需求一、丁士进课题组
研究方向：
氧化物半导体薄膜与器件
电荷俘获型非易式性存储器
超大规模集成电路互连材料与工艺
高/超高电容密度片上电容器
原子层沉积新材料及应用
需求二、刘子玉课题组
研究方向：
三维异质异构集成技术的设计和工艺协同优化
多芯片系统集成的设计方法学
三维集成的片间互连--低应力低热阻多芯片键合技术
三维集成的片内互连--低应力纳米硅通孔（TSV）技术
三维集成的信号匹配--三维电容、三维电感等无源器件技术
三维集成的散热技术--片上散热和热收集技术
新方向：三维集成性能驱动的各种超材料、拟态材料；MEMS工艺等
需求三、电子材料组
岗位职责：
1. 开发基于人工智能（机器学习/深度学习）的有机材料性能预测算法，建立材料结构-性能关系的计算模型。
2. 结合量子化学计算、分子动力学模拟与数据驱动方法，加速新型有机材料（如有机半导体、高分子聚合物、生物材料等）的发现与优化。
3. 与实验团队紧密合作，验证模型预测结果并指导实验设计。
4. 发表高水平学术论文，申请相关领域专利，参与科研项目申报。
岗位要求：
1. 教育背景：
1.1 近3年内获得材料科学、计算化学、计算机科学、物理化学、化学工程或相关领域的博士学位；
1.2 具有有机材料计算模拟或AI算法开发的交叉学科背景者优先。
2. 研究能力：
2.1 熟悉有机材料的分子设计、性能表征或计算模拟方法（如DFT、MD、粗粒化模型等）；
2.2 精通机器学习算法（如神经网络、图神经网络、强化学习）及其在材料科学中的应用；
2.3 有使用主流AI框架（TensorFlow、PyTorch）或材料模拟软件（VASP、Gaussian、LAMMPS）的经验。
3. 技能要求：
3.1 熟练掌握Python编程，具备数据处理（Pandas、NumPy）与可视化（Matplotlib）能力；
3.2 熟悉材料信息学工具（如Materials Project、RDKit）或高通量计算流程者优先；
3.3 熟悉Linux系统与高性能计算集群的使用。