[深圳]深圳理工大学算力微电子学院马智恒课题组

职位：博士后
发布时间：2026-11-12
工作地点：深圳 其它
信息来源：高校人才网
职位类型：全职
专业标签：物理学 材料类 电子信息 计算机 教育学 化学
职位描述
深圳理工大学算力微电子学院马智恒课题组2026年博士后招聘公告

共计1个岗位，招 若干人

提供住房公寓 绩效奖金 落户办理

基本信息

发布时间：2026-11-12

截止日期：详见正文

学历要求：博士研究生

需求学科（供参考）：
化学, 物理学, 人工智能, 材料科学与工程, 电子科学与技术, 智能科学与技术, 计算机科学与技术

展开

公告详情

AI for materials：人工智能驱动的材料设计

一、学校简介

深圳理工大学（以下简称“深理工”）是深圳新成立的一所大学，深圳是一座充满魅力、动力、活力和创新力的城市。学校在中国科学院和广东省的支持下，以中国科学院深圳先进技术研究院（以下简称“先进院”）优质丰厚的科教产教资源为基础，“高起点、高水平、高标准、高质量”建设一流新型研究型大学。

深理工以推动实现高水平科技自立自强、自主培养国家亟需拔尖创新人才为目标，借鉴世界一流理工科大学办学模式，产教融合、科教融汇办大学，学科交叉建专业，三院一体（学院、研究院、书院）育人才，通过学术、工程、创业三轨培养，开展精英化本科教育，因材施教培养优秀科学家、卓越工程师和创新企业家。

二、课题组与科研平台

马智恒课题组结合深圳理工大学算力微电子学院与材料科学与能源工程学院的交叉学科优势，开展人工智能与材料科学融合研究，重点布局电池材料与半导体材料的智能设计、性能预测和自主发现。

马智恒，深圳理工大学算力微电子学院特聘副教授、博士生导师，研究方向涵盖人工智能、持续学习、多模态学习与科学智能，在 IEEE TPAMI、CVPR、ICCV、NeurIPS 等国际高水平期刊和会议发表多项研究成果。

课题组承担新一代人工智能国家科技重大专项“材料科学智能体构建、优化与跨学科协同验证应用研究”中的“面向科研效率提升的智能体优化算法”课题，围绕材料研发中实验成本高、探索空间大、跨体系迁移困难等问题，研究主动探索、强化学习、知识迁移与可信决策方法，构建“候选设计—计算仿真—实验验证—反馈优化”的科研闭环。

课题组具备充足的 GPU 服务器与模型训练资源，支持材料基础模型训练、生成模型研究及大规模计算筛选。结合两个学院在人工智能、材料计算与实验研究方面的优势，为博士后开展独立研究和跨学科合作提供有力支持。

课题组以人工智能方法创新为核心，以电池与半导体材料中的关键科学问题为牵引，重点研究材料大模型、生成式设计、自主科研智能体、强化学习与数据高效学习。团队以在 Nature、Science 及其系列子刊和相关领域顶级期刊发表高水平成果为重要目标，全力提供算力资源、科研经费、材料领域合作与实验验证支持，鼓励博士后围绕具有原创性和科学价值的问题开展系统、深入的研究。

三、招聘岗位与研究方向

招聘全职博士后2—3名。欢迎人工智能、计算机科学、材料科学、化学、物理、微电子等相关背景的青年学者申请，具体研究课题可结合个人研究基础与兴趣共同确定。

1.人工智能驱动的电池材料设计

面向液态电解液、固态电解质及电极与界面材料，研究材料组成、微观结构与性能之间的关联，开展性质预测、配方优化和逆向设计。结合生成模型、主动学习与多目标优化，探索兼顾离子传输、稳定性与可制备性的材料方案，并通过计算模拟与实验合作开展验证。

2.人工智能驱动的半导体材料研究

面向半导体及相关电子功能材料，研究晶体结构、电子结构、缺陷与界面性质的智能表征和预测，开展材料组成、掺杂与工艺条件优化。结合图神经网络、等变模型、材料基础模型和物理约束学习，加速候选材料筛选与结构—性能关系探索。

3.材料大模型与自主科研智能体

研究融合文献知识、晶体结构、计算结果与实验数据的材料大模型，构建能够开展科学推理、工具调用、计算任务编排和实验方案推荐的科研智能体。重点探索基于可验证反馈的强化学习、不确定性感知决策与自主纠错机制，提高材料研究流程的可靠性和效率。

4.数据高效学习与跨材料体系迁移

针对材料数据稀缺、实验代价高和不同体系间分布差异大等问题，研究主动学习、贝叶斯优化、多保真学习、迁移学习与持续学习方法。结合第一性原理计算、分子动力学或实验反馈，实现少量样本条件下的快速适应与高效材料发现。

四、申请条件

1.已获得或即将获得计算机科学、人工智能、材料科学与工程、化学、物理、微电子等相关专业博士学位；获得博士学位一般不超过3年，年龄原则上不超过35周岁，符合学校博士后进站要求。

2.热爱科研，具有良好的学术道德、独立研究能力和团队合作精神，能够全职开展博士后研究。

3.具备良好的英文文献阅读、学术写作与交流能力，在相关领域取得过有代表性的研究成果。

4.具备以下任一方面的研究基础：

??AI for Materials 方向（优先）：具有人工智能与材料科学交叉研究背景，开展过材料性质预测、材料逆向设计、计算模拟加速或自主科研智能体等相关研究，不限具体材料体系。

??人工智能方向：熟悉深度学习、图神经网络、生成模型、大模型、强化学习、主动学习或迁移学习，具有较强的算法实现与实验分析能力。

??材料计算方向：熟悉第一性原理计算、分子动力学、机器学习势函数或高通量材料计算，能够围绕具体科学问题开展建模与分析。

??材料实验方向：具有电池材料、半导体材料的制备、表征或性能测试经验，并有兴趣开展数据驱动的材料研究。

5.具有跨学科合作经验，或以第一作者身份在相关高水平期刊与会议发表过代表性论文者优先。

尤其欢迎具有扎实人工智能研究基础、希望进入材料科学领域的申请者，也欢迎具有材料研究基础、希望开展人工智能交叉研究的申请者。

五、岗位职责

1.围绕上述方向独立开展研究，结合团队项目凝练具有原创性的研究课题。

2.推进人工智能方法与材料计算、实验验证相结合，发表高水平学术论文。

3.申请博士后科学基金、国家自然科学基金及其他相关科研项目，参与团队承担的科研任务。

4.协助指导研究生，参与跨学科合作、学术交流与科研平台建设。

六、薪酬待遇与发展支持

1.薪酬待遇：按照深圳理工大学博士后相关规定执行，结合申请者的研究基础与岗位情况面议，享受相应社会保险、住房公积金及绩效奖励。综合年薪约40w (深圳市每年18万免税（发放两年） 导师22万 )。

2.科研支持：提供充足的 GPU 服务器、模型训练资源与科研条件，支持独立选题、算法开发、计算筛选及跨学科实验合作，全力支持冲击国际顶级期刊及 Nature、Science 系列子刊。

3.项目支持：支持博士后作为负责人申请中国博士后科学基金、国家自然科学基金青年科学基金及广东省、深圳市相关科研和人才项目。

4.学术发展：支持参加国内外高水平学术会议，开展学术访问与合作研究，协助形成具有个人特色的研究方向。

5.生活保障：符合条件者可按政策申请人才住房、落户及相关人才补贴，具体以学校和地方现行政策为准。

6.职业发展：对研究成果突出、发展潜力良好的博士后，支持出站后申请学校相关科研

七、申请方式

联系人：董老师

请将申请材料发送至：dongsl@

邮件主题请注明：博士后申请—姓名—AI for Science—研究方向—

更多最新博士后招收资讯请关注：

【高才博士后】网站→bo***com[点击查看]

[我要纠错]

公告热度

解锁详细分析

该公告在同类公告中的热度为 ***，目前已有 *** 对其非常感兴趣

欢迎扫描下方二维码关注官方微信公众号（硕博QQ交流群：1073075608 ，进微信群qr***.cn[点击查看]" target="_blank">请点击添加官方客服号）


重要风险提示：如招聘单位在招聘过程中向求职者提出收取押金、保证金、体检费、材料费、成本费，或指定医院体检等，求职者有权要求招聘单位出具物价部门批准的收费许可证明材料，若无法提供相关证明，请求职者提高警惕，有可能属于诈骗或违规行为。