1、虚拟量测：针对半导体制造关键工艺环节（光刻、扩散、蚀刻、薄膜等），基于多源传感器数据，运用多元统计分析、时序预测及贝叶斯方法，构建量测数据的实时预测模型，替代或减少物理量测频次，提升产品良率，降低生产成本； 2、数字孪生：针对半导体设备、工艺腔室，构建融合物理机理与数据驱动的混合数字孪生模型，实现实时状态映射、生产和工艺仿真；涉及多物理场耦合场景的高效建模策略； 3、仿真优化与决策闭环：将虚拟量测的感知结果与数字孪生的仿真推演相结合，开发工艺参数优化、虚拟DOE实验、良率根因分析与预测等上层应用； 4、与工艺工程师协作，理解半导体制造物理机理，定义虚拟量测/数字孪生的关键输入特征，设计数据处理Pipeline，构建可复用的特征工程工具链。

1、博士学历，人工智能、应用数学、统计学、计算机等相关专业； 2.、精通Python，熟练使用PyTorch/TensorFlow等至少一种深度学习框架；了解至少一种仿真工具者优先； 3、熟练掌握多元统计分析、时序预测、异常检测、贝叶斯方法等至少一类数据驱动建模技术，有处理真实工业传感器数据的项目经验者优先； 4、掌握物理信息神经网络、算子学习、代理模型、数据同化中至少一类物理融合建模方法，或具备FEM/FVM等数值仿真经验； 5、具备大规模时序数据处理能力，熟悉数据清洗、特征构建与特征选择方法；熟练使用SQL/Pandas等数据处理工具； 6、了解半导体制造工艺流程，了解光刻、扩散、蚀刻、薄膜等关键工艺，了解MES、FDC、SPC、YMS等关键系统； 7、良好的逻辑思维能力，在复杂业务场景下能够分解和抽象问题，提供优秀、完整、可行的解决方案； 8、对解决具体挑战性问题充满激情，较强的责任心和主动性，良好的沟通协作和抗压能力。