岗位职责： •参与公司AI环境模拟器研发。 •探索仿真环境的模型，并研发快速深度学习模型的方法（监督学习、POD、PINN、参数估计均可）。 •探索机器学习方法在物理场几何优化上的应用。 岗位要求： •扎实的机器学习基础，对物理仿真、离散仿真、参数估计有过相关经验。 •对PINN、数据驱动的模型降维(如POD)、监督学习、逆强化学习有过相关经验。 •熟练使用Python，较强的编码能力，研究学习能力较强，数学基础较好。 加分项 •有较强的代码能力优先，有各类竞赛获奖经历(如kaggle，天池、DF、DC等比赛平台)、有过ACM等编程竞赛经历，或代码开源在github上并有较大影响。 •在Interspeech/ICASSP/ACL/EMNLP/ NAACL等顶会顶级会议或者期刊发表论文者。 •仿真模拟器、物理神经网络、数据驱动的模型降维学习研究及应用经历。 •商业/开源物理仿真软件的使用经历。