1. 智能调度算法设计：主导半导体生产排产与资源调度场景的模型建模，融合运筹优化与机器学习设计并实现高效调度策略，提升产线整体产能利用率和设备效率； 2. 数据分析与知识平台建设：统筹电性与工艺关联分析，沉淀良率分析案例、方法论与知识库，开发一站式智能良率分析平台，支撑研发决策与良率改进； 3. 多物理场仿真与数字孪生构建：设计并优化面向工艺生产与设备机理的多物理场耦合、等离子体过程和数字孪生仿真模型，开展应力、流场、热场与电磁场计算，提升仿真还原度与预测有效性； 4. 传感器融合感知算法开发：融合视觉、听觉、嗅觉等多源传感器数据，实现设备状态感知与异常检测，支撑智能检测和智能决策应用； 5. 前沿技术研究与落地：跟踪并评估深度学习、强化学习和大模型技术在半导体制造领域的应用潜力，通过验证与迁移实现智能方案在工艺、材料和工程业务场景中的实施落地。

1. 学历要求：硕士及以上，博士优先； 2. 专业要求：计算机科学、AI、运筹学、工业工程、自动化、微电子、物理、力学、机械、光学、化学、材料科学、电子信息工程、应用数学、统计学、通信工程、通信工程、模式识别、智能制造、射频技术、等离子体物理、理论物理、粒子物理、电磁场与无线电技术等相关理工科专业； 3. 其他要求： • 能使用英语阅读英文文献并完成技术报告，CET-6成绩≥425分； • 能使用Python开发算法与数据处理程序，具有完整的数据分析与建模项目经验； • 能使用至少一种深度学习框架，独立完成数据模型训练与调优； • 具有至少一种运筹学或优化求解器实际生产排产问题的应用经验，能为主实现可行性方案方案。