1.深入理解工业客户在设计、仿真与优化环节中的核心痛点，挖掘物理 AI 与工业智能体的落地场景；

2.负责重点行业客户的拓展与维护，推动技术方案验证与商业化落地；

3.能将客户需求结构化拆解，转化为可执行的产品与算法目标；

4.协同算法、产品与工程团队，推动 PoC（概念验证）到规模化部署；

5.跟踪行业技术趋势与竞争格局，为公司技术路线与产品规划提供市场输入；

6.建立标杆案例，形成可复制的行业解决方案。

1.硕士及以上学历，机械工程、力学、材料、自动化、计算机或相关专业优先；

2.具备工业软件（CAE / CAD / 仿真）或高端制造领域相关经验；

3.理解工程设计与仿真流程，能够与技术团队进行深入沟通；

4.具备较强的需求分析能力与方案表达能力；

5.有复杂技术型产品的客户拓展或项目管理经验；

6.具备较强的跨部门协作能力与推动能力。

加分项：

1.有工业软件厂商或大型制造企业从业经验；

2.有 AI 产品商业化落地经验；

3.熟悉某一细分行业（如航空航天、汽车、新能源、材料等）；

4.有标杆项目成功落地案例；

5.具备一定技术背景，能够阅读或理解基础算法逻辑。

1. 负责构建面向物理 AI 与工业智能体的大规模训练与推理基础设施；

2. 设计并实现分布式训练平台、GPU 资源调度与实验管理系统，提升模型开发与迭代效率；

3. 构建高性能数据处理与存储体系，支持网格数据、物理场数据、多模态工业数据的高效管理；

4. 支撑 AI + 数值仿真混合计算架构，优化模型训练与物理求解的协同效率；

5. 提升系统的稳定性、可扩展性与资源利用率，打造可规模化运行的工业智能算力底座；

6. 与算法团队深度协作，推动算法能力快速工程化落地。

1.计算机科学、软件工程或相关专业硕士及以上学历；

2.扎实的系统与工程基础，熟悉 Linux 环境与云原生技术栈；

3.熟悉分布式训练框架与调度系统（如 PyTorch Distributed、DeepSpeed、Ray、K8s 等）；

4.具备 GPU 性能优化与资源管理经验，理解 CUDA / NCCL 等基础机制；

5.熟悉大规模数据处理与存储架构设计（如对象存储、分布式文件系统等）；

6.具备良好的工程抽象能力，能够设计通用平台而非一次性脚本系统。

加分项：

1.有大模型训练或 Scientific ML 训练平台搭建经验；

2.熟悉高性能计算（MPI / OpenMP / Slurm 等）；

3.有 AI 训练平台、实验管理平台或 AutoML 系统构建经验；

4.有混合计算（AI + 数值仿真）系统优化经验；

5.参与过高可用、高并发或超大规模系统建设。

1. 参与构建面向工业场景的物理 AI 系统，实现基于深度学习的物理建模与仿真加速算法；

2. 针对多物理场、多尺度问题，开发高效、稳定的代理模型与快速预测算法，并完成系统验证与性能优化；

3. 参与工业智能体系统的工程化实现，构建任务分解、工具调用与多步骤执行框架；

4. 支撑“建模 → 求解 → 分析 → 优化”的自动化流程落地，提升系统稳定性与可扩展性；

5. 将算法原型转化为可训练、可部署、可规模化运行的工程级系统，与 Infra / HPC 团队协作优化训练与推理效率。

1.硕士及以上学历，计算机科学、人工智能、应用数学、计算力学、工程力学或相关专业；

2.具备扎实的机器学习与深度学习基础，熟练使用 PyTorch 等主流框架；

3.具备良好的工程能力，能够独立完成模型实现、实验设计与性能优化；

4.具备物理 AI或智能体方向之一的实践经验。

加分项:

1.有工业软件（CAE / CAD / 仿真平台）相关经验；

2.熟悉分布式训练、高性能计算或 GPU 优化；

3.有多模态建模或复杂数据处理经验（如网格数据、场数据、时序数据等）；

4.有完整项目落地经验，能够推动算法从实验室走向实际应用；

5. 有开源项目或竞赛经历。

1. 负责构建面向工业场景的物理 AI 核心算法体系，探索 AI 与物理建模深度融合的新范式；

2. 针对多物理场、多尺度仿真问题，研发基于深度学习的高精度代理模型与物理场快速预测方法，突破传统数值方法的效率与泛化边界；

3. 设计并构建面向 CAD / CAE / 仿真的工业智能体系统，建立任务规划、工具调用与自主优化的系统架构；

4. 打造“建模 → 求解 → 分析 → 优化”的自动化闭环体系，推动工业智能从辅助决策走向自主执行；

5. 引领算法从研究创新到工程化落地，形成可训练、可部署、可规模化扩展的工业级系统能力；

6. 参与技术路线规划与团队能力建设，形成具备长期壁垒的核心算法方向。

1.博士学历，计算机科学、人工智能、应用数学、计算力学、工程力学、软件工程或相关专业；

2.在 AI for Science、Scientific Machine Learning、物理 AI 或智能体方向具备系统研究积累与良好的论文发表记录；

3.具备扎实的深度学习理论与数值建模基础，熟练使用 PyTorch 等主流框架，能够独立设计复杂模型并完成系统性实验验证；

4.深刻理解偏微分方程、数值方法或复杂系统建模；

5.具备复杂 Agent 系统设计经验，能够构建多步骤规划、工具协同与系统级编排架构；

6.具备从 0 到 1 推动技术突破或系统落地的能力，有技术主导经验优先。； 

加分项：

1.有工业软件（CAE / CAD / 仿真平台）相关研发经验；

2.论文引用较高，或在相关研究领域具备一定学术影响力；

3.拥有高价值专利、开源项目或跨学科研究背景；

4.具备技术负责人、课题负责人或核心模块主导经验；

5.有大规模训练、分布式系统或高性能计算经验。

 十沣科技专注于开发具有国际竞争力的CAE/CFD等工业仿真软件，攻克“卡脖子”技术难题，本单位博士后实践基地现面向海内外，诚邀在计算力学、计算物理及相关交叉领域具有扎实研究背景的青年才俊加盟。一起推动自主CAE软件生态的构建与发展。

1、我们寻找这样的你

①已取得国内外知名高校或科研机构的博士学位，且获学位时间不超过3年。

②年龄在36周岁以下，具有强烈的创新热情和卓越的解决问题的能力。

③研究方向：申请人需在以下一个或多个技术方向具有扎实的理论基础与丰富的软件开发或算法研究经验。

2、研究方向
①CFD算法研发；
②介观CFD研发；
③结构力学研发；
④优化算法研发；
⑤CPU/GPU并行算法研发;
⑥DEM算法研发；
⑦SPH算法研发；
⑧网格算法研发；
⑨几何算法研发；
⑩声学算法研发；
⑪电磁场算法研发；
⑫AI算法研发；

①参与公司核心求解器或前处理模块的算法研究、原型设计与代码实现。

②针对工业实际场景中的复杂物理问题，开发高效、鲁棒的计算模型。

③与产品、应用团队紧密协作，推动技术成果的工程化与产品化落地。

①顶尖平台：对接国家重大战略需求，参与具有行业影响力的核心工业软件研发项目。

②资深指导：由领域内知名专家与资深工程师组成联合指导团队。

③发展前景：出站即享有录用机会。

④竞争力待遇：提供具有竞争力的博士后薪酬及完善的福利保障。

简历投递：tfhr@tenfong.cn

1. LBM 求解器开发 （高雷诺数湍流，气动噪声，多相流）；

2.直角网格开发；

3. CPU/GPU高性能计算；

4. LBM与人工智能结合。

1. 力学、计算机、数学、物理等专业硕士及以上学历，博士优先；

2. 具有 LBM高雷诺数湍流研究经验、较强的LBM 理论推导能力、GPU高性能计算开发经验、MPI并行计算开发经验、熟悉Linux系统及脚本语言等优先；

3. CET4或同等英语水平，具有良好的语言表达能力；

4. 工作思路清晰、思维活跃，责任心、团队协作能力强。

简历投递：tfhr@tenfong.cn