备数据采集、通信接口开发与联调，实现实验过程数据自动回传； 构建从"实验数据采集 → 清洗降噪 → 标准化入库 → AI训练数据集"的完整数据管道，持续扩充公司高质量材料数据库。 2. AI驱动的高质量实验筛选与优化（核心） 基于主动学习、贝叶斯优化等算法，开发自动化实验推荐模块，为"玄基黑灯实验室"输出最优实验配方与反应工艺参数； 用AI模型对高通量实验结果进行质量评估与筛选，自动识别高质量实验、剔除噪声实验，指导下一轮实验方向，形成"实验→数据→模型→实验"闭环联动。 3. 多源异构实验数据处理与特征工程 处理谱图、电化学、传感数据、高通量实验等多源异构数据，完成特征工程、数据降噪、标准化与对齐； 搭建数据可视化与质量监控体系，保障入库数据可靠性，为AI训练提供高质量数据底座。 4. 材料性能预测与生成模型（支撑方向） 参与材料性能预测、分子/新材料逆向生成、合成路线优化等模型的训练、调优、验证与迭代； 配合化学研发团队，将材料实验问题转化为可计算的AI建模任务。 5. 前沿跟踪与成果沉淀 跟踪AI+材料、自动化实验室前沿论文，复现并适配公司业务场景； 协助撰写专利、技术报告及项目交付材料。

学历专业 计算化学、材料物理、人工智能、计算机、自动化、数学等相关专业本科及以上。 核心技术能力 1）自动化实验室与软硬件结合（重点考察） 有高通量自动化实验室、机器科学家平台或类似自动化实验系统经验者优先； 了解工业仪器通信协议（如 Modbus、OPC UA、串口/RS485、TCP/IP 等），能完成设备数据接入与接口联调； 具备软硬件协同调试能力，能把硬件实验平台与AI软件系统打通，实现闭环联动。 2）数据处理与工程能力（重点考察） 熟练Python，具备扎实的数据处理、特征工程、数据清洗与标准化能力； 有实验传感数据、光谱/谱图、电化学数据处理经验者优先； 具备数据可视化与数据质量治理意识，能保障训练数据的可靠性。 3）机器学习 / 深度学习基础 掌握机器学习/深度学习基础，精通 GNN、大模型微调、贝叶斯优化中至少一类； 熟悉 PyTorch，能独立完成模型训练、调优与验证。 4）材料/化学计算工具（加分） 了解 RDKit、Pymatgen 等材料计算工具，了解分子动力学、材料仿真基础原理。 加分项 接触过高通量自动化实验室、机器科学家平台； 懂工业仪器通信协议，有设备联调实战经验； 熟悉 LLM / 科学大模型； 有材料/化学 AI 建模、分子生成、性能预测相关项目、竞赛或科研经历。 软实力 逻辑清晰，善于跨学科沟通，能对接实验人员、理解化学研发需求； 具备较强自主攻关能力，能在软硬件结合的复杂场景中独立推进落地