1）具备扎实的数字信号处理基础与神经生理信号分析能力，熟练掌握脑电、局部场电位或动作电位从采集、重参考、空间滤波、频带过滤、眼肌电伪迹去除到数据分段与事件自动标注的全流程处理技术。 2）深入理解生物启发式人工智能，熟练掌握脉冲神经网络、液态神经网络及神经网络生长进化算法，熟悉模型可塑性、可解释性研究，以及神经形态硬件仿真或生物学习规则的应用。 3）精通多模态学习与对齐技术，具备处理跨模态同步、模态缺失鲁棒性及域适应问题的能力，熟练运用对比学习、表示学习及多模态融合策略。 1）熟练使用 Python 及其科学计算生态与深度学习框架，具备严谨的实验设计与评估意识，能够严格把控跨受试者、跨设备及跨场景验证的统计显著性，有效防止数据泄漏，并深刻理解临床与健康场景的评价指标。 2）具备可穿戴设备端侧部署经验，熟悉模型量化、蒸馏及 TinyML 技术；了解医疗数据合规与隐私保护（如联邦学习）实践；在相关领域有公开数据集竞赛获奖或论文发表经历者优先。