中国南方电网有限责任公司

主要开展面向电力能源装备的智能CAE设计优化核心算法研究，具体包括但不限于： 1.开发电力装备专用智能优化算法：针对高压电力装备的智能CAE问题，研究开发融合领域知识与数据驱动的新型智能优化算法。 2.突破仿真与优化深度融合的关键技术：研究高效的仿真数据驱动建模方法，发展基于代理模型的序列优化、并行优化及混合优化策略，显著降低获得高保真优化解的计算成本。 3.研究复杂工程约束的智能处理机制：针对电力装备设计中普遍存在的几何约束、性能约束、制造工艺约束、行业标准约束等复杂约束条件，研究基于约束处理技术、可行域探索及偏好引导的智能优化算法，提升优化设计的工程实用性。 4.探索新兴AI范式在优化设计中的应用：研究强化学习、图神经网络、迁移学习、物理信息神经网络等前沿人工智能方法与传统优化算法的结合，探索其在电力装备多尺度、多学科设计优化中的创新应用路径。 5.形成领域算法库与最佳实践：将研发的核心算法进行模块化封装，形成电力能源装备CAE智能优化算法库，并针对典型应用场景形成经过验证的算法选择与调参最佳实践指南。 6.负责关键技术攻关、专利布局与技术团队能力建设，培养核心人才。

遵纪守法，具有良好的科学道德，自觉践行新时代科学家精神，同时满足以下条件： 1.学历要求：取得世界知名高校博士学位，原则上要求毕业院校在QS世界大学综合排名前200名。或国家“双一流”建设学科及教育部最近一期学科评估A类学科讲师、博士毕业生。 2.专业要求：计算力学、机械工程、应用数学、计算机科学、电气工程（高电压/电工材料方向）等相关专业。 3.工作经验：5年以上CAE仿真设计优化算法研究经验，在相关研究领域国际顶级期刊或会议（如StructMultidiscOptim,CMAME,AIAAJournal,IEEETEVC等）发表过高水平论文。深刻理解优化算法（梯度优化、进化算法、贝叶斯优化等）与代理模型技术的基本原理、优势及局限性。具备将优化算法成功应用于解决实际工程问题的研究经历，有电力或能源装备相关经验者优先。 4.能力要求：算法实现方面，精通Python，熟悉C++/Fortran，具有优秀的算法实现与代码开发能力。CAE仿真方面熟悉至少一种主流CAE软件（如ANSYS,Abaqus,COMSOL）的底层原理与常用求解器，具备通过脚本或API驱动仿真分析的能力。多学科知识方面对结构力学、流体力学、电磁学或传热学中至少一个物理领域有扎实的理论基础。 5.优先条件：在拓扑优化、形状优化、参数优化或多学科设计优化的某个细分方向有深入研究和突出成果。具备处理大规模计算、高维问题​或昂贵黑箱函数优化的研究经验。对电力装备（如变压器绕组与漏磁优化、GIS壳体力学与电场协同设计等）的设计挑战有具体认知。 6.其他要求：具备较强的责任心、沟通协调能力。具有较强的学习能力、良好的团队合作精神与奉献精神