北方华创
算法工程师（机理方向）
算法工程师（机理方向）
发布于 7 天前普通员工/个人贡献者
全职员工仅现场办公CAE仿真分析
CAE仿真分析
Ansys
Comsol
Openfoam
Pinn
Tcad
多物理场仿真
数字孪生
有限元
降阶模型
值不值得投
71综合评分
综合评分 71
AI+科学计算与半导体装备仿真交叉岗，前沿属性强、门槛高，薪资与WLB信息未披露
从薪资福利、成长发展、工作生活和使命价值四个维度综合评估，方便横向比较。
薪资怎么样
参考估算薪资
根据职位描述推断，供对比参考
发布情况
正常在招 · 7 天前发布
公司情况
这家公司招聘很活跃
15 个在招
市场机会
选择不多
北京 · CAE仿真分析 · 2 个在招
职位详情
关于这个职位
面向半导体装备核心工艺开展多物理场机理建模、降阶模型与AI+科学计算融合算法研发，贯通商用/开源求解器到边缘部署与数字孪生的工程链路
适合有限元理论扎实、兼具编程与独立科研能力的博士人才
最低要求
学历要求：博士，力学、机械工程、热能工程、流体力学、应用数学、材料科学、计算物理或相关专业，具备半导体装备仿真经验者优先
有限元理论与仿真软件经验：扎实掌握有限元方法（FEM）理论，包括变分原理、形函数推导、线性/非线性求解策略、瞬态/稳态分析、网格收敛性分析等
熟练使用至少两种商用仿真软件（COMSOL、ANSYS、Abaqus、LS-DYNA等），具备半导体工艺仿真（如等离子体、热流耦合、硅片形变）实际项目经验
至少掌握一种开源求解器（OpenFOAM、FEniCS、MOOSE、FreeFEM等）并能独立完成二次开发或求解器定制
编程与算法实现能力：熟练使用Python、C++或MATLAB，能够独立完成有限元网格生成、刚度矩阵组装、边界条件施加及结果可视化编程
了解FEniCS/dolfinx、deal.II、MFEM等有限元编程框架者优先
熟悉MPI并行计算或GPU加速（CUDA）者优先
降阶与数据驱动仿真经验：具备模型降阶（ROM）、代理模型构建或PINN实际项目经验，能根据物理场特性选择合适的降阶方法并评估精度损失
有将降阶模型部署到边缘端（如工控机、嵌入式设备）经验者优先
行业背景与问题理解力：理解半导体工艺对温度均匀性、流场分布、射频耦合、应力翘曲的敏感性，能与工艺工程师有效沟通并快速提取仿真需求
具备装备级或工艺腔级仿真落地案例者优先
学习与创新能力：对AI for Science、科学机器学习等前沿方向保持高度敏锐，乐于探索数据驱动与传统仿真相结合的新型技术范式
具备独立科研能力，发表过高水平期刊或会议论文者优先
工作职责
多物理场机理建模：面向半导体装备核心工艺建立基于有限元方法的流场、电磁场、热力耦合、等离子体等多物理场机理模型，支撑工艺过程仿真与装备数字孪生构建
商用与开源求解器应用：掌握主流有限元仿真软件（如COMSOL、ANSYS、LS-DYNA、Abaqus等）及半导体专用仿真工具（如Silvaco、Sentaurus TCAD），完成网格划分、边界条件设定、求解器配置与后处理
熟悉开源求解器（如OpenFOAM、FEniCS、MOOSE、FreeFEM）
降阶模型与实时仿真技术研究：面向边缘端实时控制与快速预测需求，开展模型降阶（ROM）方法研究，包括本征正交分解（POD）、动态模式分解（DMD）、代理模型（Surrogate Model）及基于数据驱动的降阶方法，实现高精度全阶模型向轻量化、可边缘部署模型的转化
数据-机理融合算法研发：物理信息神经网络（PINN）、神经算子（FNO/DeepONet）等AI方法与经典有限元求解器的融合路径，解决传统仿真中网格依赖性、计算成本高、不确定性量化困难等问题，实现仿真速度与精度的平衡优化
仿真流程自动化与平台集成：搭建参数化建模、自动网格剖分、批量仿真作业调度与结果分析的工作流，与AI平台（MLOps）和数字孪生平台对接，实现仿真算法向工程交付能力的转化
参与装备智能化部门的边缘推理SDK中仿真模块的集成与验证
技术壁垒建设：跟踪AI+科学计算领域的前沿进展，形成核心技术专利、标准仿真流程及数据库，提升公司在半导体装备仿真领域的自主技术深度
AI 洞察
优缺点分析
优点
- AI+科学计算与半导体装备仿真的交叉方向前沿且稀缺，技术壁垒高
- 岗位覆盖建模、降阶、AI融合到工程部署的完整链路，成长面宽
- 半导体装备国产化带来真实仿真需求，成果落地场景明确
- 多物理场与等离子体仿真本身难度大，需要深厚的数理功底
- 博士学历与多重技能要求使候选人池很窄，入职门槛高
- 前沿方法到工程落地之间存在精度与效率的反复权衡
- 适合计算力学、计算物理背景，既有有限元理论功底又愿意探索AI融合方法的博士级人才
缺点 / 挑战
暂无明显挑战项
角色解读
- 可向仿真团队负责人或装备智能化技术专家方向发展
- AI for Science方向的成果积累有利于进入更高层级的算法平台建设
- 专利与论文积累也是向行业技术影响力发展的路径
- 为半导体装备核心工艺建立流场、电磁场、热力耦合、等离子体等多物理场有限元模型，支撑工艺仿真与数字孪生
- 研究POD、DMD、代理模型等降阶方法并推动模型边缘部署
- 研发PINN、神经算子等AI与经典求解器融合算法，建设自动化仿真工作流并对接MLOps平台
- 需要博士层次的有限元理论基础与至少两种商用仿真软件的熟练使用经验
- 要能用Python/C++/MATLAB独立完成有限元编程与求解器定制
- 需要ROM、PINN等数据-机理融合方法的实际项目经验及独立科研能力
申请策略
- 面试前了解公司装备产品线与数字孪生布局
- 准备一个从全阶模型到边缘部署的完整技术故事
- 列出多物理场仿真的具体项目与物理场类型
- 突出ROM/PINN等数据驱动方法的论文、专利或落地成果
- 写明掌握的商用与开源求解器及二次开发经历
- 补齐半导体工艺背景知识（等离子体、热流耦合、硅片形变等）
- 实践FEniCS/dolfinx等有限元编程框架与MPI/CUDA加速
- 关注神经算子与科学机器学习的最新进展
面试指南
- 技术问题用物理问题-数学建模-数值实现-验证结果的链条展开
- 方法选择类问题给出对比维度与量化依据
- 工程落地类问题强调精度-效率-部署约束的权衡
- 请介绍你做过的多物理场耦合仿真项目及方法选择依据
- 如何评估降阶模型的精度损失并选择合适的降阶方法
- PINN与传统有限元融合的路径你在项目中如何落地
- 你如何完成一次开源求解器的二次开发或定制
- 半导体工艺对哪些物理量敏感，仿真需求如何从工艺工程师处提取
职位点评
薪资福利65
成长发展90
工作生活50
使命价值78
薪资福利
65中等
薪资未披露，博士级稀缺算法人才议价空间较好；JD未提及任何福利待遇。
薪资信号未披露（AI估算：4.5千–7.0万/月）
成长发展
90较高
PINN、神经算子、数字孪生、AI for Science均为前沿方向，且要求形成专利与标准流程，技术成长空间突出。
技术前沿前沿/新兴技术
技术栈有限元、降阶模型、PINN、神经算子、数字孪生、MLOps、OpenFOAM
业务类型ambiguous
工作生活
50较低
JD未提及办公模式与工时安排，科研攻坚类工作的强度信息无法判断。
工作模式未明确
办公地点未明确
加班情况未提及（无法判断）
使命价值
78中等
半导体装备仿真是国产化核心技术方向，算法成果直接转化为装备工程能力，产业价值高。
行业发展高速增长赛道
社会影响正向社会影响力较高
创新程度积极采用新技术
Watch Jobs