AI应用工程师(A12159)

1、设备数据治理与特征挖掘

搭建设备运行数据采集系统，整合传感器数据（温度、压力、气体流量等）、工艺参数及历史故障数据，构建多模态数据库。

通过时序数据分析、异常检测算法，定位设备潜在故障模式，输出诊断报告。

2、AI算法开发与模型部署

开发基于机器学习的故障预测模型，优化设备维护周期，降低非计划停机时间。

应用强化学习或贝叶斯优化算法，动态调整外延生长工艺参数，提升良率并降低能耗。

3、算法系统集成与优化

将训练模型部署至边缘计算设备或云端平台，开发轻量化推理引擎，适配嵌入式硬件资源限制。

协同设备控制团队，实现工艺参数闭环控制，推动算法与PLC/DCS系统的无缝对接。

4、工艺优化方案落地

基于AI仿真结果设计DOE实验，验证优化方案的可行性，输出可执行的工艺改进建议。

编制设备操作指导手册及AI系统使用规范，培训生产人员掌握智能化工具。

5、跨部门协同与技术创新

联合研发部门迭代设备设计，通过AI分析反馈优化设备机械结构或控制系统。

跟踪AI+半导体领域前沿技术（如数字孪生、联邦学习），主导1-2项年度创新课题研究。

职位要求：

1、教育背景

硕士及以上学历，材料科学、计算机科学、自动化、电子工程等相关专业，具备半导体物理基础者优先。

2、技能要求

精通Python，熟练使用PyTorch/TensorFlow框架及Scikit-learn、Pandas等数据分析工具。

掌握时序数据分析、特征工程方法，具备Spark/Flink大数据处理经验者优先。

熟悉半导体设备工作原理，了解碳化硅外延生长工艺关键参数（如CVD反应机制）。

3、经验要求

3年以上工业AI算法开发经验，主导过至少1个设备预测性维护或工艺优化项目。

有半导体设备（如MOCVD、刻蚀机）故障诊断或晶圆制造良率提升项目经验者优先。

4、软性素质

能快速理解工艺工程师需求，具备将抽象问题转化为数学模型的抽象能力。

适应初创企业高强度工作节奏，具备跨部门协作意识及技术成果转化能力。