一、 知識(shí)背景與技術(shù)儲(chǔ)備
1. 電力系統(tǒng)與應(yīng)用數(shù)學(xué)(核心領(lǐng)域基礎(chǔ))
(1)理論基礎(chǔ): 精通電力系統(tǒng)知識(shí),重點(diǎn)掌握暫態(tài)穩(wěn)定分析;深刻理解“強(qiáng)剛性”、“事件驅(qū)動(dòng)”、“多尺度”等概念在電力系統(tǒng)中的具體含義。
(2)數(shù)學(xué)建模: 熟悉發(fā)電機(jī)、負(fù)荷、輸電線路等主要元件的數(shù)學(xué)模型(微分-代數(shù)方程組);具備扎實(shí)的數(shù)值分析、常微分方程/偏微分方程及最優(yōu)化理論基礎(chǔ)。
(3)仿真原理: 了解傳統(tǒng)電力系統(tǒng)仿真軟件的運(yùn)行原理及其局限性。
2. 人工智能與機(jī)器學(xué)習(xí)(核心技術(shù)能力)
(1)科學(xué)計(jì)算架構(gòu): 精通深度學(xué)習(xí),特別是與微分方程求解相關(guān)的網(wǎng)絡(luò)架構(gòu),如 PINNs、DeepONet、Fourier Neural Operator (FNO) 等。
(2)物理約束嵌入: 深刻理解如何將偏微分方程、守恒定律等物理約束嵌入到神經(jīng)網(wǎng)絡(luò)的損失函數(shù)或網(wǎng)絡(luò)結(jié)構(gòu)中。
(3)生成式模型: 對(duì) GANs、Diffusion Models、Transformers 等生成式模型有深入理解,并思考過如何將其應(yīng)用于時(shí)序數(shù)據(jù)(軌跡)的生成。
二、 技術(shù)積累與項(xiàng)目經(jīng)驗(yàn)
1. 項(xiàng)目經(jīng)驗(yàn)匹配度(三者滿足其一即可)
(1)最佳匹配: 擁有直接將 PINNs 等技術(shù)應(yīng)用于電力系統(tǒng)暫態(tài)穩(wěn)定、電磁暫態(tài)或相關(guān)動(dòng)態(tài)過程仿真的研究或項(xiàng)目落地經(jīng)驗(yàn)。
(2)高度相關(guān): 在流體力學(xué)、計(jì)算物理、氣象預(yù)測(cè)等其他物理領(lǐng)域成功應(yīng)用過科學(xué)機(jī)器學(xué)習(xí)(SciML)方法,并能清晰闡述如何將相關(guān)經(jīng)驗(yàn)遷移至電力系統(tǒng)。
(3)潛力人選: 雖無直接 SciML 經(jīng)驗(yàn),但在電力系統(tǒng)仿真算法或 AI 代理模型(Surrogate Modeling)方面有深入研究,且對(duì)學(xué)習(xí)新方法具備強(qiáng)烈意愿。
2. 工程與編碼能力
(1)框架技能: 熟練使用 Python 及主流深度學(xué)習(xí)框架,優(yōu)先熟悉 PyTorch 或 JAX(因其自動(dòng)微分支持更優(yōu),更適配 SciML)。
(2)實(shí)戰(zhàn)能力: 具備從零開始構(gòu)建、訓(xùn)練和調(diào)試復(fù)雜神經(jīng)網(wǎng)絡(luò)的經(jīng)驗(yàn)。
(3)加分項(xiàng): 擁有使用 PSASP、PSS/E、Modelica 等傳統(tǒng)電力仿真工具進(jìn)行建模和數(shù)據(jù)生成的經(jīng)驗(yàn)。
三、 薪資福利與平臺(tái)優(yōu)勢(shì)
1. 薪酬與激勵(lì)
(1)薪酬待遇: 提供行業(yè)內(nèi)具有競爭力的薪資(具體面議),包含五險(xiǎn)一金及出差補(bǔ)貼等。
(2)激勵(lì)機(jī)制: 優(yōu)秀者享有績效獎(jiǎng)金及動(dòng)態(tài)薪酬調(diào)整機(jī)制。
2. 聘用與保障
(1)合同關(guān)系: 經(jīng)考核錄用后,可選擇與企業(yè)或清華大學(xué)簽訂正式勞動(dòng)合同。
(2)生活保障: 根據(jù)學(xué)校政策,通過積分獲得子女上學(xué)和周轉(zhuǎn)房資格。
3. 學(xué)術(shù)與成長
平臺(tái)福利: 享有清華大學(xué)圖書館資源權(quán)限、前沿課程旁聽機(jī)會(huì)及頂尖的學(xué)術(shù)交流環(huán)境。