24小时热门版块排行榜

返回列表

【有奖交流】积极回复本帖子，参与交流，就有机会分得作者 X教授的 36 个金币，回帖就立即获得 1 个金币，每人有 1 次机会

X教授

木虫 (著名写手)

应助: 1 (幼儿园)
金币: 3738.3
帖子: 1067
在线: 323.5小时
虫号: 1110469

[交流] 东南大学—有机多孔功能材料团队（杰青团队）招收 AI+COFs 方向科研助理

东南大学—有机多孔功能材料团队（杰青团队）招收 ai+cofs 方向科研助理及2027级申请制博士研究生
一、课题组及团队简介
有机多孔功能材料团队隶属于东南大学能源与环境学院，由国家杰出青年科学基金获得者赵新教授领衔。团队科研氛围浓厚，实验及办公环境优越，科研经费充足。
团队深度布局 ai for science (ai4s)，致力于将人工智能技术与先进多孔材料开发深度融合，构建"数据驱动"的新材料发现范式。
当前开放岗位：

科研助理（即时招募，远程/驻校均可协商，表现优秀者直接推荐为2027届申请制博士）
2027届申请制博士研究生（ai+cofs方向）

二、为什么选择 ai + cofs 方向？
共价有机框架（cofs）作为新兴晶态多孔材料，在能源、环境、催化等领域潜力巨大，但传统"试错法"合成耗时耗力，构效关系复杂。
本课题组构建"计算模拟—ai预测—实验验证"全闭环研究体系：
数据驱动发现：利用机器学习挖掘cofs材料构效关系，突破传统经验主义桎梏。
大模型辅助设计：开发基于llm的化学智能体，实现海量文献自动化处理、分子设计与逆合成分析。
干湿结合：赵新教授团队深厚的合成积累（高质量小样本实验数据）+ 付钰彬研究员的计算化学背景（机理支撑），实现ai模型的高效迭代与落地。

三、重点研究方向（面向科研助理/博士生）
本轮重点招募具备以下ai核心技能之一的青年人才，研究方向包括但不限于：
方向a｜面向海量文献的rag智能处理系统
核心任务：针对成千上万篇cofs/多孔材料文献，构建领域专属的检索增强生成（rag）管道。
具体内容：
文献pdf自动解析、结构化信息抽取（材料名称、合成条件、性能数据等）
基于向量数据库（如faiss、chroma）的语义检索与知识库构建
微调领域llm，实现文献问答、实验方案推荐与知识图谱生成
规模要求：具备处理10,000篇以上文献数据的工程能力

方向b｜图神经网络（gnn）用于cofs性能预测
核心任务：将cofs结构表征为图数据，利用gnn预测其光/电催化、气体吸附等关键性能。
具体内容：
cofs晶体结构的图表示学习（原子为节点、化学键为边）
基于gnn架构（如schnet、dimenet、cgcnn、megnet）的性能预测模型开发
多任务学习与迁移学习策略，解决小样本问题
可解释性分析，揭示关键结构特征与性能之间的关系

方向c｜聚合物smiles编码与分子表征
核心任务：掌握聚合物/cofs连接体的smiles/bigsmiles编码规则，构建标准化分子表示体系。
具体内容：
cofs构筑单元（linker/knot）的smiles规范化编码与数据库录入
基于rdkit、deepchem的分子指纹与图特征工程
聚合物拓扑结构的序列化表示（bigsmiles、psmiles等）
与gnn/transformer模型的数据接口开发

方向d｜生成式ai与cofs逆向设计
利用扩散模型（diffusion models）或vae，根据目标性能逆向生成新型cofs拓扑结构
结合强化学习优化生成策略，提升命中率

四、理想候选人
科研助理（优先考虑，可远程）
技能维度期望要求编程语言python熟练（必须），pytorch/tensorflow有实践经验nlp/rag有llm应用开发、langchain/llamaindex或rag系统搭建经验者优先图学习了解pyg（pytorch geometric）或dgl者优先化学信息学熟悉smiles/rdkit者加分，有化学/材料背景者尤佳工程能力有大规模数据处理（万级文献/数据集）经验者优先
博士研究生（2027届申请制）
在科研助理基础上，额外期望：
具有机器学习、深度学习、计算化学、有机化学或高分子化学相关学科硕士或本科背景
有独立完成科研项目或发表论文经历者优先
具备长期科研规划，志在ai+材料交叉前沿

五、导师简介
pi：赵新教授（国家杰青）
东南大学能源与环境学院教授，国家杰出青年科学基金获得者。中科院上海有机所博士，哈佛大学、芝加哥大学博士后，曾任中科院上海有机所研究员，2025年加入东南大学。研究专长为有机多孔聚合物材料的结构设计与精准合成，可为ai模型提供最扎实的实验数据反馈。
co-pi：付钰彬研究员
东南大学能源与环境学院研究员。师从冯新亮教授（tu dresden）并与计算化学专家thomas heine教授联合培养，曾于德国马普微结构物理研究所从事博后研究。兼具实验与计算背景，熟悉第一性原理计算与理论模拟，是ai算法与化学机理之间的天然桥梁。发表sci论文113篇，引用近4300次，h指数41。
个人主页：https://power.seu.edu.cn/fyb/list.htm

六、人才培养与待遇
跨学科平台：完备湿实验室 + 高性能计算集群，全面支持ai模型训练与推理
个性化培养：导师亲自指导，定制"ai+化学"交叉培养方案
科研助理通道：表现优秀者优先推荐直升2027届申请制博士
顶尖国际交流：
德国马克斯·普朗克研究所
斯特拉斯堡大学超分子科学与工程研究所（2位诺奖得主）
德国德累斯顿工业大学（tu dresden）

七、申请方式
诚邀对 ai for science 充满热情的青年才俊加入，共同定义材料科学的未来！
截止日期：科研助理滚动招募；博士申请请于 2026年11月28日前投递
投递邮箱： ybfu@seu.edu.cn
邮件标题格式：
科研助理：姓名 + 申请ai科研助理 + 毕业院校 + 擅长方向（a/b/c/d）
博士申请：姓名 + 申请ai+cofs博士2027 + 毕业院校

申请材料请包含：
个人简历（注明python/pytorch/rag/gnn等技能基础及项目经历）
代表性代码链接（github等，可选但强烈推荐）
简要说明对哪个研究方向（a/b/c/d）最感兴趣及相关基础

[ Last edited by X教授 on 2026-4-10 at 11:06 ]

回复此楼