宁德时代
强化学习与优化算法工程师
强化学习与优化算法工程师
发布于 1 天前普通员工/个人贡献者
宁德市
中级经验
全职员工
仅现场办公
硕士
算法优化工程师
Pytorch
优化算法
多目标优化
强化学习
材料科学
Botorch
Smac3
黑盒优化
AI 估算 · 25k–45k
宁德时代作为新能源巨头，算法工程师薪资在行业内具有竞争力，硕士学历且要求1-2年经验，月薪2.5-4.5万，15薪，符合市场水平。
职位详情
关于这个职位
作为宁德时代的强化学习与优化算法工程师，你将专注于将前沿的强化学习和优化算法应用于材料科学和化学配方等科学发现场景，通过构建黑盒优化和自动调参系统，推动电池技术的创新
你将与跨学科团队合作，将大语言模型与优化算法结合，从海量文献中提取知识，为优化引擎提供先验约束，实现研发流程的智能化与自动化
最低要求
硕士及以上学历，计算机、数学、统计学、计算化学/物理等相关专业优先，具备 1-2 年以上相关算法研发经验
了解常见多目标优化算法及常见敏感度分析方法
熟悉深度强化学习框架，了解基于 Transformer 架构的编码/解码模型在科学领域的应用原理
熟练使用 Python 及 PyTorch 等主流深度学习框架
优秀的数学功底，能独立阅读该领域的顶会论文并完成复杂算法的工程复现
工作职责
算法研发与落地：负责强化学习（RL）与优化算法的研发，支撑科学发现场景（如材料设计、化学配方筛选）的决策与生成任务
黑盒优化与自动调参：开展复杂高维条件下的黑盒函数优化，构建并迭代多目标优化优化流程，设计高效的实验设计（DOE）与自动化闭环寻优系统
复杂约束与空间搜索：针对海量材料组合或高维实验数据场景下，设计采样算法
前沿技术融合：探索大语言模型或深度学习算法（如 Transformer 架构）与优化算法的结合，推动从非结构化文献中提取领域知识（物理法则、化学属性），并将其转化为优化引擎的先验约束
优先资格
熟练使用且对主流优化/强化学习框架（如 Ax, BoTorch, SMAC3, LaMCTS 等）有二次开发、源码级修改或贡献经验优先
具备新材料发现、电池电解液/配方优化等真实闭环实验室优化（Closed-loop optimization）落地经验者优先
AI 洞察
优缺点分析
优点
- 宁德时代是新能源行业巨头，平台大，资源丰富，算法技术有实际应用场景
- 岗位涉及前沿技术（强化学习、大模型），技术含量高，有利于个人成长
- 工作地点在宁德，相对偏远，生活便利性可能不如一线城市
- 岗位要求高，需要扎实的数学和算法功底，工作强度可能较大
缺点 / 挑战
- 薪资水平较高，福利待遇好，职业稳定性强
- 科学发现场景的算法落地难度大，需要跨学科知识，挑战性强
- 适合对算法研究有热情，喜欢挑战，愿意在新能源领域深耕的求职者
角色解读
- 在新能源行业深耕，成为算法专家，主导优化算法在材料研发中的落地
- 向技术管理方向发展，带领团队负责优化算法平台建设
- 跨领域发展，将优化算法应用于其他科学发现或工业场景，拓展职业边界
- 负责强化学习与优化算法的研发，应用于材料设计、化学配方筛选等科学发现场景，实现决策与生成任务
- 开展黑盒函数优化，构建多目标优化流程，设计实验设计（DOE）与自动化闭环寻优系统，提升研发效率
- 针对海量材料组合或高维实验数据，设计高效的采样算法，解决复杂约束下的空间搜索问题
- 探索大语言模型与优化算法的结合，从非结构化文献中提取物理法则、化学属性等知识，转化为优化引擎的先验约束
- 扎实的数学功底，熟悉多目标优化算法和敏感度分析方法
- 熟悉深度强化学习框架，了解Transformer架构在科学领域的应用
- 熟练使用Python和PyTorch，能够独立阅读顶会论文并实现复杂算法
- 有主流优化框架（如Ax, BoTorch, SMAC3）的使用或二次开发经验者优先
申请策略
- 关注宁德时代的企业文化和技术方向，在面试中展示对新能源行业的热情
- 准备好算法实现案例，展示解决复杂问题的能力
- 突出强化学习或优化算法的项目经验，尤其是实际落地案例
- 强调数学功底和算法实现能力，如竞赛获奖、开源贡献等
- 展示对材料科学或化学领域的了解，体现跨学科能力
- 如有相关论文发表或专利，务必列出
- 深入学习强化学习算法，如PPO、SAC等，并实践
- 熟悉BoTorch、SMAC3等优化框架，尝试二次开发
面试指南
- 使用STAR法则（情境、任务、行动、结果）回答项目经验问题，突出你的贡献和成果
- 对于技术问题，先阐述基本原理，再结合具体场景说明应用
- 对于开放性问题，展现你的思考深度和对行业趋势的理解
- 请介绍一个你使用强化学习或优化算法解决实际问题的项目
- 如何设计一个多目标优化问题的实验方案？
- 你如何将大语言模型与优化算法结合？请举例说明
- 请解释一下贝叶斯优化的原理及其在材料设计中的应用
- 你如何看待强化学习在科学发现中的前景？
职位点评
72
综合评分
新能源巨头，前沿算法岗位，技术成长快，但工作地点偏远，WLB一般。
从薪资福利、成长空间、工作节奏和岗位方向综合评估，方便横向比较。
更适合这类人
适合追求技术成长、对新能源行业有热情，且不介意工作地点在宁德的人才。
表现最好
成长发展
相对薄弱
工作生活
薪资福利75
成长发展85
工作生活45
使命价值80
薪资福利
75中等
宁德时代作为上市公司，薪资福利有竞争力，但工作地点在宁德，生活便利性一般，综合补偿性动机中等偏上。
薪资信号未披露（AI估算：25K-45K/月）
成长发展
85较高
岗位涉及强化学习、优化算法等前沿技术，有实际应用场景，能促进技术成长，发展性动机满足度高。
技术前沿前沿/新兴技术
技术栈强化学习、优化算法、Transformer、PyTorch、黑盒优化
业务类型ambiguous
工作生活
45较低
工作地点在宁德，相对偏远，生活便利性一般，且未提及弹性工作，生活化动机满足度较低。
工作模式仅现场办公
办公地点郊区/偏远地区
加班情况未提及（无法判断）
使命价值
80较高
新能源行业属于高速增长赛道，岗位涉及材料科学，对推动新能源技术发展有积极意义，意义感动机较高。
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