岗位职责： 1.大规模组网与拓扑优化 a.研究超算集群网络拓扑（如Dragonfly、Fat-Tree）的设计与优化，探索动态路由、资源调度与负载均衡策略，提升系统扩展性和效率。 b.参与数据流调度与网络配置优化，确保大规模训练任务的高效执行。 2.高性能通信与RDMA优化 a.研究RDMA（RoCEv2/InfiniBand）、用户态网络协议栈（如UCX）等高性能通信技术，优化集合通信（AllReduce、AllGather等）算法与实现。 b.探索GPU Direct RDMA、GPUDirect Async等硬件加速技术，降低通信延迟，提升带宽利用率。 3.通信库开发与调优 a.参与通信库的设计与优化，开发低延迟、高吞吐的通信原语，适配AI训练/推理任务的通信需求。 b.分析AI训练中的通信模式（如参数同步、梯度聚合），优化计算-通信重叠策略，提升训练效率。 4.网络协议与性能优化 a.研究RDMA网络协议栈的拥塞控制、流量调度与路径优化，提升大规模多机多卡通信的稳定性与性能。 b.构建Benchmark测试框架，对通信延迟、带宽、容错开销等关键指标进行量化分析与优化。 5.故障检测与容错机制 a.研究分布式训练中的网络级故障检测（如链路/节点失效）与快速恢复策略，设计高可靠的容错训练方案。 b.优化重传等机制，确保长时间训练任务的稳定性。 任职要求： 1. 计算机科学、软件工程、电子通信或相关领域在读硕士或博士，具有强大的计算机网络通信、分布式系统等相关知识储备，有相关研究背景者优先。 2. 熟悉高性能网络技术与设计，如DPDK、RoCE/InfiniBand、XDP等，具有相关实际操作或开发经验者优先。 3. 具备扎实的编程基础，熟练掌握Python、C/C++、CUDA等语言，熟悉网络和并行编程，熟悉Linux操作。 4.了解分布式系统架构设计原理，熟悉分布式通信、分布式计算框架（如MPI、PyTorch、Megatron等），具有分布式系统性能优化经验优先。