1. Cross APC跨工序协同控制算法研发 围绕光刻、刻蚀、薄膜、CMP等半导体核心制程，研究多任务序耦合关联特性，搭建先进过程控制模型。针对性解决设备漂移、批次偏差、环境扰动导致的工艺波动问题，构建全流程跨工序协同控制体系，有效提升制程精度、工艺一致性与量产良率。 2.工艺智能预测与异常诊断模型研发 基于时序、多模态大模型，融合设备运行、工艺参数等多源数据，研发虚拟量测、工艺异常预警、缺陷溯源及故障根因分析模型，推动半导体工艺管控从事后整改，升级为事前预判、事中精准调控的智能管控模式。 3. 算法与大模型工程化落地集成 完成Cross APC核心算法、AI工艺大模型模块的迭代优化，实现与MES、EAP、APC等生产系统的深度集成与仿真验证。推进算法模型产线量产落地，形成标准化、可迭代的智能工艺控制解决方案，助力先进制程提质、增效、降不良。

1. 近三年内已获得或即将获得人工智能、自动化、计算机、应用数学，统计学、机械工程、集成电路等相关专业的博士学位，具备扎实的理论基础和实验能力，年龄不超过35周岁。 2.扎实掌握机器学习、深度学习、统计学习、最优控制、预测控制、智能优化、时间序列分析等核心算法，具备独立算法建模、迭代优化、问题排查能力。 3.在半导体晶圆制造、集成电路工艺开发、半导体设备控制、工业智能制造、工业大数据分析相关方面，发表过高水平论文或参与过相关省部级科研项目者优先。 4.具备良好的中英文文献读写、学术汇报能力，能够快速跟进前沿技术，独立完成论文撰写、专利申报、项目申报材料编制工作。 5.具备优秀的系统性思维、跨部门沟通协作能力，能够精准对接产线工艺痛点，平衡算法创新性与产业化实用性，高效完成技术落地。