博士后（通用机器学习力场开发方向

工作内容
1.面向复杂低维材料体系研发新一代高精度通用机器学习力场基底模型，完成模型架构、材料描述符优化、核心算法创新开发。
2.开展神经网络势、NEP、GAP 等机器学习力场大规模训练、超参数调优，系统完成模型误差收敛性、稳定性基准评测。
3.基于自研高精度力场开展百万至数亿原子级长时程分子动力学模拟，重点研究新型碳材料成核演化、缺陷动力学、表界面沉积微观机制。
4.完成项目负责人交办的其他工作。

任职条件
1.博士研究生学历，理论物理、计算材料学、计算化学、机器学习/计算机科学等相关专业，具备DeepMD、NEP等势能模型二次开发经验者优先。
2.深度掌握机器学习力场物理原理、数学基础。
3.熟练使用LAMMPS、GPUMD、GROMACS至少一款大规模分子动力学模拟软件，具备扎实统计力学及非平衡态理论基础。
4.熟练使用PyTorch、TensorFlow或JAX任一深度学习框架，掌握C/C++、Fortran并行计算，有模拟插件开发经验者优先。