算法研究:深度参与基于 AI 的液相色谱核心算法研发(包括但不限于智能峰积分、复杂基线校正、仪器运行状态异常预警、自动化方法开发等),挑战高噪声、复杂重叠峰及严苛质控场景下的解析精度、稳定性与结果可复现性极限。 - 模型探索:探索前沿机器学习与深度学习方法(如轻量级时序/序列模型、图神经网络、分子表征学习、贝叶斯优化及大语言模型 Agent 等)在色谱领域的应用,参与谱图特征识别、跨色谱柱保留行为预测、闭环条件寻优与智能谱图诊断等模型的构建与迭代。 - 跨学科融合:深入理解液相色谱底层分离物理、分析化学与仪器运行机理,将确定性物理数学模型、领域专家规则与前沿 AI 算法有机融合,推动科学智能(AI for Science)在医药质控(QC)与分析研发场景中的合规落地。 - 全流程开发:负责从模拟数据构建、算法模型设计、前沿论文复现、推理性能与一致性优化,到现有色谱工作站软件集成与工程化部署的全栈落地。
职位要求
本科及以上学历(含在读),计算机、软件工程、应用数学、自动化、化学计量学、计算化学、分析化学等相关专业优先; - 熟练掌握 Python 或 C/C++/C#,具备优秀的编码能力与工程规范意识,扎实掌握数据结构、算法、数值计算与数理统计等基础知识; - 熟悉 PyTorch 等主流深度学习与科学计算框架,具备良好的前沿科研论文阅读与独立算法复现能力,有时序信号处理、贝叶斯优化、分子图网络或大模型 Agent 研发经验者优先; - 具备液相色谱/质谱/化学信息学相关背景,或对分析仪器数据处理与跨学科研究有强烈探索意愿和快速学习能力者优先; 对 AI for Science 领域及工业级产品落地充满热情,思维严谨,具备良好的自驱力与跨学科沟通协作能力。