團隊使命（Mission）
在全球能源轉型與碳中和目標加速推進的時代背景下，可控核聚變被廣泛認為是實現(xiàn)長期、可持續(xù)、零碳能源的關鍵技術路徑之一。隨著高溫超導、先進制造與計算能力的快速發(fā)展，聚變裝置的工程可行性與物理可行性正迎來關鍵窗口期。
仿星器作為一種具備穩(wěn)態(tài)運行潛力的磁約束聚變裝置，其三維幾何復雜性使得傳統(tǒng)基于人工經(jīng)驗與局部掃描的設計方法面臨巨大的計算與人力瓶頸。新一代仿星器設計問題本質(zhì)上已演變?yōu)橐粋€高維、多目標、強物理約束的復雜優(yōu)化問題。
我們的團隊致力于構建 下一代 AI 驅動的仿星器設計與優(yōu)化平臺，將大規(guī)模物理仿真、生成式模型、智能體系統(tǒng)與物理約束機器學習深度融合，打造端到端的自動化設計—評估—優(yōu)化閉環(huán)。我們的目標是：將傳統(tǒng)需要數(shù)月到數(shù)年的仿星器設計與參數(shù)優(yōu)化流程，轉變?yōu)榭蓴U展、自動化、由 AI 驅動的智能設計體系，顯著加速新型高性能仿星器構型的發(fā)現(xiàn)與工程優(yōu)化，為聚變能走向工程化與商業(yè)化提供關鍵技術支撐。
主要職責
* 設計與訓練基于 Diffusion、VAE、Flow 或其他生成式模型的幾何生成網(wǎng)絡，用于自動生成仿星器物理方案。
* 構建幾何表示與物理約束相結合的生成式建?？蚣埽_保生成結果滿足工程可行性與物理合理性。
* 將生成模型與仿真與優(yōu)化流程集成，實現(xiàn)“生成 → 評估 → 篩選 → 迭代”的自動化設計閉環(huán)。
* 探索條件生成與多目標約束生成方法，實現(xiàn)對關鍵性能指標（如約束、穩(wěn)定性、輸運指標等）的可控生成。
* 分析生成模型在設計空間探索中的覆蓋性、多樣性與收斂特性，提升新型構型發(fā)現(xiàn)能力。

職位技能要求（Required）
* 扎實的深度學習與生成式模型基礎，熟悉 Diffusion、VAE、Flow 等至少一種模型體系。
* 熟練使用 PyTorch 或 JAX 實現(xiàn)與訓練復雜神經(jīng)網(wǎng)絡模型。
* 具備處理幾何數(shù)據(jù)或高維連續(xù)表示的建模經(jīng)驗。
* 能夠將生成模型與下游評估與優(yōu)化流程進行系統(tǒng)集成。
* 具備良好的實驗設計與模型調(diào)參能力。

加分項（Preferred）
* 有幾何深度學習、3D 表示學習或 CAD/幾何建模相關經(jīng)驗。
* 有條件生成、多目標約束生成或可控生成經(jīng)驗。
* 有將生成模型用于工程設計或科學發(fā)現(xiàn)的項目經(jīng)驗。
* 熟悉物理約束生成或 physics-informed generative models。
* 在生成式模型方向發(fā)表過論文或有開源項目。
成果與影響（Impact）
- 研究成果將直接用于真實仿星器構型篩選與工程設計決策
- 系統(tǒng)將服務于實際仿真與設計流程，而不僅限于離線方法研究
- 在國際頂級會議與期刊發(fā)表成果（如 NeurIPS、ICML、ICLR、CVPR, Physical Review Letters, Nuclear Fusion 等）
- 為未來聚變裝置設計提供可擴展的 AI 基礎設施與技術范式