Applied AI4Science 研究员

Job description

岗位概述

我们正在建设面向化学、材料与能源科学的下一代 AI4Science 能力：把分子结构、性质、动力学与电子结构计算中的关键问题，系统性转化为可训练、可扩展的基础模型（foundation model）。我们希望模型不仅能做预测，更能把科学文本知识与原始模拟/实验数据联合起来学习，形成更强的表征、推理与生成能力，从而在真实科研问题中给出更深入的数据分析与更广的科学发现空间。

与此同时，我们正在推进 AI 自动化实验室（Self-Driving Lab）

通过 AI Agents 把“模拟—实验设计—实验操作—数据分析—迭代优化”打通，形成高频闭环的科学发现流程。该闭环将把分子/材料基础模型的预测与生成能力，直接转化为可执行的实验计划与可验证的实验结果，并持续反哺模型训练与评测。

我们寻找既懂化学/材料、又能做前沿 foundation model 训练与大模型训练/后训练的人才

能够把文本知识（论文、专利、方法学描述）与分子模拟数据（DFT/AIMD/MD、能量/力/轨迹、结构—性质数据）融合到统一训练框架中，并探索从“语言到结构”的生成式建模；同时愿意把模型能力接入 AI Agents 与自驱实验室闭环，推动端到端科研生产力提升。

你将负责

研发与训练分子/材料基础模型（foundation model） ：用于结构表征、性质预测、相互作用建模与跨任务泛化评测。

构建与提升分子模拟加速能力 （包括但不限于）

基于 DFT 数据的机器学习力场（MLFF）/原子间势能模型底座；体系相互作用与化学过程的可学习近似，用于大规模模拟与快速筛选；AIMD / MD 的 ML 近似与替代（动力学、热力学相关任务等） 探索生成式分子/材料模型 ：text-to-molecule / text-to-structure（例如 diffusion 等路线），建立可控性、有效性与可比基准评测体系。

将 LLM/大模型 mid-training 与 post-training 引入科学模型

领域适配继续训练、指令微调、偏好优化/对齐、工具使用与评测流程，使模型更适合科学任务（结构化输出、引用可追溯、约束一致性等）。

设计与实现“文本 + 原始数据”的多模态联合训练

让模型在学习化学/材料知识的同时，也能从原始数据（轨迹/谱图/实验记录/工艺日志等）中提炼规律，增强端到端数据理解与洞察能力。

对接 AI Agents 与 AI 自动化实验室（Self-Driving Lab）闭环

设计面向科研的 Agent 工作流：从数据检索与模拟任务编排，到实验设计（DoE/主动学习/贝叶斯优化）、再到实验执行与结果解释；将模型输出转化为可执行实验计划与操作序列，并对接自动化设备/实验平台（在安全与权限约束下）；构建实验与仿真结果的自动归档、质量控制与回写机制，形成“数据→模型→实验→数据”

的持续迭代闭环 与数据、Infra/MLOps、Agent 团队协作

从数据治理、训练系统、评测基准到落地工作流，形成可复现、可迭代的研究—工程闭环。

研究产出（明确交付）

围绕模型、训练方法、评测体系与系统化闭环工作流，形成高质量论文/技术报告；在合规与 IP 边界内，鼓励顶会/顶刊发表与对外影响力建设。

必备要求（Must-have）

在化学/材料相关方向具备扎实基础：分子结构与键合、热力学/动力学基础、基本电子结构概念（理解 DFT/AIMD/MD 语境即可）。 熟练使用深度学习框架（PyTorch 优先），具备从想法到可运行训练代码的能力（训练、评测、消融、复现）。

熟悉至少一个相关方向并有实操经验

分子/材料表示学习、原子间势能/力场、分子模拟、生成模型（diffusion 等）或科学多模态模型。

具备良好的研究习惯与工程化交付能力

可复现、可追溯、能把方法沉淀为可复用组件。

加分项（Nice-to-have）

有 DFT/AIMD/MD 数据管线与 MLFF 训练经验；或做过大规模结构—性质数据集与基准评测。 有生成式分子/材料模型经验（diffusion/flow/自回归等任一），并能给出清晰评测指标与对比实验。

有 LLM mid-training / post-training 经验

继续训练、SFT、偏好优化/对齐、工具调用或科学任务评测。

有自驱实验室/实验自动化/实验信息系统相关经验

DoE、主动学习、贝叶斯优化、实验数据管理与闭环迭代。 博士学位（机器学习/化学/材料/物理/计算化学等）或同等研究训练。

高质量发表记录

NeurIPS/ICLR/ICML/ACL/Nature Machine Intelligence 或相关化学材料顶级期刊（方向匹配即可）。

你在这里的成功标准

训练出在关键任务上可量化提升的分子/材料基础模型，并在真实模拟/预测流程中带来显著效率收益。 推动“文本知识 + 原始数据”的联合训练形成可复现 recipe，并能解释其带来的能力增益。

将模型能力与 AI Agents、自驱实验室闭环打通

在“模拟→实验设计→实验执行→数据分析→迭代优化”链路上形成可落地、可衡量的端到端增益。 产出高质量研究成果，并把方法沉淀为可复用的模型、数据、评测与工程组件