博士后（存算融合的先进存储技术研究方向）(J14820)

优缺点分析

角色解读

• 博士后出站后可转为高级研究员或技术专家，深耕存算一体及先进存储架构领域
• 向AI芯片架构师或软硬件协同设计专家方向发展，主导下一代存储芯片的核心技术攻关
• 研究存算融合芯片的底层硬件技术与上层软件栈，提供软硬件协同的全系统解决方案
• 搭建从存储阵列到AI模型推理的全套仿真平台，对先进存储芯片的推理精度进行量化评估
• 通过算法与架构优化，持续提升存算融合芯片的推理精度与整体性能
• 具备微电子、半导体物理或计算机等扎实的专业理论基础，熟悉存储芯片底层机制
• 掌握软硬件协同设计方法，了解AI模型算法及推理加速机制
• 具备优秀的学术研究能力，有高水平论文发表经验及严谨的科研态度

申请策略

• 了解长江存储在3D NAND及存算融合领域的最新技术布局，准备针对存算融合芯片推理精度优化的个人见解或研究计划
• 重点突出在微电子、半导体物理或计算机领域的博士研究成果及高水平论文发表情况
• 详细阐述参与过的存算融合、存储芯片或AI模型算法相关的项目经验及具体贡献
• 深入学习存算一体架构、先进存储技术（如3D NAND、新型非易失性存储）以及AI模型推理加速算法
• 提升软硬件协同仿真平台的搭建、调试与性能调优能力

面试指南

• 采用STAR法则（情境、任务、行动、结果）描述科研项目经历，突出个人在其中的核心贡献与量化成果
• 针对技术问题，采用“问题分析-方案设计-仿真验证-结果优化”的逻辑框架进行结构化解答
• 请详细介绍你博士期间在存算融合或存储芯片领域的研究内容及取得的成果
• 在搭建从存储阵列到模型推理的仿真平台时，你会如何设计架构以保证推理精度的量化评估？
• 存算融合芯片在优化推理精度与性能时，通常会遇到哪些软硬件协同的瓶颈？如何解决？
• 请分享一篇你发表的高水平学术论文的核心创新点及其实际应用价值
• 复习半导体物理、计算机体系结构及AI模型推理相关基础知识，确保技术细节对答如流
• 准备几篇自己发表的代表性论文，能够清晰、自信地讲解其核心创新点、实验数据及工程意义