岗位职责：
面向半导体装备，负责AI技术在以下任一方向的研究与工程落地：
1.AI数据分析：建设多源异构数据治理与AI-ready数据集体系；开展异常识别、趋势分析、根因定位、腔室匹配、工艺窗口与跨机台差异分析；探索大模型、智能体、Physical AI等前沿应用。
2.AI虚拟量测：建立工艺结果实时预测与虚拟量测模型，融合传感器、recipe、腔体状态与量测数据；开发AI辅助recipe优化与实时协同控制方法；建立模型验证、漂移监测与在线更新机制。
3.AI数字孪生：构建设备级、腔室级、关键部件级数字孪生系统，实现数字化映射与可视化；建立孪生模型与真实机台的实时联动，接入代理模型、故障诊断与工艺预测模型；推动平台标准化建设。
4.AI全生命周期：面向关键部件开展健康评估、故障诊断与预测性维护；构建异常检测、故障分类、根因分析、寿命预测与停机预警模型，建立组件健康画像。
5.此外，需与算法、仿真、控制、工艺、设备、软件和服务团队协作，推动AI模型在设备端、工艺平台、控制系统与量产机台中的部署应用，完成从数据分析到工程落地的完整闭环。
任职要求：
1.博士毕业生，具备机器学习、虚拟量测、数字孪生、故障诊断、预测性维护、工业数据分析或复杂装备建模等相关研究经验（满足任一方向即可）。
2.熟悉监督学习、时间序列建模、异常检测、寿命预测、根因分析、因果推断、强化学习、多目标优化或物理约束机器学习等方法。
3.具备多源异构工业数据处理能力（传感器时序、工艺参数、量测数据、报警日志、维修记录），熟悉Python及主流机器学习工具链。
4.理解半导体工艺关键指标与设备参数、腔体环境、recipe的关系，或理解机械、电气、控制、流体、真空、运动机构等装备原理。
5.具备较强的算法工程化与问题定义能力，能完成从数据清洗、建模、验证到部署的完整闭环。
6.加分项：熟悉Unity3D/Omniverse；熟悉工业通信协议或时序数据库；有APC、run-to-run、MPC、recipe优化经验；熟悉FMEA、故障树、可靠性分析；有半导体装备、高端制造、仿真软件或智能运维相关课题或项目经验；熟悉因果分析、可解释AI、代理模型、神经算子或多物理场仿真数据建模；有高水平论文、专利或竞赛成果。