崗位要求：
1. 具備力學、機械工程、航空航天工程、計算機科學與技術、人工智能、應用數學等專業研究生及以上學歷。
2. 1年及以上CAE領域與AI技術結合的項目經驗，熟悉CAE仿真全流程（如模型建模、網格劃分、邊界條件設置、求解計算、結果后處理等），且有實際主導或核心參與CAE-AI融合項目落地的案例。
3. 熟練掌握CAE領域降階模型構建方法（如POD、ROM-ML混合模型、代理模型等），有過結構力學、CFD或其他工程領域降階模型開發與應用的實戰經驗，能夠獨立完成降階模型的訓練、驗證與優化。
4. 深入理解神經網絡的基本原理、架構設計與訓練方法，熟悉主流深度學習框架（如PyTorch、TensorFlow、MindSpore等），能夠根據CAE仿真數據特點設計定制化的神經網絡模型，解決CAE場景下的回歸、分類、生成等問題。
5. 對CAE核心算法（有限元法、邊界元法、格子玻爾茲曼方法、計算流體力學求解算法等）有深入了解，能夠分析CAE算法的優缺點與適用場景，并結合AI技術提出改進思路，具備一定的CAE算法代碼閱讀與調試能力者優先。
6. 具備優秀的技術文檔撰寫能力，能夠獨立完成高質量的CAE-AI融合項目技術方案、報告等文檔；同時具備良好的跨部門溝通與協作能力，能夠清晰表達技術思路，推動團隊達成目標。
7. 具備較強的學習能力與問題解決能力，對CAE與AI融合領域的新技術、新趨勢有敏銳的洞察力；有相關技術專利、學術論文發表或參與過國家級/省部級CAE-AI相關項目者優先。
崗位職責：
1. 負責CAE領域與AI技術的深度融合項目，主導從需求分析到方案落地的全流程，包括技術路線規劃、核心算法選型與項目進度把控。
2. 牽頭CAE領域降階模型（ROM）構建工作，針對結構力學、CFD、電磁仿真等場景，設計并優化降階方案，解決大規模CAE仿真效率低、耗時久的問題，滿足工程化應用需求。
3. 基于神經網絡機理，結合CAE仿真數據特性，開發適配CAE場景的深度學習模型（如CNN、Transformer、LSTM等），實現仿真數據驅動的預測、優化與故障診斷，提升CAE分析的智能化水平。
4. 深入理解CAE核心算法（如有限元法、邊界元法、計算流體力學控制方程求解算法等），能夠結合AI技術對傳統CAE算法進行改進與優化，提升仿真精度與計算效率。
5. 負責撰寫CAE與AI融合項目的技術方案、可行性分析報告、項目總結報告等文檔，為項目決策與成果交付提供專業支撐；同時參與技術專利、學術論文的撰寫，推動技術成果轉化與沉淀。
6. 與跨部門團隊（CAE仿真團隊、算法團隊、工程應用團隊等）緊密協作，提供CAE-AI融合技術支持，解決項目推進中的關鍵技術難題，保障項目順利落地。
職位福利：五險一金、績效、項目獎、年終獎、周末雙休、節日/生日福利、帶薪年假、餐補、定期體檢等