1.具备扎实的编程基础，熟悉数据结构与算法，至少掌握一门编程语言（C、C++、Fortran 或 Python），有高性能计算并行编程经验者优先（至少熟悉 MPI、OpenMP、CUDA、OpenCL、pthread 之一）。 2.了解传统机器学习与深度学习算法，熟悉 PyTorch、TensorFlow 或 MindSpore 者优先。 3.熟练使用 BLAS、MKL、LAPACK、Sparse、PETSc 、Hypre、Pardiso、MUMPS、SLEPc等数值计算库者优先。 4.有物理引擎、智能仿真、数字孪生相关经验者优先。 优先条件： 1.在数值计算和并行计算的设计与实现上有一定积累，熟悉数值计算基本算法，包括非线性方程组求解（如牛顿迭代法）、线性方程组求解（如 Krylov 子空间迭代法、多重网格方法、超节点或多波前直接法）、预处理技术、矩阵分解、特征值求解等。 2.熟悉数值仿真方法（如有限元、有限体积、网格法），在电磁仿真、流体力学、结构力学、热力学、声学或多物理场仿真等方向有开发或实践经验。 3.了解 PINN、DeepONet、FNO 等 AI for Science 方向的方法者优先。 4.了解主流大语言模型架构（如 GPT、Llama、Qwen、Mixtral）及技术栈（SFT、CoT、RAG）者优先。 加入我们，共同探索前沿计算技术！