岗位目标 

围绕科学数据处理、理解与增强中的关键问题，开展兼具 AI 方法创新与科学应用价值的研 究，推动前沿 AI 技术在真实科学场景中的应用。 

研究方向与工作内容

1. 科学数据处理与智能分析 面向多类型科学数据，开展基础模型与智能分析方法研究，提升科学数据的自动处理、表征与信息提取能力，探索模型在不同科学场景中的泛化与应用。
2. 科学数据理解与推理 研究多模态大模型与科学知识的融合，开展科学数据、实验条件与领域知识的联合建模， 提升模型对复杂科学数据的理解与推理能力，支持实验结果解读与科学规律发现。
3. 科学数据增强与高质量重建 研究面向科学场景的生成式 AI 方法，开展科学数据生成、增强与高质量重建，探索数据驱动与物理规律相结合的建模方式，提升数据质量及其科学可靠性。 

任职要求 

1. 计算机、人工智能、数学、统计、电子信息，或物理、材料、化学、力学等相关专业， 对 AI 与科学研究的交叉问题有兴趣。
2. 具有 CCF-A 类期刊或会议论文发表经历，具备扎实的科研基础和英文论文写作能力。
3. 熟悉 Python 和 PyTorch 等深度学习框架，具备模型开发、训练调试与实验分析能力； 在基础模型、多模态学习、生成式 AI 或科学机器学习等领域具有相关研究经验。
4. 能够主动跟踪前沿研究、提炼问题并推进实验，重视科研严谨性与结果可复现性，具有良好的沟通与合作能力。

你能获得什么

1. 面向高水平论文的研究机会： 以在 Nature / Science 系列期刊、CCF-A 类期刊及会 议发表高水平论文为目标，参与前沿课题研究与论文撰写。
2. 完整的科研实践与交叉研究经验： 参与从科学问题凝练、AI 算法设计到真实数据验 证的研究全过程，提升独立研究能力，积累 AI 技术与科学问题相结合的研究经验。 

【投递方式】

请将简历发送至邮箱： yinkunzhang-pjt@slai.edu.cn ，备注“姓名+科学数据智能实习生 ”。或者可联系：17852611213（微信同号）