科學領域交匯處：人工智能與高能量密度物理。你將運用先進的機器學習與人工智能方法，深度參與慣性約束聚變或Z箍縮聚變的核心研究，從理解極端物理過程、優化實驗設計，到加速實現點火與能量增益的宏偉目標。你的工作將直接推動聚變能源從科學可行性向工程現實邁進。
核心職責
· AI/ML算法開發與應用：研究、開發并應用尖端的機器學習模型（如深度學習、強化學習、生成模型、物理信息神經網絡PINNs、算子學習等），以解決聚變研究中的高維、非線性、多尺度物理問題。
· 多模態數據融合與洞察：利用AI整合并分析來自大規模仿真（輻射流體力學、粒子模擬等）、復雜診斷（X射線、中子、光學等）和海量實驗裝置的多模態、高維度數據，提取物理機制，發現新規律。
· 替代模型與加速計算：為計算密集型的聚變物理仿真構建高保真、高效率的AI替代模型，實現參數空間的快速掃描、不確定性量化與實驗方案的實時優化。
· 物理指導的AI建模：將物理第一性原理（如守恒律、方程組、不穩定性理論）深度嵌入AI模型架構與訓練過程，開發可解釋、可信賴的“AI物理學家”工具。
· 關鍵問題攻關：針對ICF（如內爆對稱性、混合、流體不穩定性）或Z箍縮（如負載設計、等離子體不穩定性、輻射產生）中的具體挑戰，提出創新的AI驅動解決方案。
· 跨學科協作：與理論物理、實驗物理、計算科學及工程團隊緊密合作，將AI工具集成到完整的研究與設計循環中，并驗證其有效性。
· 知識傳播：在頂級期刊和會議上發表研究成果，積極貢獻于AI與聚變科學交叉領域的知識體系。
任職要求
必備條件：
· 在獲得博士學位（或答辯通過）時，專業為計算機科學、人工智能、應用數學、物理、核工程或密切相關領域。
· 博士學位論文或主要研究經歷集中于機器學習/人工智能的高級應用，并展現出強大的創新能力和工程實現水平。
· 具備堅實的計算和編程能力，熟練使用Python及主流的深度學習框架（如PyTorch, TensorFlow, JAX）。
· 對高能量密度物理、等離子體物理或慣性約束聚變/Z箍縮聚變有濃厚的興趣和基本的理解，并有強烈的意愿深入學習相關物理。
· 出色的解決問題能力、批判性思維以及在高度協作、快節奏的研究環境中高效工作的能力。
· 優秀的書面和口頭溝通能力。
優先條件：
· 有將AI應用于物理科學（尤其是等離子體物理、流體力學、天體物理）或工程優化問題的直接經驗。
· 熟悉大規模科學計算、高性能計算（HPC）環境及并行編程。
· 具備處理大型科學數據集（如來自仿真或實驗診斷）的經驗。
· 對ICF或Z箍縮的特定物理過程、主流仿真代碼（如HYDRA, FLASH, OSIRIS, GORGON等）或實驗診斷有了解。