AI for Science 高性能计算研发工程师

你将参与曦望自研 GPU 平台的科学计算与 AI4Science 软件生态建设，面向科学模型和数值仿真中的实际计算问题，开展框架适配、数值算法实现及性能优化，推动 AI 模型与传统科学计算在国产平台上协同运行。
面向气象与流体、分子动力学、蛋白质与材料等科学计算场景，分析模型和数值算法的计算特征，完成代表性应用的迁移、验证与端到端加速。
参与 JAX／OpenXLA、PyTorch 等框架在自研 GPU 上的适配，开发所需的编译、运行时及自定义算子支持，完善自动微分、批量计算和多设备执行能力。
开发和优化 FFT、稠密与稀疏线性代数、迭代求解、Stencil、邻域搜索、Scatter／Gather 及归约等核心计算模块，构建可复用的高性能算子与数值计算库。
面向 FNO 等神经算子、图神经网络、等变网络、分子机器学习势及科学基础模型，开展模型结构与硬件协同优化，提升训练和推理效率。
研究混合精度、矩阵计算单元加速、数据重排、算子融合和计算通信重叠，在满足数值误差、收敛性及物理约束的前提下提升性能。
参与多 GPU 与异构集群优化，建立性能模型和测试基准；与高校、科研用户及内部软硬件团队协作，完成应用交付并反馈平台能力需求。

计算机、数学、物理、计算科学、力学、电子工程或相关专业本科及以上学历，具有良好的数值计算或计算机系统基础。
熟练掌握 C/C++ 与 Python，具备科学计算软件或系统软件开发能力，能够独立完成实现、调试与测试。
熟悉并行计算、存储层次和性能分析方法，具备 CUDA、HIP、Triton、OpenMP、MPI 等一种或多种技术的实际开发经验。
在以下至少一个方向有深入积累：科学计算应用优化、GPU 数值算法与算子开发、AI4Science 模型加速、JAX／OpenXLA 等框架或编译器开发。
理解浮点精度、数值误差和稳定性，能够结合应用要求设计正确性验证、性能对照及回归测试。
能够分析实际应用中的计算、访存及通信瓶颈，具备跨学科学习能力，愿意从应用问题深入到底层实现。
加分项
有 JAX／OpenXLA 后端、PJRT、自定义算子或自动微分相关开发经验。
有 FFT、稀疏求解器、分子动力学、计算流体、气象预测、蛋白质模型或神经算子的开发与优化经验。
有 Tensor Core 等矩阵计算单元上的科学计算加速、混合精度迭代改进或数值算法重构经验。
有 MPI／GPU 集合通信、多节点扩展性优化、国产芯片迁移经验，或科学计算开源贡献及高水平论文成果。