电化学高级研究员/科学家

在传统模式下，电解液与电池材料的研发高度依赖经验与长期试错：配方组合复杂、实验周期漫长、机理与性能之间往往难以建立系统联系。

随着 AI for Materials 与自动化实验平台的发展，这一模式正在发生根本改变。通过机器学习、第一性原理计算与高通量实验闭环，材料研发正从“经验驱动”走向“数据驱动”。复杂体系（如电解液配方、电极界面反应、电池失效机理）第一次有机会被系统建模与快速迭代优化。

在 Deep Principle，我们正在构建新一代 AI + 自动化实验驱动的材料研发平台，让电池材料研发真正进入：模型预测 → 自动化实验 → 数据反馈 → 模型迭代的工业级闭环。我们的目标不仅是优化单一材料，而是 重构工业材料研发的方式。

如果你希望：

参与这场正在发生的电池与能源技术革命；

用 AI 与实验重新定义电池材料的研发方式；

并推动下一代电池技术从实验室走向工业应用——

欢迎加入我们。

岗位职责：

带队完成电池材料测试、电池组装、电化学性能测试及数据分析，对实验质量与研发管线进度负责。

围绕特定电池应用需求开展电解液配方优化与添加剂体系开发，通过实验数据与机理分析双驱动达成性能目标。

开展电池界面反应机理与失效分析研究，包括 SEI / CEI 形成机制、容量衰减路径等关键科学问题。

与AI算法团队、自动化实验团队协作，验证模型推荐材料或配方，并形成高质量结构化实验数据。

参与公司新能源材料研发管线，从技术路线设计到实验验证，为项目决策提供电化学领域专业支持。

岗位要求：

硬性门槛：

电化学、材料科学、化学、化学工程或相关专业博士毕业 + 2年相关工业研发经验（或硕士+5年相关工作经验）；

核心能力：

具备扎实的电化学基础，理解电池反应机理及电极界面过程；

熟悉电池实验流程，包括电池组装、电化学测试与性能评估；

具备电解液或电池材料研发经验，理解主流电池体系及工业应用需求；

具备良好的技术分析能力，能够将实验现象与微观机理进行系统关联

加分项：

具备计算化学、机器学习或AI辅助材料研发经验；

具备自动化实验平台或高通量实验经验；

具有跨学科合作经验（材料、数据、工程）