岗位职责： １、CMC 工艺算法协助研发：针对生物工艺的高维、高噪、动态时间序列数据，协助研发小样本不确定性量化模型（如高斯过程、贝叶斯神经网络）与主动学习策略，以极低的湿实验成本驱动 CMC 培养基配方与工艺参数的快速迭代。 ２、工艺数据处理与特征工程：针对 CMC 研发与生产过程中的多变量时序数据（如发酵与细胞培养过程参数）、高维小样本数据，进行数据清洗、对齐、降噪及特征提取，为模型训练提供高质量输入。 ３、机理与数据混合建模辅助：协助构建机理与数据驱动的混合模型，深入剖析细胞培养参数对抗体产量与关键质量属性（CQAs）的动态影响，支持 CMC 工艺开发与优化。 工程落地支持：协助进行模型的容器化封装、API 开发及 MLOps 流程的搭建，支持算法向边缘端或云端的部署。 ４、文献跟进与复现：追踪 AI for Science、计算生物学、机器学习及制药工程领域的最新顶会论文，进行代码复现与技术分享。 任职要求： １、学历与专业：国内外顶尖高校在读硕士或博士研究生；计算机、人工智能、自动化与控制工程、化学工程、生物制药工程、生物信息学或相关理工科专业。 ２、编程与算法基础：具备极强的 Python 编程能力，熟练掌握 PyTorch 或 TensorFlow 等深度学习框架；拥有扎实的机器学习与深度学习理论基础，熟悉常用算法的推导与实现。 ３、技术加分项（满足其一即可）： （1）了解或实践过贝叶斯优化、高斯过程、主动学习（如熟悉 BoTorch, GPyTorch, Ax 等）。 （2）了解强化学习（如熟悉 Ray/RLlib, Stable Baselines）或模型预测控制（MPC）。 （3）在时间序列预测、多变量时序数据处理方面有实际项目经验（如熟悉 Transformer, State Space Models 在时序中的应用）。 ４、业务理解与跨界沟通：对生物制药行业充满热情，愿意快速学习 CMC 工艺知识（如细胞株开发、上游发酵/细胞培养、下游纯化、CQAs 等），具备将复杂的生物与化学问题转化为算法任务的潜力。 ５、科研与极客精神：在 AI for Science、计算生物学或机器学习顶会/期刊发表过论文，或在 Kaggle、天池等顶尖数据科学竞赛中获得过优异名次者优先。