1. 主导面向气体/气味检测的MEMS传感器芯片的微观结构设计，满足灵敏度、响应速度及功耗等核心指标；创新设计多材料、多单元的传感器阵列，形成对复杂气味的差异化“指纹”响应，提升系统的识别与分类能力。

2. 负责设计测温电阻、引线电极等配套结构，确保电学性能与热学管理的优化。

3. 运用COMSOL Multiphysics、ANSYS等工具进行热-力-电-流多物理场耦合仿真，优化结构以提升加热效率、温度均匀性、机械稳定性及气体扩散效率。

4. 通过仿真预测器件性能，指导设计迭代，降低研发周期与流片风险。

5. 主导制定将纳米敏感材料与MEMS芯片集成的详细工艺集成方案，解决材料与硅基工艺的兼容性挑战。

6. 设计与MEMS工艺线兼容的版图，制定完整的工艺流程文档，并与晶圆厂或内部工艺团队紧密协作，确保设计意图的准确实现。负责关键工艺模块的开发与优化

7. 制定芯片级测试方案，参与原型样品的性能测试与失效分析，将测试结果反馈至设计端，形成闭环优化。与材料科学家紧密合作，根据材料特性定制化设计MEMS结构；与电路工程师协同，优化电学接口设计。

1. 硕士及以上学历，微电子、磁电子、半导体物理或相关专业领域，熟悉传感器的原理、制造及应用等，具备一定相关工作经验者优先。

2. 详细掌握MEMS传感器技术，熟悉MEMS器件的工作原理，有良好的力学和机械振动学的基础理论。

3. 了解气体传感器相关的制造工艺，熟悉工艺偏差对气体传感器性能的影响。

4. 熟练使用相关的版图设计软件、数据分析软件和仿真软件。

5. 良好的英文读写能力，具备较强的科技文档写作能力。

6. 在工业、机器人、消费电子等行业中气体传感器经验者优先。

1. 数据工程与前处理。（1）主导数据流程：收集、标注及前处理多模态数据集，用于训练与评估；（2）清理与标注数据，确保训练的完整性与可扩展性（3）分析数据特性，设计特征工程，优化整体数据流。（4）多模态数据融合：将气味数据与其他数据（如温度、湿度、视觉图像）结合，提升判断准确性。

2. 算法开发与训练。（1）在模拟与实际环境中开发并训练机器学习算法

（2）定义函数，监控训练指标，分析失败案例，并优化模型结构以提升策略鲁棒性。

3. 模型整合与部署。（1）将训练好的模型进行整合与部署，优化模型参数；（2）评估系统性能，分析故障并对模型架构与函数进行迭代改进

1. 博士学历； 统计学、经济学，数学、计算机科学相关专业优先。

2. 3年以上数据分析/数据科学行业经验。

3. 扎实的数据分析理论和技术基础，有开发、算法背景优先；能根据数据提供合理的见解推动产品的开发和迭代。

4. 熟练使用数据分析/建模语言(Python, R等），可以熟练处理数据和数据建模。

1. 负责气敏材料开发：研究、合成和筛选对特定气体/气味有高灵敏度、高选择性和稳定性的新材料（如金属氧化物复合材料、碳基复合材料、导电聚合物等）。

2. 建立并执行从原材料到最终产品的全套质量控制与分析标准体系。

3. 气敏材料及传感器性能研发及优化。

1. 博士学历，化学、物理、材料等相关专业。

2. 有气体传感器研究经历，有纳米材料、半导体材料制备及研究工作经验，微纳加工经验者优先。

3. 熟练掌握金属氧化物、导电聚合物、碳材料等领域的进展、合成路径，表征、性能分析。

一、组学人工智能方向

1. 博士期间具有蛋白组，代谢组研究经历；2. 熟悉LC-MS/MS, MALDI-TOF等质谱平台的操作及数据分析；3. 熟悉临床样本队列分析、标志物发

现、验证等工作。4. 掌握MATLAB、SPSS、R语言、Python 等软件工具，熟悉常用统计学方法、有监督和无监督聚类方法等。具有机器学习、CNN去卷积神经网络时序分析算法运用经验的研究人员优先。

二、微纳芯片方向

1. 博士期间具有气体传感，纳米催化阵列式传感器、微电子、可穿戴电学和光学传感器等方向的研究经历；2. 熟悉微纳电极的光刻加工技术，MEMS器件，流体力学仿真等；3. 掌握 MATLAB、SPSS、R语言、Python 等软件工具，熟悉统计学方法，具有人工神经网络等机器学习算法运用经验的研究人员优先。

1. 海外知名院校毕业的博士学位申请人，至少发表过2篇以上本领域权威期刊论文。

2. 国内院校毕业的要求持有双一流高校和双一流学科博士学位，博士论文同行评总体优秀，至少发表2篇以上本领域知名期刊论文。

3. 博士毕业后有业界工作经验2年的申请人优先考虑。

4. 具有材料、硬件、算法等跨领域工作经验的博士博生优先。